人类利用现代科学技术活的那么多夸迹般的,出乎意料的发现和发明.这句话有错吗?
守则护吧组_J14
有,应该是：人类利用现代科学技术获得那么多奇迹般的,出乎意料的发现和发明.
为您推荐：
其他类似问题
扫描下载二维码马克思复习提纲_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
马克思复习提纲
上传于||暂无简介
阅读已结束，如果下载本文需要使用3下载券
想免费下载本文？
下载文档到电脑，查找使用更方便
还剩4页未读，继续阅读
你可能喜欢演讲人：John
Hopcroft博士
康奈尔大学计算机系工程学与应用数学教授,1986年图灵奖获得者
演讲标题：New
Directions in Computer Science
&&&&&&&&&&&&&&
&&&&&&&&&&&&&&&&&&&
Hopcroft博士主题演讲:"计算机科学的新方向"的全程视频】&
&&&&&&&&&&&&&&&
&&&&&&&&&&&&&&&&&&&&&&&&&
Hopcroft博士在主题演讲中展示的PPT】&
<img src="/blog7style/images/common/sg_trans.gif" real_src ="/mw690/4caedc7agcef7de7d6c44&690"
ALT="[转载]John&Hopcroft在&21世纪的计算大会&上的主题演讲:&计算机科"
TITLE="[转载]John&Hopcroft在&21世纪的计算大会&上的主题演讲:&计算机科" />
Hopcroft博士在主题演讲上的照片】
一．个人职业生涯简介
能够参加今天的活动，能够有机会跟你们来讲一讲计算机科学未来的发展方向，我感到非常高兴。我们现在所进入的信息时代，将是我接下来演讲的背景。开始之前，请允许我简单介绍一下我自己。
1964年，我毕业于电子工程系（当时还没有计算机系），而后受聘于普林斯顿电子工程系。很遗憾的是，当时的负责人说我被安排教授计算机的学科。因为没有课本，我也不太清楚这个学科要讲什么。但是今天回头看，正是教授这样的一门课程才使我成为了一名计算机科学家。每当国家需要高级计算机科学家时，我总是列于名单之上。值得一提的是，当时的美国总统问我是否愿意效力于美国科学委员会，监管美国全球研究基金会时，我才只有四十多岁。你们可以想象一下，如果我当时从事的研究工作是高能物理学的话，要获得那样的机会
，可能今天我还在等待那些辈分在我之前的研究人员退休。我把这些跟我的学生讲时，他们总是说，你太幸运了，因为你毕业于1964年，而现在已经是2012年了。今天，我的演讲所要表达的一点就是，这个期间确实在计算机科学领域发生了一些根本性的变化，但是如果你们也能够为自己找到一个正确的定位的话，也将会拥有一个非常美好的职业生涯。
二．演讲内容概述
计算机科学经历了很多根本性的变革。在过去三十年当中，我们关注计算机怎样有更好的用处，包括在编译器、系统、算法、数据库、编程语言等方面。而在未来，我们更多的是关注将计算机应用于哪些领域。然后你们将会涉及到跟科学文献上的理念交流，社交网络通信的演进，非结构数据源当中的信息提取等一系列应用。
我今天想要强调的是变革的驱动力，其中一部分就是关于计算和通信技术的融合。也许通信比计算更重要一些，因为通信有大量的数据，数字型的数据，还有联网的终端和传感器，都为理论计算机带来重大影响。我们需要这些理论支持我们新的方向，我们也必须更新我们计算科学的教育。
所以，在我的演讲当中，将首先简单的概述一下我们的未来一些发展方向；接下来介绍一下基于科学的要求，如何支持未来的活动；最后，回答一些经常被问到的问题，比如到底我们的科学基础是什么样的。里克.雷斯特(Rick
Rashid)博士之前提到了大数据。我也稍微地和大家聊一下。当下，我们拥有足够多的信息。全球差不多有174份的报纸，但是你每天需要看这么多的报纸吗？这么多大数据你可能来不及看。因此，你需要计算机程序提取这些数据，将你感兴趣的数据抽取出来。那么，这个数据的规模究竟有多大？以Facebook为例，他们每天要上传两亿五千万张照片。
计算机科学会进一步发展，将会对科学的每个领域产生影响。这是我们最近发布的最基本的一个例子，但是我想指出的是,计算机科学家在其中发挥了非常关键的作用。比如在质子对撞方面，他们看了一千万亿个研究，以人的能力是不可能做这种计算的，这完全是由计算机实现的。他们从中挑出感兴趣的质子。因此，这就非常好的展示了在我们所能想到的任何学科，计算科学所发生的作用。
三．计算机科学的发展方向
1.稀疏矢量
我们知道，目前的数据库工具是不足以捕获、分析、研究和可视化我们目前所面对的数量级的数据的。因此，我们必须开发更多的理论，这将是在你们事业中应该做的。比如说大型图形，当我在上学时，可以在一张纸上画一张图，有20到30个象限。但是你们以后要画的图形，可能有上百万个象限，还要考虑到各种各样的组成元素，比如说波谱的分析，高维、多维减法等等。我还想指出的就是，如果你们想做研究的话，大家看一下不同学科的主题，有些主题是经常出现的，也是最基本的一个，就是我们所说的稀疏矢量，他们需要六七个坐标。你们会问稀疏矢量为什么是有意思的研究领域，回答就是在不同的学科都会碰到它，包括很多方面，像生物学、信号处理方面，甚至在一些科学文献中流动子的跟踪。
