在文化术语中,「书写」一直被看做一种知识技术。它的出现,让人类知识的生产、存储、传播发生了巨大变化,它不同于过往的口头文化,「书写」第一次让人类的知识存储到人类大脑之外的「容器」里,比如存放在图书里,而信息技术尤其是机器智能时代即将到来,「知识技术」[1]也将迎来又一次巨大变革。
口语文化造就的知识:希腊神话与孔子的论语
我曾在早前的会员通讯以及多期播客里讨论过口语文化的意义[2]。而在所有关于口语文化演变的论述中,瓦伦特·本雅明是最不能忽视的一个人,这位被誉为「欧洲最后一位知识分子」的德国文化批评家,在一篇经典的文章《讲故事的人》里,就详细阐释了口语文化在人类早期文明中的重要作用,比如故事。
本雅明认为,故事构成了人类早期社会里的最早经验。而累积的经验也会转化为知识,从这个角度上说,当一个个口口相传的故事被不断重复不断演绎时,早期的知识就形成了。
上述的假设也在东西方早期社会发展得到佐证,不管是早期的希腊神话还是稍晚一些的中国的论语,本质上都是口语文化造就的知识形式,这些知识都依托于经验,借助于想象和重新演绎,成为指导早期人类生活、工作的重要支柱,也是唯一支柱。
书写文化的第一波:字母的如何强化口语
希腊历史资深研究学者 Eric Havelock 曾写过一本名字很有趣的书 The Muse Learns to Write,这本书讨论的焦点是口语文化向书写文化转化过程中的思考和分析。
很多人都知道 Muse(缪斯)女神是希腊神话里智慧与艺术的代表,但或许没有多人了解,关于缪斯的神话很大程度上反映了希腊人掌握文字之前的信仰,换言之,这位女神就是希腊口语文化的图腾。也因此,当这本书的书名暗示 Muse 开始学习书写,也是整个文化传承方式转变的开端。
Havelock 介绍了希腊字母,这是一种和象形文字、楔形文字都不同的形式,希腊字母来源于腓尼基字母,并在其中加入了一些改良方式,使得整个字母表具备了更多对话的属性,也就是说,希腊字母依然是建立在口语对话的基础之上,但却让对话变得更加规范,这或许也是后来苏格拉底对话体流传百世的一个原因。
书写文化第二波:印刷术与城市重新定义了「知识」
在早期的书写文化中,知识依然掌握在少数人手里,部分原因是因为书写文化让阶层分化加剧,谁学会了书写,就具备了某种「特权」,反之亦然。比如《圣经》就是一本需要「特权」才能了解的知识,一方面你需要看到它,另一方面你需要识字才能理解其中的内容。
印刷术的普及改变了这种状况,让基于书写的知识变得廉价,从生产到存储再到传播,当整个链条被打通、被批量化之后,其产生的社会后果也显而易见——自文艺复兴开始一直延续到工业革命,知识技术的演变推动了人类文明的进步。
而在另一个分支里,由工业革命引发的城市化进程继续消减口语文化的影响力。城市作为一种陌生人的集合,完全不同于过往农村的熟人社会,这使得城市人的生活方式也有诸多不同,在陌生人的社会里,彼此之间缺乏了解,缺乏信任,导致交流成本和交易成本高昂,这也让「白底黑字」的文字具备了更多应用场景。
更重要的是,城市里新兴的资产阶级迫切需要一种全新的形式来承载自己的思考和远见。由此催生的是小说和报纸。本雅明写道:
一种新的交流形式诞生了,这就是新闻报道,它完全控制在中产阶级手里……
无论是小说还是新闻报道,还是稍早前的印刷术,这些交织在一起的技术革新、社会变化,所形成的影响一直延续到现在,并改变了你我的心智模式。一个很简单的例子,当我们需要学习新知识时,其第一个念头就是买一本这个领域的图书来看……
算法文化的知识:机器生产知识与新知识阶层的崛起
和书写文化第一波带来的变化类似,基于计算机的算法文化,其初期的影响力也表现在如何增强原有的的书写文化层面。计算机的出现,让知识生产方式发生了变化,互联网则进一步强化了人类对于知识的获取能力,从这个角度去回顾计算机、互联网的发展史,或许也就不难理解为何键盘成为计算机最重要的外设(生产知识的需求)、雅虎、Google 成为最早成功的互联网公司(知识检索的需求)。
借用一句最近流行于境外社交媒体上的话「一切才刚刚开始」。人类知识的生产过程,口语文化中强调经验的累积,书写文化注重逻辑的演绎,下一步的演进方向或许是机器智能的觉醒。
这其中的第一步就是让如何让机器学习知识,这看起来并不是一件很难的事情,毕竟,过去一年多的时间里,我们听到各种有关机器学习的新闻,不过这些新闻背后有诸多不为人知的一面,其中最重要的有两个:
- 机器学习知识还需要人类参与,而且短期内还离不开人类;
- 机器学习依靠海量的数据,成本高昂;
更进一步来说,机器智能的出现和发展,直接改变的是人类知识的生产方式,我们过往做任何决策要么靠经验、要么靠逻辑,现在要依靠的,则是机器挖掘数据后呈现的「知识」,但正如上面两点所暗示的,机器智能也将形成新的阶层分化,那些会使用机器生产知识的新知识阶层会逐渐显现。
以医生诊断来说,中国传统医疗看病离不开医生的经验,后来西医的普及,医生诊断依靠的是「经验+逻辑推理」,而正在发生以及即将发生的,则是依靠诸如 Watson 这类智能机器挖掘海量数据后的「新知识」,如果你不会利用这些「新知识」,你会很快被高速发展的社会甩在后面。
而随着机器生产的知识越来越多,知识的存储、分发也将有诸多新变化,一个显而易见的事实,互联网让知识存储成本几乎为零,同时基于机器智能对于文本、影像数据的重新挖掘,将使得过去依靠目录、类别的知识存储方式彻底消失,比如这几年流行的以「tag」进行知识存储、分发的方式。在不久的将来,任何一个词都会是某一块知识的源头,这也将改变知识传播的方式方法,这会是一个怎样的未来呢?我真的很期待。
- 为避免误解,本文中所谈的「知识」是一种广泛意义上的知识,涵盖文学故事、新闻消息以及某些特定领域的技能,简而言之,这里的「知识」就是人类对于现实世界或真实或想象的映射。 ↩
- 比如第一期「I/O」调频就讨论了这个事情。 ↩