觀點：元宇宙的未來發展和創新依賴於新的科技創新範式——“機器猜想+科學智能”

來源：經濟觀察報 （ID：eeo-com-cn）

作者：劉志毅，係數字經濟學家，上海交大安泰AI與營銷研究中心特聘高級研究員。

原文標題：《第五範式的出現：科學智能+機器猜想 | 數字之道》

圖片來源：由無界版圖AI工具生成

“範式”這一概念最初由美國著名科學哲學家托馬斯·庫恩1962年在《科學革命的結構》中提出來，指的是常規科學所賴以運作的理論基礎和實踐規範。

庫恩指出，在科學發展的某一時期，總有一種主導範式，當這種主導範式不能解釋的“異常”積累到一定程度時，就無法再使用舊有的範式去做解釋，科學共同體將尋求既能解釋舊範式的論據又能說明用舊範式無法解釋的論據的更具備包容性的新範式，這時候就會發生科學革命。

在範式和科學共同體基礎上，庫恩又提出科學知識增長模式：前學科（沒有範式）—常規科學（建立範式）—科學革命（範式動搖）—新常規科學（建立新範式）。

在前學科時期，科學家之間存在意見分歧，因而沒有一個被共同接受的範式。不同範式之間競爭和選擇的結果是一種範式得到大多數科學家的支持，形成科學共同體公認的範式，從而進入常規科學時期。

在常規科學時期，科學共同體的主要任務是在範式的指導下從事釋疑活動，通過釋疑活動推動科學的發展，“常規科學即解難題（Puzzle）”。在釋疑活動過程中，一些新問題和新事物逐漸產生，並動搖了原有的範式，建立新範式的科學革命隨之產生。

革命的結果是擁有新範式的新的科學共同體取代擁有舊範式的舊的科學共同體。新範式的產生並不表示新範式更趨近真理，只是解題能力的增強。

在後庫恩時期，為了進一步闡明範式，庫恩提出了專業母體，又可譯為學科基質，是指一個科學共同體成員共同掌握的、有待進一步發展的基礎，它主要包括概括（公式）、模型（一種形而上學的假設）和範例（最具體的題解），其中範例是最基本的要素，它使原先範式概念的模糊性得到改善。

我們看到，目前的主要的範式已經有四個基本範式，圖靈獎得主、關係數據庫的鼻祖吉姆.格雷（Jim Gray）在2017年加州善景城召開的NRC-CSTB大會上，發表了題為“科學方法革命”的演講，提出將科學研究分為四個範式。

而2009年微軟出版的《第四範式：數據密集型的科學發現》（《The Fourth Paradigm: Data－Intensive Scientific Discovery》）一書，則擴展了其思想。

簡而言之，他們認為目前的科學研究的範式包括四個主要範式：

幾千年到幾百年期間，是經驗範式，主要是通過實驗用來描述自然現象（第一範式）。雖然在這些觀察中，有許多規律是顯而易見的，但沒有系統性的方法來捕獲或表達這些規律。

幾百年到幾十年前使用模型或歸納法進行科學研究，如開普勒定律、牛頓定律等，這是理論範式（第二範式）。第二範式以自然理論模型為特徵，例如17世紀的牛頓運動定律，或19世紀的麥克斯韋電動力學方程。這些方程由經驗觀察，歸納推導得出，可以推廣到比直接觀察更為廣泛的情形。

雖然這些方程可以在簡單場景下解析求解，但直到20世紀有了電子計算機的發展，它們才得以在更廣泛的情形下求解，從而產生了基於數值計算的第三範式。換言之，對於很多複雜問題，採用解析的模型難以求解，科學家們採用計算機進行仿真模擬，則形成了計算範式（第三範式）。

近幾年，隨着數據的增加和人們進入大數據時代，研究統一於理論、實驗和模擬，即為第四範式。它的主要特徵是：數據依靠信息設備收集或模擬產生，依靠軟件處理，用計算機進行存儲，使用專用的數據管理和統計軟件進行分析。

機器學習是第四範式中日益重要的組成部分，它能夠對大規模實驗科學數據進行建模和分析。這四種範式是相輔相成，並存不悖。

科學智能+機器猜想

過去幾年間，隨着人工智能技術的發展，以深度學習為代表的AI技術應用於科學基礎理論的發現中，兼顧了效率與準確性。

這種使用機器學習的新方式，與以往第四範式數據建模截然不同。因為用於訓練神經網絡的數據來自科學基本方程的數值解，而非經驗觀察，從而創造出一種新的知識創造的思路，即通過機器猜想的方式實現科學智能的應用。

