14.技术

14.技术

约翰·约翰斯顿

科技史专家常常将古代的简单机器（车轮、轮轴、杠杆、滑轮、楔子、螺丝刀）与代表着现代性的靠动力驱动的机器（风车、汽轮机、蒸汽机和内燃机）区别对待。然而，随着计算机的发明，一种具有根本创新的机器出现了。先前的两种机器传递力量或能量，而这第三种机器处理信息。但究竟何谓“信息”？“处理”究竟包含些什么？对于20世纪四五十年代出现的第一批现代计算机而言，“信息”指的是数字（或数字数据），而处理基本上指的是运算——我们今天称之为“捣鼓数字”。这些早期设计出来的计算机是为了替代“人体计算机”（就是这么叫的）。二战中这些“人体计算机”主要指女性，她们用手工方式计算大炮、炸弹的轨迹，破解密码，以及进行其他高科技战争所需要的计算。

然而大众媒介却更有远见，它们不将这些新机器描绘成高速自动计算器，而是“电脑”。事实上，随着存储程序的电子计算机的发展（第一台计算机是ENIAC，电子数字积分计算机，二战刚结束时开始使用），它们还能根据条件指令完成更加复杂的任务（如结果为X，则执行任务A；如结果不为X，则执行任务B），并对大型数据库进行系统搜索。这个新机器能够有多种功能是因为有了存储程序。毫不奇怪，这些电子大脑能否“思考”这个问题很快孕育了一门新的科学——人工智能。赫伯特·西蒙（Herbert Simon）与艾伦·内韦尔（Alan Newell）的《逻辑理论家》（Logic Theorist，1956）可以证明符号逻辑中的新定理，正是这类项目激发产生了人工智能这门科学。随着计算机技术的飞速发展，这些新机器处理信息的功能及运用也得到飞速发展。计算机开始时是计算器，然后它首先是一个普通符号操纵器，再后来，由于处理芯片、线路设计、数字数据储存、编程语言、网络等方面的飞速进步，它成了一种通用媒介机器，任何具有离散要素的语言所表达的内容都可以成为“信息”，信息可以通过算法进行“处理”，也就是说，用可以被机器自动写、读、执行的代码指令的方式来进行“处理”。

虽然计算机出现于信息时代，但“信息”这个术语绝不仅限于这些新机器。很明显，信息在控制论、通信理论的早期形成中都起了重要作用。两者都是在二战以后才发展起来的（见第10章，“控制论”）。在《控制论：动物或机器中的控制与通信》（1948）中，诺伯特·维纳预示着在理解生命组织方面出现了一个关键转变。19世纪时，生命组织被理解成“热力发动机”，其燃料是葡萄糖、脂肪及蛋白质。维纳和他同时代的人认识到，有机体“完全不是一个保守的系统”（1948：42），它能从环境中提取、消耗掉大量的能量，而神经系统，以及负责管理有机体的器官实际上所需的能量甚少。

正如维纳所说，“簿记在描述有机体的功能方面最为重要，而这跟能量无关”（42）。相反，簿记是通过管理信息从身体感觉器官到效果器的传输过程来实现的，就像真空管在电子电路中所做的那样。相应的，“比较新的自动机研究（这是控制论中的一个中心话题）——不管它是金属的形式还是以肉身的形式——是通信工程的一个分支，它的主要概念包括信息、干扰或‘噪声’量（这个术语来自电话工程）、信息量、代码技术，等等”（42）。简而言之，无论是生命体，还是新机器，它们都主要是通过自我控制和管理的方式运转，而自我控制和管理主要是通过电子化学信号或电子信号（如今被称为信息）的通信与反馈的方式来实现的。正如维纳所强调的，有一个重要的结果就是：“敏感自动机理论”（他指自动机从环境中接收到感官刺激，并且通过神经系统的等价物，将信息传输给执行任务的效果器）将不得不建立在统计学的基础之上：