比如说这是一棵苹果树，你要做的就是要开发一些新的方法，找到拥有非常好基因的苹果。我们画一个矩阵，每一个矩阵中的点代表苹果园中的某一棵苹果树，而我们要找到其中我们好基因的苹果树。我们看一下，要画这样的图谱，我们要去找到线条中我们想改善的杰出的苹果的一些属性，比如说更圆，更红，这是我们喜欢的基因类型。那么，我们如何做这一点呢？就是解决这样一个公式。那么你肯定会说，这没什么道理，因为你有更多的列和行，那么这是基于矢量的方法。如果我们想找一个稀疏的解决方案的话，这就是你们要探讨的。你们会问，哪些是数学性的数量，我们可以用来解释。比如说有两个稀疏的解法，也就是找到这两种类型的基因，可以带来我们希望数学可以定义的苹果的属性。它们是否可以带来等于数学属性的这样一个等式。这就是我们谈到为什么稀疏矢量是非常重要的，因为在其他学科也能够用到。
2.零知识证明
还有一点，就是要搭建相应的数据库。在不久的将来，我们将会把一些医疗病例技术数字化，比如说中国常见的病史。那么以后去看医生的话，这个医生能把我以前所有病情记录都下载下来了，依此给我提供最好的治疗。但是我并不想保险公司能够看到我的病史去看我病例的历史，因为这与他们无关。那么，对于保险公司来说，他要了解的就是是否欠医生钱。他们只需要关心是否有欠钱的行为，这个病是否被治愈，至于到底这个病人接受了什么样的治疗方案，他们并不需要过问。其实，还存在一些研究人员，他们想研究这些数据，想获得一些统计学方面的信息。在这其中非常关键的一点就是，绝不能泄露个体的信息。
还有其他相关的研究，比如说零知识证明。所谓的零知识证明就是，不需要你提供其他信息就能够被证明是真实的。举个简单的例子，我现在假设大家都会玩九宫格。我想向你证明，我知道如何写入正确的数据，使每一个3&3的九宫格里面填入的数字等于9。那我如何证明呢？这就是零知识证明。首先我把我的答案写到一块硬壳板上，然后用卡纸把它们盖上。这样的话，你们就看不清了。下面我会让你问我一些问题。你说给我展示一下第一行？我就会把卡纸翻过来展示一下，你就会看到，我确实知道这行的答案，但是我却不给你任何的信息，也就是说到底哪个数字应该放在哪个位置上。然后我又把这个数字，进行检查3&3的的九宫格，那么你是相信我有答案的。我想说的是，这并不是一种非常严苛的证明，我不能100%的证明这个答案，但是你可以观察得到，我的卡纸，我拿起它的顺序和放下它的顺序不一样，所以我知道这个答案的概率非常之高。通过你的问题，你可以看一下，可能我不知道这些答案的证据。是不是可以用这样的方法解决更复杂的问题？
接下来我们来看一下，如果把三种颜色说放到这样的方式中，令任何一列或者一行都不出现同样的颜色，我们就可以延伸成一个大图(Large
Graphic)。首先，假设我们是在做生意，但是你有一点担心，因为你要先付钱，才能给你展示我做出颜色的答案；而我也会担心，如果我先给你看颜色的答案，拿不到钱怎么办？所以为了做好生意，该怎么办呢？我给大家一个很好的解决方案，就是说我能够获得这个答案，但是我却不让你知道这个答案是什么样的。下面我们要做的就是，将图中每一个颜色卡，我把它们都放到信封里面，然后将这个信封封上。这样的话，你可以问我问题，就像在做速度游戏一样，你可以选一个边缘，然后我给你两个信封。你把这个信封打开说：“这两个信封里的卡纸颜色是不一样的。”如果我确实有这个颜色，但是我并没有明确的告诉你，到底哪一张卡是在边缘的哪一端，所以你还是不知道答案。如果这个答案还不能让你信服的话，你还想看另外一个边缘的答案的信封。然后我再给你这个信封，这个时候你就会获得一定的先机，我不会这样做，我会把所有的信封都扔掉，然后再重新做一个，再把我的卡片放在新的信封里，然后你再去让我给你一些信封去满足某一个边缘。也就是说我把第一次的信封和第二次的信封变成不一样的，又混合在一起，你就不知道答案了。目的就是说，你绝对不会明白我真正的答案是什么。所以你问了我足够的问题，你觉得我确实已经能够证明我知道答案的结论了。实际上你可以不用信封。
衍生到计算机科学应用层面，就是所谓的“加密”。我可以把这些颜色答案加密，比如说你不跟我要信封，把信封打开，而是让我给你加密的密钥。如果是电脑计算的话，可以每秒产生数以几百万计算的边缘。这就零知识证明的意思，几乎每一个数据库都会出现这样的情况。
下面再举个例子，是和公路、汽车相关的。我经常开车到费城，车上按了导航系统，指导我沿着红线进入洲际公路。因为我经常在这个路上开。所以，注意到有很多的车，不走红线路，而是走紫色的线路。我跟着这个线路走后，发现里程数更短一些。但是我的导航系统为什么没有指出这条紫色的路线呢？答案就是这个系统只是让我走主路，它们不知道其他的小路。假设你们的汽车能够记录这样的地理的地标信息，并且导航系统能够计算经纬度的话，那么它们就能够为你指出更好、更快、更短的路径了。如果这个功能实现，将至少可以降低车耗油量1%。全国来说至少意味着几千万美元的节约。然而，事情的关键是，我并不想下载GPS的地理坐标，因为可能这就会泄露我在哪儿工作，我停车在哪里，今天这个时间在哪里，这将会导致个人信息的泄露。所以，我其实并不希望导航系统GPS记录我的信息。
