
编者按:
文艺复兴与近代早期科学的关联一直是科学史关注的重点。无论是哥白尼和布鲁诺的宇宙论、伽利略的物理学还是培根的实验科学方法,都被视为科学革命进程中的核心事件。20世纪60年代以降,由于耶茨在赫尔墨斯主义和魔法研究方面的广泛影响,文艺复兴科学研究的视域迅速扩大,逐步从最早的传统科学蔓延到魔法、占星术、炼金术等“非科学”领域,诞生了大量的研究成果。相应地,学界对于科学革命的发生进程以及科学和“非科学”的关系有了更加深入的理解。本专题辑录四篇论文,力图从不同的角度透视文艺复兴与近代早期科学的这一复杂关联。四篇论文的角度和方法各有不同,却共同向我们展现出文艺复兴时期科学发展的内在线索,具有独特的思想史价值。
(专题策划:吴功青)
摘 要: 计算机人脸识别技术中的经典算法“特征脸”在形式上与高尔顿于19世纪末发明的“合成肖像”有诸多相似。尽管许多当代学者声称,人脸识别技术意味着相面术在数字时代的回归,但这一类比无疑是表面的,因为合成肖像和人脸识别算法所蕴含的本体论截然不同。前者在成像方式上预设了亚里士多德式的自然类思想,后者则更是柏拉图式的。这种差异首要体现在对脸部信息的处理方式——从“观相”到“追踪”。合成肖像自诞生之初便根植着优生学和种族主义的意图,而“追踪”不仅延续了对于特定群体的偏见,还进一步预示主体性被压缩为扁平的数据结构。随着人脸识别技术在社会治理中的广泛应用,由数据支配所引发的生命政治焦虑,很大程度上更甚于人们对相面术“复活”的担忧。
关键词:相面术 人脸识别 合成肖像 本体论承诺 生命政治
摘 要:因果性理论驱动大语言模型因果推理技术的发展,更多的不是直接体现在对因果关系本质特征的建模上,而是在评估和提升大语言模型因果推理能力的扰动技术和对抗性学习中。通过扰动训练数据中的非因果相关变量,可以评估和提升模型识别正确因果关系的能力,避免虚假相关,通过扰动训练数据中的因果相关变量,可以评估和提升模型的反事实推理能力。扰动是一种制造差异,并追踪差异传递的过程,这深化了对因果性理论的理解,同时,也跳出大语言模型本身,通过动态的外部介入,将干预、反事实等开放性、操作性的因果关系本质特征纳入到大语言模型与人类因果推理、因果认知的互动关系中来。
关键词:因果相关变量 扰动技术 常态 传递关系
摘 要:本文立足于迪伊在1550-1570年代的学术语境,考察其早期科学思想在近代早期学科复杂性背景下的形成机制。文章指出,迪伊发展出一种融合数学与物理学的混合数学方法,不仅是为了回应16 世纪欧洲打破数学与自然哲学学科界限的思想潮流,同时也是其彰显经院哲学所谓“隐秘的质”的重要路径。研究表明,在迪伊新近建构的“占星物理学”体系中,若要精确计算并操控天体所具有的隐秘的质或影响,关键在于掌握几何光学方法,尤其是反射光学。迪伊光学方法的理论基础,一方面继承了中世纪光之形而上学传统,另一方面则吸收并融合了文艺复兴时期的自然魔法思想。
关键词:约翰·迪伊 混合数学 隐秘的质 光之形而上学 几何光学
摘 要:美国的计算机硬件产业自诞生之初就与政府的行政、科研工作以及国家安全紧密相连。冷战期间,计算机硬件产业为美国的科研事业提供了坚实的算力保障,并因此获得了联邦政府长期、稳定的资助和支持,从而完成技术和资本积累,并成为二战后美国科创经济发展的范本。冷战结束后,美国政府仍旧延续了以产业政策规划、引导产业发展的路径,继续为计算机硬件所代表的科创及高技术产业发展提供扶持。由此可见,即便是在市场经济环境下,以政府资助、采购的方式为新兴战略性产业降低经营风险和试错成本,也是十分必要的。
关键词:美国政府 计算机硬件 产业政策
摘 要:基于人工智能算法技术应用的政府治理实践形成了“算法治理”这一新的治理形态。研究发现,算法理性与算法统治共同构成了算法治理的基本逻辑,其运行又依赖于认识论、方法论与价值方面的许多前提预设。然而,算法治理逻辑预设中存在不确定性、价值权衡、自证预言与去政治化等多重悖论,由此形成的悖论结构成为算法风险生成的深层根源,最终会消解算法治理的合理性基础。因此需要推动算法治理逻辑预设的重构,进而实现算法治理范式变革。为此要基于不确定性背景来对算法治理的理性基础进行重构,并实现算法治理的“再政治化”与政治控制,此外还要以公共性为导向进行算法设计。
关键词:算法治理 算法风险 逻辑预设 悖论