关于通信工程机器的表现问题，我们很少对单次输入感兴趣。为了充分实现机器的功能，机器必须为整组的输入给出满意的表现。这就意味着，要为统计学上预期接受的整组输入做出统计学上令人满意的表现。因此，其理论属于吉布斯统计力学，而非经典牛顿力学。（44）

维纳利用反馈信息实现稳定控制。同年，克劳德·香农发表了《控制论》（Cybernetics）〔1〕，香农的信息定量理论巩固了维纳的方法。虽然香农的理论意在克服电子通信中的工程问题，具体而言就是要减小电话线路中的噪声，但香农的理论是一种形式理论，可以用于任何介质的信息通信之中。跟维纳一样，香农用统计学的术语来定义信息，明确地将消息中信息传输量的公式以路德维希·波尔茨曼著名的热力学系统中熵（或混乱程度）的计算公式为基础。考虑到原子的不确定性，依据原子的统计学分布，波尔茨曼提出了测量方法。他甚至认为我们对这些状态的不完全了解是一种“信息缺失”。对香农来说，从另一方面来讲，一则消息的不确定性由信息发送者在选择某条消息（或构成一则消息的符号）时有多少选择，或有多少自由度决定。可能传递的消息越多，不确定性就越大，因此，单一选定的消息或符号中所包含的信息量就越大。除了这个初始不确定性之外，另外还有因“噪声”所引起的不确定性。在香农的理论中，噪声获得了一种矛盾的复杂性，因为它既是阻碍信息传输的东西，同时又是尚未成为信息代码的东西。奇怪的是，因为噪声，接收到的信息量能够大于所传输的信息量。这仅仅是因为可能出现的消息大于所传输的消息，而接收到的消息是从可能的消息中挑选出来的（见11章，“信息”）。

尽管有这样那样的矛盾，香农的理论说到底是为了解决一个非常实际的问题：如何给消息编码，使其在有噪声的信道（以比特/秒表示）中传输率最大，错误率最小。用波尔茨曼的公式来定义信源（信道的输入）的熵，以及收到信号（输出）的熵，香农就能准确定义“信道容量”：从整个可能出现的信息中计算出信源与接收端共有的“双边信息”的最大值。不确定性源于从发送者接收信息，双边信息因此能测出不确定性的减少（见Cover & Thomas，1991）。在这个基础上，香农能够建立特殊信道信号传输最大化这一重要定理。以前人们都认为，仅仅通过重复信息，或者增加代码重复（这样传输容量显然会受损），噪声问题就可以得到解决。而香农定理则表明，恰好相反，有些限制是先天的，不可跨越的。同时，他的定理还建议用出其不意的方式来给消息编码，以利用特殊信道的统计学特点，这会产生更有效的信噪比；并且他还指出了更有效的错误检测及纠正方法。实际上，就是因为有了这些发现，才有了现代数字通信。

可以肯定地说，香农在定义信息时剔除了意义，而信息会用于其他语境，这一点就必然会带来麻烦〔2〕。即使在香农和维纳之间，也出现了不同的阐释。对香农而言，信息度量的是不确定性，或消息的熵；而对维纳来说，它衡量的是确定性的增加，或者说是“负熵”。这个“正面”定义，以及维纳强调信息传输模式的连续性（模拟特点），而非离散性（数字特点），可能反映了他对生命组织有更大的兴趣。《人对人类的使用：控制论与社会》（1950）是通俗版的控制论。自然统计中有无序、熵增趋势，而维纳却在该书中解释了与这一点相悖的情况：通过信息反馈过程，如何让系统、组织形式能够得以实现。他认为只有在这些负熵的囊块中，才有可能出现诸如生物生命的东西。实际上，恰好是通过对生命形式的内部状态，以及它与环境之间的关系进行控制，信息处理才使生命出现成为可能。1953年，沃森和克里克发现了DNA代码如何在生命繁殖中起作用，这进一步延伸、加强了信息处理在生物学上的运用，虽然温贝托·马图亚纳和弗朗西斯科·瓦雷拉（1980）持不同意见，他们后来质疑信息处理在定义和理解生命中的首要地位。〔3〕

