# 丛书序 “媒介决定我们的处境”，弗里德里希·基特勒（Friedrich Kittler）在《留声机、电影、打字机》（*Gramophone, Film, Typewriter*）的导言中如此写道，这句话可谓臭名昭著。尽管这一断言无疑是极端的——媒介考古学（media archaeology）也因过于夸张、过于聚焦技术发展而遭到批评——它却促使我们持续把媒介视为设定条件者：它设定了我们生活、社交、交流、组织、从事学术研究等等的条件。毕竟，正如基特勒在近三十年前那段开篇陈述中接着所说，我们的处境“无论是尽管有媒介，还是正因为有媒介”，都“值得一番描述”。那么，媒介的术语（terms）——其界限、条件、时期、关系与措辞——究竟是什么？这些术语与“决定”之间又是什么关系？“寻找媒介”（In Search of Media）这套丛书通过考察用户在其下运作的、常常语焉不详的“媒介条款”（terms of media）来回答这些问题。也就是说，本丛书的目标并非编写一系列以关键词为纲、用来描述媒介实践的解释性文本，而是去理解媒介得以生产的条件（即“术语/条款”），以及媒介如何影响并改变这些条件。 显然，搜索引擎的兴起助长了关键词与术语的激增及其支配地位。与此同时，它也改变了关键词本身的性质，因为如今任何词语、任何模式都可以成为“关键”。更进一步，它还改变了学习过程本身，因为搜索预设了：（a）只要措辞得当，任何问题都能得到解答；（b）答案就存在于数据库之中。换言之，真相就在“那里面”。然而，搜索/媒介对知识的影响远不止于搜索引擎。从社会学到经济学，从艺术到文学，越来越多的学科正在寻找媒介，以此振兴其方法与研究对象。因此，我们当下的媒介处境似乎意味着一个新的术语，可理解为媒介性条件作用（mediatic conditioning）在时间上的转移。那么，从最宽泛的意义上说，本丛书追问的是：知识本身的术语或条件是什么？ 为回答这一问题，丛书每一册都收录两位（或更多）作者的介入之作，他们对某一术语的探讨——首批术语包括：交流、模式辨别、市场、存留、机器、档案、组织、超距作用、解构网络——以出人意料的方式时而分歧、时而汇合。通过让北美与欧洲的学者结对合作，本丛书也推进了媒介理论：它消解了因翻译的变数与各地学术惯例而在语言壁垒两侧形成的那道众所周知的“十年差距”，并借此激发新的描述、规定与假说——去重新思考、重新想象媒介能够做什么、必须做什么。 # 导论：呈现神经网络 兰乔德·辛格·达利瓦尔（Ranjodh Singh Dhaliwal）、泰奥·勒帕热-里歇（Théo Lepage-Richer）、露西·萨奇曼（Lucy Suchman） > “自然”对于技术科学仍然发挥着基础性的作用，但它是作为被设计之物与被工程化之物的确定性与正当性之来源而发挥作用的；而这些被设计与被工程化之物，作为处于特定位置的文化历史事业，在修辞上被自然化了。 > > ——唐娜·哈拉维（Donna Haraway），《谦逊的见证者@第二个千年》（*Modest−Witness@Second−Millennium*） 本书探讨的是在神经网络这一形象中得以上演的自然与人工的交汇。在这一工作中，本书加入了一个丰富的学术脉络：这些研究致力于追溯种种谱系，正是通过这些谱系，生物的与技术的被以各种方式建构为彼此的对立面，又被建构为彼此的模型。正如哈拉维所指出的，无论被设计之物与被工程化之物在现代主义事业中取得了多么大的优势地位，它们的试金石仍然是援引自然作为其基础性的指涉物。神经网络的情形也不例外：一个位于身体之中、更具体地说位于大脑之中的有机实体，被与一种和“制造连接”相关联的标志性人造物联系在一起。神经元划定了一个可以从其构成性关系中分离出来的实体，而网络则以一种可普遍化的结构形式恢复了这些关系。通过这两个成对的步骤，神经网络被投入到对一个更为久远的形象的服务之中，即普遍的/无标记的人（Wynter 2003）。 拆解神经网络这一修辞，使我们能够将其重新置于具体的技术科学历史、想象图景与物质实践的语境之中。我们所考察的案例表明，神经网络不仅充当着生物科学与认知科学的一个恒定指涉物，而且，与所有技术科学对象一样，它的本性并非固定不变，它的未来也并非已被决定。我们共同的方法论策略是：通过研究神经网络在其中被形象化、被投入运作的若干关键时刻，设法使神经网络的变形变得可见。这进而揭示出，神经元、网络及其构成性关系是如何依赖于更广泛的事业的——最明显的是神经科学与计算工程的事业，但也包括世界上更大的社会文化与政治经济事业——它们的能动性正是在这些事业中被施行、被征召的。 这一方法论策略并不要求、甚至并不偏好一种预先确定的批判性或欣赏性的进路。我们对这些不断变化的对象与角色所持的态度是一种矛盾态度（ambivalence）：围绕神经网络的诸多观念所激活的科学与技术世界，一方面对于其各自的社会领域与专业领域显然至关重要，另一方面又牵涉到若干已被充分批判过的认知问题。在这样的情形下，我们所倡导的是对每一场景中的内容、角色与运作进行细致的考察。正是我们所研究的神经网络将我们引向了矛盾态度，因为在其自身的出现与维系过程中，它们稳定了若干个世界——技术的与科学的，但也有社会的、政治的、文化的与金融的世界——而这些世界并不总是与神经元或网络的内部安排完全吻合。换言之，在某种意义上，矛盾态度是神经网络本身提供给我们的。正如媒介理论家帕特里克·贾戈达（Patrick Jagoda）在其关于网络美学的研究中所指出的（网络将贾戈达引向这样一种矛盾的立场并非巧合，正如它们在此将我们引向矛盾态度），矛盾态度是“一种极端在场的模式”，它提示了“一个至关重要的批判立场，从这一立场出发，可以在一个不确定而又持续进行着的当下之内进行思考”（2016, 224），而不是对手头的对象要么全盘接受、要么一概否定。矛盾态度是一种“极端的选择加入”，它“不必被化约为天真的共谋，也不必被化约为诸如加速主义之类策略的夸张的极端主义”（225）。对我们而言，这种矛盾态度不仅对于更好地阐明历史的与社会的运作十分重要，而且对于改进批判立场也同样重要。用贾戈达的话说，这种矛盾态度涉及“一个放慢速度、学习栖居于一个受损环境之中的过程，并承受其所带来的不适、矛盾与错位”（225）。这就是哈拉维（2016）所称的“与麻烦共存”（staying with the trouble）的一种形式。在我们的设想中，拆解需要这样一种放慢，一种充满关怀的放慢；毕竟，走得更快只会把东西弄坏。与此相反，我们的目标是慢下来，阐明具体配置的政治。因此，矛盾态度不应被混同于缺乏（政治）立场；如果说它是什么的话，它恰恰是对首先产生出这些立场的那些条件本身的关注——无论是对于我们故事中的角色，还是对于作为研究者的我们自己。 凭借这一进路，我们旨在打断神经网络已然成为其象征的那个霸权性事业，其方式是追问：一旦神经网络被认定为表征诸如大脑、学习机器以及各类复杂系统等形形色色事物的特权模型，它们使什么成为可能。在库尔特·霍尼克（Kurt Hornik）及其同事证明“多输出多层前馈网络”（Hornik, Stinchcombe, and White 1989, 363）能够逼近任何函数之后，神经网络便被认定为某种通用机器，能够捕捉任何系统的本质特性，而几乎不关注这些系统一旦被表征为由简单单元构成的网络后会发生怎样的转变。将神经网络概念化为通用机器，不仅遮蔽了这样一个事实——使神经网络能够跨越不同语境而被策略性地部署的，是它们的可塑性，而非它们的普遍性——而且还掩盖了将神经网络刻画为标志着人类智能与机器智能终极汇合之物这一做法所牵涉的政治。 正如我们在全书中所提出的，神经网络被表征、被构想、被用来援引神经领域乃至生物领域的方式，并没有什么决定论的东西。直到20世纪60年代，在如何表征神经网络的问题上都还没有共识，这一点就连其早期的一些开发者本人也承认（见图 I.1）。事实上，任何给定的神经网络，同样可以被表征为一系列彼此相乘的矩阵、一幅集合图，甚至是一个带有加权分支的类决策树模型。神经网络之所以会被视为大脑基本结构的一种逻辑—数学的（尽管具有高度可操作性的）抽象，不过是持续努力的产物：这些努力通过将一种特定的智能理解投射到大脑本身之上，而将这种理解自然化。 〔图 I.1 为第三方图片，本译本未予复制，请参阅原书第 4 页。〕 *图 I.1　表示同一个单层感知机式神经网络的三幅图示。弗兰克·罗森布拉特（Frank Rosenblatt），《神经动力学原理：感知机与脑机制理论》（Principles of Neurodynamics: Perceptrons and the Theory of Brain Mechanisms），第1196-G-8号报告，康奈尔航空实验室（Cornell Aeronautical Laboratory），1961年，第86页。* 因此，我们撰写本书的目的，与其说是质疑神经元能否被建模为经过概率加权的单元——当然，我们确实也质疑这一点——不如说是去定位并恢复种种情境与配置：正是通过它们，这类生物学援引才成为、并一直是当代人工智能观念的结构性形象。 ## 拆解神经网络 作为一种以其复杂性、不透明性以及对大多数人力所不及的大规模计算基础设施的依赖而著称的机器学习模型，神经网络获得了多得令人惊讶的大众关注。对许多人来说，神经网络已被广泛视为人类智能与人工智能某种渐进而稳定的汇合的标志。然而，在这样一种推测性的前景背后，是一套高度情境化的、以数据为中心的实践；而这些实践与大脑运作之间的类比，引出了这样一个问题：这种汇合是否最好被理解为神经科学与计算机科学共同历史的起点。如果说机器学习更一般地代表着一种从大量数据中提取模式的统计进路，那么（人工）神经网络就可以被定义为一种受生物学启发的模型，它依靠经过概率加权的类神经元单元来识别此类模式。通过对神经修辞的修辞性部署，神经网络推广了这样一种图景：数据提取与模式识别是构成大脑本身的功能；由此，它推进了一种关于计算与机器智能的递归式思考，这种思考超出了单纯的类比与隐喻。在这一语境下，本书所追问的，与其说是神经元能否被恰当地建模为简单的信息处理单元、神经连接能否被恰当地建模为经过概率加权的连接；不如说，本书提出的问题是：这类倾向于计算的表征，是如何成为、并一直是当代关于人类智能与机器智能两者之观念的基础的。 对于那些不熟悉本书既以之为基础又对之作出回应的历史与谱系的读者，我们先从围绕这一特定的——也是奇特的——模型的通常叙事讲起。对计算机科学家而言，神经网络历史上的主要里程碑一般始于沃伦·麦卡洛克（Warren McCulloch）和沃尔特·皮茨（Walter Pitts）（1943）对神经网络的最初引入，将其作为一种以双态神经元之间的相互作用来为心智建模的方式。鉴于这种二元呈现，神经网络被重新塑造为一种前景可观的模式识别进路，可以在日益数字化的计算机硬件中实现（Selfridge 1955; Rosenblatt 1961）。在倾向于符号进路的人工智能学者否定了这一进路（Minsky and Papert 1969）之后，神经网络被大多数人所放弃；后来，它又被认知心理学家和计算机科学家重新发现，他们利用处理能力与硬件的最新进展，在软件中模拟神经网络（Rumelhart, Hinton, and Williams 1986; LeCun 1987; Hinton 1990），从而助长了一场所谓的人工智能复兴。这一叙事的各种版本，已在近来一些里程碑式的出版物中被提出，例如界定了这一领域的著作《深度学习》（*Deep Learning*）（Goodfellow, Bengio, and Courville 2016），以及该领域三位领军人物所撰写的、关于卷积神经网络的被大量引用的文章（LeCun, Bengio, and Hinton 2015）。但这个故事的目的论内核始终未变：对神经网络的支持者而言，这一进路历史上的所有挫折都不过是处理能力有限的产物，而处理能力的指数级增长终将证明，神经网络作为一种同时适用于人类与机器的智能模型是有效的。 许多学者质疑过这些内部主义的历史，指出这些历史将神经网络用作更广义的人工智能的替身，其作用更多是在监管什么会被认定为智能的界限，而不是阐明这种能力可能是什么（Mendon-Plasek 2020; Pasquinelli 2017）。不仅如此，批判性学者还强调，算法技术将关于劳动（Dhaliwal 2022）、社会关系（Chun 2021）、人口（Bruder and Halpern 2021）、国家（Lepage-Richer and McKelvey 2022）乃至军事情报收集（Suchman 2022）之理想组织方式的种种假设硬编码于其中，这就凸显出有必要关注神经网络得以开发和实施的具体情境。从这些不同的介入中，浮现出这样一种神经网络图景：作为一个研究对象，它与更一般意义上的人工智能一样不稳定、一样植根于社会。与围绕人工智能的更宽泛的概念一样，神经网络也承载了若干种意义与配置，而将它们最终联系在一起的，除了对形式/结构的一种更宽泛的承诺之外，几乎别无他物。可以说，构成神经网络吸引力之核心的，是它们在不同语境之间看似无穷无尽的适用性，而不是其任何一项具体应用。因为若以类比的方式来解读，神经网络似乎在不加区分地四处扩散：许多人已将其应用于计算与神经科学的领域之外，把诸如政府（Deutsch 1966）、企业（Beer 1972）乃至整个社会（Luhmann 1995）等形形色色的系统，重新构想为由社会关系构成的类神经网络。 简言之，本书的目的是拆解并重新定位神经网络，以此找回大脑、机器乃至社会系统一旦开始以这样的术语被理解时，会发生什么。为了启动这些逆向工程的工作，我们首先关注在这一模型的名称本身中汇合的两个实体——即神经元与网络。 ## 语境中的神经元 作为一种被广泛接受为一切认知过程与心理状态之基础的结构，神经元有着一段争议极大的历史。神经元由西班牙组织学家圣地亚哥·拉蒙-卡哈尔（Santiago Ramón y Cajal）于1888年基于对鸟类胚胎中大脑发育的研究而正式提出；它最初被定义为“完全自主的生理单元”（1888, 8），以回应当时占主导地位的一种观念，即大脑根本不具有任何子结构。后一立场由意大利医生卡米洛·高尔基（Camillo Golgi）所引领——正是他发展出了拉蒙-卡哈尔用来构建其对立理论的染色技术——该立场认为大脑的结构是一种“弥散的神经网络”（Golgi 1881, 8）。通过对脑组织进行精心切片和染色、再在光学显微镜下观察，神经元及其替代方案被捕获为研究对象；二者所依赖的是完全相同的工具与方法，区别仅仅在于如何解释和理解这些技术所揭示的结构。 大多数关于高尔基与拉蒙-卡哈尔之争的历史研究，都记录了这场争论如何对应于世纪之交的神经生理学语境中、由新的视觉实践之兴起所引发的更大的解释危机（Brain 2015; Daston and Galison 2007; Tucker 2005）；上述故事与这些研究相呼应，但它不同于通常刻画这场争论的内部主义叙述。对神经科学家和计算机科学家而言，同时期显微技术的进步一般仍然是解释这场争论以有利于拉蒙-卡哈尔的方式得到解决的主要因素（例如 Fan et al. 2020; Porras and Báguena 2019; Shepherd 2015），这便将神经元的兴起及其首要地位定位为早期神经生理学研究的一个显而易见的结果。然而，几乎没有理由相信，拉蒙-卡哈尔的图像与观察在任何方面比高尔基的更准确或更精确（Clarke and Jacyna 1987），因为又过了几十年，关于神经间隙的第一批确凿图像才最终被制作出来（Palay and Palade 1955）。如果说拉蒙-卡哈尔的同时代人最终采纳了他的理论而非高尔基的理论，那毋宁是得益于一系列广泛的因素，包括：他与医学实践的接近，他作为一名职业化的（神经）科学家的形象，他对实验的拥抱，他所使用的旁科学装置（正如达利瓦尔在本书中的文章所表明的），他在欧洲和美国所做的演示，以及他围绕自己的理论所建立的国际网络（见 Star 1989）。作为其吸引力的一部分，神经元的引入进而推广了一种通过固定（死去的）生物材料来生产关于生命之知识的新方式，为激发了19世纪生机论者与解剖学家之工作的那些更具哲学倾向的思路，提供了一个前景可观的替代方案。 总之，神经元从一开始就与那个使其得以被呈现为离散的、可辨识的单元的装置紧密相连，尽管这一装置可能比通常所设想的更为广泛，在性质上也更少视觉性。值得注意的是，神经元推广了“杀死并固化组织的组织学技术”，将其作为“勾勒出有机体复杂结构”的特权手段（Landecker 2010, 35）。延续以往关于组织学如何被采纳为一种公认的科学实践的研究（例如 Hopwood 1999; Jacyna 2001），值得追问的是：对死去的人体组织进行细致而标准化的操作，是如何被认定为复杂生命结构的终极解释来源的。除了促成了对于什么“算作对个体有机体中生物发育的‘解释’”（Keller 2003, 3）的更广泛转变之外，神经元的引入与采纳还削弱了其他进路与技术的解释力，尤其是使关于生命的知识生产不再以活的物质为中心。此外，一旦恰当地将神经科学的历史嵌入计算机科学的历史之中，人们便会注意到其中的讽刺：神经元的历史在其起源性场景之一中，或许包含着对神经“网络”的否认，然而这一概念最终却在很久以后仍然与计算中的神经认知联系在一起，仿佛神经元对于计算框架而言总是已经被网络化了。预见到神经网络将如何以智能的计算表现而非生物表现来定义智能，我们在本书中探讨神经装置的更广泛影响，以此找回神经元是如何代表了人们如今认为它们所构成的那种普遍结构的——而这是以牺牲许多其他生物系统、生活经验与具身实践为代价的，它们已被贬入不可普遍化之物的领域。 ## 语境中的网络 与神经元不同，网络这一概念长期以来一直是媒介研究及相关领域持续关注的对象。历史文献将网络概念追溯至19世纪40年代末，当时电报的发展提供了一种新的方式，不仅可以将传播设想为一个去中心化的过程，还可以将政治与经济秩序设想为把此前彼此分离的实体与行动者联结在一起的东西（Carey 1989）。与此同时，网络这一形象也作为一个前景可观的框架而出现，用以将人的身体——更具体地说是人的大脑——构想为一种类网络的通信系统。蒂莫西·勒努瓦（Timothy Lenoir）（1986）记录了电报及相关技术隐喻如何塑造了体现此类观点的新科学仪器的发展，劳拉·奥蒂斯（Laura Otis）（2001）则强调了生理学研究如何启发通信工程师采纳一种网络进路。诞生于通信工程与生理学的交汇处，网络概念从其最初被阐述之时起，就将人的身体与各种技术系统联系在一起，预示了它们随着神经网络的引入而进一步汇合。 通过这些谱系上的联系，网络也作为一个有力的概念而出现，用以从理论上阐明传播技术如何建构知识的生产与流通，以及权力与控制得以施行的手段。在其全部著作中，弗里德里希·基特勒（Friedrich Kittler）尤其发展了“话语网络”（discourse network）这一概念，不仅用来阐明“物理的、技术的、话语的与社会的系统［……］如何提供一种文化对权力与知识之管理的认知快照”（1999, xxxiii–xxiv），而且还用来断定早期现代与晚期现代的传播模式之间存在一个断裂。基特勒在将这一概念应用于不同历史时期的同时（1990），将1800年以降的话语网络区别开来，因为它们与此前的等级化系统模型相断裂——在那些模型中，信息的流通遵循着社会分层的结构。与之相对，基特勒将这些后来的话语网络描述为依赖于并连接着数量日益增多的对象、传播实践与铭写方法，因而抗拒任何形式的单一刻画。除了从理论上阐明传播技术与铭写模式如何塑造社会、文化与政治系统之外，这样的话语网络还标志着这样一个时刻：知识与权力本身变得分散于各个子系统之中，而这些子系统只有通过研究它们之间的相互作用才能得到有意义的分析。因此，网络概念为基特勒提供了一种理解复杂的知识与权力系统的新方式，为它们的关系与动态提供了一个新的解释来源。 如今，各种各样的网络已成为常规研究与分析的对象，各领域的学者都在拓展并细化基特勒最初的挑衅性论点。仅在本丛书中，网络就先后被历史化（Brunton 2019）、被拆解（Stäheli 2020）、被构建（Juhasz 2021），此外还被用来解释诸如社交平台（Stiegler 2019）、制造业（Steinberg 2021）以及智能设备（Neves 2022）等形形色色的对象与现象。从所有这些叙述中浮现出这样一种网络观：网络与其说是相对于其他权力、国家与组织模型的一种解放性替代方案（尽管它们有时被说成是这样），不如说是一种管理性进路，在其中，控制是在组织本身的层面上施行的，其方式是限定栖居于其中的人所能发展和维持的关系类型（见 Galloway and Thacker 2007; Halpern and Mitchell 2022）。如果说网络似乎能如此轻易地捕捉当今世界的复杂性，那么，正如温迪·春（Wendy Chun）（2018）所指出的，这很可能正是因为它们以述行的方式介入了这个世界：它们通过积极地将其所涵括的对象与主体当作有待连接和管理的简单节点来对待，从而强行实施它们据称所表征的那种世界观。在这些不同介入的基础上，我们在此探讨：当网络不仅被用来从理论上阐明复杂系统，而且被用来模糊这些系统——无论是大脑、计算基础设施，还是由类神经元单元构成的模拟网络——之间的区别时，会发生什么。 ## 神经网络的诸种呈现 本书所考察的案例研究都确证了神经网络如何变形，确证了神经网络所施行的策略性可塑性如何既是一种形式特征，也是一种历史—社会特征。在这里，改变形状的能力还伴随着移动的能力。恰恰由于其作为边界对象（boundary object）的地位（见 Star and Griesemer 1989），由于其处于自然、科学与技术之间的位置，也由于其既是生理学化的技术、又是技术化的生理学这一状况，神经网络被证明是非常便于移动的。科学研究已广泛考察过田野地点与实验室之间的“转译链”（chains of translation）如何通过创造“不变的移动体”（immutable mobiles）而运作——这些不变的移动体是一些排序装置，借助它们，从一个地方取得的材料成为在另一些地方提出的主张的证据支持（例如见 Latour 1986, 1999）。媒介研究与文化研究的学者则聚焦于话语讨论过这一问题：理论家爱德华·萨义德（Edward Said）（1983）展示了“理论”如何跨越空间与时间而旅行，并指出，在产生某一观念的历史与社会条件同学术（及大众）话语接纳并改造这一观念的方式之间，往往存在着一种内在的脱节。在这一叙述中，杯子（在任何时间和地点使神经元与网络得以运作的东西）与嘴唇（读者、批评者、科学家、技术人员、任何引用者，等等）之间总有一段滑落。〔译注：此处化用英语谚语“There's many a slip twixt the cup and the lip”，意为事情在最后关头也可能出岔子。〕总之，在进行拆解时，我们至少会遭遇两种不稳定性：一种是历史的（或时间的）不稳定性——也就是说，神经元与网络从来不会跨越时间而保持静止，更不用说作为一个概念的神经网络了——另一种是空间的不稳定性——跨越不同的学科与话语，神经元、网络与神经网络都会改变其意指。总而言之，这一切为我们拆解神经网络提供了一个富有成效的切入点，因为无论是这个概念，还是它的效价与处境，都不是给定的。既然神经网络既是（研究的）客体，又是（作为概念的）主体（见 Serres 1997），上述所有的旅行都适用于它们。换言之，“神经网络”所做的工作，不仅与人类和非人类为使神经网络运作起来所做的工作不可分割，而且主要存在于间隙之中，也就是存在于构成神经网络本身的材料与符号的时间和空间不稳定性之中。 那么，或许有益的做法是，不把神经网络看作是被创造、被发现、被找到、被生成，甚至被研究的。相反，将神经网络理解为被呈现（rendered）的，可能会富有成效（见 Dhaliwal 2021; Lynch 1985; Myers 2015）。呈现的概念提供了一种不同于再—现（re-presentation）观念的替代方案。我们在本书中所做的——以及在某种意义上，我们的故事所展示的正在被做的——与其说是对历史事件或情境状况的一种表征，不如说是对它们的一种呈现。呈现避开了表征的客观主义意涵，帮助我们发掘技术科学探究过程中所固有的偶然性与不稳定性，以及这些过程与政治经济和社会文化领域之间的关系。神经元、网络与神经网络在被拆解之后，需要被呈现得可以辨读，既为研究它们的学者，也为阅读相关论述的读者——而这一呈现过程本身，是那些使历史的和情境中的神经网络得以运转的先前呈现形式的延伸。每一次呈现行为及其每一个产物，都部分地拥抱了一个故事的偶然性，并驳斥了它的给定性。毕竟，（再）生产数据（données，即“给定之物”）并不总是等同于呈现（阐明）它们。 ## 呈现一：神经媒介（泰奥·勒帕热-里歇） 本书开篇，我们概述神经网络在19世纪组织学、战时精神病学以及20世纪晚期计算机科学语境中的主要迭代形态。本章采取一种媒介史的进路，聚焦于神经网络在不同时期被采纳为智能问题之解决方案时所处的更广泛条件，记录了神经网络在中介人类与机器之间的智能归属方面所扮演的历史角色。尽管神经网络目前被认为是一种受生物学启发的、通往机器智能的统计进路，但它最初是作为一种神经解剖学进路被引入的，后来又成为一种精神病学模型，而这两者都积极地强化了关于种族差异与病理差异的历史观念。神经网络通过银染法与殖民地卫生政策、脑损伤与电休克疗法，以及最终的组织改革与模拟神经元的软件实现等形形色色的实践而被物质化，它被直接铭写在某些身体之上，以生产出一种关于谁——或什么——有资格成为智能主体、谁又没有资格的认定。如果说有什么东西统一了神经网络的各种迭代形态，那就是一种持续的实验性承诺，它系统性地涉及对人的身体进行组织、管理与规训，同时贬低这些身体所持有的实践性的、地方性的与情境性的知识。通过找回这段更广泛的历史，勒帕热-里歇提出将神经性（neurality）本身理解为一种中介性形象，在整个20世纪，它将传播与结构、意义与媒介、认知与神经生理学混为一谈。在此基础上，他从理论上阐述了以神经网络为典型的一类更广泛的媒介，并以如下方式来界定它们：它们传达出一种对生物学与神经学的高度技术化的观点，同时又将它们所体现的原则——原子化、相互依存、中介作用——推广为普遍原则。 ## 呈现二：论旁科学中介：科幻小说、教育平台及其他思考神经网络的基底（兰乔德·辛格·达利瓦尔） 接着，我们转向围绕神经网络的技术科学探究的周边环境，考察当研究处于“下班”状态时，关于神经网络的思考发生在何处。在通常所理解的科学与技术装置及其铭写——实验室里记下的笔记、在计算机上编写的代码、送审的研究论文、用于研究的机器与实验系统——之外，而且往往是作为其补充，达利瓦尔发现了另一类帮助科学家思考、迭代并理解神经网络的基底。他在一些不寻常的角落里找到了这些旁科学媒介，例如实验室文学（lab lit）类科幻小说、科学家撰写的自助建议类书籍，以及在线教育课程平台和各种演示修辞形式；他发现，神经网络的历史不仅散布着、而且被缝合于这样一些基底之中：它们常常作为认知的沙盒与社会的巩固者而发挥作用，帮助有选择地教育和塑造关于技术科学之神经的公众舆论。这类旁科学媒介在思考技术科学概念时似乎至关重要，但在关于科学争论或其稳定化的常规故事中，它们通常并不被赋予主角的地位。在这里，通过从神经网络的故事中切取的两个历史切片——一个涉及20世纪之交前后生物学中的神经之争，另一个标志着2010年代前后计算机科学中联结主义与符号主义人工智能之争——本章表明，技术科学争论及其结果，是借助旁科学媒介而在话语中以修辞的方式被稳定下来的；而旁科学媒介尤其有助于在一场科学争论尘埃落定之后建立公众。若干科学场景，尤其是那些涉及神经网络的场景，发现自己需要更多的空间来思考；而旁科学媒介提供了这样一个场所：在那里，神经网络实质上逃离了严格意义上的技术科学情境，在我们思考关于思考的问题——并使我们自己和他人同样相信我们是如何思考的——之时，悠然地舒展开来。 ## 呈现三：处于极限的神经网络（露西·萨奇曼） 本书以对神经元的跨学科旅行的一种衍射式阅读作结，其方式是考察目前在计算神经网络领域与神经科学领域工作的两位行动者这两个明晰的案例。遵循哈拉维（1997, 16）和巴拉德（Barad）（2007, 71）的思路，衍射式阅读将干涉图样的生成当作一种方法，用以阐明现象内部的差异；在本案中，即阐明那些以神经元为研究对象的技术科学领域内部的差异。通过让计算神经网络研究者杰弗里·辛顿（Geoffrey Hinton）与女性主义神经科学家吉莉安·爱因斯坦（Gillian Einstein）进行一场虚拟的对话，本章更具体的关注点在于：当我们凸显人们在遭遇一项技术科学事业——多义的神经元是这项事业的焦点对象——的极限时所作出的不同回应时，我们能从中学到什么。虽然大脑与计算机的类比贯穿于生物科学与计算科学的思考之中，但这一类比也会断裂。这里值得关注的是，对于女性主义神经科学家吉莉安·爱因斯坦（她沿着自己的研究问题，从神经元追踪到性化的/性别化的身体及其世界）而言，这一类比断裂的方式，不同于对于神经网络研究者杰弗里·辛顿（他致力于维持这一类比，即便他承认其局限）而言断裂的方式。萨奇曼论证说，对认知主义——一种以在大脑/心智中形成的心理表征与一个被认为处于其外部的世界之间的对应关系为基础的智能理论——以及对将认知呈现为计算的种种做法的投入，维系着实验室计算科学的封闭世界逻辑及其方法。与此相反，对处于关系之中的具身之人的承诺，则要求沿着神经元连接，跨越大脑、身体与世界之间既有的边界去追踪。在这种本体—认识论中，神经网络的极限构成了理论与方法论转变的生成性开口。 ## 参考文献 - Barad, Karen. 2007. Meeting the Universe Halfway: Quantum Physics and the Entanglement of Matter and Meaning. Durham, N.C.: Duke University Press. - Beer, Stafford. 1972. Brain of the Firm: A Development in Management Cybernetics. Freiburg im Breisgau, Germany: Herder and Herder. - Brain, Robert. 2015. The Pulse of Modernism: Physiological Aesthetics in Fin-de-Siècle Europe. Seattle: University of Washington Press. - Bruder, Johannes, and Orit Halpern. 2021. “Optimal Brain Damage: Theorizing Our Nervous Present.” Culture Machine 20: 1–25. - Brunton, Finn. 2019. “Hello from Earth.” In Communication by Paula Bialski, Finn Brunton, and Mercedes Bunz, 1–50. Minneapolis: meson press and University of Minnesota Press. - Carey, James. 1989. Communication as Culture: Essays on Media and Society. Boston, Mass.: Unwin Hyman. - Chun, Wendy Hui Kyong. 2018. “Queerying Homophily.” In Pattern Discrimination by Clemens Apprich, Wendy Hui Kyong Chun, Florian Cramer, and Hito Steyerl, 59–98. Minneapolis: meson press and University of Minnesota Press. - Chun, Wendy Hui Kyong. 2021. Discriminating Data: Correlation, Neighborhoods, and the New Politics of Recognition. Cambridge, Mass.: MIT Press. - Clarke, Edwin, and L.S. Jacyna. 1987. Nineteenth-Century Origins of Neuroscientific Concepts. Berkeley: University of California Press. - Daston, Lorraine, and Peter Galison. 2007. Objectivity. New York: Verso. - Deutsch, Karl. 1966. The Nerves of Government: Models of Political Communication and Control. New York: Free Press. - Dhaliwal, Ranjodh. 2021. “Rendering the Computer: A Political Diagrammatology of Technology.” PhD diss. University of California, Davis. https://escholarship.org/uc/item/13k7k3zh. - Dhaliwal, Ranjodh. 2022. “The Cyber-Homunculus: On Race and Labor in Plans for Computation.” Configurations 30, no. 4: 377–409. - Fan, Jingtao, Lu Fang, Jiamin Wu, Yuchen Guo, and Qionghai Dai. 2020. “From Brain Science to Artificial Intelligence.” Engineering 6: 248–52. - Galloway, Alexander, and Eugene Thacker. 2007. The Exploit. Minneapolis: University of Minnesota Press. - Golgi, Camillo. 1881. Sulla origine centrale dei nervi. Naples, Italy: Enrico Detken Editore. - Goodfellow, Ian, Yoshua Bengio, and Aaron Courville. 2016. Deep Learning. Cambridge, Mass.: MIT Press. - Halpern, Orit, and Robert Mitchell. 