3.社交网络
社会学家以前可能一次只能研究几千个人，但现在有了社交网络，我们可以去研究几百万个体之间的互动。下面为大家展示一些你们可以做的事情。一个非常重要的研究方向就是，弄清楚这些社区是如何形成和演进的。早期这个领域的工作，叫做平均切割(Mean
Cut)。他们会把这个图分成一段一段，就是任何一个点都有一个平均距离的连接，他们以小图的方式来解决。事实上，我们绝不希望去研究一个由一百万个点组成的大图，然后分成各有五十万小点的小图，那么我们怎么做呢？早期的研究要假设出这样的一个社区：在这个社区的人，他们在社区内和人之间的联系，之间联系的距离比圈外的人的线要短。但其实并不是这样的。作为个体，我在社区外有很多要连接的人，我们知道在这个社区之外存在数以亿计的人，所以很有可能，我和这个社区之外的一种连接的路程其实更短，要比社区之内更短，因为我们可以看到这个社区之外存在的人的数量更多的，这就是为什么这个概率更大。同时，我们还可以问一下，我都存在于哪些社区？因为我同时存在于多个社区。所以要做的基础性工作就是，我刚才谈到的如何找到社区。下面我举个例子。
这张图代表顶点之间的临近性。大家可以看到左上角，每一个顶点都互相连接。但是在社区之间并没有连接，如果有这样的情况的话，你会发现，我们所说的在右边的这样的奇异向量，我们可以看到这些向量，把它们组成一个三维的图，这是一个例子。也就是说，在这个社区中的所有的点，所有的人，都是和一个点连接的。那么，也就是说即使这两点之间，这两个人之间没有直接的联系，但是他们也间接的实现了中心的连接。所以，我们就可以使用K平均来找到这些社区。但是有一个问题，如果这些社区之间出现了重叠，比如说两个社区之间有重叠的话，那么我们就会看到有三个集群，而不是两个。也就是说有两个是在这个象限，在坐标的两个极端点。
所以，我们不是说要进行“行”的奇异向量计算，而是要找到零常规向量。也就是说用这三个矢量，来抽取出一个社区。我们希望找到那个最小的零常规的向量，当然这就是所有的零的一个向量。后来，我们发现了最小的0的向量是NP号的。我们刚才描述的就是如何找到网络的全球结构，这也是我们如何把它应用到一个有一百万，甚至三百万个点的图。我们希望修改这个算法，用于更多的网络。下面有一个实际的例子，展示我们都做了什么：
假设，有三个池塘，他们互相连接，我们把一个圆片扔到了其中一个池塘里。在我们把这个圆片扔进去之后，我们知道这个圆片掉到了哪个池塘里，但是过了一会儿之后，我们不知道它到底落在这个池塘的哪个位置。再过一段时间，就不知道这个圆偏流到哪个池塘了。下面要做的就是进行一个比喻，找到这个奇异的向量，发现发生了什么情况？我们做一个随机的游动，包括它怎么融合起来，它聚合之后会做什么呢。我会采取五个步骤，这些步骤有足够的时间，在五十个大的社区覆盖，但是并没有覆盖到所有的网络。这样做是为什么呢？就是找到一个最近的向量，就是在他的子空间里面，我只需要五步就把这个子空间填满了，这是非常好的办法，就是找到相关的社区。
这里有一些研究，目前做的当中有一个范数的向量，并不是指标性的向量，跟零一样，需要一个门限值，就像这样的向量的情况，你可以决定什么时候切割这个限值，找到你的社区。实际上你并不一定想要在这样的子空间里找到这个向量。你最不愿意做的就是找到跟这个子空间最近的一个向量。我们做什么呢？我们可以把一个Y的范数最小化，再加上一个恒定的量，再加上子空间的角度，如果这是恒定无限的，你可以在这个子空间里找到一个向量。如果变成0的话，一个范数的向量，你可以找到恒定的答案，得到这样的结果。人们对一些研究问题非常感兴趣，就是随机的长度多长，需要填充的子空间，以及人在几个社区当中。我们需要这样的研究，这些典型例子是好的，在上百个领域做这样的研究，这是你们以后在社区当中也可以做的。
我们跳过一下，其中有一点就是需要了解比较大的图。这张大图，我在上学的时候，差不多有15个顶点，可以在这个纸上画出来，有上10页的顶点。然后这些小图也是很重要的，其中在你的图上可以随机的擦除掉其中一个顶和边，它不会影响到你的属性。有一系列的大图，可以提供定例的图例，还有一些图形，就是选择N个顶点，然后再将这些潜在的边缘放到里面，这是非常好的理论，证明了很多的定理，还有很多的书籍是关于这个图的。
这是现实中美联航的航路图，在北美地区的。这个图里面有很多城市的顶点，城市之间有直航的边，你可以看一下分布的情况。通过双范数，生成这些图的模型。我们从一些小的顶和边添加做起，在里面加了一些顶和边，我们需要一些规则，如何联系所有新加的边，叫做偏好性的连接，这当然是一种随机的，一定的概率到某种程度上，你可以得到一个叫做明律的分布。再举个例子，就拿这个图来说。在我们教授课程的时候，经常让学生到外面找一个数据库。他们可以很容易的进行转换，把它变成一张图的数据库。这个数据库是学生拿过来，其中有2073个蛋白质，成为顶，3602个互动，属于边，这个里面再进行计算，把这里面的分量结合起来，然后变成48个独立的顶，这是在其他蛋白里面没有的。其中还有179个对相互之间可以互动的。这都是我们所说的社区大小。