控制论将自然信息处理机与人工（人造）信息处理机相提并论，或将其视为普通等价物，这个历史有趣而复杂，但从计算机技术标准的进一步发展这个角度来看，其重要性又很快衰退了。然而，在那些似乎再也不是外围发展的地方（比如作为认知设施的神经网络；以计算机为基础的新科学，如人工智能、人工生命、生物信息；对并行处理的兴趣，以及分布式代理网络模型），自然计算的例子成了思想、技术、模型的源头，起到了关键作用。然而就目前来讲，我们的焦点还是要放在作为一种特殊人造机器的计算机上，有必要的时候才去着手生物模型的信息处理及计算这个问题——就是如今我们认为是湿件的东西。

奇怪的是，第一台现代计算机从来没有被造出来。它是一种纯粹抽象的虚拟机器，是1935年英国数学家艾伦·图灵想出来的，他想以之证明数字的可计算性。当然，我们可以简单地说，图灵机是现代计算机的概念先驱，正如人们所知道的那样。只是有个事实不可忽视：一切现代计算机都是图灵机。也就是说，它们具有图灵抽象机首先抓住的一个核心本质特点：因为有模仿任何其他计算器的能力，图灵机能进行通用计算。这一独特之处值得细细考查。

图灵在1936年的奠基性文章谈到了可计算性问题：一个数字或功能是否能够被计算。随后出现了一个更大的问题：一个数学问题是否能够得到解决。图灵提出，如果这个问题能够以算法的方式表达出来，也就是，一组准确的形式指令得到具体答案，那么机器就可以对它进行自动计算。于是问题变成了这样：有没有办法可以提前知道，在收到指令，对具体数字进行计算，得到了确定的答案后，这时会“停机”呢，还是会永不停止地计算下去？正如图灵所描述的，这个机器包括三个部分：一个读/写“头”；一个无限长的穿孔纸带，穿孔纸带被划分成方格，从“头”经过；告诉“头”该做什么的控制规则。头对方格逐格扫描，由头的当下“状态”，以及某一方格有没有标记，来决定是该输入符号、抹去符号，还是该保留方格的原样；然后又转入下一个方格。由于在任何时刻，读/写头都只能处于控制规则（就是人们所说的状态寄存器）所定义的有限的内部“状态”中的一种，因此它被称为可能状态的数目是有限的机器或自动机。〔4〕

用这个简单的设备可以完成两件事：用符号串的方式输入数据，例如，二进制数字就能被编码成有标记或没有标记的方式；根据给“头”发出的指令来执行操作（例如，如无标记，则输入一个标记，然后移到左边一格；如有一个标记，则移到右边一格）。这些指令及穿孔纸带构成的内存允许头对标记或符号进行各种操纵，从而实现数学运算。然而，使这个可能状态有限的机器成为图灵机的是它的辅助存储器——无限长的穿孔纸带，正是因为这个存储特性使它能进行各种不同的计算。〔5〕例如，一台简单的状态有限的机器，不可能进行大数字的乘法运算，因为当运算继续进行时，它没有办法储存并给出前面阶段的计算结果。从这一简单的事实，我们可以了解到在定义机器的计算能力上，内存是多么重要，这不仅是量的多少的问题，而且还有位置（例如，从何种“状态”）的问题。

