“市场是一台计算机。” 弗里德里希·冯·哈耶克是如何得出这个结论的
Individuum 出版社出版了科学哲学家马泰奥·帕斯奎内利 (Matteo Pasquinelli) 的著作《测量与强加》的俄文译本。 人工智能社会史”。 ForkLog 发表了弗里德里希·冯·哈耶克的联结主义以及有关计算在市场经济中的作用的辩论的摘录。
数据：个人。 神经网络作为思维模型
一组不同的刺激如何与同一类相关联，即被识别为重复模式？ 大脑的什么过程使得分类成为可能？ 哈耶克联结主义为知觉与认知之间的关系提供了实证解释。 受麦卡洛克和皮茨神经网络思想的影响，哈耶克将认知简化为简单的决策（在格式塔学派中，认知与直觉（Einsicht）相关）。 在 McCulloch 和 Pitts 的模型中，连续层节点（由多个神经元或开关组成）的结构将大量输入数据过滤为简单的二进制输出（单个神经元或开关），该输出决定一组输入是否刺激是否属于它。 该解决方案非常优雅：单个节点将大量传入数据转换为简单的二进制输出，表示“是”或“否”。 与监督机器学习一样，按照约定将叶节点分配给该类（例如，给定标签“apple”）。 有人认为，该模型不是同构的，也就是说，它的任何部分都与它解释的知识不相似：网络中没有局部区域可以记住例如可识别比例的苹果的总体形状。 刺激的正确分类取决于计算结构的整体行为。
然而，哈耶克的联结主义（可称为格式塔联结主义，以区别于麦卡洛克和皮茨的逻辑联结主义以及罗森布拉特的统计联结主义）并不与对心智计算理论的辩护有关。 哈耶克认为，心灵（在他看来，只不过是一种心理秩序和一个由神经元等实体组成的自组织网络）只能创建一个模型，而不是世界的表征（一种由感知的、感觉的秩序形成的）通过感受性之间的关系）。 哈耶克写道：“因此，我们所说的心灵是在某些有机体中发生的一组事件的特殊顺序，并且在某种程度上与环境中事件的物理顺序相关，但不完全相同。” 1945 年，控制论专家阿图罗·罗森布鲁斯 (Arturo Rosenbluth) 和诺伯特·维纳 (Norbert Wiener) 以大致相同的方式描述了模型的创建：
“部分模型无论多么不完美，都是科学发展起来理解Cosmos的唯一手段。 这一说法并不意味着失败主义立场，而是承认科学的主要工具是人类思维，而人类思维是有限的。”
模型构建是在另一种环境的内部参数和约束下实施一种环境。 同时，在翻译过程中，一些元素被去中心化、圆润和扭曲。 哈耶克还认识到，心理秩序是对现实的片面且常常是错误的解释：
“我们已经看到，对感官产生的刺激的分类是基于一个后天连接系统，该系统部分且不完美地再现了相应物理刺激之间的关系。 这样形成的物理世界的“模型”只能非常扭曲地再现世界上存在的关系； 我们的感官对这些事件的分类常常被证明是错误的，也就是说，它产生的预期不会被事件所证实。”
值得注意的是，继巴贝奇之后，又一位政治经济学家站在了计算历史的分水岭上。 巴贝奇提出引入计算来使工业过程中的脑力劳动自动化，而哈耶克则认为市场交易的计算是不可能的，而且无论如何都可能损害市场的自主性。 巴贝奇和哈耶克之间的理论差异和历史鸿沟反映了符号人工智能和联结主义人工智能之间、基于表征的认知思想和基于建模的认知思想之间的差异。 脑力工作自动化项目以巴贝奇的手工计算为蓝本，演变为图灵机和符号人工智能的演绎算法。 数字操作变成了符号操作，没有留下意义解释和适应能力的空间。 如果巴贝奇的计算诞生于对纠正对数表中的错误所需的精确性的渴望，那么联结主义（包括哈耶克的版本）则揭示了一种灵活的、适应性的认识论。 继哈耶克和冯·诺依曼之后，罗森布拉特强调，他的感知器神经网络代表了人类思维某些特征的简化和夸大，并不声称自己是智能的权威范式。
市场作为神经网络的模型