<img STYLE="WiDTH: 358 HeiGHT: 268px" NAME="image_operate_7763" src="/blog7style/images/common/sg_trans.gif" real_src ="/mw690/4caedc7agceec3be9e0c3&690" WIDTH="355" HEIGHT="297"
ALT="[转载]John&Hopcroft在&21世纪的计算大会&上的主题演讲:&计算机科"
TITLE="[转载]John&Hopcroft在&21世纪的计算大会&上的主题演讲:&计算机科" />
接下来，我们会编写一个计算机程序。但是如何检验这个计算机的程序呢？我们把这个社区大小和社区数量乘在一起，它变成了什么呢？在合成的成分当中，我们只是得到了899个蛋白质，还我们缺少1851个。是我这个程序有错误了吗？我们运行的时间长一些，并没有达到1000个。进一步进行推算，我们有很大的数量，1851个，他们找到的缺少的部分。也许你们很奇怪，这张图怎么有这么大的组成部分和分量呢？这样的大图，每一个现实的图当中，都有这样的内容，这都是非常重要的。你们要能够理解它怎么形成的。在你的数据库里面可以做这样的实验，可以有不同的结果。
我上面讲的很多都是基于科学的内容来支持我们的理论。接下来，我们来看一看什么样的情况是针对高维的。高维和2D、3D是不一样的。在二维、三维当中可以随机放一些点，然后测量之间的距离。这两个最远的距离，比这两个更近的地方放的更远一些。在高维当中进行计算的重复，进行点的计算，所有的距离都是一样的。为什么会是这样的情况呢？原因是是你需要一些提取坐标，把它们加在一起，这两个座标之间的距离进行平均化，会有一些数字，你会有大量的随机的数字，我们叫做大量数据的定律。你可以得到跟我们期待的非常类似的结果，但还有很多不一样的，就是关于高维的。
如果我们来看一个高维的立方体。这个体积就是一个，三个，每一个方块加在一起，成为一个立方体。如果放到高维里面看这个立方体，这个球体转化成了一个叫做圆形的0。可实际上并不是这样，在高维里面的分布，所有概质的质量都是高斯的情况。如果发现高维高斯的情况，它还是在最初的原点上。然后你问一下其中有多少的概率，就是它这个质量，我们把这样概率分布在这个球体上，你会得到0，真正的值是0。这个里面并没有所谓叫做质量集中的概率。另外，你找到这样一个概率的质量，必须要向外扩展，这个球是叫做0值的，这是我们叫做维度的一个规则，这个里面找不到任何一个概率的质量。因为它们下降都非常快。这个球体的质量是作为多范数的方式增长的，它并不是这种线性的变化。有两个高斯的数据，想知道哪一个高斯产生在哪一个点上，需要做数学计算。因为这两个环形并没有相互集中在一起，这两个高斯在高维里面的情况会到达随机点。你会注意红色和蓝色很多地方都是重叠的。如果换成这样的地方，没有给你颜色，你看一下，你会说，我们现在如何区别不同的高斯，有很高的概率，我们进行怎么区别。
如果看一下两个随机点的距离，都是同一个高斯点产生的，它会有这样一个D的开方，半径的环面，同样的做什么呢？就是做类似的计算，就是半径球体的开方，还有两点之间的平均距离就是开方的情况。第一个随机点先生成，然后做什么呢？把我这些座标系统先进行调整，把它对准北极这一点，然后再生成第二个随机点，我可以向你们保证，第二个随机点会在我们大圆上，就是赤道的轴上，为什么？因为所有的表面都是在赤道的地方，并没有表面的因素。北极的三维就不是这个情况，比如10或者12的近似的计算，没有一个合适的角度，就是2D，还有开方的时候，就能够看到，如果有两个高斯的话，可以来计算一下两个高斯点之间随机距离的计算。我们还是需要一个合适的角度，技术细节就不讲了。
我在做这样估算的时候，并不是在环面上，而是在这个圆面上，你能解决的可能是这个的一半，或者1/4，但是我们可以做得更好一点。其中就是减少这个维度，我们能做什么呢？如果我来画一条线，在两个高斯中间画一条线，这些点都放在这个线上，看发生什么情况？因为中心两边的距离还是一样的，这个里面更加接近于放在一起。因为从这条线的距离都是高斯的噪音，可以找出来。可以通过数学计算，可以找到这些线。然后通过一个恒定的距离，就可以把两个高斯点分开。
我下面要展示的就是一个基于科学的高维的数据库的情况，比如说排位问题，比如说教职员工，学生之间的联系，包括对一些餐厅的点的数据进行排位。我们还有协作式的过滤，通过一些数学的理论，告诉你们哪些是好的东西，然后也可以减少这个维度。这是一系列的领域，需要我们接下来进行开发，需要新的科学来予以支持。
三．结束语
我讲的非常快，希望你们，在计算科学的时期，利用大数据，还有一些传感器，社交网络的信息进行探索。重要的一点就是计算机科学可以支持这些科学活动。到这里，我就讲完了。我希望你们记住，计算机科学正面临一个巨大变革的时期，你们代表着未来，如果你们做得很好，能够很好的定位自己的话，你们将会有一个非常好的职业生涯。谢谢！
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：20711次
