Korean, Edit

第 1 章。什么是知识？

推荐帖子：【哲学】【哲学目录】(https://jb243.github.io/pages/482)

1. 知识的本质

2. 知识的产生

3. 知识组织

4. 知识共享

5. 自由意志

1.知识精髓

⑴ 真理存在。

① 概述

○ 有人认为，受后现代主义影响，真理因人而异。然而，在真理的存在不确定之后，发展逻辑就变得毫无意义。这个世界上存在真理的结论是通过一个简单的思想实验得出的。

② 真理存在的证明

○ 步骤 1. 假设世界上没有真理。

○ 步骤2. “没有真理的事实”本身就成为真理。

○ 步骤 3. 假设没有真相会导致矛盾。

③ 真理的例子

○ p ∩ ~ p = ø

○ p = p

④ Nothing (void) = 空集 ∅ = 真值集的补集

⑵ 数学是精确的。因为宇宙存在。

① 数学中不存在我们能理解的矛盾定理。因为我们存在。

② 示例：组合学中的双重计数

○ 表示同一事件无论按路径 A 还是路径 B 统计的事例数相同

○ 尽管_总是_假设得出相同的结论，但如果情况并非如此，宇宙就不可能存在。

⑶ 物理世界类似于数学。

① 物理定律中有几条公理无法被证明。

○ 能源概念

○ 动量概念

○ F = ma

○ 弧形空间概念

○ 熵定律

○ 标准型号

② 如果物理世界以某些公理展开，则将这些公理组合起来可以产生派生定理。

○ 例1. 利用F=ma和能量的概念，可以推导出能量守恒。

○ 例2. 使用F = ma，可以导出角动量守恒。

⑷ 完美的系统本身并不完美：这个命题可能会否定真理的存在，因此需要进一步研究。

① 在这里，我们将完美的系统视为静态且稳定的系统。

② 原因

○ 原因1. 水停滞并腐烂。

○ 原因 2. 稳定的系统无法应对意外的不确定性。

○ 原因3. 它无法拯救失败者。因此，它继续带有不满等因素。

○ 原因 4. 不断出现问题是因为世界很有趣。

③参考

○ 参考文献1. 卡尔·波普尔：积累知识体系是基于不断的反驳而不是完美的证明。然而，由于历史上并没有太多反驳的历史，这一假设的可信度受到质疑。

○ 参考2. 心理测量者：“完全完美的社会是一种幻觉。”