2022. The Smartness Mandate. Cambridge, Mass.: MIT Press. - Haraway, Donna. 1997. Modest−Witness@Second−Millennium. Femaleman−Meets−Oncomouse: Feminism and Technoscience. New York: Routledge. - Haraway, Donna. 2016. Staying with the Trouble: Making Kin in the Chthulucene. Durham, N.C.: Duke University Press. - Hinton, Geoffrey. 1990. “Connectionist Learning Procedures.” Artificial Intelligence 40: 185–234. - Hopwood, Nick. 1999. “‘Giving Body’ to Embryos: Modeling, Mechanism, and the Microtome in Late Nineteenth-Century Anatomy.” Isis 90: 462–96. - Hornik, Kurt, Maxwell Stinchcombe, and Halbert White. 1989. “Multilayer Feedforward Networks Are Universal Approximators.” Neural Networks 2: 359–66. - Jacyna, L. Stephen. 2001. “‘A Host of Experienced Microscopists’: The Establishment of Histology in Nineteenth-Century Edinburgh.” Bulletin of the History of Medicine 75: 225–53. - Jagoda, Patrick. 2016. Network Aesthetics. Chicago: University of Chicago Press. - Juhasz, Alexandra. 2021. “Who Contrives the Moment? On Cyberfeminist Dating.” In Really Fake by Alexandra Juhasz, Ganaele Langlois, and Nishant Shah, 10–51. Minneapolis: meson press and University of Minnesota Press. - Keller, Evelyn Fox. 2003. Making Sense of Life: Explaining Biological Development with Models, Metaphors, and Machines. Cambridge, Mass.: Harvard University Press. - Kittler, Friedrich. 1990. Discourse Networks 1800/1900. Stanford, Calif.: Stanford University Press. - Kittler, Friedrich. 1999. Gramophone, Film, Typewriter. Stanford, Calif.: Stanford University Press. - Landecker, Hannah. 2010. Culturing Life: How Cells Became Technologies. Cambridge, Mass.: Harvard University Press. - Latour, Bruno. 1986. “Visualization and Cognition.” Knowledge and Society 6, no. 6: 1–40. - Latour, Bruno. 1999. Pandora’s Hope: Essays on the Reality of Science Studies. Cambridge, Mass.: Harvard University Press. - LeCun, Yann. 1987. “Modèles connexionistes de l’apprentissage.” PhD diss. Université de Paris VI. - LeCun, Yann, Yoshua Bengio, and Geoffrey Hinton. 2015. “Deep Learning.” Nature 521: 436–44. - Lenoir, Timothy. 1986. “Models and Instruments in the Development of Electrophysiology, 1845–1912.” Historical Studies in the Physical and Biological Sciences 17, no. 1: 1–54. - Lepage-Richer, Théo, and Fenwick McKelvey. 2022. “States of Computing: On Government Organization and Artificial Intelligence in Canada.” Big Data & Society 9, no. 2: 1–15. - Luhmann, Niklas. 1995. Social Systems. Stanford, Calif.: Stanford University Press. - Lynch, Michael. 1985. Art and Artifact in Laboratory Science: A Study of Shop Work and Shop Talk in a Research Laboratory. London: Routledge. - McCulloch, Warren, and Walter Pitts. 1943. “A Logical Calculus of the Ideas Immanent in Nervous Activity.” Bulletin of Mathematical Biophysics 5: 115–33. - Mendon-Plasek, Aaron. 2020. “Mechanized Significance and Machine Learning: Why It Became Thinkable and Preferable to Teach Machines to Judge the World.” In The Cultural Life of Machine Learning, ed. Jonathan Roberge and Michael Castelle, 31–78. London: Palgrave Macmillan. - Minsky, Marvin, and Seymour Papert. 1969. Perceptrons: An Introduction to Computational Geometry. Cambridge, Mass.: The MIT Press. - Myers, Natasha. 2015. Rendering Life Molecular: Models, Modelers, and Excitable Matter. Durham, N.C.: Duke University Press. - Neves, Joshua. 2022. “The Internet of Things and People.” In Technopharmacology by Joshua Neves, Aleena Chia, Susanna Paasonen, and Ravi Sundaram, 89–119. Minneapolis: meson press and University of Minnesota Press. - Otis, Laura. 2001. Networking: Communicating with Bodies and Machines in the Nineteenth Century. Ann Arbor: University of Michigan Press. - Palay, Sanford, and George Palade. 1955. “The Fine Structure of Neurons.” Journal of Biophysical and Biochemical Cytology 1, no. 1: 69–107. - Pasquinelli, Matteo. 2017. “Machines That Morph Logic: Neural Networks and the Distorted Automation of Intelligence as Statistical Inference.” Glass Bead 1: 1–17. - Porras, María, and María Báguena. 2019. “The Major Discoveries of Santiago Ramón Cajal and His Disciples: Consolidated Milestones for the Neuroscience of the 21st Century.” European Journal of Anatomy 23, no. 1: 5–7. - Ramón y Cajal, Santiago. 1888. “Estructura de los centros nerviosos de las aves.” Revista trimestral de histología normal y patológica 1: 1–10. - Rosenblatt, Frank. 1961. “Principles of Neurodynamics: Perceptrons and the Theory of Brain Mechanisms.” Buffalo, N.Y.: Cornell Aeronautical Laboratory. - Rumelhart, David, Geoffrey Hinton, and James Herbert Williams. 1986. “Learning Internal Representations by Error Propagation.” In Parallel Distributed Processing, Volume 1, ed. David Rumelhart and James McClelland, 318–62. Cambridge, Mass.: MIT Press. - Said, Edward. 1983. The World, the Text, and the Critic. Cambridge, Mass.: Harvard University Press. - Selfridge, Oliver. 1955. “Pattern Recognition and Modern Computers.” In Proceedings of the March 1–3, 1955, Western Joint Computer Conference, 51–93. New York: Association of Computing Machinery. - Serres, Michel. 1997. Le parasite. Paris: Grasset. - Shepherd, Gordon. 2015. Foundations of the Neuron Doctrine: 25th Anniversary Edition. Oxford: Oxford University Press. - Stäheli, Urs. 2020. “Undoing Networks.” In Undoing Networks, by Tero Karppi, Urs Stäheli, Clara Wieghorst, and Lea Zierott, 1–30. Minneapolis: meson press and University of Minnesota Press. - Star, Susan Leigh. 1989. Regions of the Brain: Brain Research and the Quest for Scientific Certainty. Stanford, Calif.: Stanford University Press. - Star, Susan Leigh, and James Griesemer. 1989. “Institutional Ecology, ‘Translations’ and Boundary Objects: Amateurs and Professionals in Berkeley’s Museum of Vertebrate Zoology, 1907–39.” Social Studies of Science 19, no. 3: 387–420. - Steinberg, Marc. 2021. “Management’s Mediations: The Case of Toyotism.” In Media and Management. Minneapolis: University of Minnesota Press. - Stiegler, Bernard. 2019. “For a Neganthropology of Automatic Society.” In Machine. By Thomas Pringle, Gertrude Koch, and Bernard Stiegler, 25–48. Minneapolis: meson press and University of Minnesota Press. - Suchman, Lucy. 2022. “Imaginaries of Omniscience: Automating Intelligence in the US Department of Defense.” Social Studies of Science 53, no. 5: 1–26. - Tucker, Jennifer. 2005. Nature Exposed: Photography as Eyewitness in Victorian Science. Baltimore: Johns Hopkins University Press. - Wynter, Sylvia. 2003. “Unsettling the Coloniality of Being/Power/Truth/Freedom: Towards the Human, After Man, Its Overrepresentation—An Argument.” CR: The New Centennial Review 3, no 3: 257–337. # 第一章 神经媒介 泰奥·勒帕热-里歇（Théo Lepage-Richer） “在很长一段时间里，人完全是另一种东西；人变成一台机器——而且还是一台计算的机器——并不是很久以前的事。”[^f03-1]无论这句话听起来多么具有当代色彩，它并非出自某位著名的媒介哲学家或后人类主义学者之手。它出自法国社会学家马塞尔·莫斯（Marcel Mauss）（1923, 176–77）。一个世纪前，莫斯评论了一种新的智能概念日益增长的影响：这种概念把智能视为由计算单元紧密互联而成的网所产生的结果，这些网起初被称为“réseau du soma neuronal”〔神经元胞体网络〕（Ramón y Cajal 1907, 19），后来被称为“神经网络”（neural networks）。当西班牙组织学家圣地亚哥·拉蒙-卡哈尔（Santiago Ramón y Cajal）在世纪之交提出这一模型时，它意味着将大脑重新构想为由离散的神经细胞构成，从而为定位、测量和归属智能提供了一个新的基本单位。在那个时代，组织学的进展表明，所有人的大脑在显微层面上本质上是相同的；而神经网络构成了一种新的、尽管尚未被看见的结构，它把人们假定存在于欧洲人与其殖民地原住民之间的智力潜能差异，重新铭刻进了大脑之中。因此，在神经网络由学习机器和人工智能（artificial intelligence，AI）加以体现的几十年前，正是殖民地臣民被种族化的身体，充当了推广关于智能及其可还原为可定位单元的新观念的载体——这种重新概念化既是神经生理学的，也是社会学的，甚至干脆带有种族主义倾向。 在本章中，我以三个这样的片段作为案例研究：在这些片段中，神经网络不仅被部署为解决智能问题的方案，而且通过被直接铭刻于特定身体之上而被塑造成这样的方案。神经网络如今被视为一种受生物学启发的机器学习模型[^f03-2]，但它最初是作为一种研究种族差异的神经解剖学方法被提出的，随后又被重塑为一种仅凭神经生理学来诊断和治疗精神疾病的新途径。神经网络穿越了十九世纪组织学、第二次世界大战时期的精神病学和二十世纪晚期计算机科学等形形色色的领域和时期，它所标示的不仅是智能表述方式的变化，也是人们为在人与机器之间定位和归属智能而发展出的手段的变化。尽管人们假定神经网络在时间中保持着连贯性，但它的物质化却经由了五花八门的实践：银染法与殖民地卫生政策，脑损毁与电休克疗法，以及组织改革与软件模拟神经元的编程。如果说有什么东西贯穿了这些迭代，那与其说是某种统一的智能理论，不如说是一种实验精神（experimental ethos）：它系统性地组织、管理和规训人的身体，同时贬低这些身体所持有的实践性的、地方性的和情境性的知识。露西·萨奇曼（Lucy Suchman）曾邀请我们关注“作为能动者的机器”（machines-as-agents）这一前景被生产出来的场所（1987, 2）；本章把这一邀请颠倒过来，回到三个场所，在那里，“作为机器的能动者”（agents-as-machines）这一前景——即能动性，以及在此特定情形下的智能，必然包含机器性质——最初得到表述，随后又通过否认各种身体的能动潜能而得以维系。 这三个片段如下：西班牙组织学家圣地亚哥·拉蒙-卡哈尔对生物神经网络的发现（1888a）；美国精神病学家沃伦·麦卡洛克（Warren McCulloch）对人工神经网络的发明（McCulloch and Pitts 1943）；以及英裔加拿大计算机科学家杰弗里·辛顿（Geoffrey Hinton）对深度神经网络的软件实现（Hinton, McClelland, and Rumelhart 1986）。在每一个片段中，神经网络都被部署来稳定围绕智能的定义与操作化而持续发生的危机，但同时也引入了足够的不稳定性，从而为将各种身体和对象置于实验方法之下提供了正当理由。为了探讨神经网络历史中稳定与不稳定之间的这种辩证关系，我借鉴汉斯-约尔格·莱茵贝格尔（Hans-Jörg Rheinberger）关于实验系统（experimental systems）的研究。莱茵贝格尔将实验系统定义为“使问题物质化的载体”（1997, 28），它构成实验的基本单元，实验室工作的技术、认知、社会和制度组成部分在其中以情境化对象的形式汇聚（1997, 238）。这一概念提出以来，已被媒介研究学者所挪用（例如 Jagoda 2020; Milburn 2010），用以理论化媒介如何使新的情境、环境和文化氛围可供实验——这一举措为批判性地把握神经网络如何将各种身体动员为组织学的、临床的、最终是计算的操控对象，提供了更深入的着力点。 在这篇文章中，我提议将神经网络研究的重心重新放在它们所体现的对实验的执着上，同时理论化一个由这种执着所界定的更广泛的媒介类别。这一贡献至关重要，因为相比于通常把神经网络刻画为一种在生物学上说得通、可替代符号主义智能进路的方案，它提供了一个更有力的框架来构想神经网络。因为，尽管神经网络这类受生物学启发的模型和符号主义的人工智能构想通常被界定为彼此对立，但正如露西·萨奇曼在本书后文所指出的，它们在认知的计算基础方面持有相似的假设。后者或许主张认知涉及对符号的计算（例如 Newell 1980; Pylyshyn 1984），而前者则主张认知是串联起来的计算单元的产物（例如 Hinton, McClelland, and Rumelhart 1986; Rumelhart and McClelland 1987），但二者仍然表现出一种相似的理解，即把计算视为认知的主要通货。在此背景下，神经网络的实验基础所提供的，是一个有力的透镜，使我们可以通过这一模型对其所应用之对象产生的效应来界定它。在我的每一个案例中，实验都被部署来将神经网络所体现的原则，铭刻于那些其能动性被这些原则所否认的身体之上。在神经网络的整个历史中，大脑及其日益抽象的形式被系统性地动员为载体，用以传达关于原子化、相互依赖和中介的新观念。因此，这种对实验的强调所凸显的，是中介在神经性（neurality）本身的发展中所扮演的核心角色；拉蒙-卡哈尔、麦卡洛克和辛顿都曾援引这种中介，来推广他们的如下理解：人的生物性、心理和社会性可以被还原为可供实验的、可定位的结构。 克利福德·西斯金（Clifford Siskin）将中介定义为“一种在世界中以物理方式运作、从而中介我们认识世界之努力的形式”（2016, 1）[^f03-3]。基于这一定义，我提议把拉蒙-卡哈尔、麦卡洛克和辛顿对神经网络的种种表述——以及铭刻——理解为某一媒介子集的代表，我称之为神经媒介（neural media）。借助这一概念，我意在理论化我的这几位主人公为推广作为一种形式的神经性、并将其自然化为一种生物学既定事实而部署的各种对象。因为在神经网络的每一次迭代中，它们不仅通过各种实验技术被直接铭刻于某些身体之上，而且还被部署来把这些身体建构为确凿的证据，证明复杂的心理状态和官能可以还原为神经生理学基础。就此而言，神经网络是一类实验系统的缩影：在整个二十世纪，这类系统把认知与神经生理学混为一谈，进而把交流与结构、意义与媒介混为一谈。除了神经网络之外，我们还可以把本丛书其他作者讨论过的其他人造物和实践纳入这一类别，例如神经黑客（neurohacking）（Chia 2022）、“智能”设备（Neves 2022），甚至互联网网络（Stäheli 2020）。在所有这些情形中，神经的——或类神经网络的——观念本身，都是身体被逐步抽象为大脑、心智、最终是智能的结果；而大脑、心智和智能都为那些原本逃避实验中介与技术中介的社会现象和心理现象，提供了日益精巧的代理物。因此，我试图借助神经媒介这一概念来捕捉的，是人与机器汇聚为一种无所不包的组织理论——在这种理论中，将原子化、相互依赖和中介推广为普遍原则，是以它们逐步脱离任何身体为前提的。 ## 为大脑建模：论十九世纪组织学中的种族差异与殖民扩张 在关于人工智能的历史与批判文献中，神经网络在十九世纪组织学语境中的第一次迭代，也是最受忽视的一次。尽管其后来的拥护者经常将其称为以其命名的那些模型的神经生理学起源（例如 McCulloch and Pfeiffer 1949; Rumelhart, McClelland, and Hinton 1986），但神经网络的第一次迭代——作为一种主张所有心理状态和智力官能都可还原为离散细胞之间相互作用的模型——通常未被问题化。然而，神经网络在最初提出时，直接回应了人们对种族差异的生物学基础——或者说其缺失——日益增长的焦虑。在技术科学层面，神经网络的提出恰逢显微镜学的关键进展，而这些进展非但没有揭示跨越种族分界的有意义的生理差异，反而凸显了人体组织在显微尺度上无从区分。在政治层面，神经网络的提出及其随后的采纳，与许多欧洲殖民帝国的逐步瓦解同时展开。从佳亚特里·斯皮瓦克（Gayatri Spivak）到西尔维娅·温特（Sylvia Wynter），许多人都注意到，这种瓦解如何表现为欧洲人与其被殖民的“他者”之间的严格对立被更为微妙的“经济的、政治的和文化主义的操弄”（Spivak 1999, 172）所取代，这些操弄将上述对立映射“到人类遗传变异及其文化的范围之上”（Wynter 1995, 34）。在这两组事件的交汇处，神经网络引入了一种更具弹性的神经组织与社会组织模型，它不仅将种族等级铭刻进大脑的结构之中，而且把被殖民的人群俘获为实验操控的优先对象。 西班牙组织学家圣地亚哥·拉蒙-卡哈尔最初提出神经网络时，声称大脑由“完全自主的生理单元”构成（1888a, 8），这与当时占主导地位的、认为大脑由连续神经纤维构成的观念相对立。后一种立场最初由约瑟夫·冯·格拉赫（Joseph von Gerlach）（1872）和特奥多尔·迈内特（Theodor Meynert）（1872）提出，彼时则由意大利医生卡米洛·高尔基（Camillo Golgi）所倡导。高尔基于1873年引入了一种新颖的染色技术，用以证明大脑不过是“一个弥散的神经网络”（Golgi 1907, 14）。这种被称为“黑色反应”（black reaction）的方法，是先将薄薄的脑组织切片浸入重铬酸钾中，再将其浸泡在硝酸银溶液里，直到切片呈现发黑的颜色（见 Golgi 1873）。经过这一处理后，脑组织可以以前所未有的清晰度被观察，因为其最精细结构之间的界线在光学显微镜下变得更加明显。然而，有意思的是，拉蒙-卡哈尔正是使用了完全相同的技术，提出了他自己的神经解剖学模型。拉蒙-卡哈尔和高尔基都不知疲倦地切片、染色、审视和描绘脑组织，二者都把大脑俘获为可供操控和观察的对象，但最终对这一过程所显现出来的结构产生了分歧。面对相同的结构，高尔基看到的是连续性，而拉蒙-卡哈尔看到的是不同的单元。由于神经元独立性的第一批确凿图像直到数十年后才被制作出来（见 Palay and Palade 1955），因此，引导他们各自模型的，与其说是他们所看到的东西，不如说是他们的模型如何使他们能够让其他对象——以及主体——接受与他们施加于大脑的实验操控相类似的操控。 一方面，高尔基最初提出他的模型，主要是为了给他在工作中遇到的神经疾病和心理疾病提供一个明确的物质基础。高尔基受过精神病学训练，他在处理取自其工作所在的圣马泰奥医院（Hospital of San Matteo）已故病人的组织时，发展出了他那著名的染色方法[^f03-4]（见 Golgi 1869a, 1869b）。虽然人们记住的是他利用自己的染色技术对关键脑结构进行的大量研究，但高尔基本人则将他的技术构想为一种“实证的和实验的”替代方案，用以取代“精神疾病研究中占主导地位的哲学—思辨倾向”（Golgi，引自 Mazzarello 2009, 387）。高尔基的第一批银染研究，是以一位患过舞蹈症——当时被理解为一种躁狂病症——的病人的大脑为对象进行的；借此，高尔基（1874）将他的神经网络作为一种优先模型提出来，它不仅能把原本抽象的心理现象映射到大脑上，还能把精神病学实践转变为一种以整个神经系统为目标的实验实践。 另一方面，推动拉蒙-卡哈尔阐述其神经网络模型的，则是对人类发展之物质解释的追求。在整个职业生涯中，拉蒙-卡哈尔经常回到这样一个问题：人类生命如何“始于无意识而终于有意识”（1989 [1901], 293）。为了回答这个问题，他对骨髓（1887）、神经系统（1888a）和大脑（1888b）等人体组织进行了大量研究。但他所关心的那种人类发展，直接受到十九世纪晚期种族科学的词汇和框架的启发。在对其工作核心问题的另一种表述中，拉蒙-卡哈尔好奇，为什么有些人会是“宇宙力量的奴隶和玩物”，而另一些人则是“自然的驾驭者和造物的独裁者”（1989, 293）。面对无从区分的组织，拉蒙-卡哈尔断定，唯有神经元的独立性才能解释人类能力与官能的巨大差异，而他假定正是这些差异把“奴隶和玩物”与“自然的驾驭者”区分开来。就像社会成员“在从属于一个有机整体的同时，仍享有一定程度的功能自主性”（1904, 189）一样，对拉蒙-卡哈尔而言，神经元反映了人类如何由众多密切互动的个体构成；他认为，人类在整体上是由其最杰出成员近乎英雄般的贡献所推动的（见 1999 [1897], 23）。 因此，拉蒙-卡哈尔所想象的作为神经组织之镜像的那种社会秩序，确实令人想起他自己所身处的社会秩序，因为它设定了一种高度分层的结构，类似于支撑晚期西班牙帝国组织的严格种族等级。拉蒙-卡哈尔是在第一次古巴独立战争期间作为军医被派驻时转向神经解剖学研究的，他把组织殖民地古巴生活的清晰社会分层，解释为该殖民地不同阶层所体现的根本种族特质的证据。在该岛等级体系的最底层，拉蒙-卡哈尔认定的是“土著种族”，他们居住在岛上最偏远的地区，主要从事自给农业；以及“非洲人和穆拉托人”，他们的体力使他们特别适合农业劳动（1989, 212）。接着，他列出了克里奥尔人（Creoles）[^f03-5]，即具有混血但主要是西班牙血统的土地所有者，他们在热带条件下生活了几代之后，已经变成了“苍白的温室植物，过着懒散而寄生的生活”（1989, 212）。在他们之上，拉蒙-卡哈尔单独列出了古巴人——即近期直接拥有欧洲祖先的岛上出生者——他们“局限于城市，从事商业或专业工作”（1989, 212），拥有必要的智力和地方知识，可以充当殖民地古巴与西班牙本土之间的中介者。而凌驾于所有这些群体之上的，拉蒙-卡哈尔最终安放的是“白色种族”，即像他本人一样的西班牙本土人，他们尽管容易受到“气候的削弱作用”的影响，却凭借其更优越的智力“活力”支配着所有其他群体（1989, 212–13）。正如他后来的神经网络模型那样，古巴社会在拉蒙-卡哈尔看来是一个由界限分明的群体和个体构成的分布式的、但又是等级化的网络，其分层结构据称映照着种族发展本身的结构。 返回西班牙之后，拉蒙-卡哈尔把这种种族化的人类发展观转移到了一种高度等级化的动物生物学理解之中。拉蒙-卡哈尔拒绝接受“低等哺乳动物（猫、狗、猴等）的大脑与人类大脑之间的差异纯粹是数量上的”这一假说（1989, 471；另见 1897, 132–33），转而假设大脑中存在离散的单元，而这些单元的数量不如其连接的数量重要。拉蒙-卡哈尔通过他所完成的数百项组织学研究来推广自己的观点，他强调，正如“鲸或大象的大脑”并不与“更高的智力”相关一样，某些人类群体较大的大脑意味着“较低的智力，甚至干脆就是愚蠢”，因为其神经元数量较多就意味着“其神经元之间的连接不完善”（1894, 467）。通过为“物种之间以及同一物种内部在心智能力上存在的巨大的量与质的差异”（1894, 468）提供一种物质解释，神经网络于是在神经生理学层面投射出拉蒙-卡哈尔在人类群体之间所感知到的种族分界。 但是，拉蒙-卡哈尔的神经网络除了为激发十九世纪西班牙殖民世界观的种族等级提供生物学基础之外，还引入了一定程度的不确定性，使其实验精神得以扩展到组织学领域之外。因为，拉蒙-卡哈尔在把“白色种族”的智力优越性等同于其改造原本“欧洲人无法居住”的环境的能力（1989, 205）的同时，也把这一事业单独标举为欧洲种族生存的必需。比起地方叛乱和反殖民情绪，拉蒙-卡哈尔认定对人类发展构成主要威胁的，是欧洲殖民地的本土疾病。对拉蒙-卡哈尔而言，这些疾病不仅是殖民的障碍，更直接威胁到人们原本假定存在于欧洲身体与殖民地身体之间的边界，因为它们不加区分地从一个身体跳到另一个身体。原住民被还原为这类“寄生生命”扩散的携带者——这些寄生生命“席卷我们的卧榻，劫掠我们的给养，从四面八方包围我们”（1989, 217）——他们无非是原本不可见的病原体的替身；拉蒙-卡哈尔呼吁对他们进行持续的控制和管理，以防止这些病原体跨越种族分界传播。因此，除了大脑之外，拉蒙-卡哈尔还通过他的模型，把西班牙殖民地的众多原住民群体俘获为干预对象，尤其是把殖民重塑为一项带有明显种族意味的卫生事业。 拉蒙-卡哈尔将被殖民人群视为原本不可见之疾病的代理物，这一点尤其关键，因为他曾在一个于1910年专门召集、旨在改善几内亚湾卫生状况的重要公共委员会中任职。此时，西班牙在非洲的海外领地实际上是它仅存的殖民地，古巴和菲律宾都已于1898年获得独立。在由此形成的报告中，拉蒙-卡哈尔强调，要对西班牙最后的殖民地进行经济开发，就必须对这个实质上是“一切病原体的天堂”（1910, 9）的地方进行卫生整治。作为解决方案，拉蒙-卡哈尔呼吁组建医疗旅，它们将通过医学完成其军事对应部门通过治安所完成的事情。这些医疗旅在功能上类似于军事部门对“隐藏之敌”的搜寻与清除，拉蒙-卡哈尔设想它们由科学家组成，其任务是“研究殖民地的流行疾病；根据最新的细菌学方法确定其病因；并提出根除这些疾病所需的预防措施”（1910, 11）。为了证明这一政策的正当性，报告收录了关于被该地区某些地方性寄生虫感染的人体组织的各种实验研究。耐人寻味的是，这些研究中没有一项记录了拉蒙-卡哈尔先前所理论化的欧洲人与非欧洲人之间细微的神经生理差异。相反，它们几乎都集中于导致锥虫病（一种具有严重神经症状的疾病）的寄生虫，其方式把原住民的身体、更具体地说是大脑，建构为寄生虫污染的优先场所（例如 Pittaluga 1910）。以记录地方疾病和治疗原住民为名，这些关于受感染神经网络的研究把原住民刻画为深层病理差异的携带者，认为这种差异需要像西班牙这样的外国势力进行持续干预。因此，拉蒙-卡哈尔的神经网络不仅仅是一个神经解剖学模型，它还是一个用于研究、识别和根除各种疾病与寄生虫的框架，并以一种在医学托辞下重申种族差异假设的方式发挥作用。 因此，神经网络远非经验观察的直接产物，它首先是一种复杂的实验建构物，是通过对人体组织和被殖民人群同样细致的操控而生产出来的。通过指导银染法和殖民地卫生政策这样迥然不同的实践，神经网络提供了一种高度可操作的装置，用以在微观和宏观两个尺度上维持不平等的权力关系。就此而言，它们积极参与了其他学者先前所描述的“一种独特的晚期殖民主义人口管理模式”（W. Anderson 2006, 4），这种模式的特征在于把根深蒂固的种族差异观念重新铭刻进医学框架之中（见 Kramer 2006; Neill 2012）。神经网络一半是实验性的，一半是思辨性的，它们不仅反映了围绕人类差异、传染和殖民瓦解的种种焦虑，而且开启了一种更广泛的重新概念化，即以可以被干预的基本结构来理解生物生命。因此，拉蒙-卡哈尔的神经网络与其说是被发现的，不如说是通过染色技术被直接铭刻于脑组织之上的，它中介了某些身体如何被建构为既种族化又医学化的他者。