建立更全面的知识观将有助于预防未来的流行病

李静海表示,填补学科之间、科学与技术之间的差距可能会比人工智能带来更大的进步

五月 12, 2020
Telephone poles
Source: Getty

点击阅读英文原文


人类对病毒和人体的认识已经达到了分子甚至原子的层面,然而过去几个月的情况表明,我们在流行病面前是多么脆弱。

这反过来又说明,尽管人类在过去几个世纪里在理解自然和人类自身方面取得了进步,但在我们即将进入21世纪第3个十年之际,一些长期困扰人类的科学问题和全球性挑战仍然没有得到解决。

我们需要解决的一个关键问题是,在研究和教育领域需要什么样的转型改革来推动这些领域取得突破。不同的角度形成不同的观点。例如,一些人会认为,应该优先考虑人工智能和大数据。然而,在我看来,对人类知识的逻辑和面貌进行系统性评估,找出缺失的环节,更好地探索科学和技术如何互动,将会带来更大的回报。

如果我们孤立地研究任何学科或领域,可能很难找到一个共同或普遍的问题。然而,通过采用全系统的方法,比较和分析不同的学科和技术领域,我们可以很容易地确定现有知识系统的两个特征。首先,我们知识系统的逻辑和面貌反映了自然世界的逻辑和景观,它们都包含多个层次,每个层次都是多尺度的。复杂性总是发生在元素和系统尺度之间的那层尺度。

其次,每个应用技术领域所需要和所累积的知识可以全部被整合进一个多层次且多尺度的知识系统中。换句话说,知识和技术共享同样的逻辑和智力结构。

这两种见解是促使未来创新体系更高效的关键,它将打破传统的学科约束,有效地促进跨学科和知识与应用的融合。研究和教育领域的这种模式转变将帮助我们更好地理解为什么在基础层面的变化会对系统产生根本性的影响,揭示不同层次复杂性的共同原则。

这一转变需要研究重点、方法和领域的改变。第一,科学研究的重点应该从基础研究和系统功能拓展到它们之间的相互作用。也就是说,应该从静态平衡扩展到动态结构,从局部现象扩展到系统行为。

同时,研究方法应该从传统的理论转向复杂科学发展,从标准的、单尺度的分析向多尺度的结构分析发展。它应该逐渐地从一个分散的、多层次的学科方法转变为一个基于普遍原则的综合知识的跨学科研究。传统的定性分析应该向定量预测转变,模拟计算向虚拟现实转变,数据处理向人工智能转变。

我不否认人工智能和大数据的重要性,但我认为单靠它们是不够的。事实上,我认为人工智能本身的发展也迫切需要寻求复杂性的共同原则

所有这些对教育系统也有很大的影响。教育的根本任务不仅是保存和传授知识,而且是指导后代学习知识系统的逻辑和格局,从而扩大知识的疆域,同时提高人类解决问题的能力。

目前的学科结构似乎是固定不变的,但其孤立的性质——再加上一直以来的人为和随机因素——导致了我们当前知识体系的不完整、不连贯和重复的性质。这严重削弱了教育的有效性,在教育和科学研究之间造成了裂隙。

因此,教育系统应该对照知识系统的逻辑和格局进行设计。这将促使共同原则、学科知识和应用领域取得平衡,扩大知识的范围,以最有效的方式传播最需要和最全面的知识。

我所描述的模式转变不会自然而然地发生:科学界和教育界有太多的智力惯性阻碍。只有在全球一起努力达成共识、相信这是必做之事才能实现。我相信,更紧密地整合研究和教育已经成为全球科学界的共同目标。但我们必须言行一致。资助机构、国际科学组织和双边或多边合作协议应联合起来共同协作以达成目标。

当前的新冠病毒大流行暴露了我们对病毒的传播和感染机制以及免疫系统反应的复杂、多层次的方式缺乏了解。通过一种理解新模式和调查新机制来调动全球智慧资源,将使赋予我们更好的条件以应对人类在下一个世纪面临的此次挑战和其他挑战。

李静海(Jinghai Li)系中国国家自然科学基金会(the National Natural Science Foundation of China)主席。

本文由陈露为泰晤士高等教育翻译。

相关文章

欢迎反馈

Log in or register to post comments