諾貝爾獎經濟學獎獲得者赫伯特·西蒙提出的“信息處理範式”中提出了一種信息處理範式，這是一種由外向內的分析機制。

受到他啟發的日本管理學家野中郁次郎在討論創新時，提出了知識創造理論。他以波蘭尼的兩分法為基礎，從“顯性知識”和“隱性知識”的關係入手，提出企業的創新行為其實就是要創造知識，通過社會化、外顯化、組合化和內隱化的方式來創造知識，從而實現知識的創造和知識螺旋的出現。

換言之，我們可以將科學方程的數值解看作自然界的模擬器，以較高的計算成本，對眾多我們感興趣的應用進行計算——例如預測天氣、模擬星系碰撞、優化聚變反應堆設計，或計算候選藥物分子與目標蛋白的結合等。

從機器學習的角度來看，模擬過程的中間細節可以被視為訓練數據，能夠用於深度學習仿真器的訓練。此類數據是完全標註的，數據的數量僅取決於計算開銷。一旦完成訓練，仿真器就可以高效執行新的計算，並大大提升計算速度，有時甚至能夠達到幾個數量級。

正如微軟執行副總裁兼首席技術官Kevin Scott所說，“AI4Science 是一次深植於微軟使命的嘗試，這將充分利用我們的人工智能能力來開發新的科學發現工具，從而讓我們和科學界的其他同仁能夠應對人類面臨的最重要的一些挑戰。” 

通過以上的討論，我們可以看到未來決定科學範式發展的，是基於思維科學的“第五範式”，即“科學智能+機器猜想”範式。這個範式躍遷的變化剛發展出萌芽並正在影響科技產業的進程，也將極大改變我們理解智能經濟時代的技術發展的基礎，尤其是人工智能技術為基礎的智能化技術的應用邏輯。

如果說第三範式和第四範式的區別在於，計算範式是通過可行的理論搜集數據，然後通過計算仿真得出之前未知的結論；第四範式則是通過大量數據計算得到新的結論。

那麼我們認為“第五範式”的特點就在於通過“機器猜想”的方式應用於“科學智能”，通過不同的“算法思維”和“應用場景”的對撞，得到不同領域的“專業知識”，將未知的結論推導出來，從而反向推動該領域的發展，得到在經驗領域上尚未得到的前瞻性的結果。

與第四範式相比較，作為“第五範式”的“科學智能+機器猜想”範式擁有以下特徵:

第一，跟場景深度結合。以中國為例，新一代人工智能作為全球新一輪科技和產業變革的關鍵驅動力，正在基於應用場景重構生產、分配、交換、消費等經濟環節，從宏觀到微觀的層面滿足各個領域的智能化新需求，催生出一系列新技術、新產品、新產業、新業態與新模式，通過場景落地的方式創造新的經濟發展的智能化引擎，從而實現社會生產力的整體躍升，改變未來人類生產生活的方式和思維模式。

這樣的現象在以往的數據範式中是不存在的。數據範式更多的是結合企業等組織數字化轉型的需求，而第五範式則是更深層次的與社會經濟系統的底層發展嵌合。

第二，不依賴大數據而是通過算法進行實驗測試。在弱人工智能時代對應的深度學習，更多是圍繞單點任務的場景落地，可移植性較差，且需要大量訓練。而正在崛起的機器智能，強調“深度理解”，強調系統化地解決寬泛的應用場景問題，具備靈活與動態的推理能力，從而可以更好的移植到不同的場景。

深度學習之父Geoffrey Hinton從2017年開始就公開號召摒棄現有深度學習（主要是反向傳播、CNN）範式，重新奮力向前尋找全新的道路。Hinton認為，要想讓神經網絡能夠自己變得智能，即實現不依賴海量標註數據的“無監督學習”，可以看到不依賴大數據深度學習的技術趨勢正在形成。

第三，解決不確定性的長尾問題。我們看到當前人工智能技術的應用，很多場景中的長尾問題並沒有得到解決，這些需求需要統一的人工智能技術新範式解決。而目前產業界的基本思路就是通過大規模算力的方式去解決。

通過建立具備超大算力的智能計算中心去硬解各種長尾問題，就好像物理學中的粒子對撞機。因為粒子碰撞的結果不可預測，但只有通過不停嘗試，在某種程度上才能找出可解釋物理世界的規律。