○ 参考文献3. 哥德尔不完备性定理从数学上证明没有一个系统是完美的。

④ 结论：最终，我认为稳定系统属于两类之一。

○ 系统始终处于动态平衡

○ 问题是动态平衡系统一旦失去动力就会转变成静态平衡。

○ 系统不断进步：请注意，我相信人类可以不断进步并且应该进步。

○ 然而，稳定系统可能是这些系统中的任何一个，也可能不是。

⑤ 应用 1. 如果知识被组织一次并且不再修改，那么它是不完美的知识。

○ 因此，知识必须是活的并且不断发展。» ○ 正如食物必须分解成分子才能消化一样，知识也必须分解成概念才能消化。

○ 这可以从爱因斯坦挑战牛顿动力学的历史中看出。

○ 遗忘，即删除不必要的和不正确的知识，也很重要。

○ 知识体系也可以是活的；请参阅此处。

⑥ 应用2. 选举引发政治活力，矛盾地稳定社会。

⑦ 应用3. 人类在7天内经历了原子组成的完全变化（？）这一事实支持了这种动态平衡假设。

⑧ 应用4. 科学技术不断创造新的变化，使社会处于动态平衡而非静态平衡。

⑸ 不可能完美地定义某些概念。

① 由于每个概念都有例外，

○（负）是否可以说欧几里得几何原理中的各种几何定律都有例外？

② 单纯基于规则理解概念是否有局限性，基于深度学习的模式识别是否必要？

○（积极）Google DeepMind 的 AlphaGeometry 成功执行符号推导证明了这一点。

⑹ 知识超越出现。

① 在生物信息学中，即使是相同模态的数据也常常不能很好地整合，因为它们处于不同的出现阶段。

○ 示例：即使所有数据都是肝脏空间转录组学，能否识别肝脏分区取决于空间分辨率和基因表达强度。

② 知识虽然在语法上与“A is B”相同，但其有效范围可能有所不同。

③通过探索每条知识的有效范围的边界，可以发现涌现的原理。

⑺ 知识是一个不确定的命题。

① 例外：数学知识

② 每一条知识也都含有不确定性，有时即使在其有效范围内也不一定成立。

③ 知识通常具有不确定命题的属性，只有基于逻辑一致性和统计上显着的频率才能断言其为真。

④ 知识被认为是正确的实例可以称为信号，而知识被认为是错误的实例可以称为噪声。 （参见错误理论）

⑤ 不确定命题之间，有加强和抵消干扰，但确定命题之间，没有干扰，只有矛盾。

○ 示例： 如果发现多个相似的证据，则强化干扰就会变强，使不确定的命题更接近事实。

2.知识的产生

⑴ 人类有能力获得真理。

①通过前面的思想实验，我们通过证明真理的存在，知道了“真理存在”。

② 此外，我们还可以找出另外两个真实的例子。

○ p ∩ ~ p = ø

○ p = p

③ 通过①和②，人类获得真理的能力得到了证明。

⑵ 人类可以掌握抽象概念。

① 从根本上来说，人类需要头脑中的具体物体来理解。

② 然而，利用其他知识和数学原理，人类可以理解物理世界之外的知识。

○ 如果一维、二维、三维存在数学原理，我们可以在第四维确认它们。

○ 由于大脑模拟的数学原理是超越物理世界的概念，因此这是可能的。

⑶ 人类可以理解矛盾。> ① 人们关注与一般原理相对应的几个关键知识。

② 然后，他们围绕这些原则连接新知识。

③ 这在两个知识之间形成了层次结构（例如，因果关系、逻辑关系）。

④ 知识之间不断形成层次关系，会导致两个相互冲突的较高级别知识与一个较低级别知识相连接的情况。

⑤ 这个过程类似于欧几里得的《几何原本》。

⑷ 【我们可以理解宇宙，其中也包括我们。】(https://jb243.github.io/pages/833)

① （负面） 然而，我们认为我们无法观察到宏观社会之外的突现属性。我们认为人工智能对于克服这种认知限制是必要的。 ([Cognitive Horizon and AI as a Breakthrough](https://jb243.github.io/pages/2410))

⑸ 大自然总是重复而有序的。

① 因此，即使遵循单一的思路也能发现真相。

② 深度学习中反向传播的教训是，逐步接近真理，最终就能到达真理。

⑹ 知识也可以进行M&A（合并和收购）。

① 换句话说，通过分类的力量，一个概念可以包含许多其他概念，并被认为是一个更基本的概念。

② 这些更高层次的概念通常被称为元知识。

③ 哲学畅销书成功的关键最终在于创造更高层次的知识。

○ 广义相对论

○ 自私基因

○ 什么是正义？

④ 我将知识融入更深、更抽象概念的过程描述为“知识巴别塔”。

图1. 知识巴别塔

⑺人工智能可以产生知识。

① 示例：AlphaFold3, FunSearch, AlphaGeometry

② （否定） 写作有自己的个性，但自动生成是否合理？

③ （否定） 如何控制AI引起的幻觉？

④ （正） 正如人类理解中存在事件视界一样，人类理解也可能存在边界，我们可能需要像望远镜一样使用人工智能。

○ 看来AlphaFold3在分子世界中获得的信息确实起到了显微镜的作用。作为观察工具的这一角色似乎比变压器更适合扩散模型。

○ 即使人工智能衡量知识，人类也应该接受它作为真理。因此，人工智能的幻觉可能不是一个严重的问题。

○ 如果AI可以扩大人类的事件视界，也许AI的事件视界应该由超级AI（AI的AI）来扩大？

⑻ 我们的理解能达到什么程度？

① 我们最终能否理解生物学的所有复杂性？

② 例如，由于信息量巨大，试图理解原子级别是不切实际的。

③ 这是粗粒度很重要的地方。

⑼ ChatGPT的出现鼓励新知识的创造。

① 新知识往往是通过实验或错误获得的，但机器能做到吗？

② （同意） 就像爱因斯坦的相对论源于思想实验一样，机器也可以获得新的知识。> ③ （协议） 正如 The AI Scientist 所见，在编程或编码领域生成知识似乎很有可能。

