复杂性视角下人类认识的若干局限，本文主要内容关键词为：复杂性论文,视角论文,人类论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：N031文献标识码：A文章编号：1003-5680(2006)02-0018-03
“人类的认识能力是否有其不可逾越的界限”是个重要的哲学问题，从复杂性角度看，人类认识不可避免地在多个层次上存在局限性。
一 对认识局限性问题的已有讨论
哲学中对人类认识局限性问题有很多众所周知的讨论，其中典型的如：康德将对人类认识能力来说超出了可知物的界限却又好似实在性所要求的各式各样的东西都称为“物自体”，它代表一个极限、一道藩篱、一种终极实在，是人类认识所不能企及的。与康德类似，维特根斯坦试图在有意义与无意义中间画一条线，截然区分作为观念的世界(能说的及其边缘)与作为意志的世界(其余的或不能说的，包括“更高的”)。更早的还有泰勒斯的学生阿那克西曼德认为万物都是由某种我们永远无法经验到的基本“原料”(或无定)构成的，我们只能知道这种原料的显现。实在是不确定的“无定”(apeiron)[1]。可见这些观点都认为人类认识存在不可逾越的绝对的界限。
从形式系统角度考察人类认识的局限性问题，两个有代表性的观点分别来自图灵和哥德尔，两者的观点处于对立的两端，前者认为心等价于机器，那么人类认识也就具有与机械过程一样的局限性；后者倾向于认为心超越于任何机器，那么人类认识也就能超越机械性的局限。在《伦敦数学会通报》第42卷上，图灵给过一个论证，试图表明心灵过程丝毫不能比机械过程走得更远，其论证依赖于这样一个假设：一颗有穷的心只能够呈现有穷多个可区分的状态。而哥德尔提醒我们，尝试建立人心与机器的等价性的种种证明都是谬误的。哥德尔最著名的定理表明了数学的不可穷尽性，确定了形式系统(或计算机程序)的局限性，所以与心是否胜过机器这个脍炙人口的问题有了关系。但是，哥德尔自己承认，他的定理没有了结心胜过机器的问题[2]。其他，如：弗雷格、罗素和维特根斯坦都深信逻辑给可思议的或“可说的”东西定了界限，谁也不可能跑出逻辑的手掌心。在这个意义上，人类认识将在原则上局限于广义的逻辑。彭罗斯(R.Penrose)在他的《皇帝新脑》中强调：由于那些不能由计算而由我们思考所得到的真理的明确的事实，使我确信计算机绝不能复制思考。[3] 显见，他的观点是人类认识超越原则上的机械行为。
现在，一些学者还从复杂性科学角度指出了人类认识的局限性。法国复杂性哲学家莫兰指出了涉及理性推理和行为领域的人类最佳认识的不可能性：“20世纪最伟大的成果之一是建立了关于认识的有限性的定理，它们既涉及理性推理，又涉及行为。存在着建立在人类问题中的最佳化算法的不可能性：追求最佳化超越了任何可以利用的研究手段，而最终使对最佳状态的研究不是最佳的，甚至可能是可悲的。人们被引导至一个介于追求最大的善和追求最小的恶之间的新的不确定性之中。”[4] 霍兰(Holland)还提出了人类认识的现实局限性，他认为“现实的可计算程度”与“可理解的洞见”相关，现实可计算的才是现实可认识的。“在推导重要的定理时，不同的形式等价系统会引起实质上不同的困难。它们可能会有非常不同的‘易理解的’表达方式。形式上等价不意味‘可理解洞见上的等价’。如果我们脑海中已经有了筛选过的问题，那么仅仅确定表述在形式上能够回答这些问题是不够的。”[5] 约翰·豪根(John Horgan)在其《科学的终结》一书中指出：无论如何科学自身注定了我们人类不得不总是与部分真理相伴。
二 受成本制约的人类认识
人类认识有众多的层面，为了从复杂性角度讨论认识的局限性问题，我们选定“信息来源”这个特定的层面描述人类认识，这表明我们所关心的只是“信息”和“来源”两个层面。所谓“信息层面”是指我们只在编码后的、语法的、形式的意义上考察认识活动，并不过多涉及认识的非量化的、语义的、非形式的部分。所谓“来源层面”是指：我们把人类认识看作是主客体的相互作用及其结果在主体中的映射，人类认识本质上源于人类可能经验，因而我们关注的是主体在主客体相互作用的界面上克服不确定性、解除复杂性来获得认识的情况，显然这不涉及通过组织、加工原始信息获得的认识。对认识的这种描述意味着我们把经验看作是第一位的，把逻辑、算法看作是第二位的。