第四，是基於開放複雜的智能系統的應用，具備以下四個複雜系統的特點：

1) 系統是開放的，即系統本身與周圍的環境有物質、能量和信息的交換，可以看到人工智能的超算系統基本上都是開放的。

2) 系統是巨大的，本身包含成千上萬的子系統，可以看到為了應對不同的場景，人工智能的系統在垂直領域都具備相對完整的子系統。

3) 系統的種類是多樣的，從而體現出複雜性，我們看到針對不同的領域，複雜巨系統下的子系統會分裂出不同類別的子系統，例如針對醫療、教育、自動駕駛、智慧城市等不同領域，會有不同的子系統模塊。

4) 系統是多層次的，也就是巨型複雜系統是非還原論的，因此需要多層次的複雜系統來解決問題，而不是依賴簡單的巨型複雜系統。

第五，是從隱性知識創造顯性知識創造的閉環，即“機器猜想”下的知識創造，並將其主要應用與科學智能領域。這裡需要提到的兩個關鍵概念就是“知識創造”與“機器猜想”。

“知識創造”的概念，原本是由日本管理學家野中郁次郎提出的關於企業在組織中創造新知識，在組織中國擴散知識並將這些知識融入到產品、服務和系統中的能力。

而我們這裡衍生到如何通過機器算法進行知識創造從而解決人工智能產業中場景落地的的能力，由於機器的“知識創造”過程更多的是依賴於算法和算力，因此與組織的知識創造相比更具備可操作性，且降低了組織進行創新時的成本與風險。

“機器猜想”的概念則是對新一代人工智能技術中“人工智能推理能力”的描述，不同於感知智能時代的人工智能，認知推理時代的人工智能基於巨大的算力與複雜的算法生態，與單智能體“感知-行動-目標”的推理過程不同，未來的人工智能推理是基於巨型複雜的多智能推理的，可以通過定義規則和激勵對智能系統之間的交互進行管控，並改變每個子智能系統行為過程中實現巨系統的目標，從而創造知識形成產業場景大規模落地的閉環。

以上就是我對第五範式，即“機器猜想範式”的特質的討論，我們看到國內外很多科技企業開始將超大規模的計算中心與超大規模的智能模型作為下一代人工智能的基礎平台，其原理就在於“機器猜想”範式的邏輯落地。

在這樣的範式下，我們可以觀察一些基本的科技趨勢，這些趨勢可以作為理解第五範式的科技浪潮中的創新的核心特質：

1) 基於機器猜想的計算模型必然是超大規模的模型，以“大規模”、“高精度”和“高效率”作為基礎，這樣才能支撐系統在社會的經濟、治理以及生產生活的其他方面產生共同作用。

2) 基於機器猜想的範式中，需要通過跨學科交叉融合的方式，將人類的不同學科的認知模型和知識系統引入，提升巨型開放複雜系統的魯棒性，同時能夠反哺源頭學科，產生更多的基礎性認知，從而進入“機器猜想”的“智能科研”的知識創造時代。

3) “機器猜想”的範式中，能夠在不同的垂直領域產生以數學為基礎類似物理學規律的大一統理論，從而在基礎理論領域形成雙向的正循環，一方面大一統理論可以建構其解決長尾需求，打通學科本質的研究體系；另一方面，通過機器猜想的方式，能夠在諸多基礎學科領域建立起新的“未曾發現的知識體系”，從而能夠規模化的產生新的知識生態。

4) “機器猜想”中的機器並非現在的人工智能系統，而是下一代人工智能系統，比較有可能突破和實現該領域的是在類腦計算，我們認為這是AI領域摩爾定律發揮作用的必然趨勢，通過仿生神經形態計算戲稱為未來智能計算的重要模式。

5) “機器猜想”需要新的治理生態，如何建立多層次的、多方參與的、敏捷的、負責任的綜合治理體系，從複雜系統管理工程的角度而言，是非常重要且頗有難度的工作。一方面在傳統的治理機制上需要突破和創新，另一方面也要通過“算法規制”等方式進行技術治理，這是我們需要看到的未來。

6) “機器猜想”的範式有可能有不同的演化路徑，包括生物智能、決策智能和群體智能都是有可能的方式，生物智能是實現通用人工智能的可行路徑，決策智能則有可能通過與博弈論的結合，在工業領域產生新的革命，群體智能則有可能在時空數據研究領域產生新的突破。

7) 需要注意的是，“機器猜想”的範式路徑是按照“知識進化論”的邏輯推導出來的，也就是我們認同波普爾的觀念，也就是知識作為獨立的第三世界的特質。自文明誕生以來，知識就有自己的進化路徑，它在文明中誕生、成長、改進、猜想、驗證、懷疑以及重建，當然它有賴於人類文明的發展和進化。