④ （同意） 随着LLM带来的低质量信息量的增加，真正的知识将变得更加强大。

⑤ （不同意） 相对论因爱丁顿的观测实验而成为知识。

⑥ （不同意） 人类错误或思想实验可能源于人类独特的量子力学错误。

⑦ （不同意） 最近尝试用ChatGPT 4.0进行JavaScript编码，不仅代码没有工作，还出现了意想不到的效果。这是因为以半导体为工作单位的计算机世界是相对确定的，而我们以量子单位为单位的现实世界则噪音大得多且难以预测。因此，实验在这个世界上是必不可少的。

⑧ 结论： 【认知的地平线和人工智能的突破】(https://jb243.github.io/pages/2410)

3.知识组织

⑴ 所有知识均可订购。

① （协议） 每一条知识都可以表示为一个单独的句子，并且每个句子都可以使用句子嵌入器进行向量化。例如，all-MiniLM-L6-v2句子嵌入器将特定最大长度下的可变长度句子映射到384维的嵌入空间。结果，具有相似含义的句子在这个多维空间中被紧密地放置在一起。因此，可以将每条知识映射到虚拟地图上，并为知识分配顺序，类似于如何导航地图上的路径。

② 此外，知识的顺序比预想的更加单向。

○ 这是因为世界是根据涌现原理组成的。原子定律适用于细胞，但细胞定律不适用于原子。

○ 按照自然界固有的涌现原理，我设想知识的发展顺序是从自然科学到生命科学，到社会科学，然后到历史科学。

③ 因为我们可以对知识进行排序，所以所有的概念都是连续的。

○ 因此，所有知识都可以放在一张地图上。

○ 例如，F = ma 接近麦克斯韦定律（就物理学而言），但与博弈论相去甚远。

图2. 一张地图上展示了各种知识

⑵ 记忆不是永恒的。不过，记录可以。

⑶ 知识量可以通过【信息论】进行量化（https://jb243.github.io/pages/2145）。

①知识量与兴趣程度成正比。

② 更深层次的知识导致知识之间的关系更复杂。

○ [LTP](https://jb243.github.io/pages/464#:~:text=%E2%91%B5-,LTP,-(long%2Dterm%20potiation)(长时程增强)：知识之间的联系越多，在记忆中保留的时间就越长。

③ 知识量可能并不多。

○ 因此，组织所有人类知识可能并不困难。因此，实现知识平等可能并不具有挑战性。

○ ChatGPT 的成功说明了知识的有限性。

④ 自然科学、应用科学、社会科学、历史科学中，应用科学（人界）信息量最多，其次是自然科学（神界）。

○ 然而，这是从以人为本的角度出发；实际上，自然科学拥有最多的信息。

○ 然而，就像自然科学中存在事件视界一样，人类的理解也可能存在边界，我们可能需要像望远镜一样使用人工智能。> ⑤ 有核心概念，信息量大。

○ 例如“F=ma”、进化论等。

○ 人类有可能集齐这个世界的所有核心概念。

⑷ 随着ChatGPT的出现，组织知识的重要性可能会减弱。

① （否定） 创建一个易于理解的知识组织系统可能超出了 ChatGPT 的能力。

○ 理由：属于机器无法复制的艺术领域。

⑸ 知识量应该是无限的。

① 因为人类的进步应该是永恒的。即使人类不能永远存在，知识至少是永恒的。

② 以量子为基础的人类胜过以晶体管为基础的人工智能的领域，是知识量构成整个宇宙的领域。

③ 据报道，爱因斯坦青少年时期曾问母亲：“如果我长大后没有什么可研究的了怎么办？”然而，他继续发展了量子力学和相对论。那么，现在呢？

④ 已经发现一种称为人工智能的突破，即使不是无限，也可以极大地扩展人类知识的总量。 （[参考]（https://jb243.github.io/pages/2410））