排名：千里之外
原创：77篇科学技术是天使还是魔鬼?（用辩证唯物主义回答）
那朵花138ozx
摘要：从科学发展及其应用的历史、科学与环境问题的产生及其解决之间的关联以及科学的社会研究等角度进行分析,“科学是天使还是魔鬼呢?两者都是或都不是?”不是一个简单的问题,而是要具体分析,给出全面深入的看法.关键词：科学；正效应；负效应；天使；魔鬼在我国,人们对科学的一般看法和态度比较普遍集中地体现在对“科学是天使还是魔鬼”的断言上.断言不同,表明人们对科学为什么会造成正负效应以及造成了怎样的正负效应的理解不同,由此将会进一步导致人们运用不同的方式去发展和应用科学,产生相应的科学认识成果以及对自然和社会的影响结果.鉴此,有必要对各种断言及其相关根据进行分析,以获得更加全面正确的认识.科学既是天使也是魔鬼吗?现实中有很多人对此给予肯定回答.他们的理由普遍是：科学是一把双刃剑,既可造福于人类,又可危害人类.表面看来,这种观点比较全面,而且好像也与现实情况相符.但是,如果我们从历史的角度考虑,则存在很大的问题.在中世纪晚期之前,科学可以说是处于萌芽状态,正负效应都比较小,相对于当时的人类来说,它就既不是天使也不是魔鬼.在中世纪晚期,一种新的不同于亚里士多德的科学在与宗教的斗争中向前发展,这种科学认识的很多方面,如哥白尼的日心说、维萨斯的人体结构、伽利略对天体的观察以及对运动的探讨等,与宗教教旨相违背,科学的有些方面被宗教徒视为洪水猛兽,科学对笃信宗教的人来说,成了魔鬼. 从16世纪到18世纪,近代科学革命得以发生并完成.在这段时间,科学总的来说走在技术的后面,科学的社会应用,特别是在工业生产上的应用还没有得到充分的体现,科学的物质价值以及在创造物质价值的过程中所产生的正负效应都比较小,但是,科学对人们的启蒙作用是非常大的,虽然很少的一些人对科学有所非议,但是,总的来说科学的负效应并不大甚至没有出现,呈现出来的更多的是天使的一面.自19世纪至今,科学走在技术的前面,得到了广泛的社会应用,科学的正面效应逐渐呈现并扩大,给人类创造了巨大的福利,此时相当多的人已经把科学看作是拯救人类的天使了.另一方面,科学所产生的负效应也在逐渐呈现并扩大开来,两次世界大战的爆发、环境问题的出现等使人们意识到,如果不对科学以及科学所产生的负效应加以考察并限制,科学很可能会成为践害人类的魔鬼.当然,从现在的角度考虑,一些科学悲观论者,还有一些持有其他观点的人,如西方某些极端环境主义者、后现代主义者、科学的某些研究者有将科学看作是魔鬼的倾向,但是,科学的巨大负效应可以说还没有出现,更多的人是不把科学看作魔鬼而作为天使的.从未来的角度看,科学肯定会带来更大的正效应,这一般不会有疑问,至于是否会带来更大的,甚至是巨大的负效应,则存在不同的看法.如果科学的应用不产生巨大的负效应,则科学肯定就是天使了；如果科学在产生巨大正效应的同时,也产生了巨大的负效应,但是,人类能够解决科学带来的负效应,且解决这一负效应的代价较小,则科学对于人类来说呈现的更多的是天使的一面.否则,则科学更多地呈现出魔鬼的一面.由此可见,科学是否是天使还是魔鬼,不单纯与科学应用是否产生了巨大的正负效应有关,还与人类能否解决这样的负效应以及解决这种负效应的代价有关.一句话,历史的经验、现实的表现以及未来的展望表明,科学既是天使也是魔鬼的观点是站不住脚的.2、科学既不是天使也不是魔鬼吗?有些人对此持肯定态度.他们的理由是：科学认识本身无所谓善恶,只有真伪、对错之分,不带任何主观感情色彩,只是人们使用的工具.如果运用科学的人是天使的话,那么他就将科学造福于人类,科学就成为天使；如果运用科学的人是魔鬼的话,那么他就将科学造祸于人类,科学就成为魔鬼.如此一来,科学本身就既不是天使也不是魔鬼,它之所以以天使或魔鬼的面目出现,根源在于人类,是人类的异化导致科学应用的异化,真正的天使或魔鬼应该归结为人.上述观点有一定道理.爱因斯坦就说：“科学是一种强有力的工具.怎样用它,究竟是给人带来幸福还是带来灾难,全取决于人自己,而不取决于工具.刀子在人类生活中是有用的,但它也能用来杀人.”[1]居里夫人说过,科学无罪,罪在于滥用科学.马克思也认为,科技异化的根源并不在科技本身,而在于科技的资本主义应用.考察科学的实际应用,如核能既可以用来造原子弹,也可以用来发电；原子弹既可以用来进行非正义的战争,也可以用来保家卫国……等就比较充分地说明了这一点.但是,如果深入分析,将会发现这种观点是片面的,在很多时候,人们抱着善的目的去应用科学,也会产生恶的结果.如历史上的许多环境问题在显现之前,人们是不知道有这样的环境问题的.这类环境问题是人们在理性利用科学发展生产的过程中产生的,不是人们滥用科学或者想利用科学破坏环境的结果.这种情况是如何发生的呢?