在被部署来解决如何最好地理解大脑及其结构这一问题的同时，神经网络也通过为欧洲与其殖民地之间的相互依赖提供生物学和医学基础，为如何既证成又更新西班牙的殖民计划这一问题提供了解决方案。 ## 为心智赋形：论战时精神病学中的信号与电休克 神经网络在二十世纪中叶精神病学语境中的第二次迭代，是大多数关于同名机器学习模型的历史叙述和技术叙述的惯常起点。认知科学家和计算机科学家把“类神经网络[能够]计算”这一原初洞见归功于这一时期的工作（Rumelhart and Zipser 1986, 152），历史学家则把这一迭代刻画为对大脑活动进行数学提炼的首次尝试（例如 Dupuy 1994; Kay 2001）。但这两类叙述都忽视了神经网络第二次迭代明显的实验性质。神经网络的第二次迭代先是通过脑损毁和士的宁神经描记法等技术得到研究，随后又指导了探索电休克疗法之使用的临床试验，它标示着精神病学的实践与理论双双发生的一次实验性的、神经生理学的转向。神经网络作为精神分析和行为主义——二者当时主导着美国的精神病学机构——的替代方案被提出，旨在为精神疾病的诊断和治疗提供生物学基础。神经网络的设计基于这样一种假设：某些病症是身心治疗路线所无法触及的；因此，神经网络把某些心智单独标记为深层病理差异的携带者，认为这种差异只能通过躯体干预来治疗。因此，早在它们成为被称为“控制论（cybernetics）”的新的“信号科学[……]”（McCulloch and Pfeiffer 1949, 373）的旗手之前，神经网络首先是通过被部署来理论化二十世纪精神病学的某些标志性病症，而被确立为一种心智模型的。 在正式将神经网络作为一种同时适用于大脑和计算机的逻辑—数学心智模型提出之前将近十五年，沃伦·麦卡洛克在一个大动荡的时期进入了精神病学实践。当时，精神分析和行为主义构成了大多数职业精神病学家实际上所采用的学科透镜，而神经病学和神经生理学正逐步进入精神病学机构，成为治疗那些尚无有效疗法之病症的有前景的框架（Star 1989; Weinstein 2013）。麦卡洛克于1928年在纽约贝尔维尤医院（Bellevue Hospital）开始其职业生涯，在研究脑损伤对神经障碍和心理障碍之发展的影响时，他很快认同了后一种神经精神病学运动。在临床实践之外，麦卡洛克与神经病学家罗伯特·肯尼迪（Robert Kennedy）合作，进行了他最早的神经精神病学实验：他小心地损毁猫的大脑，以研究这些损伤对心理过程的影响。然而，直到1934年之后，麦卡洛克对精神疾病之物理基础的兴趣，才转化为一个以研究神经活动为中心的连贯实验议程。麦卡洛克受聘于耶鲁大学神经生理学实验室，与生理学家约翰内斯·杜瑟·德·巴伦（Joannes Dusser de Barenne）合作设计实验，其目的是描绘各脑区之间的功能关系。杜瑟·德·巴伦和麦卡洛克以猴子为实验对象，发展出一种名为“士的宁神经描记法”（strychnine neurography）的方法（1939, 620），该方法测量一个脑区的变化如何改变其他脑区的电生理读数。他们将少量士的宁——一种具有高度兴奋作用的强效神经毒素——直接注入实验对象的大脑，绘制出复杂的图表，将暴露于士的宁时不同神经通路的分支情况可视化（见 Dusser de Barenne, Garol, and McCulloch 1941）。 因此，在对神经活动的早期研究中，麦卡洛克通过脑损毁和定向投毒相结合的方式，把神经通路直接铭刻于实验对象的大脑之上，从而使其成为可供实验的对象。但是，尽管没有直接的临床应用，麦卡洛克的实验仍然旨在发展新的方法，不仅用于理解精神疾病，也用于治疗精神疾病。麦卡洛克进行这些实验的意图是“学到足够多的人体生理学，以理解大脑如何工作”（McCulloch 1974, 30），他力图为那些原本似乎超出精神病学所能触及范围的心理状态和心理现象找到代理物。与当时正在进行的、将心智重新概念化为医学干预之优先目标的潮流相一致，麦卡洛克把猫和猴子的大脑用作代理物，它们所代理的与其说是人类大脑，不如说是患病的心智（Grob 1983, 108–43；另见 Abraham 2016）——这是一个新的关注对象，它既困扰着麦卡洛克，也困扰着两次世界大战之间为容纳美国日益增长的精神病患人口而建立的众多机构。正如他当时所写，麦卡洛克坚持认为，“除非我们能够用思考肾脏时所用的那种物理—化学术语来理解大脑，否则我们对疯子将一筹莫展”（1941, 1）；因此，他把自己那些复杂的神经通路图构想为承载着一种希望，即把精神病学转变为一种经验的、并最终是实验的实践。 正是在这个时候，麦卡洛克的实验实践和临床实践汇合了：他出任伊利诺伊神经精神病学研究所（Illinois Neuropsychiatric Institute，INI）的精神病学教授——INI是美国少数几个在同一屋檐下同时进行基础脑研究和精神病患者临床治疗的机构之一。在那里，麦卡洛克一边继续完善他对神经通路的建模（例如 Bonin, Garol, and McCulloch 1942），一边专注于在实验对象身上再现他在INI遇到的某些病症。麦卡洛克主要关注神经症和精神病，致力于识别导致这些病理的神经通路，其明确意图是为被诊断患有这些疾病的病人开发新的治疗路线。也正是在这个时候，麦卡洛克遇到了他未来的合作者沃尔特·皮茨（Walter Pitts），当时皮茨是一个十六岁、自学成才的离家出走少年，在形式逻辑方面颇有天赋。麦卡洛克认识到皮茨关于形式系统的工作与他自己对大脑的研究相类似，于是收留了他，并把他与自己的孩子一起抚养。在皮茨的指引下，麦卡洛克的神经通路第一次被从其神经生理学基础中抽象出来，并被转置到一个受电气工程启发的框架之中。皮茨把麦卡洛克的“神经通路”（neural pathways）重新诠释为“神经元网络”（neuron networks），提议将神经元之间的连接建模为“一个简单电路”（1942a, 121），其中二值单元被组合在一起，以达到“稳态平衡”（1942b, 169）。 正是从这种临床工作、实验室工作和理论工作的混合之中，麦卡洛克和皮茨于1943年在一篇标题颇为艰涩的论文《神经活动中内在观念的逻辑演算》（“A Logical Calculus of the Ideas Immanent in Nervous Activity”）中，正式提出了他们的“神经网络”（neural nets）模型。在这篇论文中，麦卡洛克和皮茨抛开了神经元进入兴奋或抑制状态的实际机制，转而关注它们所体现的逻辑关系。该文以布尔代数——一种主张所有逻辑命题都可以被提炼为代表离散状态和关系类型之符号的数理逻辑——作为其记号系统，提议把神经元还原为诸如开和关、或1和0这样的离散值，同时把它们之间的关系表示为合取、析取和否定这样的简单函数（1943, 115–20）。麦卡洛克和皮茨声称，通过组合这些简单的状态和函数，他们的神经元网络在达到一定规模时可以体现复杂的表征，包括大脑能够维持的任何心理状态。 但是，无论这篇论文的早期读者把他们的新模型看得多么抽象和“不必要地复杂”（Fitch 1944, 49），麦卡洛克和皮茨首先把他们的模型构想为一种客观的透镜，用以“诊断[……]器质性病患”（1943, 132）。尽管后来被控制论学者刻画为生物系统中反馈的模型（Wiener 1945），甚至被视为一般自动机理论的基础（Neumann 1951），但神经网络最初是作为一个优先框架被提出的，用以界定歇斯底里、神经症和精神病等彼此区分模糊的病症。就其核心而言，这一模型旨在证明的是，“患病的心智状态可以用神经生理学的科学术语来理解，而不损失其范围或严密性”（1943, 132），而无需病人自己对其病情和体验的陈述。因此，在战时精神病学语境中的第二次表述里，神经网络之所以被确认为一种心智模型，是因为它们带来了一种前景：把原本抗拒解释和治疗的精神障碍，还原为可以被干预的、可定位的大脑结构。 在随后的几年里，神经网络把精神障碍重新概念化为可以通过直接操控大脑来治疗的身体病症，这一点尤其通过其在精神分裂症治疗中的应用而得到支撑。麦卡洛克对这种障碍的选择绝非中立，因为它既在现代精神病学史上享有特殊地位，又具有更广泛的哲学回响。如果说麦卡洛克热心阅读的伯特兰·罗素（Bertrand Russell）和阿尔弗雷德·诺思·怀特海（Alfred North Whitehead）等人，把精神分裂症视为一种凸显心智原本具有的逻辑结构的谬误推理形式，那么麦卡洛克的选择在很多方面反映了这种障碍如何作为一种极其晦暗的病症而存在，以至于它挑战了精神病学理论化精神疾病的能力本身（Herman 1995; Woods 2011）。1945年，麦卡洛克本人也提出了类似的论点，他特别把现代精神病学的历史与精神分裂症的历史联系起来。在一篇题为《精神分裂症的现代概念》（“The Modern Concept of Schizophrenia”）的文章中，麦卡洛克特别强调，精神分裂症被认定为一种统一的疾病，恰逢精神疾病被重新概念化为源于有缺陷但可治疗的生物过程（Meduna and McCulloch 1945, 147–49）。但更重要的是，正是在这篇文章中，麦卡洛克第一次把他的模型塑造为能够将精神分裂症还原为某种生物学基础，尤其是把精神分裂症塑造为对神经网络所体现的理想化神经组织模型的极端偏离。通过坚持认为这种偏离只能通过主动重组神经连接来解决，麦卡洛克首先是把他的模型作为一种临床依据加以部署的——这种依据支持使用直接干预精神病患者大脑的侵入性疗法，包括电休克疗法。 尽管到1940年代初，美国已有一半的精神病学机构在使用电休克疗法，但这种疗法仍然缺乏任何有力的理论支撑（Sadowsky 2016; Shorter and Healy 2007）。麦卡洛克看到，让大脑承受电脉冲与他以神经信号来重新概念化大脑活动之间存在明确的对应关系，于是联系了小约西亚·梅西基金会（Josiah Macy Jr. Foundation）——当时医学研究的主要资助机构——提议开展一项临床试验，致力于确定电休克疗法据称有效的原因。梅西基金会被他的承诺所吸引，即把精神分裂症等精神病症还原为神经网络所体现的“那些类型的机制”（McCulloch 1942, 2），于是迅速批准了麦卡洛克的申请，并于1944年向他拨付了必要的资金，让他主持一项为期多年的大规模临床试验，研究使用电休克疗法治疗精神分裂症患者。该试验在INI进行，共有二十五名被诊断患有该病症的病人在数年间每周接受三次电休克。由于无法直接在大脑中测量电生理变化，麦卡洛克依靠这些病人的血液和尿液样本，来识别短期和长期神经改变的代谢标志物。 经过一年的此类治疗后，麦卡洛克报告说，电休克疗法对试验参与者的效果极不均衡：一些人的病情有所改善，另一些人则不然。据此，麦卡洛克提出理论，认为所谓精神分裂症实际上是两种不同的疾病，各自源于大脑物理—化学组成的一种不同失衡。一方面，麦卡洛克推测，那些“被电休克‘治愈’”（1948, 3）的病人是神经系统缺陷的受害者，这种缺陷导致他们无法恰当地处理外部信息。另一方面，麦卡洛克假设，那些对电休克无反应的人则是受到一种代谢缺陷的影响，这种缺陷妨碍了神经信号的正常传递；他建议使用胰岛素疗法或二氧化碳中毒等其他疗法来改变他们大脑的化学组成。尽管这一区分最终被证伪，但它凸显了麦卡洛克关于精神疾病之物理基础的假设，如何催生了一种过度以神经活动的功能组织和物理组织为中心的医学诊断模型，以至于完全依据精神病症对某些躯体疗法而非另一些疗法的反应来界定它们。不仅如此，通过把这些疾病塑造为对其神经网络所体现的理想化神经组织模型的偏离，麦卡洛克同时把他的模型部署为一种依据，为直接针对病人大脑的、高度侵入性和暴力性的治疗形式提供理由。 因此，通过体现一种理想化的神经组织模型——“其畸变是我们最棘手的难题”（McCulloch 1945, 2）——神经网络为在战时精神病学语境中扩大躯体疗法的适用范围提供了有力的临床依据。在其最初的表述中，在被麦卡洛克那些更偏向计算的同事接手之前，神经网络传达了这样一种根本假设：所有精神障碍本质上都是可以通过物理手段治疗的身体疾病。因此，即使对于那些尚未得到令人满意之解释的疾病，神经网络也使精神病患者的身体、更具体地说是大脑，可以接受各种各样的实验操控；而这些操控的成功与否，与其说取决于它们能否最终治愈病人的病症，不如说取决于它们如何为精神病学家提供新的工具来对这些疾病进行分类和管理。为了让神经元被建构为继电器、让心理状态被还原为“交流电通过大脑”（McCulloch and Pfeiffer 1949, 369–70），神经网络因而不仅需要把某些主体建构为偏离其所体现之组织理想的人，还需要实实在在地让他们经受“交流电的通过”。就此而言，正如拉蒙-卡哈尔部署其神经网络以恢复欧洲人与其殖民地居民之间一定程度的差异一样，麦卡洛克自己版本的这一模型，也是一种高度述行性的（performative）心智模型，其普遍性是通过在实验中干预那些据称偏离神经网络所体现之原则的大脑而得到宣告的。 ## 管理智能：论二十世纪晚期计算机科学中的网络与组织 神经网络的第三种亦即当下的表述——一种高度操作化的、统计式的人工智能路径——是大多数当代评论者首先想到的那一种。作为一种依赖昂贵GPU、大规模信息处理基础设施和庞大数据库的计算密集型模型，神经网络通常是从以下几个方面被讨论的：它们所消耗的自然资源（例如 Hogan 2015），它们所牵涉的人类劳动（例如 Atanasoski and Vora 2019），以及它们所促成的、将万物重新配置为数据的过程（例如 Ricaurte 2019）。综合来看，这些不同的介入都指向这样一点：神经网络的当前迭代，其运作方式并不只是它被塑造成的那种数据处理、数字运算技术。为了运作，神经网络依赖于以一种高度分布式但又有目的地加以管理的模式，对海量资源、人员和数据进行精心管理；而这种模式本身又映照着它们的分布式架构和有目的的训练。这一管理性的组成部分远非边缘，它不仅反映了神经网络如何作为一种组织技术而运作，也反映了它们之所以被重新表述为一种人工智能模型，恰恰是受到了对组织问题的新一轮关切的推动。因为与其先前的形式不同，神经网络的第三次迭代与其说是被部署来干预可定位的、被他者化的身体，不如说是被用来把分散的劳动身体网络组织成一个富有生产力的整体。关于人类差异的关切虽然看似被压制，却被改写为关于人—机差异的新观念，而后者中介了完成复杂任务所需的智能如何从工人自身转移到他们所处的更广泛结构之中。因此，在神经网络提出全面自动化的前景之前，它们所体现的是优化有限资源、提高工人产出和建立新联系等目标——所有这些对于加拿大这样一个高度去中心化的国家都极具吸引力，而神经网络的第三次迭代正是在加拿大出现的。 当加拿大的资助机构和研究机构把神经网络采纳为人工智能研究的一种有前景的新路径时，它们同时也接受了一种更宽泛的理解，即把网络视为开展此类工作的理想结构。当时，研究网络被视为一项关键创新，既能协调分散的各个地点，又能引导它们朝向预期的集体成果。在最初由加拿大高等研究院（Canadian Institute for Advanced Research，CIFAR）倡导时，网络被认为是一种有前景的方式，能够在国家资源有限、幅员辽阔的情况下支持前沿研究。面对有限的资助前景，CIFAR于1982年为其首个项目制定了一种去中心化的交叉任命模式，该项目明确旨在全国范围内建设人工智能领域的能力。CIFAR的研究员获得任命后仍留在其所属机构，但免除通常的大学职责，并被要求在CIFAR的全国性人工智能项目中彼此合作。这种去中心化的、类网络的模式虽然出于必要而生，但对许多公共机构而言，它代表了一种解决该国日益严重的创新滞后问题的有望方案。1982—1984年的皇家经济联盟与发展前景委员会（Royal Commission on the Economic Union and Development Prospects）将CIFAR的人工智能项目单独列为这一新模式的范例，不仅把这类研究网络描述为一种把加拿大推向“技术创新前沿”（Macdonald 1985b, 205）的有前景的方式，还强调了人工智能对促成此类突破的潜在贡献。人工智能被描述为一种独特地适合于“替代人类的脑力劳动”（Macdonald 1985a, 117）的技术，对委员们而言，它代表了一个前所未有的机会，可以把加拿大人从繁重的办公室工作中解放出来，转而从事更具创造性的工作。 在该委员会之后，CIFAR成为加拿大联邦政府的常规资助对象；联邦政府认可它在普及以下观念方面的关键作用：研究最好被组织为“由电信和现代交通编织在一起的〔……〕人的网络”（1987年报告，引自 Henderson et al. 2004, 6）。正是得益于这一新的、稳定的资金来源，CIFAR不仅确立了新的研究方向，还扩大了其人工智能项目，以纳入同样关注复杂网络之最优组织的学者。在由CIFAR在加拿大提供大学职位的众多国际学者中，杰弗里·辛顿（Geoffrey Hinton）是少数从事受神经学启发的人工智能路径的研究员之一。辛顿于1970年代末毕业，其博士论文研究的是“包含〔……〕各种类型的节点和关系的关系网络”如何能够构成“一种语法知识”（1977, 13）；此后，他把神经网络重新界定为一种偏重结构的替代方案，以对抗所谓人工智能的符号主义路径。后者主张认知必然涉及对符号的操作（例如 Fodor 1980; Newell 1980; Pylyshyn 1984），而辛顿则认为，认知的通货其实是组织成网络的“类神经元计算元件”（Hinton, McClelland, and Rumelhart 1986, 77），在这些网络中，正是“单元之间相互作用的影响〔……〕在完成工作”（1986, 85）。 因此，在辛顿看来，人工智能的目标与CIFAR本身的目标并无太大不同。在这两种情况下，挑战都在于找到组织有限资源的最佳方法——无论是辛顿那里的计算资源，还是CIFAR那里的人力资源——以便“从一个由相互连接的单元构成的简单网络中获得尽可能多的东西”（1986, 87）。辛顿在1986年获得CIFAR任命并转到多伦多大学，这甚至恰好与他提出这样一种方法同时发生——该方法旨在优化单元之间的连接，使手头的任务“由许多单元中的一种活动模式来编码，而不是由单个活跃单元来编码”（1986, 88）。这一被称为“反向传播”（backpropagation）的程序，在于“反复调整网络中连接的权重”，以便对于给定的输入，使网络的实际输出与期望输出之间的差异最小化（Rumelhart, Hinton, and Williams 1986, 533）。尽管辛顿在CIFAR的同侪认为这种方法与大脑的运作方式几乎毫无相似之处，更遑论与大脑的思考方式相似（见 Fodor and Pylyshyn 1988; Levesque 1989），但它仍然为把复杂操作嵌入简单网络提供了一种高度功能性的路径。如果说这种方法的第一个用例——即“学习20对长度为10的随机二进制向量之间的关联”（Plaut, Nowlan, and Hinton 1986, 20）——几乎没有实际应用价值，那么它仍然提供了一个例子，说明一项复杂任务如何能够在网络本身的层面上完成，而无法被还原为网络中的任何单个组成部分。 但是，超出这些个别应用之外，真正吸引CIFAR公共资助方的，是在类似的分布式系统中恢复一定程度之控制的前景本身。在辛顿获得任命后次年发表的一份里程碑式报告中，加拿大政府将人工智能单独列为一种独特地适合于通过提供“〔人类〕专业知识的替代品”来改进政府运作的技术（McKinnon 1987, 4）。通过提出减少政府对技能性工作之依赖的前景，人工智能被塑造为一种有望将完成复杂政府运作所需的智能和知识转移到机构自身层面的方式，而代价是那些将不再掌握对这些运作作出判断或采取行动所需知识的工人。仿照神经网络本身的形象，一种关于政府运作的观点浮现出来：政府运作独立于其任何单个组成部分，而对低级公务员的去技能化和重组，则被改写为一种引导像加拿大公务员体系这样庞大的组织朝向预期目标的优先方式。 辛顿在随后几年里在省级和联邦机构支持下从事的那类工作，直接映照了这一更宽泛的抱负：与其说是取代人类工人，不如说是把他们的任务分解为更小、更标准化的任务。借助信息技术研究中心（Information Technology Research Center）资助的语音识别研究经费，辛顿开发了一种时延神经网络架构，旨在识别不同长度声音样本中的音素（Lang, Waibel, and Hinton 1990, 42），可用于生成音标转写，再由人类工人加以润色。借助同一机构的另一笔经费，辛顿训练了一个神经网络来识别信封上的手写数字（Hinton, Williams, and Revow 1992, 54–56），可潜在地应用于邮件的分拣和投递。在加拿大机器人与智能系统研究院（Canadian Institute for Robotics and Intelligent Systems）的支持下，辛顿开发了一个能把手势转化为计算机可读输入的神经网络（Fels and Hinton 1998），既可用于构建新的自适应界面，也可用于监控使用这些界面者的行为。尽管这些应用都不是明显政治性的，但它们仍然提出了这样一种前景：通过把人类工人的贡献还原为对计算机输出的润色或执行，来摒弃各种形式的情境性知识或地方性知识。以“提高政府运作的生产率”（McKinnon 1987, 13）为名，这些应用提供了精简运作、集中决策和规训工人的新方式。如果说神经网络既提供了必要的工具，也提供了必要的隐喻，从而把一支庞大而分散的劳动力重新构想为一个本身由简单单元构成的网络，那么这是因为它们的发展是一种更宽泛尝试的一部分：使工人去技能化和去职业化，从而更容易对他们进行培训、管理，并在必要时取代他们。 回到CIFAR，正是辛顿及其操作化路径与公共资助方建立联系的这种能力，导致了该研究院的人工智能项目出现类似的精简。正如该项目当时的主任所指出的，到1990年代初，CIFAR“促进知识转移和发展强大的应用研究部门”的努力（泽农·皮利希恩〔Zenon Pylyshyn〕语，引自 Brown 2007, 64）大体上并不成功，而辛顿的工作则是这一缺陷中一个广受欢迎的例外。在随后的几年里，研究员与私人和公共机构建立联系和合作关系的能力，逐渐成为其工作获得认可的主要来源，这极大地有利于那些从事更偏应用的研究方向的人。到1990年代中期，CIFAR的许多元老研究员的身份被撤销，而新的研究员则大多选自从事神经网络及其在计算机视觉和语音识别等子领域应用的新一代计算机科学家。尽管CIFAR的类网络模式怀有跨学科的抱负，但恰恰是这种把建立联系本身当作目的的强调，最终导致了围绕在这方面最成功的那些节点的日益同质化。因此，仿照神经网络的形象，CIFAR的网络路径并没有为建立新的联系提供一个模型；相反，它提出了一种新的愿景，把互联和相互依存视为从差异中创造凝聚力的关键机制。因此，CIFAR在倡导合作与跨学科性的同时，也提供了一个丰富的例子，说明明确的研究目标如何能够被嵌入研究网络的组织结构本身之中。 通过为机器智能提供一种高度操作化的路径，同时体现开展此类工作的理想化结构，神经网络的第三次迭代于是作为一种解决方案出现，用以回答如何最好地组织分布式网络以恢复控制与凝聚力的问题。在这一特定表述中，在被转接到一种纯粹计算的框架之前，神经网络推广了这样一种观念：可以通过简化分布式系统中单个组成部分的贡献、把建立联系本身当作目的加以推广，以及把系统的功能重新安置在其结构层面上，来恢复对分布式系统一定程度的监管。那些参与整理辛顿语音识别模型所用的768个声音样本、或其后来计算机视觉研究所用的60,000张图像的人类工人，只得到了一笔带过的提及（见 Lang, Waibel, and Hinton 1990, 25–26; Krizhevsky 2009, 32），这或许并不令人意外；然而，这正是一种更宽泛的贬低地方性、情境性和处境性知识之倾向的症候，而这种倾向又是由该模型把其所有组成部分重新概念化为“简单单元”所助长的。为了让辛顿能够把人工智能的目标改写为找出如何最好地组织“内部单元〔……使它们〕开始表征一项任务的重要特征”（Hinton 1990, 185），就必须把参与神经网络之重新表述、开发和实施的所有行动者、资源和组织，都以类似的结构性术语加以改写。因此，神经网络以其当前形式出现时，不只是一种受生物学启发的机器智能模型，更是一种偏重结构的组织路径；在其中，控制的施行不仅在于把复杂的社会语境呈现为由简单单元构成的网络，还在于把它们当作这样的网络来加以作用。 ## 神经性的制造 当把神经网络在十九世纪组织学、战时精神病学和二十世纪晚期计算机科学语境中的三次主要迭代所涉及的各种实践与话语放在一起审视时，它们动摇了如今与这一模型相联系的目的论叙事。这三个时刻远未显示人类智能与机器智能逐步而稳定的趋同，反而凸显出：神经网络被部署来不仅回答截然不同的问题，而且对其所理论化的过程与功能与其说是加以解释，不如说是加以管理。如果说有什么东西把这三个时刻联结起来，那就是对实验的持续投入，其表现为开发新的标准化技术，以干预单个神经元、整个大脑和广阔的人际网络。这些技术在推广“即使是表面上的连续性，似乎也最好当作若干个小步骤来处理”（McCulloch and Pfeiffer 1949, 368）这一观念的同时，也都被部署来操控这些基本结构、在其上进行实验，直到它们产生所期望的输出——即在殖民解体、去机构化和政治去中心化面前恢复一定程度的控制。神经网络远非它们被塑造成的那种同时适用于人类和机器的抽象心智模型，而是一种复杂的实验建构物，它是通过对偏离其所体现之原则的客体与主体进行持续的操控、控制和管理而产生的。 因此，神经网络的历史所指向的，超出了这样的问题：把生物神经元表征为以概率方式相互连接的模拟单元是否准确，甚至神经学是否确实为理解智能提供了一个有用的视角。相反，它所显示的是某种把复杂现象还原为可供操控的可定位结构的方式的反复出现，以及它的反复失败。神经网络通过银染法与殖民地卫生政策、脑损毁与电休克疗法、组织改革与软件模拟神经元的编程等形形色色的实践而得以物质化；它们把神经元、大脑乃至整个社会系统之类的事物，捕获为关于组织、交流和管理的新结构主义观念得以流通的基底。在此过程中，神经网络远未对这些实体中的任何一个给出最终解释，而只是引入了恰好足够的不确定性，使它们自身得以铭刻到各种大脑和身体之上，以至于它们不再显现为概念，而是显现为经验事实。在这个意义上，鉴于神经网络既为其所体现之观念的流通创造了渠道，也创造了接收端，我提议不仅把神经网络理解为一种媒介，而且理解为一个更宽泛类别的代表；我将这一类别称为神经媒介（neural media），其界定在于它们传达一种关于人类生物性、心理性与社会性的技术化观点的方式。 从拉蒙-卡哈尔被种族化的大脑、麦卡洛克患病的心智，到辛顿的网络化智能，神经网络系统性地中介了各种身体如何被感知、被认识和被利用。大脑一旦被建构为人类差异的所在，就被用来为使各种人群屈从于新的殖民管理形式提供理由；心智一旦被认定为精神偏差的所在，就使精神病学家得以把某些身体捕获为适于接受高度侵入性临床治疗的对象；智能一旦被改写为某种组织有限计算资源之方式的结果，就成为贬低低级工人的处境性知识与专长的一个优先视角。在所有这些情况下，大脑、心智和智能不仅通过在神经领域内被调动而被用来传达某些意义、促成某些实践，而且使该领域的首要地位得以在各种领域、时期和国家环境中得到确认。在这一语境下，神经媒介所理论化的是：神经性（neurality）——在此理解为所有心理状态都可以被还原为可定位之神经结构的观念——本身就是一种高度述行性的建构物，它在推广原子化、相互依存和中介等组织原则的同时，又把这些原则塑造为生物学上的既定之物。 这一解读建立在各种论述的基础之上，这些论述探讨了机器智能的观念如何与对身体和工人的管理紧密相连——包括兰乔德·辛格·达利瓦尔（Ranjodh Singh Dhaliwal）最近关于计算在历史上如何介入阶级与劳动之种族化组织的讨论（2022；另见 Nakamura 2014; Rhee 2018）——但本解读更具体地凸显了神经性本身如何开始代表一种更宽泛的组织精神。原子化、相互依存和中介如今与大脑结构联系得如此紧密，这不过是持续努力的结果：人们把从种族科学、战时精神病学和新公共管理中继承来的原则、过程与结构投射到人类生物学之上。大脑一旦被还原为其结构，就成为一种强有力的装置，用以把这样一种组织观自然化：组织是系统的主要决定因素，因而也是社会秩序得以（再）生产的优先手段。如果说一旦涉及神经网络，简单单元和互联网络便突然大量涌现，那么这与其说是因为它们作为结构具有普遍性，不如说是因为神经性本身的述行性质；神经性中介了复杂的生物、心理和社会系统如何被弄得可以解读为、并被积极塑造为由紧密互联之单元构成的稠密网络。 当结合神经网络穿越组织学、精神病学和计算机科学的轨迹来考察时，神经媒介所显示的是：人工智能的历史本质上是一部中介谁或什么被承认为智能之承载者的历史。因为在神经网络的每一次迭代中，智能都被系统性地建构为一种分布不均的能力。当被还原为一种纯粹结构性的基础时，智能就变成了那些体现正确结构者所固有的一种品质，而代价是那些偏离这一结构的人。这类结构主义观点所设定的智能，完全被掏空了其内容、语境和条件，但它在形式和功能上又同时映照着那种支撑着把智能归属于某些人而非另一些人的分层世界观。人工智能如此积极地参与再生产围绕种族差异、病理差异和人—机差异观念的历史分野，这不过反映了智能如何被建构为某些人比另一些人更多地拥有的东西，而它的所有迭代——无论是生物的还是计算的——都处于维持这种智力潜能不均分布的更宽泛权力结构的中心。因此，神经媒介所指向的是：智能的归属本身如何受到各种技术的积极中介，这些技术把某些身体自然化为智能的优先承载者，同时遮蔽了这种归属背后的政治。在神经元首次被建构为智能的基本中介者一个多世纪之后，如今是受生物学启发的学习机器的架构，在履行传达这样一种关于人类生物性、心理性与社会性的技术化观点的功能；这表明神经性本身作为人与机器之间智能归属的一种人工制品（artifact）和一种人为技巧（artifice），仍在持续存在。 ## 注释 本章是我过去几年来一直从事的一项更宽泛研究计划的一部分。因此，它受益于许多人的宝贵洞见并由此成形，其中包括温迪·春（Wendy Hui Kyong Chun）、卢卡斯·里佩尔（Lukas Rieppel）和格特鲁德·科赫（Gertrud Koch）。在撰写和修改本章的过程中，我还受惠于我的合著者兰乔德·辛格·达利瓦尔和露西·萨奇曼（Lucy Suchman）在思想上的慷慨，以及——恐怕要这么说——他们无穷无尽的耐心；他们阅读本章的某些版本时，那些文字几乎还称不上草稿。他们的评论和介入塑造了我的思考，其影响将远远超出本章的范围。最后，我非常感谢最先审读我们这本书的两位匿名评审人在思想上的慷慨，并向主持完成本书的梅赛德斯·邦兹（Mercedes Bunz）致以最诚挚的谢意。 [^f03-1]: 所有出自法语和西班牙语文本的引文均由作者翻译。 [^f03-2]: 如果说机器学习更一般地代表一种以从大量数据中提取模式为中心的统计式人工智能路径，那么神经网络则可以被界定为一种受生物学启发的模型，它依靠经概率加权的类神经元单元来识别这类模式。 [^f03-3]: 对许多人来说，西斯金的定义会显得有些不同寻常。关于中介的经典定义通常把它描述为“社会能动者〔……〕有意地介入于现实与社会意识之间”（Williams 1976, 206），或者描述为对“其他媒介的技术、形式和社会意义〔……〕的挪用，以便以真实之名与它们竞争或对它们加以改造”（Bolter and Grusin 1999, 65）。相比之下，西斯金的定义所做的，是同时强调这一过程的物质方面，以及它如何在物理上干预其展开的场景。 [^f03-4]: 我感谢研究高尔基的权威学者保罗·马扎雷洛（Paolo Mazzarello）为我确认了高尔基用于组织学研究的人体组织的来源。正如他在私人通信中向我解释的，高尔基所使用的所有组织都来自圣马泰奥医院（Hospital of San Matteo）和阿比亚泰格拉索慢性病医院（Hospital for the Chronically Sick at Abbiategrasso），这是他职业生涯中工作过的两家主要医疗机构。 [^f03-5]: 值得注意的是，“克里奥尔人”（Creole）一词在十九世纪下半叶经历了深刻的转变。这个词最初指在殖民地美洲出生的西班牙裔人，而到第一次古巴独立战争爆发时，“克里奥尔人”已经涵盖所有在美洲出生的人，而不论其族裔背景（例如参见 B. Anderson 2006; Simon 2017）。这一变化是殖民地与西班牙本土之间日益紧张关系的症候；西班牙本土禁止所有克里奥尔人——包括西班牙裔的克里奥尔人——在古巴殖民政府中担任任何职务。 ## 参考文献 - Abraham, Tara. 2016. Rebel Genius: Warren S. McCulloch’s Transdisciplinary Life in Science. Cambridge, Mass: MIT Press. - Anderson, Benedict. 2006. “Creole Pioneers.” In Imagined Communities: Reflections on the Origin and Spread of Nationalism, 2nd ed., 47–66. London: Verso. - Anderson, Warwick. 2006. Colonial Pathologies: American Tropical Medicine, Race, and Hygiene in the Philippines. Durham, N.C.: Duke University Press. - Atanasoski, Neda, and Kalindi Vora. 2019. Surrogate Humanity: Race, Robots, and the Politics of Technological Futures. Durham, N.C.: Duke University Press. - Bolter, Jay, and Richard Grusin. 1999. Remediation: Understanding New Media. Cambridge, Mass.: MIT Press. - Bonin, Gerhardt von, Hugh Garol, and Warren McCulloch. 1942. “The Functional Organization of the Occipital Lobe.” Biological Symposia 7: 164–92. - Brown, Craig. 2007. A Generation of Excellence: A History of the Canadian Institute for Advanced Research. Toronto: University of Toronto Press. - Chia, Aleena. 