任何两个系统的相互作用是通过其间的物质、能量、信息的传递实现的，这样所传递的物质、能量、信息则成为相互作用的工具、媒介，它体现着相互作用的强度、方式、效果等。而主体和客体的相互作用即主体对客体的度量、认识，也是通过这种工具、媒介进行的，我们所定义的认识标度就是主体度量客体或两者相互作用的工具、媒介。作为工具、媒介的标度还可以引申为方法、模式，即系统相互作用或认识过程的方法、模式。可见，标度是人类认识和科学理论的基础，相对于人类这一认识主体而言，任何认识成果都是相对于一定的标度而言的，无论以显现的还是隐含的方式，它都是认识和理论的前提之一。再者，任何现实的相互作用标度也都是“有限”的，所以有限的标度就将是基于相互作用的认识行为描述本身自生的限制，它如同普朗克常数
截断无穷连续假设一样，成为截断“无穷认识精度”的不可摆脱的伴生有穷(认识)机理。
同样由基于相互作用的认识的信息来源描述，人类基本的认识活动都是相互作用过程，其间都是要消耗资源的，不存在不消耗任何资源的相互作用过程，也就不存在不消耗任何资源的认识活动。所消耗的资源不只是有形的物质、能量，实际上也包括其他多种形式，如时间、空间、机会等，在本文所采取的信息角度下相应认识资源主要就表现为这种无形的时间、空间、机会等。在具体的认识过程中所耗费的认识资源可称为认识成本，由有限标度制约的认识过程都是要消耗认识资源的，因而具体的人类认识活动都是有成本的，只是不同的认识活动需要不同类别、不同数量的最小成本。从信息来源角度看，此最小成本实际上就是解决特定复杂性问题所需的最少计算资源，它是克服不确定性、解除复杂性的阈值，也就是获得认识的阈值，超过此阈值的客体对象将是不可认识的。
三 复杂性科学涉及认识局限性的技术性结果
在复杂性和认识的信息来源描述角度下，认识就是寻求确定性，因而若无法确定(不确定性)就是不可认识的，若完全确定就是可认识的。一般地可处理的问题规模与所需认识成本(资源)之间存在正相关，就是说问题规模越大，所需认识成本越大。所以在特定条件下，也即认识资源、认识成本一定的条件下，问题规模大于一定程度(超出认识资源所能支撑的程度)，就将导致不确定性，问题成为不可认识的。这样，只有有限资源可用于认识，而认识行为都有成本，两者共同制约了认识目标的实现。具体地，复杂性科学中指明了如下几个不同层次的认识局限。
大规模问题。由于任何具体的认识行为都有其成本和有限的认识资源阈值，所以复杂性较高的问题，如规模很大(n[100])的多项式问题，实际上都是不可能在特定的实际约束下现实地计算的，也就是不可现实地完全认识的。
P问题[6]。由于所需的计算时间常常是决定一个问题是否实际可解的单一因素，计算复杂性大多从这单一资源角度进行研究。给定一个特定系统问题，以n表示其规模，求解该问题的特定算法所需最长时间表示为函数f(n)，称为时间复杂性函数。依据时间复杂性函数的增长速度可把算法划分为两类：多项式时间算法和指数时间算法。因为多项式时间复杂性函数所需计算时间随问题规模增长较慢，而指数时间复杂性函数所需计算时间随问题规模增长较快，所以多项式时间算法被称为是有效的(efficient)，指数时间算法被称为是无效的(inefficient)。因而，那些能被证明不能用多项式时间算法解决的问题被视为不易处理的(intractable)；同时，那些已知多项式时间算法的问题被视为容易处理的(tractable)，这类问题通常称为P问题(即多项式时间内可解的)，所有这些问题的集合称为P类问题。
NP问题[7]。现实中我们遇到的大多数问题是：既不知道解它的多项式算法，也未证明它是不易处理的。这类问题的一个共同特征是它们能被非确定型计算机如非确定型图灵机在多项式时间内“解决”，被称为NP问题(非确定型多项式时间问题)(nondeterministic polynomial time problems)，并构成一个NP类问题的集合。这里是在下述意义上使用“解决”这个术语的，即：如果机器猜测了问题的解，那么它能在多项式时间内检验该解的正确性。
布莱曼极限。由于任何计算设备、计算手段的计算能力都是有限的，因而超出其能力极限的复杂性实际上是不可计算的。这种不可计算复杂性是相对于特定的计算手段而言的，一种极限情况的计算设备是把我们的地球设想为一个量子态计算机，汉斯·布莱曼(Hans Bremermann)1962年就给出了这样的推测：“不存在其执行速度超过每秒钟每克质量2×10[47]比特的数据处理系统，无论是人工的还是生命系统都如此。”而地球的估计质量为6×10[27]克，年龄为10[10]年，每年约3.14×10[7]秒，这样地球这个假想的计算机不能处理大于2.56×10[92]或10[93]比特的信息，10[93]这个数通常称为布莱曼极限[8]。可见，能力有限的计算手段是个不可摆脱的伴随相应不可计算复杂性的制约因素，寄希望于能力更强的计算手段不能从根本上解决问题。布莱曼极限10[93]标志着我们知识的基本界限，10[93]这就是我们的信息世界，超越其外的东西是不可认识的。