图灵的观点后来几乎被所有数学家所接受。他的观点表明，任何一个可以以算法表示的计算，或者任何一个形式系统中的确认程序，都能在图灵机中找到等价物。对于复杂计算而言，可以实行联机，一台机器的输出成为另一台机器的输入，等等。更重要的是，图灵进一步阐述了通用机的存在（现在被称为通用图灵机），它可以模拟任何单个图灵机的表现。因此，一个通用计算机能够成为这样一种机器：给出任何一个指令表来定义图灵机，它都能执行这些指令。简言之，它“能够被编程”。回想一下，图灵的终极目标是想证明无法预料某些数字是否能够被计算出来，即启动了的机器是否“停机”。图灵机的发明部分证明了这个问题，图灵机概念将逐渐为现代计算机提供一种形式基础，不同的指令集或程序集（计算、数据处理、数据发送接收等方面的程序）允许同一台机器完成不同的任务。规定计算机的是逻辑及数学功能集，而非物质结构，因此，计算机从本质上来讲是一种新型的机器。它是一种抽象的二级机器，许多不同种类的机器的逻辑形式被抽象化，并且变成了一种等同于算法集合的东西。

虽然今天的台式电脑通常是由硅和铜线造的，外壳是塑料或金属。从原则上来讲，计算机能够用各种不同的材料造出来。作为一种抽象的机器，其功能不是由造这个机器的材料特点决定，材料特点被用来从物理上将一个符号系统实体化，这个符号系统根据自己的形式原则和句法进行操作。跟信息一样，图灵机独立于它的材料基质，它是一种技术抽象。然而，它也跟信息一样，不管它如何被实体化，它都具有应用性。也许具有讽刺意味的是，从物质上落实现代数字计算机最根本的元件——逻辑电路最有效的方法是发明了信息论的人发明的。图灵1936年的论文才发表一年，克劳德·香农就在他的硕士学位论文中表明，电路中的系列通断开关能够用来实现符号逻辑中的所有运算。虽然齿轮传动、水管、拆装玩具中都能够造出，而且已经造出了逻辑电路，然而结果焊在芯片上的铜线细微的电压差才是迄今为止最快、最有效的实体材料。〔6〕

毫不奇怪，建造真材实料的计算机需要做出巨大的努力，包括大量数学家、科学家、工程师之间的广泛合作。这场努力中有个重要故事，就是ENIAC（电子数字积分计算机）和它的下一代产品EDVAC（离散变量自动电子计算机）的故事需要简要重复一下，因为“工程师和逻辑学家”在设计与实施方面有分歧，他们之间的分歧体现了早期高速电子计算器与最早完全现代化了的计算机之间的本质区别。〔7〕ENIAC于1943至1946年间在宾夕法尼亚大学摩尔电气工程学院被制造出来，它足足占了整整一个大房间。它的逻辑电路由17500个真空管构成。由于这些真空管常常被烧坏，有个问题就是如何让它们能够工作足够长的时间，来完成一次计算周期。输入由一大堆的IBM打孔卡来完成，信息被储存在一根被称为“延迟线”的长水银管子里（后来被磁筒代替）。尽管总工程师J.普雷斯普·埃克特（J.Presper Eckert）和约翰·毛赫利（John Mauchly）讨论过存储程序的优势，但他们最终还是决定采用一种技术，而不是一个逻辑方案。主要就是改变设置，让ENIAC能够执行所包含的不同种类的计算，重新将成百上千的线缆连接到控制板上，并且重启许多开关（数目高达4000个）。简言之，改变“程序”从字面上来讲就意味着重写计算机。进一步来看，虽然ENIAC是一个数字设备，但它是以更老的微分分析器为模型建造的，正如20世纪30年代造的模拟计算机也被叫做微分分析器。结果，它的算法操作仍然是以十进制表示的，这就要求有模块将其转换成二进制。

1944年，赫尔曼·戈德斯坦（Herman Goldstine），一名物理学家及美国军官，他负责这个项目的政府联络（ENIAC的主要目的是用来计算火炮发射表），他把著名数学家约翰·冯·诺伊曼请进项目组当顾问。由于冯·诺伊曼在二战时期武器制造中（洛斯阿拉莫斯首枚核弹制造最为著名）担任了科学顾问，这一身份让冯·诺伊曼对计算机非常感兴趣。他的参与对项目有极大的促进，尤其是他对ENIAC的局限性的理论洞见，项目组努力在下一代机器EDVAC中改正。然而，在没有与其他成员商量的情况下，冯·诺伊曼于1945年6月写作并发表了“EDVAC报告初稿”，他在里面提出了全新的设计，这个设计成为未来五十年计算机制造的标准。这个设计被称为冯·诺伊曼结构。在20世纪90年代大规模并行处理计算机出现之前，冯·诺伊曼结构没有遇到过任何对手。〔8〕