2022. “Oneirogenic Innovation in Consciousness Hacking.” In Technopharmacology by Joshua Neves, Aleena Chia, Susanna Paasonen, and Ravi Sundaram, 55–88. Minneapolis: meson press and University of Minnesota Press. - Dhaliwal, Ranjodh. 2022. “The Cyber-Homunculus: On Race and Labor in Plans for Computation.” Configurations 30, no. 4: 377–409. - Dupuy, Jean-Pierre. 1994. Aux origines des sciences cognitives. Paris: La Découverte. - Dusser de Barenne, Johannes, Hugh Garol, and Warren McCulloch. 1941. “The ‘Motor’ Cortex of the Chimpanzee.” Journal of Neurophysiology 4, no. 4: 287–303. - Dusser de Barenne, Johannes, and Warren McCulloch. 1939. “Physiological Delimitation of Neurons in the Central Nervous System.” American Journal of Physiology 127: 620–28. - Fels, Sidney, and Geoffrey Hinton. 1998. “Glove-TalkII—A Neural-Network Interface which Maps Gestures to Parallel Formant Speech Synthesizer Controls.” IEEE Transactions on Neural Networks 9, no. 1: 205–212. - Fitch, Frederic. 1944. “Review of ‘A Logical Calculus of the Ideas Immanent in Nervous Activity’ by Warren S. McCulloch and Walter Pitts.” The Journal of Symbolic Logic 9, no. 2: 49–50. - Fodor, Jerry. 1980. The Language of Thought. Cambridge, Mass.: Harvard University Press. - Fodor, Jerry, and Zenon Pylyshyn. 1988. “Connectionism and Cognitive Architecture: A Critical Analysis.” Cognition 28, no. 1–2: 3–71. - Gerlach, Joseph von. 1872. “Über Die Struktur Der Grauen Substanz Des Menschlichen Grosshirns.” Zentralbl. Med. Wiss 10: 273–75. - Golgi, Camillo. 1869a. “Sull’eziologia delle alienazioni mentali in rapporto alla prognosi ed alla cura.” Annali universali di medicina 207: 564–632. - Golgi, Camillo. 1869b. “Sulla struttura e sullo sviluppo degli psammomi.” Morgagni 11: 874–86. - Golgi, Camillo. 1873. Sulla struttura della sostanza gricia del cervello. Milan, Italy: Stabilumento dei fratelli Rechiedei. - Golgi, Camillo. 1874. “Sulle alterazioni degli organi centrali nervosi in un caso di corea gesticolatoria associata ad alienazione mentale.” Rivista clinica 2, no. 4: 361–77. - Golgi, Camillo. 1907. La doctrine du neurone : Théorie et faits. Stockholm, Sweden: Imprimerie royale P.-A. Norstedt & Fils. - Grob, Gerald. 1983. Mental Illness and American Society, 1875–1940. Princeton, N.J.: Princeton University Press. - Henderson, Mark, Monica Hughes, Debbie Lawes, Kathie Lynas, and Joe Sornberger. 2004. “Excellence Has No Fixed Address: The NCE Pioneers.” Ottawa, Canada: Networks of Centres of Excellence Canada. - Herman, Ellen. 1995. The Romance of American Psychology: Political Culture in the Age of Experts. Berkeley: University of California Press. - Hinton, Geoffrey. 1977. “Relaxation and Its Role in Vision.” PhD diss. University of Edinburgh. - Hinton, Geoffrey. 1990. “Connectionist Learning Procedures.” Artificial Intelligence 40: 185–234. - Hinton, Geoffrey, James McClelland, and David Rumelhart. 1986. “Distributed Representations.” In Parallel Distributed Processing: Explorations in the Microstructure of Cognition, Volume 1, ed. David Rumelhart and James McClelland, 77–109. Cambridge, Mass.: MIT Press. - Hinton, Geoffrey, Christopher Williams, and Michael Revow. 1992. “Combining Two Methods of Recognizing Hand-Printed Digits.” Artificial Neural Networks 2: 53–60. - Hogan, Mél. 2015. “Data Flows and Water Woes.” Big Data & Society 2, no. 2: 1–12. - Jagoda, Patrick. 2020. Experimental Games: Critique, Play, and Design in the Age of Gamification. Chicago: University of Chicago Press. - Kay, Lily. 2001. “From Logical Neurons to Poetic Embodiments of Mind: Warren S. McCulloch’s Project in Neuroscience.” Science in Context 14, no. 4: 591–614. - Kramer, Paul. 2006. “Blood Compacts: Spanish Colonialism and the Invention of the Filipino.” In The Blood of Government: Race, Empire, the United States, and the Philippines. Chapel Hill: The University of North Carolina Press. - Krizhevsky, Alex. 2009. “Learning Multiple Layers of Features from Tiny Images.” Toronto, Canada. https://www.cs.toronto.edu/~kriz/learning-features-2009-TR.pdf. - Lang, Kevin, Alex Waibel, and Geoffrey Hinton. 1990. “A Time-Delay Neural Network Architecture for Isolated Word Recognition.” Neural Networks 3: 23–43. - Levesque, Hector. 1989. “Making Believers out of Computers.” In Readings in Artificial Intelligence and Databases, ed. John Mylopolous and Michael Brodie, 69–82. San Mateo, Calif.: Morgan Kaufmann Publishers. - Macdonald, Donald. 1985a. Report of the Royal Commission on the Economic Union and Development Prospects for Canada: Volume 1. Ottawa, Canada: Privy Council Office. - Macdonald, Donald. 1985b. Report of the Royal Commission on the Economic Union and Development Prospects for Canada: Volume 2. Ottawa, Canada: Privy Council Office. - Mauss, Marcel. 1923. “Essai sur le don : Formes et raisons de l’échange dans les sociétés archaïques.” L’Année sociologique 1: 30–180. - Mazzarello, Paolo. 2009. Golgi: A Biography of the Founder of Modern Neuroscience. Oxford: Oxford University Press. - McCulloch, Warren. 1941. “Letter to Percival Bailey from February 4, 1941.” In Warren S McCulloch Papers, Series No. 35/3/99, Box 2. Champaign: University of Illinois Archives. - McCulloch, Warren. 1942. “Letter to Frank Fremont-Smith from June 24, 1942.” In Warren S McCulloch Papers, Series No. 35/3/99, Box 8, 1–3. Champaign: University of Illinois Archives. - McCulloch, Warren. 1945. “Letter of Recommendation in Support of Walter Pitts’ Application to the Guggenheim Memorial Foundation (1945?).” In Warren S McCulloch Papers, Series No. 35/3/99, Box 19, 1–2. Champaign: University of Illinois Archives. - McCulloch, Warren. 1948. “Letter to Frank Fremont-Smith from June 1, 1948.” In Warren S McCulloch Papers, Series No. 35/3/99, Box 8, 1–9. Champaign: University of Illinois Archives. - McCulloch, Warren. 1974. “Recollections of the Many Sources of Cybernetics.” ASC Forum 5, no. 16: 1–26. - McCulloch, Warren, and John Pfeiffer. 1949. “Of Digital Computers Called Brains.” The Scientific Monthly 69, no. 6: 368–76. - McCulloch, Warren, and Walter Pitts. 1943. “A Logical Calculus of the Ideas Immanent in Nervous Activity.” Bulletin of Mathematical Biophysics 5: 115–33. - McKinnon, Peter. 1987. An Overview of AI & Recent Related Government Activities. Ottawa, Canada: Ministry of State for Science and Technology of Canada. - Meduna, Ladislas, and Warren McCulloch. 1945. “The Modern Concept of Schizophrenia.” Medical Clinics of North America 29, no. 1: 147–64. - Meynert, Theodor. 1872. “Vom Gehirne Der Säugetiere.” In Handbuch Der Lehre von Den Geweben Des Menschen Und Thiere, ed. Salomon Stricker, 694–808. Leipzig, Germany: Engelmann. - Milburn, Colin. 2010. “Modifiable Futures Science Fiction at the Bench.” Isis 101: 560–69. - Nakamura, Lisa. 2014. “Indigenous Circuits: Navajo Women and the Racialization of Early Electronic Manufacture.” American Quarterly 66, no. 4: 919–41. - Neill, Deborah. 2012. Networks in Tropical Medicine: Internationalism, Colonialism, and the Rise of a Medical Specialty, 1890–1930. Stanford, Calif.: Stanford University Press. - Neumann, John von. 1951. “The General and Logical Theory of Automata.” In Cerebral Mechanisms in Behavior: The Hixon Symposium, ed. Lloyed Jeffress, 1–41. New York: John Wiley and Sons. - Neves, Joshua. 2022. “The Internet of Things and People.” In Technopharmacology by Joshua Neves, Aleena Chia, Susanna Paasonen, and Ravi Sundaram, 89–119. Minneapolis: meson press and University of Minnesota Press. - Newell, Allen. 1980. “Physical Symbol Systems.” Cognitive Science 4: 138–83. - Palay, Sanford, and George Palade. 1955. “The Fine Structure of Neurons.” Journal of Biophysical and Biochemical Cytology 1, no. 1: 69–107. - Pittaluga, Gustavo. 1910. “La glossina palpalis en la colonia española.” In Informe de la comisión del Instituto nacional de higiene de Alfonso XIII enviada a las posesiones españolas del Golfo de Guinea para el estudio de la enfermedad del sueño y de las condiciones sanitarias de la colonia, ed. Gustavo Pittaluga, 393–402. Madrid, Spain: Blass. - Pitts, Walter. 1942a. “Some Observations on the Simple Neuron Circuit.” Bulletin of Mathematical Biophysics 4, no. 3: 121–29. - Pitts, Walter. 1942b. “The Linear Theory of Neuron Networks: The Static Problem.” Bulletin of Mathematical Biophysics 4, no. 4: 169–75. - Plaut, David, Steven Nowlan, and Geoffrey Hinton. 1986. “Experiments on Learning by Back Propagation.” In Technical Report CMU-CS-86- 126. Pittsburgh: CarnegieMellon University. - Pylyshyn, Zenon. 1984. Computation and Cognition: Toward a Foundation for Cognitive Science. Cambridge, Mass.: MIT Press. - Ramón y Cajal, Santiago. 1887. “Notas de laboratorio: Tejido óseo y coloración de los cortes de hueso.” Boletín médico valenciano. 20: 1-8. - Ramón y Cajal, Santiago. 1888a. “Estructura de los centros nerviosos de las aves.” Revista trimestral de histología normal y patológica 1: 1–10. - Ramón y Cajal, Santiago. 1888b. “Sobre las fibras nerviosas de la capa molecular del cerebelo.” Revista trimestral de histología normal y patológica 2: 1–17. - Ramón y Cajal, Santiago. 1894. “The Croonian Lecture: La fine structure des centres nerveux.” Proceedings of the Royal Society 55: 444–68. - Ramón y Cajal, Santiago. 1897. Manual de histología normal y técnica micrográfica para uso de estudiantes. 2nd ed. Madrid, Spain: Imprenta y librería Nicolás Moya. - Ramón y Cajal, Santiago. 1904. Elementos de histologia normal y de técnica micrográfica. Madrid, Spain: Moya. - Ramón y Cajal, Santiago. 1907. “Structure et connexions des neurones.” Nordiskt Medicinskt Arkiv 1, no. 2: 1–28. - Ramón y Cajal, Santiago. 1910. “Prólogo.” In Informe de la comisión del Instituto nacional de higiene de Alfonso XIII enviada a las posesiones españolas del Golfo de Guinea para el estudio de la enfermedad del sueño y de las condiciones sanitarias de la colonia, ed. Gustavo Pittaluga, 1–12. Madrid, Spain: Blass. - Ramón y Cajal, Santiago. 1989 [1901]. Recollections of My Life. Trans. E. Horne Craigie. Cambridge, Mass.: MIT Press. - Ramón y Cajal, Santiago. 1999 [1897]. Advice for a Young Investigator, 4th ed. Trans. Neely Swanson. Cambridge, Mass.: MIT Press. - Rhee, Jennifer. 2018. The Robotic Imaginary: The Human and the Price of Dehumanized Labor. Minneapolis: University of Minnesota Press. - Rheinberger, Hans-Jörg. 1997. Toward a History of Epistemic Things: Synthesizing Proteins in the Test Tube. Stanford, Calif.: Stanford University Press. - Ricaurte, Paola. 2019. “Data Epistemologies, The Coloniality of Power, and Resistance.” Television & New Media 20, no. 4: 350–65. - Rumelhart, David, Geoffrey Hinton, and Ronald Williams. 1986. “Learning Representations by Back-Propagating Errors.” Nature 323: 533–36. - Rumelhart, David, and James McClelland. 1987. Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Cambridge, Mass.: MIT Press. - Rumelhart, David, James McClelland, and Geoffrey Hinton. 1986. “The Appeal of Parallel Distributed Processing.” In Parallel Distributed Processing, Volume 1, ed. David Rumelhart and James McClelland, 3–44. Cambridge, Mass.: MIT Press. - Rumelhart, David, and David Zipser. 1986. “Feature Discovery by Competitive Learning.” In Parallel Distributed Processing, Volume 1, ed. David Rumelhart and James McClelland, 151-193. Cambridge, Mass.: MIT Press. - Sadowsky, Jonathan. 2016. Electroconvulsive Therapy in America: The Anatomy of a Medical Controversy. London: Routledge. - Shorter, Edward, and David Healy. 2007. Shock Therapy: A History of Electroconvulsive Treatment in Mental Illness. New Brunswick, N.J.: Rutgers University Press. - Simon, Joshua. 2017. The Ideology of Creole Revolution: Imperialism and Independence in American and Latin American Political Thought. Cambridge: Cambridge University Press. - Siskin, Clifford. 2016. System: The Shaping of Modern Knowledge. Cambridge, Mass.: MIT Press. - Spivak, Gayatri. 1999. A Critique of Postcolonial Reason: Toward a History of the Vanishing Present. Cambridge, Mass.: Harvard University Press. - Stäheli, Urs. 2020. “Undoing Networks.” In Undoing Networks by Tero Karppi, Urs Stäheli, Clara Wieghorst, and Lea Zierott, 1–30. Minneapolis: meson press and University of Minnesota Press. - Star, Susan Leigh. 1989. Regions of the Brain: Brain Research and the Quest for Scientific Certainty. Stanford, Calif.: Stanford University Press. - Suchman, Lucy. 1987. Plans and Situated Actions: The Problem of Human–Machine Interaction. Cambridge: Cambridge University Press. - Weinstein, Deborah. 2013. The Pathological Family: Postwar America and the Rise of Family Therapy. Ithaca, N.Y.: Cornell University Press. - Wiener, Norbert. 1945. “Letter to Arturo Rosenblueth from January 24, 1945.” In Norbert Wiener Papers, Box 4, Folder 67, 1–2. Cambridge, Mass.: MIT ArchivesSpace. - Williams, Raymond. 1976. Keywords: A Vocabulary of Culture and Society. New York, N.Y.: Oxford University Press. - Woods, Angela. 2011. The Sublime Object of Psychiatry: Schizophrenia in Clinical and Cultural Theory. Oxford: Oxford University Press. - Wynter, Sylvia. 1995. “1492: A New World View.” In Race, Discourse, and the Origin of the Americas: A New World View, ed. Vera Lawrence Hyatt and Rex Nettlefort, 5–57. Washington, D.C.: Smithsonian Institution Press. # 第二章 论旁科学中介：科幻小说、教育平台及其他思考神经网络的基底 兰乔德·辛格·达利瓦尔（Ranjodh Singh Dhaliwal）[^f04-致谢] 技术科学下班之后会发生什么？科学实验台与计算机的集成开发环境（Integrated Development Environment，IDE），说到底都是一个平台，物件、观念与人在其上来来去去。人们常常期待科学技术具有的程序性——生产研究论文的铭写系统、同行评审流程、在基金申请书中调制出来的推测与希望，乃至科学家和技术人员所催生的社会网络——始终被许多其他事物所环绕。生长与维系的条件——如果你在实验室里培养活体物质，那么它们在生物学意义上就是字面意义的培养“基”（media）——会施加各种压力，并各自扮演不同的角色。本章讨论的就是这样一种媒介类型：旁科学媒介（parascientific media）。在我看来（此处延伸了卡普兰与拉丁［Kaplan and Radin 2011］的用法），旁科学媒介是环绕在被视为正规科学装置周围的那些媒介形式。我在本章中将论证，科学家和技术人员借助这类媒介来思考他们的技术科学问题，并说服他人接受自己的科学立场。为了说明旁科学媒介是什么以及如何运作，本章考察神经网络历史上两个不同的节点。本章穿行于两个充满争议的时刻之中、周围，更重要的是之后——一是二十世纪之交欧洲病理学中关于神经的论争，二是2010年代前后硅谷计算机科学与工程领域中联结主义与符号主义人工智能之间的拉锯战——以此展示，科学技术周边某些常被忽视的媒介类型，如何出现在“做事者”（科学家、程序员、资助机构、专家）与他们所接触的公众之间的关系之中。在这里，神经网络可以被理解为某种形象化（figurations），它们寻求——或者更准确地说，发现自身处于——其他的基底之中，在那里，关于思考的思考得以发生。关于科学技术的争议或许有着复杂的路径与交锋，但旁科学话语构成了它们得以平息的一个明确场所。 与本书其余部分一样，两个相关的神经形象的两段不同历史将在接下来的篇幅中相互碰撞。一方面是神经元（neuron），中枢神经系统的“元老”，通俗地被理解为大多数动物物种中负责思考的细胞。另一方面是人工神经元（artificial neuron），它被类比地理解为一种在硅基计算硬件中实例化的仿生。在这个故事里，两个形象相隔将近一个世纪；这一间隔并非历史的既定事实——毕竟，神经元与人工神经元之间的纽带恰恰是在二十世纪中叶建立起来的——而是本文所作的一个选择，意在揭示关于思考的思考中某些特定的跨历史特征与操作。[^f04-1] 接下来篇幅中的某些操作，其适用范围将比神经网络更为广泛。然而，对神经元（无论是有机的还是无机的）提出主张，不仅是对思想提出主张，也是对修辞性主张本身的性质与媒介提出主张。在这一点上，神经的历史同时也是主张与反主张的历史。事实上，正如我们将看到的，关于我们如何思考的诸多相互竞争的主张，支撑着一段漫长的历史：让神经元“活起来”，为某些人而非另一些人代言，并为他们进行批判性思考。[^f04-2] 此外，至关重要的是，这种向（以及关于）某某言说并不总是有意识的、深思熟虑的。本文所援引、为其代言的两个场景，展示了神经性（neurality）的一个切面：它并非完全由科学所决定，而是借助某些中介技术被论证出来的，这些技术被用来解决、稳定，或至少声称要思考并重新呈现（re-present）各自时代的技术科学争议。我在本文中的基本观点很简单：这些中介技术确实在进行中介，而且往往是以隐蔽的、不声张的方式。 研究争议是科学技术研究者久经考验的方法；科学中的不确定时刻，为一切被视为客观自然之既定事实的东西提供了最好的试验场。[^f04-3] 争议（controversy，源自拉丁文 contra［“反对”］与 vertere［“转向”］）就其构成而言关乎分歧与争执；它标记着一个时间性的时刻，此时某事——至少在公开层面上——悬而未决。