算法究竟从何而来？所谓的“AI”是否纯粹依靠先进的技术？人工智能与人类智能之间又究竟有着什么关系？......
本文作者追溯到三千年前的火坛祭仪式，通过介绍火坛祭仪式的古代几何学、第一个神经网络Perceptron的计算矩阵、以及自动驾驶车辆的复杂导航系统等内容，得出一个结论：人们所谓的“AI”实际上是将集体行为、个人数据和个人劳动结合到私有化算法的漫长历史过程，算法源自经验而非先进的技术！
作者
MatteoPasquinelli
译者
弯月，责编
郭芮
以下为译文：
在古代吠陀的宇宙起源论中有一个美丽的神话，传说由于宇宙的诞生，古神生主（Prajapati）被肢解成了碎片。在宇宙诞生之后，这位至高无上的神只剩下残躯。在他的火坛祭仪式中，印度教信徒为了重组这位古神支离破碎的躯体，他们根据精心设计的几何图案建造了一座火祭坛。
这座火祭坛的铺设采用了成千上万块形状和大小都十分精确的砖头，最后拼成一个猎鹰的形状。他们一步步按照指示，将每块砖准确地放入指定的编号和位置，在铺设的过程中他们还口诵咒语。祭坛一层层铺建起来，最后的面积和形状与信徒们的设计完全相符。
解逻辑之谜是此次仪式的关键，祭坛的每一层都必须与相邻的层保持形状和面积相同，但砖块的位置却不同。这个猎鹰祭坛最终必须面向东方，因为这是重组的古神朝着朝阳起飞的象征，他们通过几何手段完成了此次古神的转世。
插图来自印度哲学杂志27.1（年）
印度公元前年左右问世的《ShulbaSutras》中对该火坛祭的仪式有详细的描述，这本书中还描述了一些更古老的印度传统。《ShulbaSutras》讲述了具有特定几何形状的祭坛的建造，他们建造的这些祭坛都是献给古神的礼物。例如，书中说：“如果你想摧毁现在和将来的敌人，那么就应该搭建一座菱形的火祭坛。”上述猎鹰形状的火坛祭由七个方格的示意图演变而来。在吠陀的传统中，传说仙人的灵魂都由七个方形的神我（宇宙实体或人）组成，而生主也是以这种形式出现。
年，艺术史学家WilhelmWorringer提出原始艺术诞生于山洞壁画的抽象线条，但人们可以假设艺术手法也源自线条与碎片的组合，而后又引入了日益复杂的形式和几何技术。意大利数学家PaoloZellini在对吠陀数学的研究中发现，人们通过火坛祭仪式，世代相传几何近似与渐进式增长的技术，换句话说这种技术就是算法，相当于莱布尼茨与牛顿的微积分。
时至今日，火坛祭仍然是印度目前仍在使用的古老仪式之一，也是算法文化的先驱。但是，我们怎样才能将火坛祭这种古老的仪式定义为算法呢？
火坛祭为什么是算法文化的先驱？
对许多人而言，通过最新技术的范式来阅读古代文化似乎是一种剽窃文化的行为。然而，声称抽象的知识技术和人工元语言属于现代西方工业，这种说法不仅从历史的角度来看并不准确，而且也是以殖民主义的眼光看待其他地方和其他时代的文化的表象。法国数学家Jean-LucChabert指出：“算法本身自然存在，甚至在人们创造出这个特殊的词语来形容它们之前就存在了。算法代表一组按部就班的指令，通过非常机械地执行，就能达到预期的结果。”如今，有些人可能将算法视为抽象数学原理的最新技术创新。其实，算法是最古老和最重要的实践之一，早于许多人类工具和所有现代机器：
算法并不局限于数学......巴比伦人用算法来决定法律观点，拉丁语教师利用算法来矫正语法，而且在预测未来、决定医疗或准备食物等所有文化中也用到了算法……因此，我们在讨论食谱、规则、技术、过程、程序和方法时，也通过相同的词语来描述不同的场景。例如，中国人的数学和武术中都使用了“术”，这个词代表规则、过程或策略……而现在，算法这个术语代表系统计算的任何过程，而这些过程都可以自动执行。主要受计算的影响，如今算法一词的含义已局限到仅代表一个基本要素，与过程、方法或技术之类的模糊概念有所区别。
在数学和几何学得到巩固发展之前，古代文明已经成为社会分割的重要机器，它标志着人体和领土的抽象，这种抽象一直存在了数千年，而且还将继续存在下去。同时，历史学家LewisMumford、GillesDeleuze与FélixGuattari提供了一系列古老的抽象和社会分割技术：“纹身、切除、切割、雕刻、划伤、伤残，包围和启动。”数字已经成为了社会分割和地域化“原始抽象机器”的组成部分，人类文化正来源于此，例如，第一次人口普查发生在公元前3年左右的美索不达米亚。逻辑形式来源于社会形式，而数字则出现于劳动和仪式、纪律和权力、标记和重复。
在20世纪70年代，“民族数学”透过精英数学的柏拉图式循环有了突破性的发展，揭示了计算背后的历史主题。当前以计算和算法政治为辩论中心的政治问题其实非常建党，正如DianeNelson所说：谁更重要？谁做计算？算法和机器不能自行进行计算；它们始终为他人、机构和市场、工业和军队做计算。
算法是什么？
术语“算法”源自波斯学者al-Khwarizmi名字的拉丁化。他于9世纪在巴格达撰写了著作《印度数字计算》一书，该书向西方引入了印度教的数字，以及相应的计算数字的新方法，即算法。
事实上，中世纪拉丁语“algorismus”指的是用印度数字进行四个基本数学运算——加法，减法，乘法和除法的程序和捷径。后来，术语“算法”被人们用作表示任何逐步的逻辑过程，并成为计算逻辑的核心。