跟许多从事早期计算机工作的工程师和技术员一样，埃克特和毛赫利没有读过图灵的论文，他们仅仅看到了存储程序的巨大实际优势。冯·诺伊曼却知道图灵的论文，并且和图灵一起工作过。他认识到，在以图灵的通用机概念为模型的更具逻辑性的设计中，存储程序是一个必要的方面。另外，冯·诺伊曼对生物信息处理的浓厚兴趣也极大地影响了他的计算方法。麦卡洛克和皮茨关于“神经网”中神经元的计算特点的论文对冯·诺伊曼的影响尤其深刻，以至于他后来写了一本薄书《计算机与大脑》（The Computer and the Brain）〔9〕，这本书在他生前未被发表。在关于EDVAC的那篇论文中，冯·诺伊曼提出这个新机器将由5个功能单元构成：一个中央计算单元（用来执行计算，布尔代数是基础，用二进制运算）；一个逻辑控制单元（用来控制机器操作的顺序）；一个储存单元（冯·诺伊曼称之为“内存”，用来存储所有的数据和指令）；最后是输入输出单元。这些单元，有时候冯·诺伊曼又称之为器官，通过交流途径联系到一起，后来人们把这个交流途径称为“总线”，随着它，信息（以电路中的电压差为编码，从而可以很容易用二进制表示）得以流通。数据存储和程序指令都在一个地方（当然是在不同的地址），这是设计的核心。首先，它允许我们现在所说的随机存取存储器（RAM），这就意味着在程序中的任何位置都能读取存储于存储器中的任何数据或程序指令。（相反，“栈”存储的操作原则是“后进，先出”。）总之，将数据和指令存储在一起，人们就能以更具流动性、关系性的术语来描述两者之间的关系：既然程序是以数据被存储的，那就有可能认为有程序将其他程序当作数据来对待。处理其他程序，甚至对自己进行处理的程序就有可能产生。事实上，编程本身作为一个概念才可能出现。

这个概念不可避免地将我们带回到图灵的两个核心观点：模拟与通用，我们现在一般用硬件软件术语来思考。一台计算机之所以是一台通用机，就是因为它能模仿任何其他的图灵机。也就是说，如果给它充足的时间和内存，它能实现一台图灵机所能实现的任何计算，那么这台机器就是通用机或与图灵机等价。原始图灵机的记忆带长度无限，实体化了的图灵机储存能力被假定为很大且可无限扩张。在实践中，这种通用机仅有一个核心指令集，有足够的内存，能够执行一套核心数学逻辑运算。〔10〕我们所想的计算机是这样一种机器，但这个机器又受到运行不同程序来完成不同任务（文字处理、电子表格与数据库、游戏、电子邮件程序、互联网浏览、会计应用，等等）的能力的限制。这些不同的软件程序依赖一个更大的软件程序，计算机操作系统——Unix，Windows XP，Mac OS X以及Linux是目前最常见的操作系统。操作程序反过来又是在“下面”的硬件上运行。这个分层容易让人们看不见这个事实：硬件与软件互相依赖，多亏了对方，它们才能完成自己的任务。事实上，只有计算机的历史进化到了相当高级的阶段，硬件与软件才开始各自发展（见第13章，“硬件/软件/湿件”）。