在历史记录中，争议只能通过其缺席或其已被平息的在场来辨认（换言之，通过那些在回溯中被证明不构成争议的东西）。正是这一点令科学的历史学家、哲学家、社会学家和人类学家兴奋不已：能够标记出一个关键的转折，在那里，某个现在如此的事物，曾经并非如此，也许原本可以不是如此。也正是在这里，科学研究发现自己正变得与（至少某种形式的）媒介考古学难以区分——在媒介考古学中，寻找失落的技术、已死的科学范式与实践以及“本可能如何”，是学术方法的基本要素（Huhtamo and Parikka 2011）。争议在延伸到科学界限之外时，往往会为自身的解决创造出属于它的公众。[^f04-4] 但当一场争议被平息之后，还有更多工作要做，还有更多公众需要培育；正是在这里，在这些“争议后公众”（postcontroversy publics）之中，本章故事的一大部分将要上演。 这里讨论的两场争议——二十世纪之交关于大脑细胞构成的分歧，以及二十一世纪刚刚开始时关于何种人工智能范式最为优越的分歧——不仅揭示了神经历史的争议性质，也揭示了伴随这些争夺中某些胜负而来的真理主张是如何分阶段运作的。本文借助具体的媒介实例——前一个案例中的科幻小说，以及较近案例中的科学教育平台装置——进一步发展了“旁科学媒介”这一概念。这个术语由莎拉·卡普兰（Sarah Kaplan）和乔安娜·拉丁（Joanna Radin）提出，用以指称那些介入技术知识传播过程的出版物。在这个故事里，我通过与媒介研究的对话，把旁科学媒介延伸到其他意义与类型的中介之上；通过关注那些甚至可能并未明确谈论相关科学、却仍然在思考其真理主张与认知美德的媒介，我试图追问发生在实验台和IDE周围的思考（参见 Kaplan and Radin 2011）。旁科学中介指的是由另类[^f04-5]铭写形式所完成、并通过它们完成的认知工作——这些形式既不会有意识地宣称自己是“不变的移动体”（immutable mobile）（Latour 1986），也不会在那些传统意义上重新调整盟友（Latour 1993）。一旦加以关注，旁科学中介便有助于重新发现这些“沙盒”与修辞场所所扮演的环境性角色，同时也能留意到那些使某些思考方式优先于其他方式的形式特征。在这个具体的故事中，旁科学媒介被用来澄清一场即将结束的论争，并围绕它建立公众，把一个“获胜”的立场转化为一个被公众接受的立场。这类程序还涉及利用通常不可见的基底（在此即媒介）来思考科学探究与认识论的问题。无论是以科幻小说、科学建议书还是教育课件的形式出现，旁科学媒介都不仅仅关乎科学传播——尽管两者有时会有所重叠——更常常关乎利用媒介的特质来进行思考本身。 就神经网络而言，旁科学中介通过揭示将科学材料与符号学转化为旁科学形式所需的种种转译，使关于认知与智能的主张所具有的偶然性和建构性变得显而易见。如果我关于旁科学中介作为科学认识论之探索场地的主张能够成立，那么神经网络就表现为本身即具旁科学性的科学对象。正如勒帕热-里歇在本书第一章、萨奇曼在第三章中所展示的，神经网络无论在其生物学版本还是计算机科学版本中，都是彻头彻尾社会性的、情境性的。因此毫不奇怪，在我看来，神经网络成为考察旁科学媒介的一个特权场所。正如我们将在接下来几节中看到的，神经元、网络与神经网络，即便已成定论，仍需要在实验室内外一次又一次地被重新置入情境、重新思考、在形式上重新铭写。 ## 场景一：细菌博士离奇的虚构生涯 第一个场景的背景，是二十世纪之交关于网状理论（reticular theory）与神经元理论（neuron theory）的论争，本书导论以及勒帕热-里歇丰富的叙述中已对此作过简要探讨。整个故事当然相当复杂，但最简单的版本围绕着观点相互竞争的两个阵营展开：意大利科学家卡米洛·高尔基（Camillo Golgi）与西班牙科学家圣地亚哥·拉蒙-卡哈尔（Santiago Ramón y Cajal）。一场科学争议（当然，是在回溯中被如此建构的）随之展开，观点相互竞争，一方战胜另一方，科学重归常态：自库恩的分析以来，这种叙事类型的夸张版本广为人知，在形式上也清晰可辨（Kuhn 1970）。高尔基被认为发明了名为 la reazione nera（即“黑色反应”）的染色技术，该技术使用一种银化合物先对特定有机组织进行染色，再对其成像。他追随前人（例如曾使用“合胞体”［syncytium］一词的德国人约瑟夫·冯·格拉赫［Joseph von Gerlach］）主张，神经系统是一个连续的网络，内部没有清晰的区分（当然，这里也涉及对网络的两种不同诠释，一种是连续的，一种是非连续的）；这被称为网状理论。另一方面，拉蒙-卡哈尔利用高尔基的染色技术对神经系统的若干部分进行可视化，却推出了相反的结论：大脑由许多彼此分立、不相连续却仍然相互连接的小细胞构成；这就是神经元学说（neuron doctrine），它在方法上建立在高尔基的工作之上，在概念上却与之相左。可以想见，这里的两种立场——一种设定一个巨大的连续单元，另一种设定若干相互连接的较小单元——既是图示的或视觉的，也同样根本上是认识论的。当然，它们也确实非常视觉化。 两个阵营争执的核心问题在于：在何处进行分类学上的切分。认知活动的恰当单元是什么？视觉（既包括视觉在生物学上如何运作，也包括在实验结果中看到了什么）是由一个分布式单元构成的，还是由若干不同的组成部分构成的？此外还有一些次要问题，包括什么是科学观察、什么是人为假象（artifact）（关于树突的争论就说明了这一点），但核心的泥沼是一个视觉—认识论问题。我们看到的是同样的东西吗？如果是，我们是否在同样的视觉图像上做出了同样的切分？就拉蒙-卡哈尔和高尔基而言，前一个问题的答案并不明确，而后一个问题的答案则绝对是否定的（参见 Daston and Galison 2007）。 而在显微镜不断被改进和调整的时代之中或之后（Wilson 1995），这个问题本身又变得更加复杂。换言之，这个故事中的因果回路并非单向流动；情况并不仅仅是科学媒介提供了两位相互竞争的科学家意见相左的可视化图像，也不仅仅是对某些可视化的偏好和需求推动了科学媒介朝这个或那个方向发展。科学媒介与科学铭写之间的关系，最好被理解为一条从自身出发、又回到自身的莫比乌斯带，其中相互缠绕的推拉全都是内在互动的（intra-active）（Barad 2007）。 必须指出，这场网状理论与神经元理论之争已被科学研究者充分研究过。例如，科学文化史学者劳拉·奥蒂斯（Laura Otis）指出，这场论争本质上关乎网络的认知地位；在奥蒂斯看来，摆在桌面上的问题是：是否要像网络那样去看。她写道： > 无论是主张自主神经细胞的人（神经元论者），还是主张神经网的人（网状论者），都指责对手怀有“生理学偏见”。他们声称，对方并没有以审慎、不带偏见的方式观察实际存在的结构，而是看到了一些想象出来的结构，这些结构证实了他们关于神经系统运作方式的理论。高尔基指责神经元论者有生理学偏见，而卡哈尔则指责网状论者未能摆脱流行观念，甚至屈从于催眠暗示。这些指控提出了一个至关重要的问题：究竟是什么决定了科学家在显微镜下看到的东西？（Otis 2001a） 沿着这一探究思路——当两个人在同样的视觉输入下看到了不同的现象时该怎么办——我想在这里转向一个意想不到的来源，以寻求答案（或至少是一点提示），但我认为这个来源至少具有生成性的启发意义：拉蒙-卡哈尔以“细菌博士”（Doctor Bacteria）为笔名创作的科幻小说。1885年和1886年，当这场论争仍在激烈进行、尚未完全平息之时，拉蒙-卡哈尔从科学研究中抽出一些时间，写下了一系列科幻故事，即《假日故事》（*Cuentos de vacaciones*）。这些故事后来于1905年出版（很久以后才被译为英文，题为 *Vacation Stories*），也就是在他获得诺贝尔奖（颇具讽刺意味的是，他与高尔基分享了该奖）的前一年。（我将在本文稍后讨论争议与出版之间的这一时间差。）在回忆录中，卡哈尔清楚地交代了他所受的科幻影响——例如，儒勒·凡尔纳（Jules Verne）就占有显著位置——他还提到，自己甚至写过一部完整的科幻长篇小说，但在西班牙和古巴服兵役期间遗失了（Otis 2007；另见 2001b）。 考虑到实验室文学（lab-lit，即 laboratory literature）的悠久历史，我们可以理解，科学家从事科幻写作这一实践本身为何以及如何并不令人意外或震惊（Pilkington and Pilkington 2019; Rohn 2005）。事实上，拉蒙-卡哈尔在写下这些故事时，非常自觉地是在从科学追求中“度假”。但我想在此指出三个关键要素，它们在这些故事中尤为突出，更广泛地说，也在拉蒙-卡哈尔作为科幻作家的实践中尤为突出。 第一，拉蒙-卡哈尔的计划在多大程度上根本性地依赖于对一种特定观看方式的确证，这一点怎么强调都不为过。这或许是最不令人意外的观察；拉蒙-卡哈尔至今仍以其精美的描绘而闻名，毕竟，他的计划建立在视觉观察之上——更具体地说，是由一个据称独立的主体所进行的观察——并以之作为一种特定的科学方法。“在显微镜的镜头下感知现象，并随后对其进行艺术性描绘，这使［拉蒙-卡哈尔］处于与观看方式相关的创新、崇敬与淘汰的中心，”克劳迪娅·谢弗（Claudia Schaefer）写道，“在跨越诸多社会与技术转型的一生中，［拉蒙-卡哈尔］还推广并实践摄影，从火棉胶乳剂到便携式相机”（Schaefer 2014）。这种对视觉的关注与科学中视觉的更长历史并无二致（在这里当然可以追溯到维萨留斯［Vesselius］的解剖图，甚至更早），但它在拉蒙-卡哈尔的小说中同样非常显眼。在一个奇特的故事《被矫正的悲观者》（“The Corrected Pessimist”）中，他想象了一位被赋予了数个数量级光学放大能力的科学家。由于显微镜与科学心智的这种融合，拉蒙-卡哈尔的主人公在注意到那些他本不该看到的微小细节时——在绘画中、在他呼吸的空气微粒中，甚至在他心上人的脸上——最终陷入了惶惶不安。 这里有必要简要概述一下这个故事。[^f04-6] 主人公是一位名叫胡安·费尔南德斯（Juan Fernández）的科学家，他在生活中屡遭挫折：他的学术追求没能为他赢得大学教席，而随着悲伤和失望开始影响他的社交生活，他有朝一日能否迎娶心上人埃尔薇拉（Elvira）也成了疑问。在一个格外愤怒的时刻，一个名为“科学之灵”（spirit of science）的幻象造访了他——这个幻象说道：“哲学家称我为直觉；科学家称我为幸运的巧合；艺术家称我为灵感；商人和政客称我为运气”——随后两者之间展开了一场冗长的对话（131）。正是在这段非凡的对话式叙事（dialogic diegesis）中，科学家胡安与那个准神圣的“世界”的一位代表讨论并推敲他关于世界的种种理论。其中既包括哲学和神学问题（例如，“至高原因”为何容许“为生存而进行的血腥斗争”，以及痛苦究竟是一种生态上的必然还是仅仅一种心理效应），也包括科学问题（例如，细菌在我们世界更大的生物系统中是否扮演任何有用的角色）。随着对话推进，主人公不解：为什么他，一个想更多地了解世界并改善世界的科学家，不能被赋予眼睛的光学放大能力？科学之灵恼怒地暂时赐予他这一恩惠，为期一年，并断言胡安很快就会把它视为诅咒。于是，胡安开始跌跌撞撞地陷入以放大视角看世界所带来的种种问题。 现在我想把视角拉远，让这个故事与拉蒙-卡哈尔本人的生活和科学展开对话。我在这里的第一个操作——在实验室文学批评中同样并不罕见——是把曾在大学教席竞考（oposiciones）[^f04-7]中落败的拉蒙-卡哈尔视为胡安的替身。拉蒙-卡哈尔（与他的主人公胡安一样）一方面身处显微观察技术进步的时代，另一方面又面临以显微方式观察整个世界的危险，在两者之间摇摆；他所设想的大脑研究依赖于视觉，在他的科学实验及其后续描绘中，视觉充当了真实性的代表。因此应当注意到，胡安在获得这一恩惠/诅咒之后，并非仅仅作为科学家来使用他那双放大的眼睛；他的眼睛只是显微镜的功能性替代品（也就是说，他用肉眼看到的，是任何人用显微镜都能看到的东西），除非他把它们与显微镜结合使用（从而使他的显微观察能力超过其他科学家），否则不会给他带来任何优势。换言之，眼睛即便非同寻常，其科学运作——无论在实践中还是在关于实践的叙事中——仍然依赖于光学媒介（Kittler 2010）。此外，当胡安在最初的失望和偏执之后真正开始把他增强了的眼—光学能力用于科学实践时，一个重要的问题出现了。胡安确信自己将做出“惊人的发现”和“至高的征服”，从而被公认为“非凡的天才、分析的恶魔、洞察力、直觉与逻辑的怪物”——这些联想全都属于一个以西欧科学及其突破的准殖民优越性为傲的科学时代——于是他着手工作（Ramón y Cajal 2001, 140）。他首先使用望远镜解决了“行星物理学、化学和生物学中最艰深的问题：月球的大气、木星的可居住性、火星运河问题、恒星的化学成分，等等”。随后，他转向显微摄影术和细菌学，研究“病因不明的疾病”，并揭示了“牛痘、天花、麻疹、梅毒、肿瘤的超显微病菌”。“可是啊！这些令人赞叹的发现［遇到了］一个小小的障碍……没有人相信它们”（159）。胡安——并由此延伸到拉蒙-卡哈尔——发现了每一位科学家总是已经知道的事情（尽管并不总是自觉地知道），也是科学研究很久以后才会详加阐明的事情：科学向来既是一种技术实践，也同样是一种社会形式，[^f04-8] 它的运作与关系只能从不同种类的共识中产生。通过凸显拉蒙-卡哈尔本人的科学环境与其叙事追求之间的这些相似之处，我希望把注意力集中在拉蒙-卡哈尔的讲故事活动对于他的——在此我再做最后一次代理式的延伸——他那个时代的科学所起的作用上。 第二，我想指出，科幻小说一旦被视为旁科学媒介，也可以被理解为拉蒙-卡哈尔用以思考处于其工作核心的种种问题——认知的、视觉的、科学的、传播的——的一种媒介。然而，这并不是一个让科学公众及其他更广泛的公众站到拉蒙-卡哈尔一边的直截了当的策略。科学研究中谈论此类现象的经典词汇是军事化的；例如，布鲁诺·拉图尔（Bruno Latour）（1993）谈到推搡、哄诱和说服盟友与敌人，谈到在危机时刻把怀疑者和敌人变为盟友的转译问题。循此思路，拉蒙-卡哈尔很容易被理解为在为他那极具视觉性的神经元学说事业招募公众（Hauser 2022; Warner 2021）。他那些极其精细的描绘至今仍在艺术界巡回展出（Newman, Araque, and Dubinsky 2017; Smith 2018），并唤起一种社会性的视觉性；在一些图中，细胞看起来像树，而在另一些图中，则浮现出诸如天气系统之类的形态。在认出（并认同）拉蒙-卡哈尔的徒手涂画时，公众（无论科学的还是非科学的）必然要依赖于他们的想象力以及他们对既有世界的理解。可以认为，他的科幻小说也必须以同样的方式来阅读。拉蒙-卡哈尔在这里是在试验这些文学—科学的思考模式。在一个充斥着病原体恐惧和霍乱的时代，他使用笔名（为了这些故事，拉蒙-卡哈尔自称“细菌博士”），应当被理解为他在自己的叙事周围构建一个获得社会接受的副文本装置。事实上，其中一个故事《秘密的冒犯，秘密的复仇》（“For a Secret Defense, a Secret Revenge”）的主角就是一位走火入魔的细菌学家；这位科学家主人公怀疑妻子不忠，便用牛结核杆菌感染了她的假想情人——此人恰好也是他自己的实验室助手。随后他静候妻子是否也被感染，并“把他的结果写成论文发表在一份细菌学期刊上”（Ramón y Cajal 2001, 1–37）；这篇文字后来被他的妻子和她的情人发现——两人都因感染而退出了故事的行动——从而在科学发现与个人复仇之间闭合了回路。（公平地说，这个故事拖沓了相当长的篇幅，在回路完全闭合之前，我们亲爱的科学家还有一轮极其违背伦理的行为，但我不会在此用拉蒙-卡哈尔认为杰出男性所能成就的一切细节来烦扰你。）值得注意的是，在所有这些曲折起伏之中，主人公的名声（及其科学地位）始终处于叙事的中心，而且事实上为他的个人阴谋和他那些男性的荒唐行径提供了基底。若把拉蒙-卡哈尔与马克斯·冯·福施翁博士（Dr. Max v. Forschung，即上述主人公）合而观之，我们可以注意到，在十九世纪末，社会—科学的纠缠始终是流动的，在故事与科学之间自由穿梭。但这条清晰的主线——科学家出版科幻小说以培养公众吸引力——却因以下事实而变得复杂：拉蒙-卡哈尔起初其实并没有出版他的故事。他不确定这些故事是否适合更广泛的读者，于是等待了将近二十年；他的许多故事据说因过于惊世骇俗而遗失或被毁。最终，他在1905年首次出版了这些故事，那是在他获得诺贝尔奖的前一年，恰逢他的理论开始在科学界获得共识之时。换言之，拉蒙-卡哈尔科幻小说出版史上的这段间隔证明，旁科学媒介在这里并没有在科学争议期间被用作积极、自觉地推动公众结成盟友的工具；如果说有什么的话，它是在争议的余波中被使用的，而且是为了稳定和巩固那些主张，而非首次传播它们。因此，在这里被塑造和寻求的公众，可以被视为与旁科学媒介介入一场进行中的论争时所形成的公众略有不同——后者正是卡普兰与拉丁的表述所暗示的情形。这段间隔也提示了我在此论证的更广泛意义，因为在论争期间写作这些故事，为我们提供了一个场所，让一方得以在科学争议中推敲自己所持的立场与论证，即使这些故事在论争平息之后才出版，表明了一种不同的中介模态。很简单，这些故事在被写作之时，是一个游乐场，或者说一种用于思考的实验性媒介。 科幻小说从根本上是一种以不同方式进行的科学思考模式，这一事实暗示了这些操作的规模与意义。这些认识论上的利害并不总是关乎明确的社会策略与盟友构建——如经典的拉图尔式解读中可能的那样——而实际上是嵌入其中的、不可见的社会性思考模式。请允许我详细阐述这些故事的科幻面向，以说明我的观点。 ![图 2.1](images/fig2-1.png) *图 2.1 拉蒙-卡哈尔所绘的人类小脑浦肯野神经元，这幅图装点着许多书籍封面与画廊空间。（来源：Cajal Institute (CSIC), Madrid; https://commons.wikimedia.org/wiki/File:Cajal_-_a_purkinje_neuron_from_the_human_cerebellum.jpg）* 正如文学与科学这一分支学科提醒我们的，科幻小说作为一种思考模式，在本质上是实验性的（参见 Milburn 2010）。正如达科·苏恩文（Darko Suvin）等学者所探讨的，能够在虚构中辨认出这个/一个世界，是一切科幻小说的标志。在苏恩文的论证中，科幻小说作为一种认知陌生化（cognitive estrangement）的文类而运作，因为它让你以一种前后一致的方式换一种方式思考（Suvin 2005；另见 Haraway 2013）。因此，只有在最犬儒的解读中，拉蒙-卡哈尔在这里的策略才能被理解为一种招募——或者甚至仅仅是事后巩固——利用科幻小说的这种文类倾向来进行公众宣传的策略。如上所述，拉蒙-卡哈尔至少在起初并没有急于出版他的虚构作品，尽管他私下里在传阅这些故事。这种推拉——使用笔名，却又事后认领自己的名字；写作并传阅，却不立即出版——暗示了拉蒙-卡哈尔敏锐意识到的科学与旁科学之间的一种平衡。我想论证，这种动态告诉了我们一些重要的东西，关乎科幻小说这类媒介在拉蒙-卡哈尔所身处的争议中所扮演的角色；正如本书导论所提到的，神经网络的观念正是在这些争议中首次出现的。如本章所指出的，拉蒙-卡哈尔的虚构故事常常在反思认知及其与视觉性的关系；与此同时，拉蒙-卡哈尔的科学实践则在论证：应当把相互连接的个体认知单元（神经元）理解为认知的核心，而不是如高尔基所主张的那种网络状的脑物质之网。 正如上述例子所表明的，这些旁科学媒介是一种铭写标记，标示着科学家——以及他的公众，无论真实的还是想象的、在场的还是有待寻求的——以另类的形式和方式推敲他们自己的思想与立场。换言之，科幻小说之所以对拉蒙-卡哈尔有用，并不一定——或者至少不仅仅——是因为它使他能够接触其他行动者，并把他们转化（或巩固）为支持他的理论及其视觉化科学论证模式的盟友，尽管这当然是理解这个故事某种变体的一种方式。在我的叙述中，更重要的是，它为他提供了一套新的媒介形式——叙事形式、情节编排、人物塑造、假设情境、新奇元素（novum）等等，仅举数例——使他得以阐明、审问、沉思并完善他的（社会科学的）思想。对于这位科学家及其读者而言，正是在这里，与“科学之灵”进行对话式抗辩的作用变得清晰，也正是在这里，科学描绘与科学期刊的社会接受问题被揭示出来。 科幻小说绝不是培育这种思想的唯一媒介；此类行动的另一种常见文类是科学建议书，尽管在下一节中我还会谈到其他一些媒介。拉蒙-卡哈尔也以他的《给青年研究者的忠告》（*Advice for a Young Investigator*）而闻名，该书于1897年首次出版（Ramón y Cajal 2004）。这种科学自助文类（我在回溯中这样为它贴标签，当然带有几分戏谑）充满了被概括为科学建议和格言的轶事性观察，它是又一个场所：在这里，对激发科学争议的问题（也就是过程、方法与发现）的思考，以一种不同于科学笔记和出版物（莱茵贝格尔［Rheinberger 2003］称之为科学的“草稿与涂鸦”）的媒介形式变得可见、可感。一个多世纪后，他的这本忠告之书仍是畅销书，至今仍被当作礼物赠送给刚毕业的学者（我本人在参加一场神经科学毕业典礼时亲身发现了这一点）。这类实践进一步推动了由这些文类以及使用（和反复使用）它们的科学家所生成的方法论主张与神话。换言之，这一特定的（副）文本不仅提示了卡哈尔的科幻写作与建议写作中运作着的媒介性思考模式，也清楚地表明了一种诱导并巩固公众以支持其立场的实践。 既然关于神经元与网络的主张就是关于思考模式的主张，那么高尔基与拉蒙-卡哈尔都是在他们的图示中看世界。在这里，两人关于知识模式所作的主张，也是关于思想的主张，进而也是关于提出主张之形式模式的主张；这与奥蒂斯关于在网络化时代于世界中看见网络的论证相呼应。当然，这并非关乎知识的对错，而是关乎知识主张在世界中自我反身地运作时围绕着它们的装置。换言之，拉蒙-卡哈尔的计划——通过推测（《假日故事》）、说教（《给青年研究者的忠告》）以及视觉描绘（图示与绘画）来提出主张——之所以成功而稳固，不仅是因为它在一场科学争议之后把某些类型的公众招募/留住在他这一边，并许诺他的主张——关于神经元是思考之构成单元的主张——在世界中看到了一种在社会上和修辞上都普遍流行的网络化运作模式。这一计划还使拉蒙-卡哈尔得以透过并借助手头的问题进行思考，找到能让科学世界运转起来的恰当修辞、恰当技术与恰当表述形式（或许也恰好是在另一领域中的副文本推力）。每当你研究有机世界的一个新部分，例如神经元，你对神经元学说的主张就会得到加强；那么，按照这一思路，论证科学主张是累加的、网络化的，从而其成长——在某些情况下还有其救助——需要旁科学媒介形式，也就是顺理成章的了。 ## 场景二：用 Coursera 教育神经主体 我们的第二个争议场景位于二十一世纪初，恰好是在被称为“人工智能寒冬”的时期开始解冻之际。[^f04-9] 在这个故事中，相互竞争的两方各自的主角是谁，眼下还不那么清楚；也许等到史学家思考这些问题时，我们会得到一幅高尔基与拉蒙-卡哈尔式的漫画像。尽管如此，很明显，2000年代末与2010年代初的人工智能发现自己正在探索两个可能的方向。一方面，人工智能可以通过更持续地运用逻辑路径来发展（符号主义模型）；另一方面，以人工神经网络为代表的涌现现象也可能东山再起（联结主义范式）。我们现在知道，带着神经网络的联结主义者赢得了这场争夺权力、声望、资助与科学炫耀资本的特定战役。但与我们的第一个场景一样，重新调整围绕这一所谓场景的聚光灯——上一次是实验台，这一次也许是一个被 YouTube 视频、教育内容、StackOverflow、可汗学院（Khan Academy）视频和 Coursera 课程模块等窗口[^f04-10]所环绕的 IDE——或许能帮助我们弄清楚，在通常吸引我们注意力的舞台周围究竟发生着什么。与我们的第一个故事非常相似，在接下来的故事中，旁科学媒介或许会在争议与论争之中（当然也会在之后）招募“盟友”，但更重要的是，这类媒介为科学思考与实践提供了更新的基底。这些更新的基底是反思性的场地，供人们思考那些最初构成（部分）论争的实践。我讲述这个故事以及上一个故事，并不是要在一方对旁科学媒介的使用与其最终（且表面上的）“胜利”——再次借用拉图尔的术语——之间划出直接的因果线，而是要指出，我们可以如何、在何处，看到围绕科学——或者在此案例中是技术的，如果不说是技术科学的——戏剧本身的那些认识论效用与认知行动的痕迹。 在这里，我追随的是吴恩达（Andrew Ng），这位英国—新加坡—美国籍的企业家和科学家曾在谷歌、百度和斯坦福大学等处工作。吴恩达恰好是这一轮人工智能热潮中被引用最多的人工神经网络研究者之一，而他令人好奇之处在于，他也恰好深切地投身于自己的教学使命。2011年他开始为谷歌工作时，正在斯坦福大学担任兼职教职——更具体地说，是在他参与创立、并与杰夫·迪恩（Jeff Dean）共同领导的“谷歌大脑”（Google Brain）项目中工作。顾名思义，谷歌大脑是谷歌的一个研究团队，它明确地借鉴生物结构来推进机器学习系统，这表明了在命名层面上就存在的一种技术—生物交叠。（后来，它恰如其分地并入了谷歌 DeepMind。）大约在同一时期，吴恩达开始着手把他在斯坦福大学讲授的现有课程转向在线的异步教学模式。从2011年10月起，各门课程的网站相继上线——先是斯坦福“机器学习”课程的“应用”版本（CS229a），接着是数据库和人工智能课程。到2012年，作为大规模开放在线课程（MOOC）平台的 Coursera 已由吴恩达、他的同事达芙妮·科勒（Daphne Koller）以及他那支劳累过度的学生团队推出。（吴恩达喜欢对一个故事“不予置评”：据说一名学生拒绝搭载另一名学生，结果后者决定通宵工作，为不断增长的学生群体加入他们所要求的功能［Ng 2016］。） Coursera 令人好奇之处，不仅在于它的商业模式（这一模式表面上是利用名牌大学的文化资本使知识民主化，同时发放付费认证，这些认证在纸面上试图取代昂贵的大学学历认证——这是牵涉到大学新自由主义化的诸多模式之一），不仅在于它基于平台的路径，甚至也不仅在于它的受欢迎程度（热门课程的学生人数常常各超过十万），[^f04-11] 更重要的是，它的起源与吴恩达对神经网络范式的研究和倡导相互缠绕。毕竟，吴恩达本人就常常指出，他的两项成功事业是如何以及何时成名的，二者在形式上颇为相似（Ng 2016）。 必须记住，吴恩达是第一位倡导使用图形处理器（GPU）在硬件中实例化深度神经网络的知名联结主义者。这一选择起初颇具争议——GPU 并不是为人工智能应用而制造的，至少在2008年时还不是（Dhaliwal 2021）——但吴恩达的路径拥有大批受众；他在斯坦福的课程常常满员，并获得媒体的大力赞誉。《福布斯》（*Forbes*）、《纽约时报》（*New York Times*）和《连线》（*Wired*）都曾为他撰写人物特写。在这些特写中，科学教学、技术进步与大众舆论之间的界限常常是模糊的。作为一个边界主体，吴恩达在话语中以及在一般公众的想象中，自由地往来于作为教学机构的斯坦福、作为研究场所的斯坦福、作为认证服务的斯坦福，以及作为私人研究实验室的谷歌大脑之间。[^f04-12] Coursera 起初开始号召人们“在线学习世界上最好的课程”（Take the World's Best Courses, Online）时，借助的正是吴恩达本人作为教师的成功，因为他早已被牢固地确立为联结主义范式的“领域祭司”。这里的逻辑来自这样一个事实：毕竟，吴恩达本人就开设过一门这样的世界“最好的课程”。我要再次强调，围绕他的课程所进行的神话制造，与围绕联结主义者所进行的神话制造难以区分。在《福布斯》的特写中，甚至前几轮人工智能战争中著名的符号主义者马文·明斯基（Marvin Minsky）也作为对手被提及，从而凸显出吴恩达作为联结主义者的谱系继承人的形象——这些联结主义者输掉了最初的几场战役，如今却卷土重来，要赢得这场（人工智能）战争。 我想指出这一关联中两个引人注目的特征。第一，我们很容易看到，把 Coursera 引入为围绕人工智能声望与资助展开的技术科学推拉中不可或缺的一部分，不仅把硅谷整合进了通常所理解的、来自科学基金会的“科学资助”模式[^f04-13]（Coursera 由风险投资［VC］资助，并且至今尚未实现整体盈利，这在此类投机产物中很常见），而且把人工智能“进步”这一技术问题带入了互联网与视觉文化的领域。随着 Coursera 与人工神经网络的命运相互捆绑，[^f04-14] 这项技术的产出也日益与互联网视觉文化融为一体。一方面，正如我在别处讨论过的，甚至 GPU 作为部署神经网络的基础设施基础而存在这一事实本身，就暗示了人工智能环境中某种视觉文化性的东西（Dhaliwal 2021）。另一方面，我们也看到 Coursera 的媒介形式——笔记、讲座、视频、测验和文字稿全都在视觉框架中相互碰撞——承接了通常与视觉性互联网媒介相关联的用户界面（UI）期待。在这里，在屏幕上，课程结构——当你收听讲座时，课程模块总是显示在左侧——为位于中央的视频中的内容提供了确认。Coursera 把一个课堂情境中的人工智能话语转化为一个彻头彻尾的视觉文化对象，相应地，也推动着把教学转化为一种神经网络化的运作。 第二，教育媒介（Coursera）与科学媒介（“实验室”中产生的铭写）的融合，为后者提供了另一个工作与实验的场所。必须指出，对于像“人工智能”这样抽象、[^f04-15] 含混而又无所不在的问题来说，以多种多样的实例化作为实验装置一直是十分重要的。学者们已经指出人工智能工作与国际象棋（Ensmenger 2012; Larson 2018）、其他游戏（S. Jones 2008; Hennig 2020; Skinner and Walmsley 2019; Milburn 2018）、手艺劳作（Suchman and Trigg 1993）以及语言（Li and Mills 2019; Donahue 2022 and 2023）之间的明确联系。人们或许可以断定，这是整个人工智能研究所固有的关切，因为一切事物、又或者没有任何事物，都可以在社会意义上被编码为一个智能问题（Dhaliwal 2023）。但对我们的故事来说更重要的是，使用诸如 Coursera 这样的教育媒介，又生成了一个舞台，用以推敲——如果说不是解决——人工性与智能的概念条件和实用条件。把著名的人工智能实验拆分为模块和小节——这是所有教师都会考虑的时间与负荷管理——在这里为人工神经网络实践的结构与形式配置提供了基础。 对于这些教育媒介所扮演的角色，学界已经有了一定的共识。例如，卢克斯、阿普里希和布勒斯马（Luchs, Apprich, and Broersma 2023）指出，谷歌和 IBM 在这些子领域提供的教育课程确立了企业对技术教育的霸权。用他们的话说，这类在线教育模式帮助这些公司招募新的人工智能人才，并确立它们自己的“基础设施与模型”的主导地位。尽管这一观察在这里所考察的案例中同样成立，但我们的故事早于卢克斯等人所考察的当代谷歌教育模块。在这个故事中，某些“基础设施与模型”所欲求的主导地位还因如下事实而变得更加复杂：在2010年代初的这一时刻，这些模型尚未完全成形。在技术模型的主导地位能够确立之前，它们的创新性与效用需要在公共话语中得到确认。而这里正是这些课程的又一项功能所在。把总体上的人工智能问题，转化为更具体地围绕基于 GPU 的神经网络的问题与关切，绝非易事，而在这个故事中，Coursera 恰恰帮助吴恩达（及其同侪）做到了这一点。成千上万登录学习“人工智能”的学生（正如快速浏览 Coursera 网页在不同时期的变化所显示的，他们首先被教导去理解一个看似稳定的机器学习概念，然后再把它与人工智能、进而与神经网络混为一谈），也在被转化为“神经主体”（neural subjects）——这是我将在本章稍后回到的一个问题（另见 Dhaliwal 2023; Suchman 2023）。在这一努力中，把原则、信念与实验系统转化为教学形式，也为当初思考这些原则、信念与实验系统本身提供了一条途径。换言之，Coursera 提供了它自己的“沙盒”媒介，这些媒介都帮助联结主义者透过并借助他们的研究/分析/推广对象进行思考，并帮助把公共知识稳定为其创造者所持的立场。 与本章的第一个场景非常相似，在人工神经网络的案例中，Coursera 并不是唯一发挥作用的旁科学媒介；至少就吴恩达而言，利用大众媒体和访谈是从事科学工作本身的又一个场所。在本书中，你还会看到吴恩达的一位二阶合作者杰弗里·辛顿（Geoffrey Hinton）[^f04-16]所进行的此类参与的例子，露西·萨奇曼将在下一章中通过他的公共宣传活动来研究他。而且，人们还可以征召（回到军事化的拉图尔式世界观）形形色色的媒介形式——在线论坛（例如 StackOverflow 和 Quora 问答）、会议与峰会演讲（从 TED 演讲到 PowerPoint 文件；参见 Robles-Anderson and Svensson 2016; Cornfeld 2022; Mattern 2014），或者作为导师和行政人员需要填写的校园表格，乃至为机构/基金会撰写的基金申请书和面向投资者的商业路演（二者从根本上都是推测性的写作形式）——作为思考的旁科学媒介；在这些媒介中，神经网络的争议——更重要的是其余波——在其中的行动者并未审慎、自觉或必然知晓的情况下，找到了它们的稳定配置。 这个故事中所有的“旁”（para-）前缀并不都是等价的；副文本的（paratextual）并不总是与旁科学的（parascientific）严丝合缝地对应，而后者又与准学术的（para-academic）不同。但所有这些构型在诸如本文所强调的两场围绕神经网络的科学争议中，都作为中介性的能动者发挥作用。教学（在 Coursera 的案例中）与虚构作品（在《假日故事》的案例中）从根本上都具有文化性质，而且常常相辅相成。这种旁科学媒介所兜售的内容，其两种最普遍的认识论形式是推测（如拉蒙-卡哈尔的科幻小说和吴恩达的风险投资路演）与说教（如拉蒙-卡哈尔的科学自助建议写作和吴恩达的 Coursera 平台化），尽管人们也可以设想其他形式，它们或许也交叠于这些准辩证的模式之中。一方面是旁科学媒介，另一方面是“核心”的科学行动，二者之间的关系未必是因果性的，尽管这始终是一种可能。然而，无论因果性与意图如何，二者之间富于启发的相互关联线索，能够引导我们看到，科学家和技术人员如何频繁地寻求利用那些往往未被科学技术研究（STS）学者、甚至未被科学家自己所注意到的媒介领域。即便旁科学媒介无助于解决争议，这对我们的行动者来说也根本不是什么大问题，只要特定的媒介能够在争议平息之际或之后，以某种方式帮助回溯性地平定或重述故事即可。 在这里值得一提的是，旁科学媒介——恰恰因为它们在帮助稳定和招募争议后公众方面扮演着如此重大的角色——也是塑造“神经主体”的机器中至关重要的齿轮（Bates and Bassiri 2016; Pelaprat and Hartouni 2011）。