进一步的研究表明,这是有其内在原因的：本体论上,近现代科学是在对自然进行祛魅的基础上进行的,如此使得自然不仅失去了目的,而且也失去直接的趋势、价值、意义和变化,没有内在价值,只有使用价值和工具价值,没有资格获得道德关怀,被看作客体世界,完全按照我们的目的加以利用改造,成了一个任人操纵、处理、统治的对象,作为人类达到目的的手段,这从实践和价值两方面造成了人与自然的对抗；认识论上,科学哲学、科学社会学、后现代主义等的研究表明,科学不具有绝对的真理性,只具有相对的真理性,也就是说存在不正确的地方,将这种带有不正确认识的科学应用于改造自然时,造成环境破坏也就是情理之中的事情了；方法论上,近现代科学主要是以机械简单的自然观作为基础的,但是,我们知道,自然是存在复杂性的方面的,如此,当将科学的方法论原则和具体的方法运用到具有上述复杂性的自然界中时,一是将复杂性简约为简单性；二是舍弃了对非规律性现象的探求；三是没有对非决定性现象进行探求；四是没有对自然的经验性方面进行探求；五是将不可分离和还原的研究对象系统人为地加以了分离还原……这从某种程度上是对自然的简单性方面的认识或是对自然的复杂性方面的某种简化,是对自然的不完整的认识.自然只是一个可以由实验方法加以解剖的,由数学加以计算和由技术加以操纵的,没有任何深刻的东西.由观察实验测量和数学方法等所获得的,是对自然外在关系的局部的、简单化了的认识,是对已被破碎了的自然的破碎的认识,获得的是分门别类的知识体系,如物理学、化学等……掌握的是自然界分散的、断裂的、点状的、线性的规律,因此,按照这种分门别类的规律去改造有机整体性的自然时,很可能会与自然界系统的、全面的、立体的规律相违背,造成生态环境的破坏.DDT的认识使用以及造成环境破坏的过程说明了这一点.不仅如此,通过深入的分析可以发现,科学在很多时候是对实验室中的所构建出来的人工世界规律的认识,而不是对外在自然规律的认识,将这样的认识应用于改造外在自然时,很可能会造成环境破坏.这应该是科学应用造成环境问题的最重要的和根本的原因. 这就是说,科学应用之所以造成环境问题,并不单纯是由人类不恰当地利用科学或带着恶的目的应用科学引起的,而与科学自身的欠缺紧密相关.如果人们没有意识到上述科学自身的欠缺,即使抱着善的目的去应用科学,也很可能会产生负效应,使科学成为魔鬼.这启发我们,科学要想成为天使应该有两个条件：一是运用科学的人是天使,他要将科学运用于造福人类；二是科学具有造福人类成为天使的本质特征.否则,即使运用科学的人是天使,也不能保证科学应用能够造福人类成为天使.相应地,如果人们抱着恶的目的或理念,如种族主义、国家沙文主义、恐怖主义和个人主义等,去进行科学认识和应用,是否就一定带来恶的结果,使科学呈现魔鬼的一面呢?一般来说是这样.不过,应该清楚的是,这种恶的结果也并非只与人类有关而与科学无关.试想,如果没有核物理学的发展,没有质能方程式的建立,人类能够造出原子弹来吗?原子弹能够被某些坏人利用来践害人类吗?是不能够的,是有关核物理学的知识使人类能够打开“原子弹”这个“潘多拉魔箱”.如此,有关核物理学的理论以及质能方程式虽然是一个正确的理论,但不是一个好的、安全的、完备的理论,一定程度上不利于维护人类的安全和生态环境.从这一角度考虑,有些人就把核物理学看作一个像魔鬼一样的东西.这也启发我们,即使某一个科学认识是正确的,也不能完全保证它的应用就不产生负效应,要想使其应用不产生负效应,还必须是完备的,符合安全性标准、伦理道德标准、环境标准以及可持续发展标准等.这样考虑之后,像解释温室效应的理论,应该既是一个正确的理论,也是一个好的、安全的、比较完备的理论,因为该理论能够给社会预警,给人类带来安全感和道德感,很少产生或不产生负效应,促进社会进步和环境保护.如此考虑之后,我们就应该明白,科学有其自身成为魔鬼或天使的特征.这一点体现在其认识特征上.那种将科学认识与应用、科学事实与科学价值分离开来,从而认为科学既不是天使也不是魔鬼的观点是错误的.3、科学是天使不是魔鬼吗?有许多人对此持肯定态度.最常见的理由有：（1）科学本身没有过错,科学之所以会造成负效应,是人们滥用科学的结果；（2）科学是造成负效应的,不过,它带来的正效应远远大于负效应；（3）随着社会和科技的进步,人们完全能够避免科学魔鬼的一面,所以科学最终还是天使.根据前面的论述,理由（1）是站不住脚的.理由（2）着眼于历史,忽视了未来,没有看到未来的科学应用有可能产生巨大的负效应,且这样的负效应解决起来的艰难.理由（3）只是对科技抱着乐观的看法,没有多少事实和理论根据,不足为凭.值得注意的是,现在有相当一部分人持有这样一种观点,认为科学与技术是有区别的,科学求知,技术求利；科学是对自然的认识,技术是对自然的改造；科学不能直接物化,不会对人类生存产生直接的不利影响,技术应用才会引起直接的不良后果.一句话,科学不是技术,负效应是技术产生的,不能将技术应用的负面影响后果归结到作为认识体系的科学头上,如此,科学就是天使不是魔鬼.不可否认,科学是与技术不同的,这种不同表现在多个方面：对象上的,目的上的,取向上的,过程上的,问题上的,方法上的,结果上的,评价上的,价值上的,规范上的.如果我们仔细寻找,还会找出更多的不同点来.不清楚科学与技术之间的这种种区别,将会混淆科学与技术,把本是科学的（技术的）或与科学（技术）相关的当成是技术（科学）或与技术（科学）相关的,从而造成对科学与技术的错误认识.但是,这并不意味着科学与技术一点关系也没有,更不意味着技术应用所产生的负效应只由技术造成,与科学一点关系也没有.16世纪以前,技术常常来源于一些偶然的经验发现.16、17世纪,除航海业外,科学的研究成果几乎没有或很少转化为技术,真正的转化是从18世纪蒸汽机的应用开始的.