四 不可计算复杂性视角下的认识局限性
上述复杂性科学的结果所揭示的是一些人类认识能力的技术性限制，而从不可计算复杂性也即形式化(能够完全由机械过程描述的称为可形式化的)认识能力角度所考察的是相应的原则性限制。无论是否将人脑视同于机器，此讨论都涉及人类认识的极限。
不可计算复杂性。如果我们把大脑等同于：机器——形式系统，由于形式系统(能行过程、机械行为)原则上是可列的、可数的、可计算的，因而凡是不可列的、不可数的、不可计算的事物都将处于人类形式化认识能力的原则性限制之外，都是不可认识的。这样，不可计算复杂性也就成为人类认识的原则性界限。不可计算复杂性对人类认识能力的这种限制是对人类认识能力根本局限性的认识，在复杂性研究中它要比先前提出的“周期3则混沌”所导致的限制更明确、更有意义。只有可计算的认识才是高效率的，但不幸的是世界不总是可计算的，许多物理测度具有运动学上的不可计算复杂性。
科学领域中有很多不可能性展示着人类能力的局限，典型的如：物理学中由热力学定律限定的永动机的不可能，相对论限定的光速的不可逾越、引力质量和惯性质量的不可区分，量子力学所限定的最小作用量的存在；数学中的不可能用根解五次方程、不可能用规尺等分每个角、平行公理不可能由欧几里得的其他公理推出、实数不可数等。在所有这些不可能性中，不可计算是带有根本性和一般性的，任意机械程序与任意形式系统概念容易造成到头了的感觉，因为我们对什么是界外之物并不完全明确，这两个概念的一般性总让人回想起康德所设想的“一切可能的经验”，回想起他对可能经验的极限的种种思辨[9]。
不可形式化与不可量化。事实上任何现有的图灵可计算都无法揭示人类认知活动的全部实质，因为其中包含着不受逻辑束缚的潜意识和偶然性介入的成分。这样，人脑原则上就能超越机器，不受不可计算复杂性的约束，可以处理不可计算的问题。但是在不可计算领域中仍可能存在两个对人类认识能力的限制阶梯：其一，可量化但不可形式化。在数学领域中，大部分是可量化、公理化但不可形式化的。这样若大脑所处理的不可计算复杂性仅是不可形式化但可量化的，那么是否可量化、公理化就将成为人类认识能力的一个界限。其二，不可量化。人类很多认识是不可量化，难以(用自然语言)表达的，有些甚至是直觉性的(私密性的)感悟。可见，人类在一定程度上是能够认识不可量化的事物的，量化方法不是万能的科学方法，更不是不可或缺的认识方法。在这个意义上，可能只有康德的物自体才是人类认识能力的下一个界限。
“复杂性”作为一个视角、一个标度、一个工具，不仅可帮助我们清晰地考察人类认识的各种局限性，而且让我们清楚地看到人类认识能力的无限威力，人类认识实际上是由下述两个方面互动构成的。
其一，对于特定的具体的认识。一方面，在有限的、特定的意义上，人的认识能力受到诸多限制：非形式化的歧义限制、形式化的不可计算性限制、有限计算资源的限制，所有这些导致了对“心”而言的不可计算性的存在。它是对人类认识能力局限性的再次确认，表明“依赖‘规律’所进行的高效率认识行为”有其不可逾越的局限。另一方面，从特定的、有限的这一端看，形式化认识仍具有充分的能力，它至少原则上可超越任何具体的限制。这如同微积分学中的“ε—δ”方法，人们原则上总能找到相对于固定界限“更好”的形式化认识。
其二，与特定的、具体的认识相对，一般性的、过程中的认识。一方面，其过程性、动态性决定了它始终处于超越之中，任何固定的、技术的界限都不能约束它。它的开放性、过程性使之能容纳充分的不确定性，以致能认识不可计算复杂性。依此看来，对“心与机器”这个问题我们可以得到一个新的认识：“心”(脑神经网络是个高度非线性的网络)其运行机理的一个重要方面就是内在的不确定性，另一面是高度的适应性，即向外在环境学习，吸纳外在的不确定性。结合两者它就能超越任何特定的机械程序——算法，超越任何机器，获得诸如“直观”、“反思”、“意识”等能力。可见，人的认识能力在开放的(潜在)无穷的意义上，本身可以达到任何非算法程度，也即可以认识任何事物，是没有极限的。另一方面，我们对认识活动的界定本身实际上给出了其自生的局限性，我们把认识建基于主客体相互作用之上，这样不在主客体相互作用的经验性范围内的纯客体，当然不只是哲学上不可认识的，更是科学视角下不可认识的。