一般来说，我们可以将算法的历史分为三个阶段：在古代，算法可以认为是程序化、规则化仪式的过程，通过该过程实现特定的目标和传递规则；在中世纪，算法是辅助数学运算的过程；在现代，算法是逻辑过程，由机器和数字计算机完全机械化和自动化。
从诸如火坛祭仪式和印度教计算规则等古代实践中，我们可以勾画出一个现代计算机科学中“算法”的基本定义：（1）算法是对重复过程的抽象，是对时间、空间、劳动和操作的组织：它不是从自上而下的发明，而是从自下而上总结出的规则；（2）算法将过程划分为有限的步骤，以便有效地执行和控制过程；（3）算法是问题的解决方案，一项超越局限约束的发明：任何算法都是一个技巧；（4）最重要的是，算法是一个经济过程，因为它必须在空间、时间和能量方面使用最少量的资源，以适应有限制的情况。
如今，随着人工智能的不断壮大，人们倾向于将算法视为抽象数学思想在具体数据上的应用。而实际上，算法的历史表明，它源于物质实践，源自空间、时间、劳动和社会关系的世俗划分。仪式过程、社会惯例以及空间和时间的组织是算法的源泉，从这个意义上说，它们甚至在复杂的文化系统（如神话、宗教，尤其是语言）兴起之前就已存在。
就人类的发展过程而言，可以认为社会实践和仪式过程中体现出的算法才是数字和数字技术出现的原因，而不是相反的方向。看看查尔斯·巴贝奇和卡尔·马克思的研究我们就能发现，现代计算正在从具体逐渐发展成抽象的形式。
插图来源：FrankRosenblatt的论文《PrinciplesofNeurodynamics:PerceptronsandtheTheoryofBrainMechanisms》（纽约布法罗康奈尔航空实验室，年）。
作为计算空间机器学习的崛起
年，在纽约布法罗的康奈尔航空实验室，认知科学家FrankRosenblatt发明并构建了Perceptron，这是第一个实用的神经网络，它是所有机器学习的祖先，当时这是一个机密的军事秘密。
Perceptron的第一个原型是一台模拟计算机，由20×20个感光元（称为“视网膜”）的输入设备组成，通过电线连接到一层人工神经元，神经元分析输入并产生一个输出（一个灯泡打开或关闭，表示0或1）。Perceptron的“视网膜”记录了诸如字母和三角形之类的简单形状，并将电信号传递给多个神经元，这些神经元根据阈值逻辑计算结果。Perceptron类似于照相机，可以通过训练识别特定形状，即做出有误差的决定（这是“智能”机器的功能）。Perceptron还是第一个机器学习算法，它是一个基本的“二元分类器”，可以确定模式是否属于特定类别（输入图像是否为三角形，是否为正方形等）。为了实现这一点，Perceptron会逐步调整其节点的值，以便将大数字输入（个数字的空间矩阵）解析为简单的二进制输出（0或1）。如果识别出输入图像为特定类别（例如三角形），则Perceptron的输出结果为1；否则它会给出结果0。最初需要一个人工操作员训练Perceptron学习正确答案（手动将输出节点切换到0或1），让机器在这些监督的基础之上，正确识别类似的形状。Perceptron的设计目的不是记住特定的模式，而是学习如何识别任意模式。
Perceptron中20×20感光元矩阵悄悄引发计算革命（随着“深度学习”机器学习技术的出现，它在二十一世纪初登上了计算的王位）。虽然Perceptron受到了生物神经元的启发，但从严格的逻辑观点来看，Perceptron并不是生物形态，而是拓扑形态；它标志着“计算空间”（或称“自我计算空间”）范式的兴起。从那时起，计算范式中引入了第二个空间维度，而在此前的计算空间中只有线性维度（参见图灵机，它只能沿着线性的纸带读写0和1）。这种拓扑结构是人们今天“人工智能”的核心，可以更准确地描述为从被动信息范式到主动信息范式的转变。在Perceptron中，视觉矩阵的像素根据其空间配置以自下而上的方式计算，而不是通过自上向下的算法（比如当今由图形软件程序编辑的任何图像）处理视觉矩阵。视觉数据的空间关系塑造了算法的操作。
由于空间逻辑，因此研究神经网络的计算机科学分支最初被称为“计算几何”。计算空间（或称自我计算空间）的范式与对自组织原理的研究有着共同的根源，而后者正是二战后控制论的核心，比如冯·诺依曼的元胞自动机（）和KonradZuse的RechnenderRaum（）。冯·诺伊曼的元胞自动机是一群像素，它们被当作网格上的小细胞，根据相邻细胞的状况而改变状态并移动，从而组成各种几何图形，类似于不断变化的生命形式。元胞自动机已被用于模拟进化和研究生物系统的复杂性，但它们仍然局限于有限宇宙中有限状态的算法。KonradZuse（年在柏林建造了第一台可编程计算机）试图将细胞自动机的逻辑扩展到物理学和整个宇宙。他设想的“rechnenderRaum”（或叫计算空间）是一个由离散单位组成的宇宙，其行为会根据相邻单位的行为而调整。艾伦·图灵的最后一篇文章“形态发生的化学基础”（年出版，也就是他去世前两年），也属于自我计算结构的传统。图灵认为生物系统中的分子是能够解释复杂的自下而上结构的自我计算能力，例如水中的触手模式、植物中的螺旋排列、胚胎中的原肠胚、动物皮肤中的斑点以及花中的叶序。
冯·诺依曼的元胞自动机和Zuse的计算空间十分直观，很容易理解成空间模型，而Rosenblatt的神经网络则显示了更复杂的拓扑结构，需要更多
联系电话：