冯·诺伊曼结构天生有瓶颈，信息处理是由中央处理器一步一步以线性的方式完成，这个瓶颈成了促进发展的强大动力。首先，程序被载入内存。〔11〕然后，通过一系列的时序操作，指令和必要数据被送到处理器，运算得以执行，结果被存进自动记录器以进行下次操作，或写入内存。“流水”技术缩短了处理器闲坐等待新指令或数据的时间，这让“取来并执行”的周期大大加快。但是只有直接置于芯片的高速缓冲存储器更大，减少了检索时间，让处理器更快，瓶颈问题本身才能得到缓解。内存也更大、更便宜，“总线”也会更快。一个比较新的解决办法就是多核处理器，它能把计算量分摊给几个次级处理单元。不过，通过写软件，在不同的处理器（它们可能会共享内存，也可能会各有自己的内存）中运用不同的软件，从而分解计算任务，这也会带来各种难以解决的问题。尽管如此，目前计算机发展的潮流就是寻找替代品，来取代已年满六旬的冯·诺伊曼结构。

当然，冯·诺伊曼本人很清楚替代模型显然应该是什么：就是人的大脑，数十亿的神经元构成复杂的网络，用大规模并行的方式，同时处理许多信息流。然而，同样因为写软件的困难，20世纪60年代和70年代制造的并行处理计算机很少。到了20世纪80年代，情况开始发生改变。〔12〕一个有名的例子就是丹尼·希利斯（Danny Hillis）的“连接机”，它连接了65536个处理器，每个处理器都有自己的随机存取存储器，被布置成一个超立方体。这些都是简单的、极简风格的处理器，其配置方式被称为单指令、多数据流（SIMD），适合用来进行人工智能领域里的实验性计算。后来的连接机（多指令流、多数据流［MIMD］配置）被运用到商业中。人们在设计某种计算机时，给不同计算机分派了不同的计算任务，这就大致决定了处理器与内存的不同。一般来讲，当有大量数据需要处理时，和/或所执行的计算能够被分解成许多子项目时，并行计算机比冯·诺伊曼计算机更为合适。〔13〕在并行处理早期，吉尼·安达尔（Gene Amdahl）提出了一个公式，来计算用多中央处理器所能达到的速度阈值，但希利斯推翻了这个定理。虽然计算机课堂上还在教安达尔的定理，历史却似乎站在了希利斯这一边。因为自从1995年以来，几乎所有的超级计算机都已经是巨型并行处理机。目前，这些机器中最快的是IBM的蓝色基因，它能达到的运算速度为280万亿次每秒。〔14〕这个速度已经快得不可想象，但这个速度在计算机所参与的“实时”计算中是必须的，仅举几个例子：天气系统的科学仿真（以及全球变暖的效果仿真）、全球金融市场的交易追踪、国家安全机构对美国人的电子邮件及电话的记录及解密。

不管我们是在说高端、特殊用途的超级计算机、台式机、笔记本、用于个人或商务的工作站，还是在说用来控制调节工业企业或日常家庭中所使用的机器的低端、集成电路，信息处理技术的发展进程都十分壮观。二十五年多以来，更快、更强大的机器不断被生产出来，不仅如此，新运用、新市场也不断产生。实际上，众所周知，在过去三十年中，计算能力和速度的提升（同时每单元价格的降低）是成指数的。最近随着互联网的蓬勃发展，发展更多的（更新的）能同时在地方、国家、全球层面上同时进行的网络化信息处理系统成了新的压力。但这个信息处理发展的新阶段只不过昭示了一个一贯真理，即信息处理是一个新的特殊技术体系的核心，我们与其聚焦于单个机器，还不如认识到下面两点：一，定义着这个新体系的计算聚集组合具有多样性；二，其动力不仅能推进历史发展，还能推进未来的进化历程。