最後，我要重點討論下第五範式研究的起源，即波普爾關於知識進化的研究，作為進化知識論的奠基人之一，他在多本專著中的研究對我的啟發很大。

例如在《研究的邏輯》一書中，他討論了通過試錯而使得知識增長的理論，這與我們當下看到機器在進行算法訓練獲取知識的邏輯不約而同。在《猜想與反駁：科學知識的增長》一書中，他講知識增長的理論系統化和縱深化，讓我們看到知識進化的不同邏輯。在《客觀知識：一個進化論的研究》中，他把認識論與進化論相結合，得到了進化認識論與科學方法的一致性，這也讓我看到了“機器猜想”範式的未來。

我們在這裡只需要提及他在《客觀知識：一個進化論的研究》中所提到的“第三世界”的理論，這裡指的是波普爾將世界分為三個：第一世界，就是物理客體或物理狀態的世界；第二世界，就是意識狀態或精神狀態的世界；第三世界，就是思想的客觀內容的世界，即知識的世界。

他在書中做了兩個思想實驗來印證“第三世界”的存在：實驗（1）：所有的機器和工具，連同人類所有的主觀知識，包括人類關於機器和工具以及如何使用它們的主觀知識都被摧毀，然而圖書館和人類從中學習的能力依然存在；實驗（2）跟上述情況一樣，區別在於這一次所有圖書館也毀壞了，以至於人類從書籍中學習的能力也沒有了。

那麼，我們可以預判是在第一種實驗中，我們的文明世界還能夠被重塑，第二種情況，人類文明將不再出現。因此，知識（這裡主要指的是科學知識）代表了第三世界，屬於客觀理論、客觀問題和客觀論據的世界。

正如波普爾所說，“認識論的中心問題從來是而且現在仍然是知識增長的問題。而研究知識增長的最好方法是研究科學知識的增長。……略加思索就會看出，與我們的知識的增長相聯繫的大多數問題必然超越任何僅限於與科學知識相對立的常識性知識的研究。因為，常識性知識增長的最重要方式正是轉變成科學知識。而且，顯而易見，科學知識的增長是知識增長的最重要、最有意思的實例。

必須記住，在這種背景下，幾乎所有的傳統認識論問題都是與知識增長的問題相聯繫的。我甚至要進一步說：從柏拉圖到笛卡兒、萊布尼茨、康德、杜恆、彭加勒，從培根、霍布斯、洛克到休謨、穆勒、羅素，知識論都為這樣的希望所鼓舞；它不僅使我們能知道更多的知識，而且使我們能對知識的進步做出貢獻——對科學知識的進步做出貢獻”。

當然，以往的認識論主要研究的是人類知識和動物認知的連續性和非連續性，即比較認知機制的科學，而新的知識範式下需要研究的是人類知識與機器知識的連續性和非連續性，我們要通過考察人類各種類型知識增長的邏輯，並將這種邏輯範例應用在“機器猜想”的模型和系統中，從而形成新的知識爆炸系統，形成新的理論思考。

第五範式下的元宇宙創新與治理

在理解了第五範式的基本邏輯后，我們來看元宇宙的世界中，新的範式將起到什麼樣的作用，首先要理解元宇宙的本質，我們可以從以下幾個角度去理解：

第一， 元宇宙的概念和特質，廣義而言，我們可以說，互聯網就早已經是一個元宇宙了。我們在新冠疫情中不可或缺的遠程視頻會議都有一些“元宇宙”元素。

“元宇宙”是永遠在後退的地平線，我們可以不斷靠近它，但永遠無法完全實現它。狹義上的元宇宙是一種基於增強現實（AR）、虛擬現實（VR）和混合現實（MR）等技術，整合了用戶替身創設、內容生產、社交互動、在線遊戲、虛擬貨幣支付的網絡空間。在元宇宙中，用戶不僅僅是看內容，而是能全身心沉浸在相互補充和相互轉化的物理世界和數字世界中。 

第二， 元宇宙技術的出現從根本上是因為人類媒介的記錄能力和傳輸能力極大提升帶來的結果，使得從前只能“記錄和傳輸信息”（information）變成今天能“記錄體和傳輸體驗”（experience），從而實現人體的“遙運”（teleport）形成“遙在”（telepresence）。

第三， 元宇宙代表了智能化技術的發展方向，代表了更高維度的信息化技術的實踐，互聯網在空間上仍是二維呈現，移動互聯網在PC互聯網的基礎上，擴展了時間與空間的廣度，即移動設備的可移動性使人們隨時隨地獲取信息，但此時的空間呈現仍是以二維為主。

