序二
呈现在读者面前的，是一部别具新意的思想史著作。作者刘宇航、包云岗是计算机科学领域的青年才俊，他们选取了计算机系统领域14篇开创性经典文献，将之翻译成中文，并结合自身的理论研究和工程实践，给出了具有独特见解的分析和评论。作为一位科学哲学和科学思想史领域的工作者，我乐见其成。我相信，这部著作无论是对计算机科学历史和哲学领域的研究人员，还是对计算机领域的科学家，特别是对有志于在该领域做出开创性贡献的年轻科学家，都具有重要的参考价值。
这部著作让我想起了洛赫兰·欧莱菲尔泰（Lochlainn O'Raifeartaigh）的《规范理论的黎明》（The Dawning of Gauge Theory）一书。欧莱菲尔泰本身是一位著名的理论物理学家，他选取了规范场论发展史上具有开拓性的10篇文献，通过对每一篇文献的思想实质和历史背景做出精深解读，完整而准确地展现了规范理论的思想源流，其评论部分的篇幅和深度，丝毫不亚于原始文献的分量。欧莱菲尔泰的这部著作，现在已成为每一位对规范理论的思想根源感兴趣的科学家、哲学家和史学家的案头必备。与欧莱菲尔泰不同的是，本书的评论是逐段而行，原文与评论部分交织在一起。至于两者孰优孰劣，自然是仁者见仁，智者见智。或许，对专家而言，保持经典论文的连续性更好；而对研究生和年轻研究人员来说，逐段解读的效果兴许更佳。
当前，我国科学发展正处于实现阶段性跨越的关键节点，同时科学前沿也推进到宇宙、物质、生命和意识的至深之处，并显露出新一轮科技革命的端倪。为把握这一重大战略机遇，中国科学院于2020年布局成立了中国科学院哲学研究所，期望通过探讨科学领域的基础问题和哲学问题，为中国的科技创新和新一轮的科技革命做好充分的“思想准备”。哲学所甫一成立，中国科学院计算技术研究所孙凝晖院士就邀请哲学所同人，围绕互联网的设计理念和AlphaFold2的惊人预测能力等问题，探讨了哲学与计算机科学的紧密联系。这部著作的出版，则进一步激发了我个人在这方面的思考。
哲学与计算机科学的历史渊源是有目共睹的。图灵1936年的论文《论可计算数及其在判定性问题中的应用》（“On Computable Numbers, with an Application to the Entscheidungsproblem”），不仅是计算理论的奠基之作，同时也是对莱布尼茨的“通用语言”（Characteristica Universalis）这一宏伟哲学构想给出的终极答案。早在18世纪，莱布尼茨就设想，如果我们能建立初始概念的完备集，并将理性演算符号化，那么一切哲学和神学争论都可以用“理性计算”来解决。莱布尼茨的形式系统和理性计算思想，在一个多世纪之后为布尔、弗雷格和哥德尔等人所继承和发展。1931年，哥德尔发表了题为《论数学原理和相关系统中形式上不可判定命题》（“Über formal unentscheidbare Sätze der Principia Mathematica und verwandter Systeme”）的著名论文。在这篇文章中，哥德尔定义了原始递归函数概念。之后，哥德尔于1934年又定义了一般递归函数概念。尽管事后证明，图灵机、哥德尔的一般递归函数和丘奇的λ-可定义性（1935年）是等价的，但哥德尔对图灵的工作给予了极高的评价，他认为图灵的工作一举澄清了形式系统概念的内涵：形式系统不过是一种产生定理的机械程序或算法。通过将可判定性归结为可计算性，图灵证明了存在基本的不可判定问题。