我们先来简要地思考一下贝尔纳·斯蒂格勒所提出的技术系统这一概念。由于某种特殊技术的原因，一个平衡点出现了，当技术进化围绕着这一点趋于稳定状态，“导致在某一时间或历史阶段出现了整体、稳定的相互依赖状态”（1998：26），一般来讲，此时我们就认为一个技术系统已经形成了。从贝特朗·吉勒（Bertrand Gille）最早提出这个概念，到安德烈·勒鲁瓦-古尔汉及吉尔伯特·西蒙栋对这个概念的发展，对此过程进行追踪，斯蒂格勒表明，进化这一生物学概念可以在何种范围内被运用到技术系统中，这个问题最为重要。例如，在《技术对象的存在模式》（Le mode d'existence des objets techniques，1958）中，西蒙栋认为，随着工业革命的发展，一种新型的“技术对象”诞生了，它具有类似于生物体的动力，这是它的区别性特征。受控制论的巨大影响，西蒙栋把技术对象“正在变成有机物”的这一特点理解成系统或次级系统中的一种趋势：技术对象越来越整体化，它不断地自我适应，并且适应由它所造成的变化条件。同时，在这个过程中，人类作为一个积极的、具有意向性的主体，其作用开始衰退，人的动力转移到了作为更大系统组成部分的操作器上。

计算机新技术是当代技术系统的核心，这一点似乎没有必要指出。计算机的变革力量染指了第一世界/发达国家的每一个角落：工业、科学、通信、医疗及军事技术、艺术、娱乐产业、消费社会。此外，如果这个变革性的、成指数级的成长是“类生物动力”所带来的结果，正如西蒙栋所说，自从工业革命以来，技术发展就是如此，那么，人们就必须面临一些更大的问题，即技术（尤其是计算机或信息处理技术）与生物进化之间的关系问题。在结论部分，我将着重讲两个这种更大的问题：一，生物进化为什么可以被运用到技术发展上？生物进化被运用到技术发展至何种程度？（比如说，这难道仅仅是一个比喻吗？）二，具体而言，究竟是信息处理中的什么东西使得这种类生物动力能够出现，甚至让这种动力加速？在对信息处理的天然案例进行模仿及反工程行为中，这一点越来越明显，这导致了“机器”的变革：它从某种固定、孤立、机械、确定、不灵活的东西变成了某种流动、无处不在、适应性越来越强的东西。

正如约翰·齐曼（John Ziman）所说，一个如“技术进化”这种能勾起人们想象力的比喻能变成一个发展完善的模式，这需要好几个步骤。〔15〕首先，要应对“不具类比性”所带来的问题，其中最重要的就是，技术革新展现了某些现代生物学中一般被禁止的拉马克式的特点。乍一看来，拉马克模式似乎真的比达尔文理论能更加直接地运用到机器进化趋势及技术系统中。（让-巴蒂斯特·拉马克［Jean-Baptiste Lamarck］是达尔文的先驱，他认为后天获得的特点能够通过遗传机制传给后代。）然而对齐曼来说，真正的问题不是达尔文与拉马克之间的问题，而是现代技术进程是人设计的，明确地受到人类意图的指导，它是否能够与进化达成妥协，“达尔文和拉马克都把进化解释成一个进程，通过这个进程，在没有设计的情况下，出现了复杂的适应性系统”（2000：6）。“我们可能会完全赞同这一点：技术变化受变异及选择的驱动，”他接着说，“但显然这些变异及选择既不是‘盲目的’，也不是‘天然的’”。然而，尽管有这些保留，齐曼还是相信进化模式能够与人类意向性相结合，因为人类的认知本身就是自然选择的产物，他说，人类认知发生“在低水平的神经事件中，从我们所能找得到的原因来看，那些原因完全可以说是任意的”（7）。因此，整个过程的操作可以说是盲目的。实际上，这个过程无须像DNA中的变异那样盲目；相反，唯一要求的就是“真正被生产出来、被选择，并用来测试使用的东西里应该有一个随机要素”（7）。哪些技术创新应该被挑选出来，每个人所认为的决定性要素不可能都一样，并且，“具有相似目的的物品其具体设计可能会非常不同，而且选择它们的原因也可能会非常不同”，考虑到这一点，齐曼的结论是，“在用来维持进化过程的一组技术实体中，通常会具有足够的多样性，以及相对的盲目变异性”（7）。最后，他建议说，与其将技术与生物混为一谈，我们还不如将它们视为“复杂系统中的一个更大的种类”。这一步也不完全出人意料。这一步的独特意义就在于，与其为进化过程是该顺服严格的达尔文主义原则，还是新达尔文主义原则这个问题感到忧心忡忡，我们还不如去探索“一种更加普遍的自然选择范式”的特点（11）。