除了模式识别理论之外，哈耶克还因在 1945 年发表的论文《知识在社会中的运用》中介绍了信息的技术定义（在该术语使用之前）而闻名，该论文预示了香农 1948 年的数学传播理论。 信息的工作定义是指通信单位，更准确地说是“价格信号”。 哈耶克还因将市场描述为一台计算机而闻名，或者用当时的语言来说，将市场描述为一种特殊的分布式电报网络，“一种记录变化的机器或电信系统”（应该指出的是，在那些年里，计算机当时还不是一种通用技术）：
“如果我们想了解价格体系的真正功能，我们就必须将其视为一种信息传递机制——当然，价格变得越僵化，它的功能就越不完美。 <…> 这个系统最重要的一点是它运行时的知识经济，或者说个体参与者需要知道多少才能采取正确的行动。 以一种压缩的、象征性的形式，只传输最基本的信息，并且只传输给相关人员。 将价格体系描述为一种登记变化的机制或一种电信系统，这不仅仅是一个隐喻，它允许个体生产者仅跟随几个指针的运动（就像工程师可能只跟随几个指针的箭头一样）传感器）以使他们的活动适应变化，除了价格变动所反映的信息之外，他们可能永远不会知道任何事情。”
尽管控制论专家傲慢地追求完全自动化，但哈耶克认为市场的复杂性将超出任何计算和方程求解设备的硬件限制。 二十年后，关于计划作用的争论中的另一个阵营、经济学家奥斯卡·兰格（Oskar Lange）主张使用强大的新计算机来解决经济学中的数学问题，他反驳说创新已经克服了这些局限性：“那么问题是什么？ 让我们将联立方程输入计算机，我们将在不到一秒的时间内得到解决方案。” 对于兰格来说，计算机是一种新的知识工具，使新的经济学观点成为可能，因为“计算机执行了市场永远无法执行的功能”。 兰格间接地提出利用计算机作为技术中介来解决中央计划和市场自发性的问题。 正是这种洞察力，左派的加速主义言论在大数据时代倡导公共算法规划而不是私人企业规划时脱颖而出； 例如，弗雷德里克·詹姆森（Fredric Jameson）主张将沃尔玛和亚马逊等全球物流巨头的计算能力国有化。 但兰格想要什么样的计算技术呢？ 他的讨论的下一部分（经常被忽视）没有提到确定性计算，而是提到了类似于训练人工神经网络的过程：
“我在论文中提出的市场机制和试错法实际上起到了求解联立方程组的计算设备的作用。 该解决方案是通过大概的收敛迭代找到的。 迭代基于逐渐消除平衡偏差的反馈原理。 该过程预计将充当伺服机构，通过反馈自动消除干扰……可以使用电子模拟机来实现相同的过程，该机模拟 tâtonnements 隐含的迭代过程 [пошаговыми приближениями] 市场机制。 这种电子模拟（伺服机制）模仿了市场的运作。 然而，这种说法可以颠倒过来：市场模仿电子模拟计算机。 换句话说，市场可以被视为一种用于求解联立方程组的计算机器。 它的工作原理类似于模拟机：基于反馈原理的伺服机构。 市场可以被认为是解决联立方程的最古老的历史手段之一。 有趣的是，解决机制是通过社会过程而不是物理过程发生的。 事实证明，社会过程也可以作为反馈设备的基础，通过迭代解决方程。”
遵循哈耶克联结主义的传统，兰格将市场描述为一种社会机器，它使用逐步逼近（tâtonnements）来求解联立方程，类似于训练通过反复试验来改变其参数的算法。 这个使用近似方法求解市场方程的例子当然与中心化的社会主义经济无关，而是类似于现代人工神经网络训练算法（特别是反向传播和梯度下跌）。 正如哈耶克和兰格的两段文章所示，在 20 世纪的经济辩论中，市场和计算模型有时会交易所立场，但真正的利害关系仍然是潜在社会过程的代理和自治。
出版者：马泰奥·帕斯奎内利。 测量并施加。 人工智能的社会史。 莫斯科：Individuum，2024 年。由 Ivan Napreenko 翻译自英文。
在社交网络上订阅 ForkLog
发现文本中有错误？ 选择它并按 CTRL+ENTER
ForkLog 时事通讯：随时掌握比特币行业的脉搏