至于当代哲学家的工作对计算机和人工智能领域的影响，我想到的实例有弗兰克·P.拉姆齐（Frank P.Ramsey）和詹姆斯·伍德沃德（James Woodward）的工作。众所周知，人工智能中的深度学习技术主要基于贝叶斯方法，这一方法的哲学基础则是英国哲学家拉姆齐在其1926年完成的论文《真理与概率》（“Truth and Probability”）中提出的关于概率的主观解释。拉姆齐工作的出发点是要解决认识论中著名的“归纳问题”，为此他发展了信念度（Degree of Belief）概念，并将认知主体关于某个命题的信念度理解为一种主观概率。以贝叶斯定理为基础，将验前概率过渡为验后概率，认知主体就可以通过归纳学习来调整关于某个信念或命题的信念度。
伍德沃德是当代美国哲学家，主要致力于探讨因果性这一核心哲学概念。他的干预主义因果理论（Interventionist Theory of Causation）继承了早期操控主义因果理论的基本思想，并结合了反事实（Counterfactuals）条件句因果理论的观点。伍德沃德的干预主义因果理论或许正是朱迪亚·珀尔（Judea Pearl）的因果结构图理论中“Do算符”的思想来源。珀尔关于因果推断的研究被誉为人工智能领域中的“因果革命”，这项研究使他获得了2011年计算机科学领域的最高奖——图灵奖。身处大数据时代，如何从海量数据中发掘因果关系，是一个充满挑战同时又引人入胜的问题。因开发深度学习技术而获得2018年图灵奖的约书亚·本吉奥（Yoshua Bengio）最近也转向了因果推断研究。他相信，机器学习和因果推断两种思想未来将相互交织，并有望产生崭新的成果。
放眼未来，哲学与计算机和人工智能科学之间的交互渗透仍然具有广阔的前景。所谓人工智能，无非是用物理器件和装置来模拟人类大脑和心灵的运作。当代神经生物学的发展已经大大增强了我们对大脑和心灵运作方式的理解。我们已经认识到神经网络的层次结构、不同感觉通道的算法通用性、神经网络联结的可塑性，以及高级中枢对低级中枢的反馈控制，我们已经建立了更合理的关于知觉、记忆、学习和情绪的理论模型。与此相应，心灵的计算模型也让位于以神经生物学为基础的心灵概念。尽管如此，我们关于心灵的理解依然是十分有限的。特别是，大脑的神经生物学过程是如何引起意识状态的？意识与大脑的关系问题，迄今仍然是一个哲学问题。要想对这个问题获得满意的生物学答案，我们还必须克服大量的哲学障碍。
这些障碍既包括本体论层面的问题，比如如何应对笛卡儿二元论对物理主义的挑战；也包括认识论层面的问题，比如如何利用客观的间接手段来研究主观的心灵现象。以法国认知神经科学家斯坦尼斯拉斯·迪昂（Stanislas Dehaene）的工作为例，他运用功能性磁共振成像技术来探索“意识标志”，从而将意识研究纳入神经科学的研究前沿。关于心物二元论，他一方面从历史角度给予笛卡儿的思想以高度评价，另一方面则反驳了当代哲学家大卫·查尔莫斯（David Chalmers）关于意识的简单问题和复杂问题的本末倒置。迪昂关于意识的“全脑工作空间”假说，本身就是一个哲学性非常强的意识理论。借用当代著名哲学家约翰·R.塞尔（John R.Searle）的说法，认知神经科学的进步所带来的哲学问题，远比它所解决的哲学问题要多。
作者在本书“前言”中专门提到，要纠正科学界忽视哲学的倾向和不注重继承的倾向，对此我深有同感。在我看来，思想是有生命力的。没有深厚的学术思想传统，理论创新就成了无根之木、无源之水。关于哲学与科学的关系，我个人认同著名哲学家蒯因（W.V.O.Quine）的主张，即科学与哲学是连续的。科学中的那些基本问题，同时也是哲学问题。对这类基本问题的探讨，需要科学家与哲学家携手推进。这部著作的出版，无疑将促使人们更深切地认识到哲学思想和学术传统对于基础创新的重要意义。
中国科学院哲学研究所所长
教授