⑹ 人类理解知识就像一棵树。

① 原因一： 存在一个从自我开始的思维过程，因为以自我为根节点的思维过程在漫长的进化史中一直保留下来。

② 原因 2： 自然原理支持从涌现属性派生的单向知识树。

③ 无论知识系统是树还是图，该系统的价值都与节点（命题）数量的平方成正比。

○ 有价值意味着包含更多信息。

○ 这个结论是梅特卡夫定律的应用。

⑺ 随着时间的推移学习量

① 在学习一门学科时获取的信息量通常会随着时间的推移而增加，前提是记忆力基本不受影响。

○ 一旦获得知识，通常就会保留下来。通过学习新信息，即使以前的错误得到纠正，收集到的有关该主题的信息总量也会增加。

② 第一阶段： 最初，学习速度很慢。

○ 想要掌握一个领域，就必须有效克服阻碍指数级增长的瓶颈。

○ 例如，在物理中，理解F=ma可能是瓶颈。

③ 第二阶段： 在中间阶段，经历指数增长。

○ 这是由梅特卡夫定律决定的。

④ 第三阶段： 之后，新信息的获取速度减慢。

○ 原因： 发生这种情况是因为该学科提供的大部分信息已被学习，或者访问其他信息的成本变得非常高。

○ 由于人类固有的健忘性，学习量甚至可能会减少。

⑻【邓宁-克鲁格效应】(https://jb243.github.io/pages/528)：智慧-置信曲线

① 当一个人在某一特定领域经历指数级成长时，通常伴随着自信心的快速增强。

○ （负） 邓宁-克鲁格效应不一定需要局限于“特定领域”。

② 在后期，由于以下原因，信心受到削弱：

○ 原因 1： 了解更多信息的成本变得过高。

○ 原因2：发现新的更高层次的知识（根节点）并意识到自己只知道一半。

③ 然而，如果一个人研究该领域很长时间，由于认为自己已经经历了该领域的大部分方面，因此自信心会逐渐增强。

⑼ 好奇与冷漠> ① 好奇心：探索自己领域之外的知识的动机。知识系统可以收集各个方面的信息，从长远来看是有益的。

② 冷漠：在自己的领域内深度探索的动机。通过提高知识系统的效率来最大化梅特卡夫定律。短期效益。

③ 如果好奇心导致获取不同领域的知识，产生n个知识体系，那么信息量只会增加n倍。然而，如果将这些知识系统整合起来并有机地联系起来，根据梅特卡夫定律，信息量将呈指数级增长。

④ 人们之所以在好奇和冷漠之间做出选择，是因为他们所处的历史背景和拓宽自己领域所需的精力。

⑽ 知识的连通性不仅有利于学习，而且增强了知识系统的可靠性。

① 原因一： 知识组织得越好，就越容易发现逻辑关系和矛盾。

② 理由2： 特定事实的真实性只能通过现有命题的逻辑关系来推断。

③问：当两个没有内在矛盾的逻辑系统相互矛盾时，什么是正确的？

○ 这可能与哥德尔不完备定理有关。

4.知识共享

⑴ 目标

①【实现知识民主化】(https://jb243.github.io/pages/notice/1758#p1)

② 【防止人类认知饱和】(https://jb243.github.io/pages/notice/1758#p2)

③【努力保存人类知识】(https://jb243.github.io/pages/notice/1758#p3)

④ 【知识获取加速】(https://jb243.github.io/pages/notice/1758#p4)

2 方法

① 以区块链为例，共享知识可以成为一种永久、完整地保存知识的方法。

② 通过知识共享鼓励公众参与是众包的一个例子。

③ 科学注重公开，技术注重保密。

○ 技术的开放性，例如开源，可能源于一个新时代，在这个时代，公开技术所带来的影响和先发制人的效果超过了隐藏技术所带来的专有收益。

○ 优先保护创意的版权法与知识共享从根本上是不一致的。因此，共享知识可能会取代版权法。

⑶ 效果

① 通过分享知识，一个人可以获得权力（无论是实体还是个人）。

②知识平等的实现是否意味着精英主义的终结？

○ 实现平等就等于正义吗？

○ 精英主义的终结是否等于正义？

○ 知识平等是否必然导致精英主义的终结？

○ 小结论：目前，部分精英主义是有利的（因为不清楚谁是精英），但未来的机会应该公平提供。

5.自由意志

⑴ 与机器相比，人类是否存在独特的自由意志？

① 人为错误或随机思想最终源于有机物中自然发生的量子力学误差，它可以为思想实验提供驱动力。我认为这是人类和机器之间最大的区别。

② 如果思想实验是基于量子力学误差，人类能否挑战神定的因果关系？

③ 最近，有人进行了通过混沌理论解释自由意志的研究。» ○ 混沌理论表明，即使初始条件非常微小的差异也可能导致完全不同的结果。量子生物信号也可以在这些初始条件中产生差异。

○ 自由意志和宿命一样吗？

⑵ 自由意志显现的实例

① 不适用于范式的问题：需要创造性解决方案的新问题。

②范式的内在矛盾：可以是一个人自己的范式，也可以是整个人类的范式。

③ 实验性地任意生成概念之间的网络：如果不满意，则丢弃不适当的知识。

输入：2023.02.02 12:09

修改：2023.03.15 21:18