但是,“直到18世纪末,科学获益于工业的,远多于它当时所能给还工业的,在化学和生物学两方面,至少要再过一百年,然后科学家才能给出任何可以取代或改进传统的方法,而在医学方面甚至还要更久些.然而,到了19世纪中叶,情况发生了变化,科学开始走在技术的前面,科学引导技术发展或导致新的技术产生,重大的科学突破引起新的技术革命,成为技术革命和工业革命发生的最重要驱动力,成为技术和生产的源泉基础.这使人们认识到,按照“为了认识而认识”的科学能够应用于改造自然,创造巨大的社会价值.从电磁理论到电力革命,从粒子物理学、质能方程到核能的应用等,都充分地说明了这一点.因此,推动科学向技术的转化,科技向生产力的转化,就成为社会关注的焦点.科学又是怎样成为技术和生产的源泉基础的呢?原来,现代技术为着实践的目的,利用科学中所包含的原理去创造产品.现代科学所获得的认识体系以及嵌入其中的过程在理论上为技术创新奠定了基础,预示着新技术领域的产生.链式反应的核能利用、半导体（晶体管）的发明、激光器的研制、基因重组生物技术的产生,都是来自科学理论的引导,而不是来自经验探索或者来自已有技术的延伸.一般而言,科学向技术、生产转化的过程大致可以分为如下三个阶段：（1）科学原理（自然规律性）+目的性 技术原理（含目的的自然规律性）；（2）技术原理+功效性 技术发明（技术可能性实现）；（3）技术发明+经济、社会性 生产技术（社会经济可行性实现）.从这一角度考虑,技术不仅是人类借以改造与控制自然的包括物质装置、技艺与知识在内的操作系统,是一种人类达到目的的手段或工具体系,而且还是人类把科学所获得的认识能动地整合到自己的目的性预期中,将科学认识原理现实化的系统体系；科学就不单纯是人类认识世界的知识体系,而且还是人类改造世界的知识基础.没有技术,科学的应用不可能实现,技术使得科学认识应用于生产物质产品,使科学物化,使得科学认识从实验室中走向生产车间；没有科学,很多技术创新就失去了创新的可能性空间,成为无源之水,无本之木,技术在很多时候就不知道要生产什么样的产品,也不知道生产这种产品干什么,甚至有时还不知道应该主要通过什么途径生产这种产品.在科学应用的过程中,并不是科学转化为技术了,而是变革技术以使科学认识所揭示的原理以及可能的现实应用物质化.那种广为流传和被人们接受的“科学应用就是科学转化为技术”的说法是错误的.正因为如此,现在一定程度上可以这么说,科学是技术所以可能的内在根据,技术是科学受到社会重视,从而持续发展的外在条件.就此而言,科学类似于受精卵,技术就是孕育受精卵的子宫,我们的社会则类似于母体环境.没有科学认识,很多技术创新也就不再可能,很多物质新产品的生产和使用也不可能,进一步地,由生产过程和生产出来的新产品的使用过程所带来的正负效应也就不再可能.鉴此,负效应并不单纯由技术产生,它与科学紧密相关.试想,如果没有核物理学的发展,怎么会有原子弹的诞生,又怎么会有人类面临“核冬天”的威胁?如果没有化学的发展,怎么会有化学工业的诞生,又怎么会有化学污染的出现?如果没有纳米科学的发展,怎么会有纳米材料的应用,又怎么会有纳米应用的潜在风险?如果没有生物科学的发展,又怎么会有转基因生物的出现,又怎么会有转基因生物的环境风险和健康风险……一句话,如果没有科学的发展,又怎么会有科学的应用——技术,又怎么会有科学应用所产生的负效应.科学使得这种正负效应成为可能,而技术则使这种可能变为现实,两者缺一不可.那种认为“科学没有过错,负效应是技术产生的”的观点肯定是错误的.好的归科学,坏的归技术,从现代科学与技术的关系来看,对技术是不公平的,对科学也是不负责任的.这样一来,科学是天使不是魔鬼的观点就站不住脚了.4、科学是魔鬼不是天使吗?如果科学是魔鬼不是天使,则应该达到什么条件呢?一是科学所产生的正效应小,负效应大,这时即使所产生的负效应可以解决,则科学仍有可能被看作是魔鬼.不过,从科学发展以及应用的历史和未来看,这种情况并不存在.二是科学产生的正效应大,负效应也大,而且这样的负效应不能解决或者解决起来非常困难,代价很大,此时我们可能更多地把科学看成是魔鬼了.科技悲观论者是这方面的典型代表.除此之外,20世纪下半叶,在西方学术界出现的一股时髦的反科学思潮,也具有把科学看作是魔鬼的倾向.其具体内涵表现在激进的后现代主义、“强纲领”科学知识社会学、后殖民地科学观、多元文化论、地域性科学、种族科学、极端的环境主义者以及某些女性主义科学观等的有关论述中.综合他们的观点,中心含义是：科学知识是社会建构的,与自然无关,是科学共同体内部成员之间相互谈判和妥协的结果；科学与真理没有关系,所有知识体系在认识论上与现代科学同样有效,非正统的“认知形式”应当给予与科学同样的地位；科学是一个与其他文化形态一样的、没有特殊优先地位的东西；西方科学的出现与西方男性统治、种族主义和帝国主义有着紧密的联系,西方科学发展了西方霸权的工具,并导致了非西方的衰落……如果科学确实如他们所说的那样,那还真成了魔鬼.试想,如果科学真的像他们所认为的那样,获得的不是对自然的正确认识,那么科学应用将会导致什么样的结果呢?