在生物进化中，一个特征之所以被选择，这是因为它能对拥有这个特征的组织的生存概率有贡献，而在技术进化中，某项技术或技术系统中的某一部分被选择，其原因也很明显：例如，它有用、易学、生产成本低，或者，它能填补商机，能赚钱。但常常也会有偶然因素，譬如说，生产某一技术的公司不必是最好的公司，但市场力量的分布却给公司带来了好运，Betamax与VHS就是极好的例子。当代技术理论家对这种个案及其明显差异强调得并不多，他们强调得更多的是一个更大的轨道，这个轨道包括将进化力量内化，使其进入人类环境。情境大概是这样的：在过去大约20万年以来，晚期智人基本上没怎么进化。相反，进化的动力却被传递到了人类环境中，也就是说，传递到了人类技术的发展过程中。换句话说，就人类而言，技术的发展就是进化，只是条件不同，方式不同。另外，这个更大的轨道里有一种内在重复：进化过程本身在不断加速。正如在地球的历史中，单细胞组织的出现用了几十亿年，而多细胞组织的出现却没花那么长时间，物种的分化、倍增所花的时间则更少（即使将几次大灭绝事件计算在内也是如此）。因此，从简单武器、耕作工具的出现，到印刷术、工业革命，以及最近信息技术的爆炸性发展，我们也见证了技术进化中的加速现象。虽然这两个进程具有明显的差异，但重要的地方在于（成指数级增长大多要归功于这一点）两个进程都是建立在以前成就的基础之上，导致了我们所说的“加速回报定律”。事实上，如今许多理论家用同样的方式来看待生命进化以及最近技术的加速发展，将其视为信息处理本身的进化。

参考文献及建议阅读书目

Cover.Thomas M..and Joy A.Thomas.1991.Elements of Information Theory.New York：John Wiley& Sons.

Davis，Martin.2000.The Universal Computer.New York：W.W.Norton.(https://www.daowen.com)

Hillis，Daniel，1998.The Pattern on the Stone.New York：Basic Books.

Kay，Lily E.2000.Who Wrote the Book of Life？Stanford，CA：Stanford University Press.

Maturana，Humberto R.，and Franciso J.Varela.1980.Autopoiesis and Cognition：The Realization of the Living.Boston：D.Reidel.

McKay，Donald.1969.Information，Mechanism，Meaning.Cambridge，MA：MIT Press.

Minsky，Marvin L.1967.Computation：Finite and Infinite Machines.Englewood Cliffs，NJ：Prentice-Hall.

Resnick，Mitchel.1994.Turtles，Termites and Traffic Jams：Explorations in Massively Parallel Microworlds.Cambridge，MA：MIT Press.

Shannon，Claude，and Warren Weaver.1949.The Mathematical Theory of Communication.Urbana：University of Illinois Press.

Stiegler，Bernard.1998.Technics and Time.Vol.1，The Fault of Epimetheus.Stanford，CA：Stanford University Press.

Turing，A.M.1936.“On Computable Numbers，with an Application to the Entscheidungsproblem.”Proceedings of the London Mathematical Society，42（ser.2）：230-65.Reprinted in The Essential Turing，ed.B.Jack Copeland，58-90（Oxford：Oxford University Press，2004）.

Wiener，Norbert.1948.Cybernetics，or Control and Communication in the Animal and the Machine.Cambridge，MA：MIT Press.

——.1950.The Human Use of Human Beings；Cybernetics and Society.New York：Houghton Mifflin.

Ziman，John，ed.2000.Technological Evolution as an Evolutionary Process.Cambridge：Cambridge University Press.