“神经主体”可以非常简单地理解为这样一群个体：他们都通过神经框架来理解自己的认知活动乃至自己的主体性；也就是说，稍显粗略地讲，这类主体相信，神经元及其网络赋予了智能与认知，并由此构成人类行动之思维苍穹的生物学基础。由此可知，神经主体也在实践中把人工神经网络理解为计算智能的模型，理解为对他们自身主体性的一种独特（且有效）的挑战。围绕这些观看、认知、思考与行动方式凝聚起来的主体（以及他们所构成的公众），于是开始认同人工神经网络倡导者所使用的路径中阐明的基本原则。神经网络由此成为大众话语中人工智能运作的首要模式，而公众也开始模糊生物学与计算之间的界限（Bruder 2019）。在这样一个世界里，符号物质在神经的、网络化的与神经网络化的之间的流转变得更加普遍。[^f04-17] 对拉蒙-卡哈尔和吴恩达而言，摆在桌面上的问题之一，是如何使他们的计划作为知识创造的一部分而变得可理解。两人都试图重塑一个更广泛的领域及其实践，把神经元与智能混为一谈，把神经网络与人工智能混为一谈。[^f04-18] 这种对领域的重新界定（通过暗示人工智能首先应当通过人工神经网络来理解），间接地试图使未来的争议变得不可能，或至少不太可能，因为“联结主义的人工智能路径才是做人工智能的正确方式”这一论点一旦稳定下来，便会封闭未来数年中研究与思想的某些可能方向。其结果是一个通过神经透镜来理解其自我、其世界与其自我价值的神经主体（另见 De Vos 2016）。这样一种主体形塑，使得话语能够从硅谷流向渴望更好职业的学生，再流向公共新闻媒体以及社交媒体上的种种话语表述。对话语地带的这种控制，也是整个当代技术资本主义文化的一个关键要素（Dhaliwal 2023）。旁科学媒介恰恰处于这样一个空间之中：在这里，其他的话语开口受到压制，而公众则被转化为某一立场——在曾经的一场争议之中的某一立场——的倡导者所提供的话语根基的信徒。如果有人要问，“旁科学媒介”究竟对我们说了什么，一个可能的回答是：它们就某些技术科学立场的适宜性提出主张。归根结底，这种适宜性主张是旁科学媒介所提出的首要主张，一个寻找着自己受众的主张。与此同时，受众——由于存在于一个共识的媒介生态之中，并且需要某些技术科学立场所提供的政治经济利益（例如硅谷的工作）——已经做好了接受这一主张的准备。回路由此闭合。 然而，人们不应把这样的观察误认为科学的一项跨历史事实。我在本文中分析两个不同的时期，不仅是因为这两个乍看之下互不相关的谱系，在细察之下其中介世界表现出令人惊讶的一致性。我把它们放在一起，也是因为这两个节点为我提供了一个场所，用以考量那些正被转化为旁科学媒介的媒介形式（无论是科幻小说还是教学性数字媒介）的历史特殊性。媒介随时间而变化，作为社会文化聚合体的中介可能性也随之变化。手绘的神经元图像与 Coursera 的用户界面表面上或许都是视觉性的，但它们在不同的意义上是视觉性的。在前者中，视觉是眼—光学的；在后者中，视觉则是视觉—互联网—（亚）文化的。在这两个例子中，当透过两种不同技术科学体制的语境来看时，神经智能看起来截然不同：在二十世纪之初，它与光学智能同义；到了二十一世纪之初，它则成为社会文化意义上的视觉智能。吴恩达所获得的最正面的报道，是因为他生成了被《福布斯》称为（在括号中）“可爱”的猫的图像，作为一种柏拉图式的形式——正如我在别处提到的，这一事实完美地展示了当代人工智能技术的视觉—文化纠缠，而把它与今天的生成式人工智能软件并置，还可以进一步阐明这个例子（Dhaliwal 2021）。尽管如此，媒介形式在不同时代的可供性（affordances），塑造了赋予相关科学的可能性与限制（参见 Hayles 2004）。换言之，尽管推测与说教这两种形式模式是共享的，但我们的行动者所使用的旁科学媒介之间存在足够多的历史差异，值得对这一现象进行分期分析。旁科学媒介世界中的事物变化得越多，它们就越——或越不——保持原样。 关于我上述评论在话语上的特殊性，这里还有一点需要说明。正如我先前所暗示的，神经性——关于智能如何运作的构想，无论是有机的还是无机的——总是在对认知的社会理解之中被语境化的。在拉蒙-卡哈尔的案例中，神经网络表现为技术化的生理学，依赖于光学媒介与文化媒介。在吴恩达和辛顿的案例中，神经网络则被视为生理学化的技术，有机的隐喻渗入其技术实例化之中。但在这两种情况下，它们似乎都代表着、并评论着一种在社会上可接受（或不可接受）的关于思考的思考方式。无论是集体的还是单一的、机械的还是有机的、人类的还是非人的、神秘的还是可理解的、基于规则的还是任意的，在我们的故事中，智能始终是社会文化的核心，它既维系又约束着围绕它、在它之中进行的技术科学工作。换言之，尤其因为智能——无论是“自然的”还是“人工的”（Daston 1994 and 2018）——是这样一种社会构型，我们才能比在别处更敏锐地看到社会中将“科学”与旁科学“世界”连接起来的媒介性构型。 ## 落幕：（旁科学的）媒介性思考 最后，值得回到这样一个问题：一种媒介形式究竟如何可能让科学家进行思考。媒介形式与格式为其中的内容提供了至关重要的脚手架（Sterne 2012, 1–31）。无论在神经元还是人工神经元的案例中，把一个科学概念/假设/观念转化（无论我们称之为翻译、转码还是呈现）为旁科学格式，都需要付出工作。这种工作往往与“正规”的科学工作若即若离，但它的成功仍然需要认知劳动与物质劳动。让我指出这种工作的两个阶段，它们与媒介性思考难以区分。 在第一阶段，相关的科学家需要拿起科学观念，并为其划定边界。任何曾经不得不制作 PowerPoint 幻灯片的人——其默认形式往往要求分项列点、罗列和排序，即便在传统场域中话语或科学铭写并不是这样运作的——都会了解，让某样东西做好“上 PowerPoint”的准备需要付出怎样的工作。在这里，媒介形式与科学建立起一种限制性的关系。一篇软科幻小说中不能插入化学式；这是一种限定了能说什么、能做什么的文类惯例。 在第二阶段，正是在第一阶段约束科学家的那同一种媒介形式，使科学家得以重新思考、重新定位他的对象与条件。例如，Coursera 的课程框架可能迫使教师想出更多可以向学生提出的问题，从而迫使他反思在基于神经网络的机器学习中“给定之物”与“推断之物”之间的关系。拉蒙-卡哈尔所提供的细胞图像，使他得以运用自己的创造能力，有选择地让神经元附近的一切装置变得可见或不可见。在这两种情况下，第二步都是开启新的思路。[^f04-19] 沿着这两个媒介思考阶段，并在它们之间，我们发现旁科学媒介在发挥作用。因此，借助这类媒介进行思考绝非中性的任务；每一次转化、每一个自由的向量，都带来了它自身的认知可能性。科学家和技术人员所从事的这种思考，往往未得到充分研究，也未受到足够注意。它最好被理解为思想的时刻与空间：在其中，一个科学问题——往往与一个社会问题难以区分——在严格意义上的科学铭写之外找到了基底。根据相关特定媒介的属性，这种思考往往使科学家和技术人员得以（或受限于）用符号词汇——线条、词语、图示、叙事形式、PowerPoint 演示、用户界面等等——来推敲、争取支持、在平息之后加以稳定、加以主体化，并实实在在地重新表述他们的立场与关切，而这些是他们的“科学”装置本来所无法提供的。在这里，事实与虚构之间、虚构与非虚构之间的简单区分变得问题重重，人们看到科学深深地浸透了修辞性、隐喻性与形象性。 旁科学媒介附带着它们各自版本的思考，这一事实在这个故事中之所以格外明显，恰恰是因为这个故事中的角色是神经元，有机的与无机的。对用以思考认知与智能之社会、文化与哲学问题的空间的需求——本书的其他作者同样在追寻这一点——在某种意义上是这里的神经元所固有的。或许把它想象为神经网络所构成的网络会更好。这一概念在这里所体现的思考形式需要扩张，而旁科学媒介恰好是实验台（以及 IDE）周围触手可及的对象与项目。于是，神经网络从容地铺展开来，占据这些空间，但在此之前，它自身已开始受到这些空间的影响。一切稳定化都会创造出它自己的信徒，而一切信徒都会生成他们自己的怀疑者。正因如此，旁科学媒介对某些人来说永远不够科学，但这并不妨碍神经网络借助它们来思考。如果不是对扩张的需求，那么网络形式的核心又是什么呢？ 这样的扩张同样需要一种批判性的反制。如果说过去时代的观察伴随着它自己的一套媒介（参见 Crary 1990; Benjamin 2002），那么，倘若神经网络的故事可信，二十一世纪的观察就需要以批判的方式对待周遭的一切，对待一切通常逃过我们审视的东西。必须把专注反转过来，必须把分心提升起来，才能真正在技术科学情境之中——更重要的是在其周围——理解这个“旁”。科学有时或许会下班，但这类媒介以及进行思考的神经主体从来不会停止工作。 ## 注释 [^f04-致谢]: 我深深感激我的合著者泰奥·勒帕热-里歇和露西·萨奇曼，感谢他们的情谊、耐心与至关重要的反馈，也感谢他们与我一同踏上这场冒险。我永远无法恰如其分地讲述我们的主编、不知疲倦的泰奥·勒帕热-里歇（我很荣幸能称他为朋友，也很幸运能与他合作）所给予的支持和付出的辛劳，也无法尽述不屈不挠的露西·萨奇曼的关怀与智慧（她的才华、无私与体贴教会了我关于谦逊与思想清晰的基本功课）。我还要感谢萨哈娜·斯里尼瓦桑（Sahana Srinivasan）所做的一切，包括编辑上的建议，并感谢 Mushu 和曼金德（Manjinder）的全部支持。同样感谢两位慷慨的匿名同行评审人；感谢丛书编辑温迪·春、梅赛德斯·邦兹（Mercedes Bunz）和蒂蒙·拜斯（Timon Beyes）；也感谢明尼苏达大学出版社和 meson press 的工作人员提供的一切帮助。 [^f04-1]: 关于“关于思考的思考”，更多内容参见 Dumit 2004; M. Jones 2016。 [^f04-2]: 另见本书中勒帕热-里歇的章节。 [^f04-3]: 关于这一方法的几种经典论述，参见 Kuhn 1970; Daston and Galison 2007; Shapin and Schaffer 1985; Marres 2015。 [^f04-4]: 关于当今科学技术研究（STS）中的争议研究，更多内容参见 Marres 2007。 [^f04-5]: 此处指相对于科学标记的标准形式而言的另类形式；自拉图尔以来，STS 已对这些标准形式作了充分研究。参见 Latour 1987。 [^f04-6]: 故事中的所有引文均出自 Ramón y Cajal 2001。 [^f04-7]: 这些 oposiciones 是决定谁能获得职位的一种奇特的学术较量；你可以把它想象成多名候选人同时在场的校园面试，只不过更加血腥、更加激烈。 [^f04-8]: 毕竟，拉蒙-卡哈尔曾身处抗击流行病的第一线，对此有过亲身体会。1880年代中期，他在瓦伦西亚大学担任教授期间发现，让政府官员理解这种疾病，即便不比对付细菌本身更难，至少也同样困难。1885年，“萨拉戈萨省政府为表彰他在一次霍乱疫情期间所付出的劳动，授予他一台新式蔡司显微镜”（Bentivoglio 1967；另见 Ramón y Cajal 1989）。感谢泰奥·勒帕热-里歇向我指出这一点。 [^f04-9]: 人工智能的历史不胜枚举。冒着过度简化的风险可以说，在美国语境中，人工智能曾经历过两个显著的遇冷与资金匮乏时期，被称为“人工智能寒冬”：第一次大约在1970年代，第二次在1990年代。这里的故事发生在第二次人工智能寒冬的末尾。历史上，在人工智能路径问题上存在分歧的两大主要阵营是符号主义者与联结主义者。符号主义者认为，人工智能最好被理解为一组日益复杂、但大体上仍是预先确定并编码好的规则；而联结主义者则认为，人工智能必须是涌现的，系统必须从聚合起来并相互连接的数据元素中发现自己的运作形式（参见 Lepage-Richer 2020; Mendon-Plasek 2016; Agre 1997; Nilsson 2009）。在这里，在2000年代末和2010年代初，我们看到联结主义者与符号主义者再次争夺硅谷的下一轮资助，而硅谷当时才刚刚先后从互联网泡沫和2008年股市崩盘中恢复过来。 [^f04-10]: 毕竟，正如弗里德伯格（Friedberg 2009）所表明的，今天的虚拟窗口是视觉性的中介者，可以追溯到文艺复兴时期的透视法与建筑窗户。 [^f04-11]: 从大量学生中形塑出这些神经主体——他们不仅是人工智能战争中的“盟友”，也是理解自身与机器之间认知纠缠的未来专业人士和普通人——是一个富有成效的话题，我将在本章稍后回到这一点。 [^f04-12]: 理解吴恩达在此处角色的另一种方式，是把他视为一个具有“互动性专长”（interactional expertise）的共享能动者（参见 Baird and Cohen 1999; Collins and Evans 2002; Galison 1997 and 2010）。 [^f04-13]: 勒帕热-里歇在别处详细探讨了这一观点。参见 Lepage-Richer and McKelvey 2022。 [^f04-14]: 起初，Coursera 上所有最热门的课程都与人工智能相关（参见 Kosner 2013; Mendez 2022），这表明这种对大学的替代只是面向人才紧缺的编程就业市场，而未必面向诸如以声望为导向的博雅教育学分认证（参见 Bourdieu 1973 and 1987）。 [^f04-15]: 更多内容参见本书中露西·萨奇曼的章节。 [^f04-16]: 这里所说的二阶合作，是指吴恩达与辛顿拥有共同的合作者与社交圈子，尽管他们直接合作的次数并不多。 [^f04-17]: 勒帕热-里歇是这一现象的敏锐分析者。参见他在本书中的章节；另见 Lepage-Richer 2020。 [^f04-18]: 事实上，拉蒙-卡哈尔的假日故事之一《被诅咒的房子》（“The Accursed House”）（再次）借用了哥特小说的修辞手法，明确地让科学家主人公用他的细菌学知识解释一座房子所谓的超自然闹鬼现象，从而解决叙事（Ramón y Cajal 2001, 69–121）。 [^f04-19]: 可以注意到，这类似于汉斯-约尔格·莱茵贝格尔（Hans-Jörg Rheinberger）围绕认知物（epistemic things）提出的主张，尽管在我看来，这里所讨论的对象首先并不是“科学的”（Rheinberger 1997；另见 Rheinberger 2016）。 ## 参考文献 - Agre, Philip. 1997. Computation and Human Experience. Cambridge: Cambridge University Press. - Baird, D., and Cohen, M. S. 1999. Why Trade? Perspectives on Science 7, no. 2: 231–54. https://doi:10.1162/posc.1999.7.2.231. - Barad, Karen. 2007. Meeting the Universe Halfway: Quantum Physics and the Entanglement of Matter and Meaning. Durham, N.C.: Duke University Press. - Bates, David, and Nima Bassiri. 2016. Plasticity and Pathology: On the Formation of the Neural Subject. New York: Fordham University Press. - Benjamin, Walter. 2002. The Arcades Project. Cambridge, Mass.: Harvard University Press. - Bentivoglio, Marina. 1967. “Life and Discoveries of Santiago Ramón y Cajal.” In Nobel Lectures, Physiology or Medicine 1901–1921. Amsterdam: Elsevier Publishing Company. - Bourdieu, Pierre. 1973. “Cultural Reproduction and Social Reproduction.” In Knowledge, Education, and Cultural Change: Papers in the Sociology of Education, ed. Richard Brown, 71–112. Milton Park, UK: Routledge. - Bourdieu, Pierre. 1987. Distinction: A Social Critique of the Judgement of Taste. Cambridge, Mass.: Harvard University Press. - Bruder, Johannes. 2019. Cognitive Code: Post-Anthropocentric Intelligence and the Infrastructural Brain. Montréal: McGill-Queen’s University Press. - Collins, H. M., and Evans, R., 2002. “The Third Wave of Science Studies: Studies of Expertise and Experience.” Social Studies of Science 32, no. 2: 235–96. - Cornfeld, Li. 2022. “Demo at the End of the World: Apocalypse Media and the Limits of Techno-Futurist Performance.” Communication +1 9, no. 2: 1–10. - Crary, Jonathan. 1990. Techniques of the Observer: On Vision and Modernity in the Nineteenth Century. Cambridge, Mass.: The MIT Press. - Daston, Lorraine. 1994. “Enlightenment Calculations.” Critical Inquiry 21, no. 1: 182–202. - Daston, Lorraine. 2018. “Calculation and the Division of Labor, 1750–1950.” Bulletin of the German Historical Institute 62:9–30. - Daston, Lorraine, and Peter Galison. 2007. Objectivity. New York: Verso. - De Vos, Jan. 2016. “The Death and the Resurrection of (Psy)Critique: The Case of Neuroeducation.” Foundations of Science 21, no. 1: 129–45. - Dhaliwal, Ranjodh Singh. 2021. “Rendering the Computer: A Political Diagrammatology of Technology.” PhD diss., University of California, Davis. - Dhaliwal, Ranjodh Singh. 2023. “What Do We Critique When We Critique Technology?” American Literature 95, no. 2 (June 1): 305–19. - Donahue, Evan. 2022. “Towards an Android Linguistics: Pragmatics, Reflection, and Creativity in Machine Language.” Proceedings 81, no. 1: 156. - Donahue, Evan. 2023. “All the Microworld’s a Stage: Realism in Interactive Fiction and Artificial Intelligence.” American Literature 95, no. 2: 229–54. - Dumit, Joseph. 2004. Picturing Personhood: Brain Scans and Biomedical Identity. Princeton, N.J.: Princeton University Press. - Ensmenger, Nathan. 2012. “Is Chess the Drosophila of Artificial Intelligence? A Social History of an Algorithm.” Social Studies of Science 42, no. 1: 5–30. - Friedberg, Anne. The Virtual Window: From Alberti to Microsoft. Cambridge, Mass.: MIT Press. 2009. - Galison, Peter. 1997. Image and Logic: A Material Culture of Microphysics. Chicago: University of Chicago Press. - Galison, Peter. 2010. “Trading with the Enemy.” Trading Zones and Interactional Expertise: Creating New Kinds of Collaboration 21, no. 1: 147–175. - Haraway, Donna. 2013. “SF: Science Fiction, Speculative Fabulation, String Figures, So Far.” Ada: A Journal of Gender, New Media, and Technology 3. Available at http: www.markfoster.net/dcf/speculative_fabulation.pdf. - Hauser, Gerard. 2022. Vernacular Voices: The Rhetoric of Publics and Public Spheres. 2nd ed. Columbia: University of South Carolina Press. - Hayles, N. Katherine. 2004. “Print Is Flat, Code Is Deep: The Importance of Media-Specific Analysis.” Poetics Today 25, no. 1: 67–90. - Hennig, Martin. 2020. “Playing Intelligence: On Representations and Uses of Artificial Intelligence in Videogames.” NECSUS_European Journal of Media Studies 9, no. 1: 151–71. - Huhtamo, Erkki, and Jussi Parikka. 2011. Media Archaeology: Approaches, Applications, and Implications. Berkeley: University of California Press. - Jones, Matthew. 2016. Reckoning with Matter: Calculating Machines, Innovation, and Thinking about Thinking from Pascal to Babbage. Chicago: University of Chicago Press. - Jones, Steven. 2008. The Meaning of Video Games: Gaming and Textual Strategies. Milton Park, UK: Routledge. - Kaplan, Sarah, and Joanna Radin. 2011. “Bounding an Emerging Technology: Para-Scientific Media and the Drexler-Smalley Debate about Nanotechnology.” Social Studies of Science 41, no. 4: 457–85. - Kittler, Friedrich. 2010. Optical Media. Cambridge, UK: Polity Press. - Kosner, Anthony Wing. 2013. “Why Is Machine Learning (CS 229) the Most Popular Course at Stanford?” Forbes. https://www.forbes.com/sites/anthonykosner/2013/12/29/why-is-machine-learning-cs-229-the-most-popular-course-at-stanford/?sh=42a3433c55b7. - Kuhn, Thomas. 1970. Structure of Scientific Revolutions. Chicago: University of Chicago Press. - Larson, Max. 2018. “Optimizing Chess: Philology and Algorithmic Culture.” Diacritics 46, no. 1: 30–53. - Latour, Bruno. 1986. “Visualization and Cognition.” Knowledge and Society 6, no. 6: 1–40. - Latour, Bruno. 1987. Science in Action: How to Follow Scientists and Engineers through Society. Cambridge, Mass.: Harvard University Press. - Latour, Bruno. 1993. The Pasteurization of France. Cambridge, Mass.: Harvard University Press. - Lepage-Richer, Théo. 2020. “Adversariality in Machine Learning Systems: On Neural Networks and the Limits of Knowledge.” In The Cultural Life of Machine Learning: An Incursion into Critical AI Studies, ed Jonathan Roberge and Michael Castelle, 197–225. London: Palgrave Macmillan. - Lepage-Richer, Théo, and Fenwick McKelvey. 2022. “States of Computing: On Government Organization and Artificial Intelligence in Canada.” Big Data & Society 9, no. 2: 1–15. - Li, Xiaochang, and Mara Mills. 2019. “Vocal Features: From Voice Identification to Speech Recognition by Machine.” Technology and Culture 60, no. 2: S129–60. - Luchs, Inga, Clemens Apprich, and Marcel Broersma. 2023. “Learning Machine Learning: On the Political Economy of Big Tech’s Online AI Courses.” Big Data & Society 10, no. 1: 1–12. - Marres, Noortje. 2007. “The Issues Deserve More Credit: Pragmatist Contributions to the Study of Public Involvement in Controversy.” Social Studies of Science 37, no. 5: 759–80. - Marres, Noortje. 2015. “Why Map Issues? On Controversy Analysis as a Digital Method.” Science, Technology & Human Values 40, no. 5: 655–86. - Mattern, Shannon. 2014. “Interfacing Urban Intelligence.” Places Journal Accessed November 24, 2023. https://doi.org/10.22269/140428. - Mendez, Manoel Cortes. 2022. “Coursera Sunsets World’s Most Popular Online Course.” The Report. Accessed November 15, 2023. https://www.classcentral.com/report/coursera-sunsets-machine-learning/. - Mendon-Plasek, Aaron. 2016. “On the Cruelty of Really Writing a History of Machine Learning.” IEEE Annals of the History of Computing 38, no. 4: 6–8. - Milburn, Colin. 2010. “Modifiable Futures Science Fiction at the Bench.” Isis 101: 560–69. - Milburn, Colin. 2018. Respawn: Gamers, Hackers, and Technogenic Life. Durham, N.C.: Duke University Press. - Newman, Eric, Alfonso Araque, and Janet Dubinsky. 2017. The Beautiful Brain: The Drawings of Santiago Ramón y Cajal. New York: Abrams. - Ng, Andrew. 2016. “What Is the Most Interesting Story from the Early Days of Coursera?” Quora. https://www.quora.com/What-are-some-good-stories-from-the-early-days-of-Coursera. - Nilsson, Nils. 2009. The Quest for Artificial Intelligence: A History of Ideas and Achievements. Cambridge: Cambridge University Press. - Otis, Laura. 2001a. Networking: Communicating with Bodies and Machines in the Nineteenth Century. Ann Arbor: University of Michigan Press. - Otis, Laura. 2001b. “Ramón y Cajal, a Pioneer in Science Fiction.” International Microbiology 4, no. 3: 175–78. - Otis, Laura. 2007. “Dr. Bacteria: The Strange Science Fiction of Santiago Ramón y Cajal.” LabLit. Accessed November 23, 2023. http://www.lablit.com/article/226. - Pelaprat, Etienne, and Valerie Hartouni. 2011. “The Neural Subject in Popular Culture and the End of Life.” Configurations 19, no. 3: 385–406. - Pilkington, Olga, and Ace Pilkington, eds. 2019. Lab Lit: Exploring Literary and Cultural Representations of Science. Lanham, Md.: Rowman & Littlefield. - Ramón y Cajal, Santiago. 1989. Recollections of My Life. Cambridge, Mass.: MIT Press. - Ramón y Cajal, Santiago. 2001. Vacation Stories: Five Science Fiction Tales, ed. Laura Otis. Urbana: University of Illinois Press. - Ramón y Cajal, Santiago. 