只能是：科学越发展,对自然的错误认识越多,对自然的改造能力越大,对自然的错误改造的机会越大,从而对自然的破坏作用就越大,人类受到的威胁就越大,人类就越没有前途.如果科学对自然的认识确实这样,对人类来说,真是一个悲剧,科学就是一个魔鬼.也许正因为如此,否定科学真理性的人们一般会走向科技悲观论、生态悲观论,认为科技是造成环境问题的罪魁祸首,科技的进步非但不能解决些许的环境问题,而且还会带来新的更严重的环境问题.要解决环境问题,唯一的出路就是彻底否定和抛弃科技,科学技术必须停止乃至后退,甚至主张人类应该回到前工业社会中去.这种态度是不可取的.它会导致相对主义和科学虚无主义,会导致反科学,不利于科技发展、环境保护和社会进步,是应该抛弃的.实际上,我们还真不能完全否认科学的相对真理性.对于反科学思潮的其他观点,我们应该进行深入的分析、反思和批判,吸取其积极的因素,抛弃其错误的观点.所获得的结论是：“科学之所以变成第二种含义的‘恶魔’,这来源于后现代‘科学文化与社会学研究’对科学本质的歪曲,这不是科学的本来面貌.”如此,由反科学思潮所持有的观点来否定科学,把科学当成魔鬼是没有根据的.5、简短的结论通过前面的论述,可以看出,科学认识及其应用之所以会造成正负效应,不仅与人们应用科学达到什么目的有关,而且还与科学认识自身的特征——正确性与错误性、自然性与人工性、全面性与局限性、安全性与危险性等有关.如果科学认识是正确的、完备的,抱着善的目的去应用科学,一般会得到善的结果,抱着恶的目的去应用科学,一般会得到恶的结果；如果科学认识是不正确的、不完备的,即使抱着善的目的去应用科学,也将会达至恶的结果.就此而言,那种认为“科学只是人们使用的工具,其所产生的正负效应取决于人们使用它的目的”的观点是错误的,科学有其自身成为天使和魔鬼的内质.这也启发我们,如果人类不改变自身,优化我们的社会,校正科学发展的方向,谨慎地应用科学,科学最终有可能成为魔鬼.不仅如此,评价科学是天使还是魔鬼,应该从历时性和共时性两个方面进行.从历史的角度看,科学更多地扮演着天使的角色；从目前看,科学天使的一面表现得比较充分,魔鬼的一面还没有充分表现出来；从未来看,科学既可能是天使也可能是魔鬼,关键是看它所产生的负效应能否解决或在什么程度上解决.那种从科学既产生正效应也产生负效应,就得出科学既是天使也是魔鬼的结论；那种从科学的进步,得出科学是天使,从科学的应用现实,得出科学又是魔鬼的结论；那种认为科学在应用之前是天使,在应用之后会产生负效应是魔鬼等,都是站不住脚的.不可否认,科学所带来的正效应有可能远远大于其所带来的负效应,科学之所以带来负效应有时甚至很多时候是人们滥用科学的结果,科学是有可能获得真理性的认识的,科学一定程度上能够解决其所带来的负效应,没有技术科学应用的负效应就不可能实现,但是,所有这一切都不能使我们得出“科学是天使不是魔鬼”的结论,科学在未来还是有可能成为魔鬼的.不过,必须清楚,从目前的研究看,科学成为魔鬼不是由于20世纪下半叶西方反科学思潮给科学所下的结论,而是由于科学相对的真理性以及不完备性所导致的科学应用的负效应的日益巨大,以及解决这样的负效应的艰难.一句话,对于“科学究竟是天使还是魔鬼”这一问题的回答,不应该望文生义,笼而统之地进行,而应该在深入分析的基础上,具体地、有针对性地展开.否则,只会给出不恰当的答案.当然,从逻辑的角度考虑,把科学归结为“既是天使也是魔鬼”、“既不是天使也不是魔鬼”、“是天使不是魔鬼”、“是魔鬼不是天使”的人,实际上是用一种非此即彼的思维方式（either-or thinking）,从二元对立的价值观的角度来评判科学,很多时候获得的是一种排斥了中间层次的极端想法（thinking with the excluded middle）,存在不恰当性.如何避免这种欠缺,规避“科学是天使还是魔鬼”的二元对立判断,给出恰当而全面的科学评价,是人类面临的挑战.参考文献：[1]爱因斯坦.爱因斯坦文集[C].北京：商务印书馆,1979.56肖显静.后现代生态科技观：从建设性的角度看[M].北京：科学出版社,这也说明,科学对社会的影响体现在精神和物质两个方面,其中既有科学认识作为一种新的观念影响到社会的方方面面,也有科学认识被用于具体的实践活动,如用于生产物质产品,影响到人类.那种认为科学认识只有对错,而无善恶之分的观点是错误的.即使在不考虑科学认识应用造成什么样的正负效应的情况下,科学认识所蕴涵的意义也会对社会政治经济、文化伦理、宗教价值等产生影响,从而引发人们对科学认识的这种精神价值加以评价,以判断科学是天使还是魔鬼.具体内容参见:李醒民.在科学与技术之间[N].光明日报.日B4版Robert P. Malthauf．The Scientist and the’Improver’of Technology[J]．Technology and Culture, 1959,Vol,1.Winter. 38-47. 陈昌曙主编.自然辩证法概论新编[M].沈阳：东北大学出版社,邢冬梅.科学是如何变成‘恶魔’的?[J]自然辩证法通讯,”
为您推荐：
其他类似问题
扫描下载二维码