愚蠢的人类:人脑根本无法分析复杂的变量系统

简介:

作者:金捷幡
链接:https://zhuanlan.zhihu.com/p/80078056
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处


这个世界,是向人类能理解的相反方向前进的。

人类的困惑,也比2000年前多得多。

那时候的哲人,比如老子、孔子、佛陀、基督,都对这个世界有无比清晰的看法和论断。

欧几里得的几何学,也几乎把城里乡下能用到的数学都系统地概括了。

而今天,我们发现自己对宇宙和世界是那么的无知:无论在宏观上还是微观上,无论从数学上还是从物理意义上。

一、

伽利略在1623年出版的《试金者》中,宣称宇宙是用数学语言写的。这似乎给人类打开了天国秘密之门。
随即,笛卡尔和费马的解析几何综合了逻辑、几何和代数,为微积分打下了的基础。然后牛顿爵士似乎完全解释了天体运动的奥秘,而麦克斯韦的四个偏微分方程又将光电磁的内裤扒下了。

经典物理学的创立是人类第一次真正拿到上帝给出的密码。古代宗教先哲们随时准备退休养老,因为中学教材都要胜过他们了。

然而事情并未这样发生。

二、

欧几里得神秘留下的第五公设,为2000年后罗巴切夫斯基和黎曼等人打开了非欧几何的大门,最终放出了“广义相对论”这个妖怪。

绝对时空观的打破、时间因速度而变慢、空间是弯曲的:这种诡异的理论让正常人的脑子终于不够用了。

无论如何,广义相对论还是基于美妙的几何学,站在人类智力顶尖的1%人群还是勉强可以接受的。

但随即大魔头“量子力学”的诞生和完善,终于让99.99999999%的人包括爱因斯坦,都再也无法理解这些数学公式代表的实际意义。

三、

等到超弦理论和M理论横空出世,数学更是远远超过了人类能够想象的物理世界,平行宇宙、降维打击等成为新科幻的题材。

浩瀚的宇宙居然在超光速膨胀,原来定义成不可再分的原子居然又被分成费米子玻色子等基本粒子甚至跳舞的弦。真空也不再是空的,而充满了暗物质、暗能量和来自波函数概率论的各种云。

我们现在的义务教育、甚至通识高等教育,都不敢涉及这些内容,因为老师也不懂。科普的工作,居然最后都交给了记者和洗稿天才们。

愚蠢的人类开始试图回归老子、佛陀和基督,对新科学选择性失明,他们宁愿相信老子和仁波切的理论才是万物理论。

四、

人类追捧“大道至简”几千年,因为人脑压根没有分析复杂变量系统的能力。
围棋中传颂百年的各种美学,正是人类简化思维文化的精华,然而它们最终被Alpha Go的概率论砸得稀烂。
各种成功学、鸡血学都在让你认为,单一或个别变量就能让你一飞冲天。直到你碰得头破血流,才随便另找一个变量掩盖你的失意。

五、

股评和预测最受欢迎了,因为它们安抚了人们简单的头脑,即使这些解释都是事后诸葛亮或者干脆是胡诌的。

经济学家通常也扮演着类似的角色,只不过他们的理论是安慰精英阶层的。人类总是想拥有预测未来的能力,在这方面经济学家好像成功的不多。

贸易战和越来越混沌的世界格局,以及各种人工智能的涌现,也许是一个热力学第二定律,告诉你这个世界并不是你能够思考的。

六、

医学大概是更落后的一门“科学”了,而我们大多数的疾病,其原因都是复杂的。绝大多数人无法区分吃药和自愈之间的关系,而现代实用医学只是大样本的统计学而已。
愚蠢的人类,宁愿相信各种大师,宁愿相信古代先哲,也不愿相信概率。
每年人们在脸上抹着数千亿美元的护肤品,徒劳地试图扭转写在基因里的衰老时间表。
虽然人类已经把硅基芯片探索到纳米级,但是仍远没有能力制作一个单细胞微米级的碳基草履虫。这使得真正的医学征途还远未展开。

逻辑、概率和算法才是你可以依赖的。这句话是对吗?