而元宇宙在空間上則是三維呈現，且更強調感官體驗的全面跟進，用戶的感官體驗得以高度仿真，當下互聯網的平面功能將被三維立體化在元宇宙中呈現，換言之元宇宙擴展了物理城市的尺寸與增長空間。

那麼，在這樣的元宇宙的世界里，就存在着屬於自己的創新與治理機制，從創新方面來說，我們可以說元宇宙正在定義智能經濟的未來，可以從以下幾個角度進行討論：

第一， 元宇宙通過規則定義未來，其代表的數字世界和現實世界的融合創造了新的規則體系。這些規則包括不限於數字世界的信用規則、價值交換規則、生產關係的變化、社會組織生態的變化等，這就意味着元宇宙的建構過程當中需要加入人為的規則體系來定義其發展邏輯。

第二， 元宇宙創造着獨特的經濟價值，這一系列價值是通過數字化技術實現的。用戶通過元宇宙基礎設施和超級VR技術將自己全身心地成為元宇宙的一份子（Cyborgs）。在混合虛擬現實技術的支持下，日益人性化的人機互動界面導致網下與網絡空間的不斷重合，網絡空間就是現實空間，現實空間亦是網絡空間。

第三， 元宇宙中人們需要新的數字化身來獲得沉浸式的體驗，因此“數字化身”成為了元宇宙發展的核心，即虛擬數字人成為人們使用元宇宙技術的關鍵，從傳播學來說，即實現了“親身傳播”。用戶在使用元宇宙相關技術傳輸信息時，此時傳播者的身體、傳播技術和傳播內容重新聚合。

作為重要的符號——文字的出現使得人類在傳播時可以實現傳播者的身體與傳播內容的分離，它作為人體的初級化身，極大地擴大了人際的傳播效率（一對多），但同時也犧牲了人際傳播（一對一） 的效果。

而人基於虛擬現實的化身遠比文字化身豐滿和立體，將導致親身傳播的復歸，進入拉尼爾所說的“后符號傳播時代”（post-symbolic communication）。

正因為元宇宙技術具備以上的特點，在技術發展、創新模式以及傳播學意義上有着不同於互聯網的價值，那麼元宇宙創新也帶來了新的挑戰，這種挑戰不僅是技術治理層面的，也是道德層面的，其本質就是帶來“道德物化”。

所謂道德物化，簡單地講就是道德主體不單是人也不單是物，而是人和物的集合。這意味着物本身不是價值中立而是負載道德的。因此，在設計物時，應有價值自覺地試圖把公共善嵌到人工物里去，進而通過物的發端流行來實現善。那麼如何在元宇宙中避免道德物化帶來的困境就是元宇宙治理的關鍵。

那麼，我們可以從三個角度來分析道德物化在元宇宙發展中的挑戰：

第一， 在工程實踐中我們推崇代碼即法律，提供了開放的價值物化秩序，實踐過程中倫理委員會出現，道德物化對於我們來說就是將不同價值設計在技術人工物之中。而這件事情已經在實施了，技術實踐上可能會挑戰道德，更重要的是底層邏輯是風險。因此我們認為“法律即代碼”是更具備現實意義的路徑。

第二， 道德物化恰好是人類自由的體現，並不會喪失道德底線，樂觀的技術主義者，而不是悲觀的，道德即使被取消也不會立馬墮落而是可能創造新的道德標準和秩序，理性的結果和感性的道德感知如何取得平衡是關鍵。換言之，終究是“以人為本”，把人類作為元宇宙系統的中心去考慮；

第三，   討論終極命題的前提，就是要看到技術演化的方向，並不以人類的自由意志為前提，道德物化思想為考察智能技術提供了新的思路，如何嵌入價值是我們正在處理的問題，但事實上我們還會面對權利的分配等政治問題，如何達成共識是關鍵。

簡而言之，元宇宙的未來發展和創新依賴於新的科技創新範式，即“機器猜想+科學智能”的第五範式，而元宇宙技術本身也體現出來打通數字化世界和現實世界的重要特質，這些特質帶來了元宇宙創新的新的規則，也讓我們看到了科技治理的新風險，即“道德物化”的問題。

要解決這個問題，我們從工程學、倫理學和技術哲學的角度分別提供了思路，這裡只是針對新的科學範式的一種討論和應用，未來我也會發布一系列關於元宇宙創新和治理的文章作為新的範式研究的深入思考，歡迎各位讀者多多指教批評，期待有更多的交流。