2004. Advice for a Young Investigator. Cambridge, Mass.: MIT Press. - Rheinberger, Hans-Jörg. 1997. Toward a History of Epistemic Things: Synthesizing Proteins in the Test Tube. Stanford, Calif.: Stanford University Press. - Rheinberger, Hans-Jörg. 2003. “Scrips and Scribbles.” MLN 118, no. 3: 622–36. - Rheinberger, Hans-Jörg. 2016. “Afterword: Instruments as Media, Media as Instruments.” Studies in History and Philosophy of Science. Part C, Studies in History and Philosophy of Biological and Biomedical Sciences 57: 161–62. https://doi.org/10.1016/j.shpsc.2016.03.002. - Robles-Anderson, Erica, and Patrik Svensson. 2016. “‘One Damn Slide after Another’: PowerPoint at Every Occasion for Speech.” Computational Culture 5:1–38. - Rohn, Jennifer. 2005. “What Is Lab Lit (the Genre)?: Boffins Are So Last Century—Let’s See Some Real Scientists for a Change.” LabLit. Accessed November 23, 2023. http://www.lablit.com/article/3. - Schaefer, Claudia. 2014. Lens, Laboratory, Landscape: Observing Modern Spain. Albany: State University of New York Press. - Shapin, Steven, and Simon Schaffer. 1985. Leviathan and the Air-Pump: Hobbes, Boyle, and the Experimental Life. Princeton, N.J.: Princeton University Press. - Skinner, Geoff, and Toby Walmsley. 2019. “Artificial Intelligence and Deep Learning in Video Games: A Brief Review.” IEEE 4th International Conference on Computer and Communication Systems (ICCCS), 404–8. - Smith, Roberta. 2018. “A Deep Dive Into the Brain, Hand-Drawn by the Father of Neuroscience.” New York Times, January 18, 2018. https://www.nytimes.com/2018/01/18/arts/design/brain-neuroscience-santiago-ramon-y-cajal-grey-gallery.html. - Sterne, Jonathan. 2012. MP3: The Meaning of a Format. Durham, N.C.: Duke University Press. - Suchman, Lucy, and Randall Trigg. 1993. “Artificial Intelligence as Craftwork.” In Understanding Practice: Perspectives on Activity and Context, ed. Seth Chaiklin and Jean Lave, 144–78. Cambridge, Mass.: Cambridge University Press. - Suchman, Lucy. 2023. “The Uncontroversial ‘Thingness’ of AI.” Big Data & Society 10, no. 2. https://doi.org/10.1177/20539517231206794. - Suvin, Darko. 2005. “Estrangement and Cognition.” In Speculations on Speculation: Theories of Science Fiction, ed. James Gunn and Matthew Candelaria, 23–35. Lanham, Maryland: The Scarecrow Press, Inc.. - Warner, Michael. 2021. Publics and Counterpublics. Princeton, N.J.: Princeton University Press. - Wilson, Catherine. 1995. The Invisible World. Princeton, N.J.: Princeton University Press. # 第三章 处于极限的神经网络 露西·萨奇曼（Lucy Suchman） 神经网络之间的种种关联——依类比迁移的方向不同，它们或被读作技术化的生理学，或被读作生理化的技术——标示出一段跨越生命科学与系统科学学科边界往来交通的更长历史（见本书达利瓦尔［Dhaliwal］一章）。然而，认识到这些关联并不是探究的终点，而是起点。本章便从这一起点出发，重新审视大脑与计算机之间的同一/差异是如何被制造出来的；其目的不在于从形而上学或哲学上解决这一问题，而在于考察类比思维如何形塑神经科学与计算神经网络这两项事业，以及它在何处断裂。我追踪神经网络修辞织物中的两条线索：一是神经科学工作中技术类比与生理建模的相互缠绕；二是当大脑与计算机的对应关系在计算机科学的技术工作中断裂时，从模型向灵感（inspiration）的退却。我将考察大脑/计算机类比在神经科学和计算神经网络领域中使什么成为可能，以及当我们把这个故事的主角们在触及该类比极限时所采取的举动置于前景时，我们或许能学到什么。更具体地说，我要考察：对于女性主义神经科学家吉莉安·爱因斯坦（Gillian Einstein）——她沿着自己的研究问题从大脑走向具有性别/社会性别的身体及其世界——而言，大脑/计算机类比的断裂方式，如何不同于神经网络研究者杰弗里·辛顿（Geoffrey Hinton）所遭遇的断裂；后者即便承认这一类比的局限，仍致力于维系它。 简言之，我的论点是：支撑计算神经网络事业（以及计算神经科学对它的接纳）的那种持久承诺，是对认知主义（cognitivism）的承诺。在此语境中，认知主义意指这样一种智能理论：它建立在大脑/心智中形成的心理表征与一个被视为外在于它的世界之间的对应关系之上。大脑/心智被定位于颅骨的边界之内（Star 1992），它以输入的形式接收其周遭世界（为了处理的目的，这些输入或以符号方式、或以统计方式被呈现），并通过输出作出回应。近来人类学、科学技术研究、女性主义理论及相关领域中批判认知主义并阐述其替代方案的文献，如今已相当丰富。[^f05-1] 相关论证的核心在于：认知与具身的、处于关系之中的人的生活经验不可分割——这些人彼此相关，也与在文化和历史中构成的社会世界和物质世界相关。在这些理论化工作及相关经验研究中，社会/物质世界的可理解性与意义是在实践中以各种方式被再生产和转化的，而不是被给予个体大脑/心智的。实践的政治——即社会秩序如何被施行、又带来何种差异化后果——是根本性的。 认知主义框架系统性地把一切不相契合之物降格为科学边界之外的副现象。[^f05-2] 换言之，这种承诺不只是纲领性的，它正是使推理与计算之间的类比得以延续的东西。在认知主义之风中航行，导致了在两种路径之间来回抢风转向：一种是基于逻辑或规则的符号路径，被视为“抽象推理”；另一种是基于统计的路径，被形象化为“深度学习”。统计路径曾被设定为对符号路径局限的补救，如今它也开始显露自身的局限。随着对这些局限的认识日益增长，在认知主义的封闭世界之内唯一可行的路线，是以一种想象中的新型符号/统计混合体的形式，部分地回归符号。[^f05-3] 这种表述模糊的综合许诺了一种解决方案，使从业者得以留在认知主义框架的边界之内。与这些发展处于论争性对话之中的，是一系列批判性介入，它们坚持关注有机智能与人工智能各自不同的物质史和文化史——在这里，智能不被理解为以大脑为中心的认知功能，而被理解为在集体性的世界营造（world-making）的持续关系之中、并通过这些关系而被激活的实践，无论其好坏。 ## 阐明类比 神经元这一形象在科学技术研究（STS）中已得到广泛追溯，研究者们追踪了它作为前缀附着于从神经经济学（Schüll and Zaloom 2011）到神经文化（Vidal and Ortega 2011）等一系列领域的过程。布罗斯南（Brosnan）与迈克尔（Michael）（2014, 681）指出，美国国会将20世纪90年代定为“大脑的十年”，作为国际上科学技术资助者更广泛的“大脑转向”的一部分，导致资源被导入神经科学研究。他们对英国一个神经科学实验室中他们所说的“神经”之施行（enactment）的研究，建立在期望社会学（sociology of expectations）的文献（Brown and Michael 2003）之上，这类文献关注承诺性修辞在技术科学事业制度化过程中的述行效果。更具体地说，他们分析了尽管实验室工作与其临床应用之间存在系统性边界、“转化”（translation）的承诺却依然存在，以及“神经”在这些边界之内和跨越这些边界的施行所具有的多重性。他们提出，在此语境中，神经元与其说是作为一个实体在空间上凝聚成形，不如说是在时间上被黏附于一个想象中的未来——那个未来将把它在实验室中的物质化转化为临床上有效的干预。[^f05-4] STS中的另一条分析路线考察神经科学的生物还原论（Dumit 2004; Martin 2004）。维达尔（Vidal）（2009）追溯了“大脑主体”（cerebral subject）的谱系：它把大脑设定为人格的本质器官，把身体视为其容器。他认为，这种大脑中心主义自17世纪以来便是现代人类形象化的核心，其基础是个人主义以及一种可与身体和世界相分离的自我意识。维达尔指出：“‘我们就是我们的大脑’这一观念，并非神经科学进展的推论，而是神经科学研究的前提。”（2009, 7）[^f05-5] 关于心智究竟可还原为大脑还是涌现而来的争论由来已久，无论它们在当代（计算）神经科学中的表现形式多么新颖。此外，尽管实验室工作的对象是生物学的有机物质，实验室工作同样涉及抽象化实践，因为“大脑那黏软的质料变成了图形比较、序列分析、数值测量和统计汇总的对象”（Lynch 1988, 273）。量化及其伴随的“变性”（denaturing）为神经元从生物实验室迁移到计算神经科学的研究“实验室”铺平了道路，而后者也带有它自己从研究到应用的转化承诺。[^f05-6] 在人工智能的情形中，神经类比的局限，远不如这一类比作为技术事业之“直觉泵”（intuition pump，丹尼特［Dennett］［2013］首先如此命名）的力量来得重要。加里·马库斯（Gary Marcus）是计算神经网络事业的一位同情性批评者，他坚持认为，目标不应是让机器字面意义上复制人类大脑（无论在机器中字面复制有机物质可能意味着什么）。他指出，毕竟人类大脑“极易出错，远非完美”（2018, 21），言下之意，这些问题在计算机器的设计中或许可以避免。然而马库斯也承认，在许多领域人类仍保有优势。有一段话体现了一种生物技术想象——它既将人工之物自然化，又把有机之物设定为一向已是技术性的——马库斯在其中提出：“一个好的起点或许是首先尝试理解人类心智中的先天机制，把它当作关于机制的假设来源，这些机制可能对开发人工智能有价值。”（2018, 21）在这个计算占据支配地位的时代，大脑的“先天机制”被视为“一大批可复用的计算基元——类似于微处理器中基本指令集的基础处理单元——它们或许以并行方式连接在一起，如同那种被称为现场可编程门阵列的可重构集成电路”（Marcus, Marblestone, and Dean 2014），这几乎不足为奇。这些修辞举动看似拒绝了自然对文化的二元论，实则是将技术之物自然化，而非阐明有机之物与机器之物之间的差异或关系。把布线图想象为网络（network），利用了这个词的词源：它指“一种以网眼打结或编织而成的开放织物，用来活捉鱼、鸟或野兽”；而在19世纪，这个词又扩展为指称“任何复杂的、相互咬合的系统”。[^f05-7] 一旦被重新物质化为运河、铁路及其他交通基础设施，网络这一形象便处于有利位置，可被转译进20世纪中叶的通信与信息技术之中，与之相伴的是计算（calculation）被确立为一种普遍过程，以及随之而来的对构成性实体与关系之特殊性的抹除。[^f05-8] 于是，神经元便可以被形象化为一个决定突触连接之运作的逻辑门（见 Halpern 2022, 335）。 带着这段前史，我将考察技术与生理学之间的类比如何中介计算神经网络和实验室神经科学这两项事业；两位当代从业者就各自技术/科学实践的逻辑与轨迹所提供的叙述，正是其例证。如前所述，我关注的是：他们各自如何构想自己的实验领域，以及当他们遭遇该领域的方法论极限时，他们的事业走向何方。 ## 计算机科学家杰弗里·辛顿工作中的神经网络 杰弗里·辛顿被广泛认为是人工智能中致力于计算神经网络——更具体地说是所谓卷积神经网络或深度学习——这一子领域的奠基者和领军研究者（见本书勒帕热-里歇［Lepage-Richer］一章）。辛顿是多伦多大学荣休杰出教授，曾获多项重要奖项，并曾任谷歌副总裁和研究员，他的目标“是发现一种学习程序，它能高效地在大型高维数据集中找到复杂结构，并表明这正是大脑学会看的方式”。[^f05-9] 辛顿拥有实验心理学和人工智能学位，处在两种以实验室为基础的人类认知研究路径的交汇点上。 在与时任《连线》（Wired）主编尼克·汤普森（Nick Thompson）（2019）的一次对话中，辛顿对神经网络作了如下解释： > 辛顿：你有一些相对简单的处理单元，它们非常松散地是神经元的模型。它们有传入的连接，每个连接上有一个权重，而这个权重可以通过学习来改变。神经元所做的，就是把连接上的活动乘以权重，全部加起来，然后决定是否发送一个输出。如果得到的和足够大，它就发送一个输出。如果和是负的，它就什么也不发送。差不多就是这样。你要做的全部事情，就是把无数个这样的东西连接起来，配上无数的平方那么多的权重，然后弄清楚怎样改变权重，它就什么都能做。问题只在于你怎样改变权重。 这是对汤普森请他解释神经网络是什么的回答，它体现了生物技术转译中那种滑动的修辞。这个问题被默认为是关于计算神经网络的，而回答一开始便提到“非常松散地是神经元的模型”的“处理单元”。此处把计算实体当作有机实体之模型的姿态是有所保留的，暗示二者的关系更多是一种类比，而非一个强主张。单元之间的连接具有“权重”——这是计算行话中一个熟悉的术语，指一组数学化的数值——辛顿解释说，这些数值通过“学习”而改变。在这里，一个与有机生命相关联的过程被用作技术术语，指根据预先规定的结果、依据较好与较差的结果对数值进行计算性调整。“神经元”在下一句话中再度出现，成为一个基于计算（针对如今被呈现为“活动”的过程）在二元选项之间作出“决定”的行动者。辛顿解释说，力量来自此类处理单元的数量与操纵数值的技术二者的结合。那必然是人类之手的戏法，则显现在“你”这一形象之中——正是这个“你”弄清如何调整那些权重。这是一个从系统到程序员的图形与背景的瞬间转换，它既在二者之间造成差异，又揭示出它们的相互依赖。[^f05-10] 汤普森接着问道：“你是什么时候开始认识到，这是对大脑工作方式的一种近似表征的？”辛顿回答： > 辛顿：哦，它一直就是这样设计的。它被设计成像大脑工作的方式那样。 > > 汤普森：那么在你职业生涯的某个时刻，你开始理解大脑是怎样工作的。也许是在你12岁的时候，也许是25岁的时候。你是什么时候决定要仿照大脑来建造计算机的？ > > 辛顿：差不多是马上就决定了。那就是它的全部意义所在。整个想法就是要有一个学习装置，它像大脑那样学习——像人们认为大脑学习的那样——通过改变连接强度来学习。 汤普森的问题暗示，计算神经网络至少为大脑的运作提供了一个近似模型；而辛顿的回答则把这一关系颠倒过来，把大脑定位为计算神经网络的模型。正是这种颠倒使得从模型到灵感的转换成为可能——例如，当汤普森在访谈后段就一项显然偏离了大脑中任何可见过程的计算技术追问时，辛顿便推托道： > 辛顿：我不是在做计算神经科学。我不是在试图为大脑如何工作建立模型。我是在看着大脑说：“这东西管用，如果我们想造出别的管用的东西，我们应该多少从它那里寻找灵感。”所以这是受神经启发的，而不是一个神经模型。整个模型，我们使用的神经元，它们受到启发的事实是：神经元有很多连接，而且它们会改变连接强度。 这种对大脑与计算机之差异的重申，与辛顿在同一次对话中早先的说法相矛盾：“我们就是神经网络。凡是我们能做的，它们都能做。”正是“神经元”一词的多义性——它交替地指称计算神经网络的处理单元和作为实验室神经科学研究对象的生理实体——使得辛顿关于大脑–计算机关系的陈述能够在类比与同一、灵感与模型之间无缝切换。[^f05-11] 随着对话转向意识、学习，最后转向辛顿关于做梦的“四种理论”，事情变得越来越缺乏根据。关于神经网络对教育的意涵，辛顿发表意见说： > 我们现在知道……你只需输入随机参数，就能学会一切。如果我们真正理解了正在发生什么，我们就应该能够让诸如教育之类的事情运作得更好。我认为我们会做到的。如果你终于能理解你的大脑中正在发生什么以及它如何学习，却不能调整环境使你学得更好，那将是非常奇怪的……一旦［计算］助手能够真正理解对话，助手就可以与孩子们对话并教育他们。 学习这一形象在符号人工智能和神经网络话语中无处不在，可以追溯到最初的达特茅斯夏季研究项目提案（McCarthy et al. 1955, 1），该提案“以如下猜想为基础展开：学习的每一个方面或智能的任何其他特征，原则上都可以被如此精确地描述，以至于能够制造一台机器来模拟它”。在这里，学习被构想为一个位于大脑内部的过程，它由一个环境来供给服务，而这个环境必须先被表征或建模才能被登录。由此推出，应当有可能对环境进行再工程，以优化它与大脑处理需求之间的对齐。从技术上定义，神经网络语境中的学习指的是对产生“正确”输出所需之计算过程的优化，而所谓“正确”，是由被认为在目标领域具有相关知识的人所作出的判定的函数。但在其作为一个更具漂浮性的能指的功能上，学习成了所谓通用人工智能的圣杯，或者用马库斯（2018）的话说，成了“以类人的灵活性解决陌生问题”的能力。 马库斯（2018）在他对所谓深度学习——“一种利用多层神经网络、基于样本数据对模式进行分类的统计技术”——之进展的批判性评述中，指出了该领域所面临的他称之为“10项挑战”。其中首要的是对大量数据的依赖，而这种依赖在他看来是神经网络无法把握抽象关系所致。作为例子，马库斯指出，他的人类读者在被告知“schmister”这一概念——定义为年龄大于十岁但小于二十一岁的姐妹——之后，可以轻而易举地判断自己是否有一个schmister。他写道：“在学习什么是schmister时——在这个例子中是通过明确的定义——你所依赖的不是成百上千乃至数百万个训练样例，而是一种表征类代数变量之间抽象关系的能力。”（2018, 6）即便承认我们理解“schmister”这一概念的能力并非基于成千上万或数百万个训练样例，我们也不妨追问：它究竟在何种意义上是一种表征抽象关系的能力？无论如何，本文作者这位读者一听到这个词，立刻想到的就是我自己那几位非常鲜活、具身的姐妹。而且，除了十和二十一这两个数字之外，这在什么意义上是类代数变量之间的关系呢——除非“姐妹”和“schmister”这两个词被当作相关联的文本字符串，而非相关联的人？在这一语境中，“抽象”的观念已经预设了知识等于把实例正确地分类到类别中，而忽视了其他的模式与指涉，尤其是对生活中亲属关系的指涉。 马库斯指出，深度学习中的“深”并不指深刻，而是指计算过程中间层或隐藏层的数量（引入这些层是为了提高效率）。神经网络实际上的浅薄，是其广为人知的脆弱性（brittleness）的一个因素，这导致人们在某种程度上承认，它们事实上并不进行任何类似人类意义上的学习。马库斯（2018, 8）指出，那个被训练来玩电子游戏《打砖块》（Breakout）的神经网络——它著名地“意识到在墙上挖一条隧道是赢得游戏最有效的技术”——并不只是没有遵守规则。他指出，更确切地说，这个系统对挖掘、隧道、墙壁、游戏或规则毫无感知，它所感知的只是以某种方式被数学化的像素；给定一个预先确定的目标，它便部署统计技术，在任何给定回合中优化产生该输出的可能性。此外，神经网络无法处理马库斯所说的“先验知识”（常被称作“常识”），认知主义者把这个问题追溯到“抽象概念”的缺乏。[^f05-12] 更宽泛地说，神经网络对实体及其关系没有质性的理解，这是人工智能一个悬而未决的问题，如今它促使马库斯提出需要“混合模型”，以及至少部分地回归表征性或符号性过程（Marcus 2018, 20）。然而，抽象可以由符号来表征这一前提，只是把问题重新框定为一个指称问题，同时仍在回避莱夫（Lave）（2011, 115）所说的“实践中的知识能力”（knowledgeability in practice）问题，包括学习与日常生活关切的不可分离。 与本文关切最相关的是，马库斯指出了他所描述的“机器学习中一种强调在本质上自足的问题上展开竞争的文化”（2018, 12）。这种对封闭世界的依赖，回避了源自计算感知域（sensorium）之局限的那些反复出现且悬而未决的问题。神经网络的运作需要一个由机器可读输入构成的数据集，这些输入可以接受分析，以找出与一组预定输出相吻合的统计相关性。数据集规模和处理速度的量的进步，丝毫无助于解决相关性与因果性之间那个臭名昭著的差异，也无助于处理因果性在我们对不确定的关系与效果进行推理时所占的位置。在以计算神经网络的脆弱性或狭窄性为框架的讨论中，主流话语隐含地援引了一种学习的迁移模型，而这种模型已遭到莱夫（1988, 2011）等学者的彻底批判。马库斯把这描述为“在训练空间之外进行泛化的问题”，而莱夫（2011, 155）则借用斯图亚特·霍尔（Stuart Hall）的“上升到具体”（rising to the concrete）这一形象（2003, 131），来命名将普遍化理论与持续展开的文化/历史世界之特殊性联系起来的能力。按照这种理解，计算神经网络对封闭世界的依赖，不只是其无力处理“新颖性”的症状，而是计算与在实践中/作为实践的认知（knowing in/as practice）之间一种更为根本的差异的症状。 ## 吉莉安·爱因斯坦神经科学研究中的跨边界探索 计算神经网络的局限，是通过在实际操作上有效地封闭其被设计来运行于其中的世界而加以管理的。系统的效能通过其在一小组行业标准“基准”（benchmark）任务上的表现来衡量，并以竞争性“排行榜”上的相对分数来登录（Bender et al. 2021, 618; Inioluwa et al 2021）。支撑对计算神经网络之投资的那种从实验室到应用的转化承诺，是通过海量数据集及相应算力的结合、连同对由此产生之能力范围的过度表述而得以维持的。与本讨论最相关的是，正如我们在杰弗里·辛顿的案例中所见，把大脑说成计算神经科学之模型的主张所具有的策略性模糊，使得人们在面对有机体与机器之间不可转译的差异时，能够退回到把大脑当作灵感。 生物神经科学中的神经网络形象，同样带有20世纪技术想象的印记；而在实验室的范围之内，神经科学依照种种实验体制运作，这些体制提供了另一种形式的自我指涉的封闭。[^f05-13] 然而，在主流神经科学的边缘，另一项转化事业正在进行之中：它以女性主义对大脑、身体和世界之异性恋规范性形象化的批判为基础，阐述一种关于生物差异的关系本体论（Haraway 1989, Martin 1991, Fausto-Sterling 2012）。为了探讨这一事业对神经网络问题的意涵，我转向女性主义神经科学家吉莉安·爱因斯坦的工作，她是多伦多大学爱因斯坦认知神经科学、社会性别与健康实验室的负责人。[^f05-14] 在一篇题为《情境化的神经科学：探索多样性的生物学》（"Situated Neuroscience: Exploring Biologies of Diversity"）的论文中，爱因斯坦将她的事业描述为“对神经系统的研究，这种研究将为以往被噤声的研究领域发声，揭示无知的角落——而不仅仅是‘知识空白’——［并］彻底颠覆关于生物学本质主义的预期”（2012, 150）。 为了说明这可能意味着什么，爱因斯坦反思了她对东北非和西非传统的女性生殖器切割（female genital cutting, FGC）习俗之神经生物学效应的研究。她在研究之初假设，这些效应可能更广泛地构成了与之相关的“正常/可欲的”女性身体： > 中枢神经系统（CNS）的参与，其结果将是使这一传统被具身化，影响接受过FGC的女性走路的方式、举止仪态，以及更一般地通过身体经验世界的方式，从而实际上使她们的文化被具身化。我特别想知道，这一传统的目的是否在于在中枢神经系统中实现一种男女之间的身体差异，而这种差异在没有这一手术的情况下是不存在的。（151） 爱因斯坦意识到，要追究这一假设，就需要对实验神经科学的主流方法作一系列扩展。首先，此前没有任何关于FGC的研究从神经生物学上追踪过它的效应。在她看来，这一“无知的角落”是由17世纪那种把身体视为一台由独立部件或系统构成之机器的模型所维持的（158）。她指出，在这一模型中， > 大脑仍然高居于我们这具两极分化的身体之上，享有特权，其他身体系统像提线木偶的手臂、腿和躯干一样排布在线上——由大脑来牵拉和操纵。信息进来。大脑处理它。一个动作被生成，然后由周围神经系统执行。身体的其余部分作出反应。按照这种观点，大脑是身体的首席执行官。或许正因如此，身体本身未被认为是有知识的，因而也未被认为拥有它自己的叙事。（159） 与此相反，爱因斯坦坚持认为， > 大脑并不是身体拥有的唯一神经系统。其他神经系统也在努力工作，与身体的其余部分相互作用，并受其影响。脊髓回路和周围神经系统——神经、感受器以及散布各处的神经元——例如视网膜、背柱核和肠神经系统中的——都对大脑皮层所“知道”的东西有所贡献……这强调了一点：身体、大脑和社会处于一种相互影响的互惠关系之中……世界书写在整个身体之上。（160）[^f05-15] 因此，除了致力于追踪全身性的关联之外，爱因斯坦的假设还要求对她的方法作更激进的扩展，即超越身体、走向世界。这使她走出实验室，与十四位移居多伦多的索马里裔加拿大移民展开合作（她强调，在研究中这些女性被定位为同事而非受试者）。在她们的祖国，在她开展研究时，FGC习俗仍影响着98%的女性。爱因斯坦小心地指出，她的合作者们并不意在代表所有索马里女性，或所有经历过FGC的女性：“她们中的大多数人在［20世纪80年代末和90年代初］战争爆发时正在国外探亲、求学或工作，于是便再也没有回家。她们是健康、积极投入、充满活力的女性，对自己在世界上的位置有着特定的认识。”（163）她还强调，正如不存在单一的索马里文化或单一的女性范畴一样，FGC也是多样的。 大脑在这项研究中扮演了重要角色，这不仅是因为爱因斯坦关注大脑/身体/世界之间的相互关联，也是因为在方法上，转向神经生物学为她与对话者之间的交谈打开了空间。正如爱因斯坦所解释的： > 我能够在与每位女性开始交谈时就说明，我感兴趣的不是她的生殖器，而是她的大脑。把问题从生殖器——在实行FGC的文化中这是一个沉默之处——转向大脑——一个此前未被考虑、但在大众想象中享有特权的部位——使参与者得以谈论她们的割礼，同时也把这个话题置于一个对她们而言受到尊重的空间之中。（161） 研究结果证实了FGC对这些女性的全身性影响，包括初始假设中所预期的那些影响（Perović et al. 2021）。与此同时，研究参与者并不认为自己是残疾的或不健康的，有些人还对自己所承受的一切表示自豪。尽管爱因斯坦清楚自己研究样本的规模之小与特殊性，她仍强调这项研究的意义：它进一步证明了大脑与身体多重且相互关联的神经系统不可分割，也证明了“疼痛”——无论是其可测量的形式还是其经验的形式——与神经生物学的文化具身化不可分割。 更一般地说，爱因斯坦坚持认为身体没有独立的部件，与其说大脑享有特权，不如说“神经系统是整个身体和世界的整合者，并与之相整合……因此，影响身体某一部分的实践，将被整个身体所拥有，或通过所有身体系统与环境之间的相互联系而被具身化”（2012, 158）。爱因斯坦表达了她对内分泌系统的“热爱”，并指出，内分泌系统以血液为媒介，作为“一个巨大的统一效应器而起作用；人们称之为调节器，但如果你真的认真对待，你可以说它是启动者，而不是调节器。你可以拿身体中任何一个曾被当作自成一体的系统来研究的部分，然后意识到它是整个身体的调节器，同时也被整个身体所调节”。[^f05-16] 此外，失效是通向新知识的一个开口：爱因斯坦指出，虽然系统彼此分立这个“小谎言”或许具有一定的预测力，但“它不起作用的地方，恰恰很好地表明了事物真正相互关联之处”（访谈，2022年5月）。 爱因斯坦以神经“回路”来构想大脑，但对她而言，这些连接不仅深刻而复杂地被具身化，而且会随着无法化约为加权输入的经验而变化（2012, 162）。当被问及计算神经科学中神经网络类比的局限时，爱因斯坦指出了这样一个前提：计算神经网络的顶层被类比为输入感受器，而中间层则通过反向传播、以无法说明的方式决定系统的输出。相反，神经科学家关心的正是居于其间的东西： > 在大脑中，一个网络由许多脑区中的许多神经元相互连接而构成。无论你把它看作层级式处理还是并行处理，网络中都有已被识别的、个别的神经元。在初级视觉皮层，或任何皮层中，我们至少愿意认为我们知道第一层、第二层中是什么类型的神经元，第三层的神经元投射到哪里，第四层从哪里获得输入，也就是布线图。据我对计算机科学模型中当前大脑类比的理解，人们不需要了解这些层的特殊性，因为反向传播并不要求我们理解输入与输出之间是什么的细节。但在大脑中，我认为要为一个真实的大脑如何处理输入建立模型，确实需要理解这些错综复杂之处。同样，对于某一特定脑区的内部连接而言，还有来自其他脑区的外部输入，而这些脑区可能正在获得关于世界的完全不同的信息（激素的、感觉的，等等）。（访谈，2022年5月） 我们或许还记得，辛顿的叙述仅仅根据相对权重来区分神经元；在某种意义上，所有神经元都是可通约的。相比之下，爱因斯坦的描述指出了神经元的不同类别（依据位置，而位置决定功能），而她上述关于内分泌系统的评论则表明，智能的调节因素弥散于整个神经系统之中，难以用固定的方式加以“寻址”。[^f05-17] 尽管神经科学想象与电气工程想象的交汇在“布线图”这一形象中显而易见，但对爱因斯坦而言，最令人困扰的是计算主张在方法论上的意涵。她承认自己对神经科学实验室方法的投入，这种方法以“把东西拆开看它们做什么”为目标；她也坦承，在她的研究中，如果出现了一个没有在行为上表现出来的大脑变化，她所感到的不安，要小于出现了一个没有可观察到的大脑变化的行为变化。[^f05-18] 当被问及她如何解释这一承诺的强度时，她解释道： > 我相信行为是由大脑回路组织的。最终可能导致行为变化的东西，可能早先便在大脑中显现出来。虽然可能存在无法测量的、或其测量方式尚未被辨识出来的大脑变化——因此我们“看”不到它——但如果有一个可测量的大脑变化，而与之对应的行为尚未被观察到，我并不感到惊讶。组织一个行为需要大量的神经元。所以，一些神经元可能已经改变了，但还不足以产生行为上的变化。（访谈，2023年1月） 对爱因斯坦而言，实验并不是一项机械论的或还原论的事业，因为她认为神经元与其关系——无论是身体之内的还是身体之外的——不可分割。在方法论上，这带来了一项持续的挑战，即如何把她所说的“一个大世界和一个微小世界”结合在一起（访谈，2022年5月）。前者是性、社会性别与女性健康研究所涉及的人/身体/世界，而后者则是实验室科学的微观世界。质性研究的“不可测量的结果”[^f05-19]与实验科学的测量体系往往难以衔接：在爱因斯坦关于女性生殖器切割案例的研究中，使用标准指数进行的慢性疼痛自我评估、生理指标，以及来自更长时间的质性访谈中所报告的经验，彼此无法以任何简单的方式对齐（Perović et al. 2120）〔译注：原文如此，应为2021〕；而经前综合征所显示的激素水平测量值与情绪并不相关（Romans et al. 2012）。她指出，即便确实出现了关联，研究对话者对关于大脑–身体关系的既有叙事的熟悉，以及她们对这些问题之流行框定方式的适应，也使得确定因果的工作更加复杂（访谈，2022年5月）。 在我们谈话的最后，爱因斯坦说，她常常思考那种要发现某种可普遍化之物的标准科学主义冲动，并想知道，如果不把内分泌（或免疫等）系统这类调节性系统以及情境纳入考量，这如何能够实现： > 我认为，产生某种“基本”东西的一般科学目标，对于现实世界中的生物系统不会很奏效。在真实的生物学中，差异与变异才是“基本的”。要找到“真的”东西，我们需要把我们的主张限定在研究开展时的确切条件/有机体/被调节状态之内。如果有人把差异同质化、对变异轻描淡写，他们就会失去使这些系统运转起来的东西。我认为我们在大脑面前需要保持谦逊。我们可以了解到一些关于摘除了卵巢的老年雌性斯普拉格–道利（Sprague Dawley）大鼠CA1锥体神经元的知识，但这甚至并不能真正告诉我们另一种啮齿动物中同一类型神经元的情况，更不用说人类了。我告诉我的学生，我们所了解和报告的，是一个特定的现象，发生在这种动物（人类或非人类）身上、在这个年龄、在一个给定的情境中。也许，真正知道某种真的东西，就是限定我们的主张，然后开始将这些主张与其他主张进行比较。（访谈，2022年5月） 爱因斯坦在此所抵制的那种“基本”的意义，其作用在于划定研究对象的内部与外部——具体到计算神经科学的情形，即作为神经网络的大脑——其方式是把其他系统呈现为副现象，从而是无关的。[^f05-20] 相比之下，对爱因斯坦而言，生物大脑被视为与“在世界之中的身体”不可分割，而一门能够提供根本洞见的神经科学，需要能够扩展、以纳入其对象之构成性关系的方法。