七、

聪明人,会计划一条收益最大的路,然后一直坚持走下去。但大多数人倒在半途,有的因前半程运气不佳,有的因为情绪失控,有的因为中途改变判断...而坚持下来的那些人成为传奇,语录被到处传颂。

世界和科学再也不是我们这种猪脑可以搞明白的,能学懂19世纪数学的已经是地球上的奇才了。试图搞明白它其实增加了被洗脑的可能,因为人脑倾向于接受简化的解释。飞上天的运气,也不是每头猪都有的,运气压根就不是数学里存在的东西。

上帝究竟为什么设计了一个如此复杂、命中注定让我们越来越无法掌握无法理解的系统?
看看世界上最聪明的头脑们在“哥本哈根诠释”上的论战,我也越来越相信我们都只是生活在低维世界的微粒。

八、

那么,如此黑暗的这篇文章会有一个闪亮的结尾吗?

答案是肯定的。
既然我们没法了解这个复杂系统,那么就去做你爱的事情吧:爱你爱的人,做你爱的工作,吃你爱的食物,买你爱的东西,投资你爱的公司(股票)...

组成我们身体的物质和能量,最终都会分解回归宇宙。但是“信息”却似乎可以超越时空,这是写这篇糊里糊涂文字的初衷,至少它能化身比特穿越未来。

(谢谢)

image

目录
相关文章
|
2月前
|
机器学习/深度学习 人工智能 程序员
大模型时代的思考:小心陷入ChatLLMs构建的蜜糖陷阱-基于人类反馈的间接(反向)驯化-你是否有注意到?
本文探讨了大模型基于人类反馈训练的原理及其潜在风险,特别是大模型在迎合用户需求时可能带来的“蜜糖陷阱”。通过实际案例分析,强调了理性使用大模型的重要性,提出了保持批判性思维、明确人机协作边界、提升人类判断力和创新能力等建议,旨在让大模型真正为人类服务,而不是限制人类思维。
|
3月前
|
机器学习/深度学习 数据采集 人工智能
揭开大模型幻觉之谜:深入剖析数据偏差与模型局限性如何联手制造假象,并提供代码实例助你洞悉真相
【10月更文挑战第2天】近年来,大规模预训练模型(大模型)在自然语言处理和计算机视觉等领域取得卓越成绩,但也存在“大模型幻觉”现象,即高准确率并不反映真实理解能力。这主要由数据偏差和模型局限性导致。通过平衡数据集和引入正则化技术可部分缓解该问题,但仍需学界和业界共同努力。
45 4
|
SQL 算法 搜索推荐
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(1)
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(1)
150 1
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(7)
带你读《2022技术人的百宝黑皮书》——因果推断:效应估计的常用方法及工具变量讨论(7)
100 0
|
机器学习/深度学习 算法 网络架构
单个神经元通过预测未来活动来学习,有助于解释大脑是如何工作的
单个神经元通过预测未来活动来学习,有助于解释大脑是如何工作的
|
存储 编译器 Linux
C生万物 | 窥探数组设计的种种陷阱
数组在设计的时候为何会出现那么多纰漏?数组越界是如何导致的?,我们来一探究竟🔍
70 0
C生万物 | 窥探数组设计的种种陷阱
|
人工智能 资源调度 算法
理解 P/NP 问题时,我产生了一种已经触碰到人类认知天花板的错觉?!
咱研究算法的时候,一定遇到过动态规划中的 旅行商问题(TSP)! TSP 是一个 NP 完全问题,今天咱要聊聊正是七大 千禧年大奖难题 之首的 【P/NP 问题】!
还在担心工作要被取代?现实却是机器人已经开始被开除了
短时间内,所谓的“机器人酒店”都是噱头。
351 0
带你读《计算机时代的统计推断:算法、演化和数据科学》之二:频率学派推断
本书以丰富的案例介绍了计算机时代下的统计推断的发展脉络,从理论的角度剖析统计推断的各类算法、证据等,揭示统计推断如何推动当今大数据、数据科学、机器学习等领域的快速发展并引领数据分析的变革,最后展望了统计学和数据科学的未来方向。