换言之，她并不是去限定她的研究对象，而是致力于随着理解的加深，重新打开并重新配置它的边界。 ## 当神经网络想象遭遇其极限时，我们或许能学到什么 勒帕热-里歇（2021, 200）采用“对抗性认识论”（adversarial epistemology）这一修辞，论证关于神经网络的知识主张“在历史上取决于一种更宏大的技术–认识论想象，这种想象将知识自然化地理解为抵抗、反制和克服一个假定对手的持续努力的产物”。在计算神经网络的情形中，这个对手不仅是一个隐藏其秘密的大脑，也是关于如何揭示这些秘密的种种相互竞争的主张。颇具讽刺意味的是，马库斯等人（见 Olazaran 1996）把神经网络支持者们承诺之坚定，与其说归因于数据或逻辑，不如说归因于计算界内部历史上的斗争与敌意脉络——这始于20世纪60年代马文·明斯基（Marvin Minsky）和西摩·佩珀特（Seymour Papert）对弗兰克·罗森布拉特（Frank Rosenblatt）的“感知机”（perceptron）所作的批判（Marcus 2022）。神经网络在20世纪80年代的重新兴起，被明确地框定为符号路径的一种不可调和的替代方案。[^f05-21] 符号路径被描述为已经走进了死胡同，导致了20世纪80年代所谓的“人工智能寒冬”；而如今马库斯提出了一条新的“混合”前进道路，称之为“神经符号”（neurosymbolic）路径（Marcus 2022）。[^f05-22] 换言之，随着所谓深度学习路径的能力显露出其局限，计算神经科学中出现了向“智能需要对符号进行操纵”这一观念的回归。[^f05-23] 马库斯（2022）将符号操纵描述为包含两个基本要素：“用来表征信息的符号集合（本质上就是代表事物的模式），以及以一种特定方式处理（操纵）这些符号，使用类似代数（或逻辑，或计算机程序）的东西来对这些符号进行运算。”一旦大脑被理解为参与符号操纵，而符号又被转译为代码（二进制数位或比特串），那么被读作符号操纵的神经过程便现成地适合于计算运算。正如马库斯所解释的：“符号为外推提供了一种有原则的机制：合乎法则的、代数式的程序，可以被普遍地应用，而不依赖于与已知样例的任何相似性。它们（至少目前）仍然是手工构建知识、并在新情境中稳健地处理抽象的最佳方式。”（2022）[^f05-24] 深度学习路径曾寄望于：只要有足够的数据，再加上检测潜在有意义之相关性的精密技术，智能便会“涌现”。然而，就其基本假设与承诺而言，深度学习路径和符号路径的共同之处，多于它们所能提供的替代性。虽然一者依赖统计分析，另一者依赖对决定计算运算的算法（所谓规则）的编码，但二者都在研究开始之前就已经把认知转译成了一个计算问题。无论是随机过程的产物还是“抽象推理”的产物，理解都要通过这样一些运算来实现：这些运算得益于大脑“识别”来自一个被外在化的世界的输入、并将其转译为可操纵之数字的能力，而这些数字又被转译为适当的输出。 按照这一逻辑，作为抽象推理机器的大脑/心智，随后需要被置于与一个被理解为外在于它、与它相分离的“真实世界”的交互之中。对生物学而言，大脑/身体/世界之间的关联是通过有机体/环境所固有的关系过程而形成的，而对计算神经科学而言，这些关联是有待设计的界面。如今对这种自然/文化二元论形式的批判已经相当成熟，内容过于丰富，无法在此复述。[^f05-25] 但对本文的目的而言至关重要的是这样一个前提：关于实在的文化/历史表述，与我们作为人类所栖居的真实世界之间，存在着不可分割的关系。对大脑与计算系统的划定，以及对二者之间同一和/或差异的阐述，并不是客观观察这一清白无辜的事情，而是一项世界化（worlding）[^f05-26]的事业，所有参与这场讨论的我们都牵涉其中。而且，其利害关系并不局限于实验室，而是对于我们如何划定人类的边界以及其他/超越人类的关系的边界，具有政治的、经济的和物质的后果。 我希望从这些故事中引出的寓意，关乎在理论和方法上致力于限定（containment）与封闭的局限。我已经指出，对认知主义的承诺，除其他外，维系着实验室计算科学的封闭世界逻辑。这一承诺似乎让从业者们在遭遇其实践的理论与方法论极限时别无他途，只能进行一种许诺新的、有益的综合的回归。我已经指出，另一种选择更接近于阿格雷（Agre）（1997, 23）所设想的批判性技术实践（critical technical practice），他写道： > 它不寻求基础，而是会拥抱基础之不可能，以一种对其自身作为一种历史特定实践之运作方式的持续展开的意识来引导自己。它会使对这一实践的进一步探究……成为实践本身的有机组成部分。它会接受，这种反身性探究使其所有概念和方法都处于风险之中。而它会积极地看待这种风险，不是将其视为对理性的威胁，而是视为更好地做事方式的希望。 正如吉莉安·爱因斯坦的工作所表明的，要实现阿格雷的呼吁，就需要在自己的知识生产实践中容忍一定程度的杂乱与不完整，并对自己的知识主张保持谦逊。在一位批判性实践者手中，与认知之偶然性和局部性的遭遇，不被视为一种需要被隐藏的失败的迹象，而被视为世界性关系不可补救之开放性的迹象。这些关系所涉及的学习模式是深的——不是在同质数字阵列的倍增和巧妙操纵的意义上，而是就其牵涉于持续进行的、异质的世界营造实践而言。 ## 注释 我深深感谢吉莉安·爱因斯坦，不仅因为她的女性主义技术科学实践，也因为她慷慨地参与了本章的写作过程。同样感谢泰奥·勒帕热-里歇（Théo Lepage-Richer）和兰乔德·辛格·达利瓦尔（Ranjodh Singh Dhaliwal）进行了真正富有生成性的对话，正是这些对话催生了本书；也感谢安德鲁·克莱门特（Andrew Clement）和本·甘斯基（Ben Gansky）对本章早先草稿所作的批判性而又富有同情的阅读。 [^f05-1]: 代表性著作见 Dreyfus 1992; Goodwin 1994, 2017; Hutchins 1995; Lakoff and Johnson 1999; Lave 1988; Lynch 1993; Myers 2015; Suchman 2007b。 [^f05-2]: 这可以被看作20世纪早期神经科学家所采取之策略的延伸。据斯塔尔（Star）（1992, 213）的描述，在那种策略中，“无法轻易用某种物理或医学模型来处理的困难，被降格给与‘心智’相关的工作领域，如精神病学和心理学”。计算神经网络的认知主义事业是把心智呈现为一种技术，把大脑的特殊性降格给神经科学领域，同时维持身体和世界处于其边界之外的位置。 [^f05-3]: 关于在地缘政治与计算的语境中封闭世界与认知主义之间的历史关联，见 Edwards 1996。 [^f05-4]: 布罗斯南和迈克尔提到了对一种“批判神经科学”的呼吁：这种神经科学几乎不参照其他领域中以实践为导向的学术研究，而是通过参照认知科学内部的同类举动来重新找回身体和世界，其开端是瓦雷拉等人（Varela et al.）（1991）。斯拉比（Slaby）和加拉格尔（Gallagher）（2015）在推动这一呼吁时，设定了他们称之为“认知制度”（cognitive institutions）的东西的存在，并提出一般意义上的科学、特别是神经科学是其范例。这类制度“通过各种实践和规则，塑造我们的认知活动，从而构成某种类型的知识，并将其与相关的技能和技术打包在一起”（2015, 35）。 [^f05-5]: 或者至少是主流神经科学研究的前提：这并不是说它不可能是别的样子，正如本章后半部分将会提示的那样。 [^f05-6]: 在生物化学中，使某物变性（denature）是指“通过加热、酸性或其他破坏其分子构象的作用，破坏（蛋白质或其他生物大分子的）特征性质”（《牛津英语词典》［Oxford Dictionary of English］）。与在生物化学中一样，作为去语境化过程的变性是不稳定的，会因无法被限定的相互作用而遭到破坏。 [^f05-7]: https://www.etymonline.com/word/network [^f05-8]: 关于作为一种清算形式的计算（calculation）与判断之间那些要紧的差异，其精彩阐述见 Smith 2019。 [^f05-9]: https://www.cs.toronto.edu/~hinton/。我将在下文回到学习这一形象。 [^f05-10]: 更具体地说，正是程序员定义了系统的“目标函数”，而目标函数又决定了系统输出的相对“正确性”，二者都受到计算系统所能做之事的限制。辛顿向汤普森解释说，对反向传播所需的标注数据日益不满，促使人们更加致力于探索所谓无监督学习的新路径。无监督学习不是对输入的明确分类，而是在计算上可读的输入（例如在计算机视觉中是像素）中检测相关性，这些相关性在数学上被转译为“特征检测器”，而特征检测器又成为网络后续各层的输入数据，直到生成一个有效的“数据模型”。虽然在此语境中，有效性仍然意味着系统输出与相关人员评估为有意义的结果相一致，但该输出的生成被进一步自动化，对人类劳动的依赖也更少。 [^f05-11]: 当然，灵感与模型之间并没有内在的矛盾，二者完全可以以互补的方式发挥作用。问题在于问责性，具体而言，在于退回到灵感这一地位的做法，在这里是如何作为对“正在从事建模”这一更强主张的一种对冲而运作的。 [^f05-12]: 本·甘斯基（私人通信）指出，马库斯所说的“先验知识”缺陷——据称可以通过对抽象概念作进一步编码来解决——设定了一个可随时按需检索的、自由漂浮的知识语料库。这种概念化已在女性主义理论中受到广泛批判，它忽视了学习与智能总是具体地处境化于生活经验之中、处境化于社会技术格局中的位置性之中这一现实。关于知识可被表征为一个常识知识语料库这一前提的批判性考察，见 Adam 1998。 [^f05-13]: 神经科学的成像技术与诊断技术走出实验室之后，激发了种种扩张性的治疗事业，尤其是与制药业的合作（例如见 Dumit 2004）。 [^f05-14]: 更完整的传记见 https://einsteinlab.ca/about-us/our-lab/gillian-einstein/。 [^f05-15]: 这一论点在 Brown et al. 2022 中得到进一步发展。 [^f05-16]: 作者对吉莉安·爱因斯坦的访谈，2022年5月26日；2023年1月29日进行了后续访谈。未发表。后文引用将在正文中注明。 [^f05-17]: 感谢本·甘斯基（私人通信）提出这一点。关于可寻址性（addressability）是所有计算路径之核心要求的论证，见 Dhaliwal 2022。 [^f05-18]: 她笑着补充道：“这话我只对我最好的朋友说。”（访谈，2022年5月） [^f05-19]: 《不可测量的结果》（Immeasurable Results）是林恩·伦道夫（Lynn Randolph）的一幅画作的标题，该画作是 Haraway 1997 的卷首插图。 [^f05-20]: 一个类似的例子或许是那些把语境定位为使交流复杂化、而非构成交流的语言理论。见 Suchman 2007a 第7章中的讨论。 [^f05-21]: 作为一个值得注意的例外，马库斯（2022）提到辛顿1990年的《联结主义符号处理》（Connectionist Symbol Processing），称其“明确旨在弥合深度学习与符号操纵这两个世界”；马库斯指出，辛顿后来放弃了这一事业。“当深度学习［在21世纪初又经历了一次短暂的寒冬之后］于2012年重新兴起时，它带着一种赶尽杀绝的态度，这种态度在过去十年的大部分时间里一直是其特征。” [^f05-22]: 类似地，杨立昆（Yann LeCun）最近也倡导一种人工智能的“大胆新愿景”，其中包括回归一种纳入符号推理、规划和“常识”的“认知架构”（Heikkilä and Heaven 2022）。 [^f05-23]: 马库斯（2022）把2021年的NetHack“挑战赛”视为对神经网络力量之过度乐观的一个转折点。该挑战赛在NeurIPS 2021上举办，由Facebook（现Meta）、AI Research、AI Crowd、牛津大学、伦敦大学学院和纽约大学合作举办，并由赞助方Meta AI和DeepMind支持。作为封闭的游戏世界竞赛传统中最新的一场，该挑战赛的冠军是AutoAscend团队，其采用的是一种非神经网络的、基于符号操纵的路径。https://nethackchallenge.com/report.html。访问于2023年5月26日。 [^f05-24]: 可以说，神经网络本身也已经是符号操纵系统，因为它们依赖经过整理的数据库作为其训练材料。 [^f05-25]: 女性主义理论中的主要参考文献包括 Barad 2007; Butler 1993; Haraway 1989, 1991, 1997；另见 Latour 1993。 [^f05-26]: “世界化”（worlding）是当代人类学中引入的一个术语，用以强调种种持续进行的话语实践与物质实践——通过这些实践，构成特定文化和历史现实的（总是关系性的）实体得以被施行——以及这些实体之间转译的局限。见 de la Cadena and Blaser 2018。 ## 参考文献 - Adam, Alison. 1998. Artificial Knowing: Gender and the Thinking Machine. New York: Routledge. - Agre, Philip. 1997. Computation and Human Experience. New York: Cambridge University Press. - Barad, Karen. 2007. Meeting the Universe Halfway: Quantum Physics and the Entanglement of Matter and Meaning. Durham, N.C.: Duke University Press. - Bender, Emily, Timnit Gebru, Angelina McMillan-Major, and Shmargaret Shmitchell. 2021. “On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?” FAccT’ 21. Accessed May 26, 2023. https://dl.acm.org/doi/10.1145/3442188.3445922. - Brosnan, Caragh, and Mike Michael. 2014. “Enacting the ‘Neuro’ in Practice: Translational Research, Adhesion and the Promise of Porosity. Social Studies of Science 44, no. 5: 680–700. - Brown, A., L. Karkaby, M. Perovic, R. Shafi, and G. Einstein. 2022. “Sex and Gender Science: The World Writes on the Body.” In Sex Differences in Brain Function and - Dysfunction, ed. C. Gibson and L. Galea, 3-25. Berlin: Springer Cham. - Brown, Nick, and Mike Michael. 2003. “A Sociology of Expectations: Retrospecting Prospects and Prospecting Retrospects.” Technology Analysis & Strategic Management 15, no. 1: 3–18. - Butler, Judith. 1993. Bodies That Matter: On the Discursive Limits of “Sex.” New York: Routledge. - de la Cadena, Marisol, and Mario Blaser, eds. 2018. A World of Many Worlds. Durham, N.C.: Duke University Press. - Dennett, Daniel. 2013. Intuition Pumps and Other Tools for Thinking. New York: Norton. - Dhaliwal, Ranjodh Singh. 2022. “On Addressability, or What Even Is Computing?” Critical Inquiry 49, no. 1: 1–27. - Dreyfus, Hubert. 1992. What Computers Still Can’t Do. Cambridge, Mass.: MIT Press. - Dumit, Joe. 2004. Picturing Personhood: Brain Scans and Biomedical Identity. Princeton, N.J.: Princeton University Press. - Edwards, Paul. 1996. The Closed World: Computers and the Politics of Discourse in Cold War America. Cambridge, Mass: MIT Press. - Einstein, Gillian. 2012. “Situated Neuroscience: Exploring Biologies of Diversity.” In - Neurofeminism, New Directions in Philosophy and Cognitive Science, ed. R. Bluhm, A. J. Jacobson, and H. L. Maibom, 145–74. London: Palgrave Macmillan. - Fausto-Sterling, Ann. 2012. Sex/Gender: Biology in a Social World. New York: Routledge. - Goodwin, Charles. 1994. “Professional Vision.” American Anthropologist 96, no. 3: 606–33. - Goodwin, Charles. 2017. Co-Operative Action. Cambridge: Cambridge University Press. - Hall, Stuart. 2003. “Marx’s Notes on Method: A ‘Reading’ of the 1857 Introduction.” Cultural Studies 17, no. 2: 113–49. - Halpern, Orit. 2022. “The Future Will Not Be Calculated: Neural Nets, Neoliberalism, and Reactionary Politics. Critical Inquiry 48, no. 2: 334–59. - Haraway, Donna. 1989. Primate Visions: Gender, Race, and Nature in the World of Modern Science. New York: Routledge. - Haraway, Donna. 1991. Simians, Cyborgs, and Women: The Reinvention of Nature. New York: Routledge. - Haraway, Donna. 1997. Modest_Witness@Second_Millenium.FemaleMan_Meets_ OncoMouse™: Feminism and Technoscience. New York: Routledge. - Heikkilä, Melissa, and Will Douglas Heaven. 2022. “Yann LeCun Has a Bold New Vision for the Future of AI.” MIT Technology Review, June 24. Accessed May 26, 2023. https://www.technologyreview.com/2022/06/24/1054817/yann-lecun-bold-new-vision-future-ai-deep-learning-meta/. - Hutchins, Edwin. 1995. Cognition in the Wild. Cambridge, Mass.: MIT Press. - Inioluwa, Deborah Raji, Emily Bender, Amandalynne Paullada, Emily Denton, and Alex Hanna. 2021. “AI and the Everything in the Whole Wide World Benchmark.” 35th Conference on Neural Information Processing Systems (NeurIPS 2021). https://arxiv.org/pdf/2111.15366.pdf. - Lakoff, George, and Mark Johnson. 1999. Philosophy in the Flesh: The Embodied Mind and Its Challenge to Western Thought. New York: Basic Books. - Latour, Bruno. 1993. We Have Never Been Modern. Cambridge, Mass.: Harvard University Press. - Lave, Jean. 1988. Cognition in Practice: Mind, Mathematics, and Culture in Everyday Life. Cambridge: Cambridge University Press. - Lave, Jean. 2011. Apprenticeship in Critical Ethnographic Practice. Chicago: University of Chicago Press. - Lepage-Richer, Théo. 2021. “Adversariality in Machine Learning Systems: On Neural Networks and the Limits of Knowledge.” In The Cultural Life of Machine Learning: An Incursion into Critical AI Studies, ed Jonathan Roberge and Michael Castelle, 197–225. London: Palgrave. - Lynch, Michael. 1988. “Sacrifice and the Transformation of the Animal Body into a Scientific Object: Laboratory Culture and Ritual Practice in the Neurosciences.” Social Studies of Science 18, no. 2: 265–89. - Lynch, Michael. 1993. Scientific Practice and Ordinary Action: Ethnomethodology and Social Studies of Science. New York: Cambridge University Press. - Marcus, Gary. 2018. “Deep Learning: A Critical Appraisal.” arXiv preprint arXiv: 1801.00631 - Marcus, Gary. 2022. “Deep Learning Is Hitting a Wall.” Nautilus. March 10. Accessed October 2022. https://nautil.us/deep-learning-is-hitting-a-wall-238440/. - Marcus, Gary, Adam Marblestone, and Thomas Dean. 2014. “The Atoms of Neural Computation.” Science, 346 (6209), 551–52. - Martin, Emily. 1991. “The Egg and the Sperm: How Science Has Constructed a Romance Based on Stereotypically Male-Female Roles.” Signs: Journal of Women in Culture and Society 16, no. 3: 485–501. - Martin, Emily. 2004. “Talking Back to Neuro-reductionism.” In Cultural Bodies: Ethnography and Theory, ed. H. Thomas and J. Ahmed, 190–211. New York: Wiley & Sons. - McCarthy, John, Marvin Minsky, Nathaniel Rochester, and Claude Shannon. 1955. “A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence.” Accessed May 26, 2023. http://raysolomonoff.com/dartmouth/boxa/dart564props.pdf. - Myers, Natasha. 2015. Rendering Life Molecular: Models, Modelers, and Excitable Matter - Durham, N.C.: Duke University Press. - Olazaran, Mikel. 1996. “A Sociological Study of the Official History of the Perceptrons Controversy.” Social Studies of Science 26, no. 3: 611–59. - Perović, Mateja, Danielle Jacobson, Emily Glazer, Caroline Pukall, and Gillian Einstein. 2021. “Are You in Pain if You Say You Are Not? Accounts of Pain in Somali-Canadian Women with Female Genital Cutting.” PAIN: The Journal for the International Association for the Study of Pain 162, no. 4 (April 2021): 1144–52. - Romans, Sarah, Rose Clarkson, Gillian Einstein, Mateja Perović, and Donna Stewart. 2012. “Mood and the Menstrual Cycle: A Review of Prospective Data Studies.” Gender Medicine 9, no. 5: 361–84. - Schull, Natasha, and Caitlin Zaloom. 2011. “The Shortsighted Brain: Neuroeconomics and the Governance of Choice in Time.” Social Studies of Science 41, no. 4: 515–38. - Slaby, J. and S. Gallagher. 2015. “Critical Neuroscience and Socially Extended Minds.” - Theory, Culture & Society 32, no. 1: 33–59. - Smith, Brian Cantwell 2019. The Promise of Artificial Intelligence: Reckoning and Judgment. Cambridge, Mass.: MIT Press. - Star, Susan Leigh. 1992. “The Skin, the Skull, and the Self: Toward a Sociology of the Brain.” In So Human a Brain, ed. Anne Harrington, 204–28. Boston: Birkhäuser. - Suchman, Lucy. 2007a. Human-Machine Reconfigurations: Plans and Situated Actions, rev. ed. New York: Cambridge. - Suchman, Lucy. 2007b. “Feminist STS and the Sciences of the Artificial.” In The Handbook of Science and Technology Studies, 3rd ed., ed. E. Hackett, O. Amsterdamska, M. Lynch, and J. Wajcman, 139–63. Cambridge, Mass.: MIT Press. - Thompson, Nicholas. 2019. “An AI Pioneer Explains the Evolution of Neural Networks.” Wired, May 13. Accessed May 26, 2023. https://www.wired.com/story/ai-pioneer-explains-evolution-neural-networks/. - Varela, Francisco, Thompson, Evan, and Eleanor Rosch. 1991. The Embodied Mind: Cognitive Science and Human Experience. Cambridge, Mass.: MIT. - Vidal, Fernando. 2009. Brainhood, Anthropological Figure of Modernity. History of the Human Sciences 22, no. 1: 5–36. - Vidal, Fernando, and Franciso Ortega. 2011. “Approaching the Neurocultural Spectrum: An Introduction.” In Neurocultures: Glimpses into an Expanding Universe, ed, F. Ortega and F. Vidal, 7–27. Frankfurt am Main: Peter Lang. # 作者简介 **兰乔德·辛格·达利瓦尔（Ranjodh Singh Dhaliwal）** 任圣母大学（University of Notre Dame）“露丝与保罗·伊齐克数字学术讲席”（Ruth and Paul Idzik Collegiate Chair in Digital Scholarship），并任该校英文系及电影、电视与戏剧系助理教授。其研究位于媒介理论、科学技术研究（science and technology studies）与文学批评的交汇处，成果发表于 *Critical Inquiry*、*Configurations*、*American Literature* 与 *Design Issues* 等刊物。 **泰奥·勒帕热-里歇（Théo Lepage-Richer）** 为多伦多大学密西沙加分校传播、文化、信息与技术研究所（Institute of Communication, Culture, Information, and Technology, University of Toronto Mississauga）的 SSHRC/FRQ-SC 博士后研究员。他近期关于政府组织与人工智能的研究发表于 *Big Data & Society* 期刊。 **露西·萨奇曼（Lucy Suchman）** 为英国兰卡斯特大学（Lancaster University）科学技术人类学荣休教授。在此之前，她曾在施乐公司帕洛阿尔托研究中心（Xerox Palo Alto Research Center）担任研究员二十年。她近期关于人工智能之军事想象的论著发表于 *Critical Studies on Security* 与 *Social Studies of Science* 期刊。 --- ## 封底 兰乔德·辛格·达利瓦尔、泰奥·勒帕热-里歇、露西·萨奇曼 **神经网络** 神经元与网络是如何成为人类以及计算心智的优先形象化（figurations）的？《神经网络》探究认知如何被建构为本质上是计算性的，以至于为一种技术化的人类生物学、心理学与社会性观念提供了支撑。然而，正如作者们所揭示的，某些反向运动或许能为另类思考提供资源。 “《神经网络》是一本优雅而精炼的书，它让大脑与计算机之间那种常被自然化的等式变得清晰可见。作者们阐明了神经网络如何一路穿越殖民等级制、临床精神病学，直至当下的机器学习时代及其旁科学中介。”——贝丝·科尔曼（Beth Coleman），多伦多大学 “这本多面向的书揭示出，神经网络在今天仍扮演着一种几近神话对象的两可角色，处于大脑的理想化图景与被自然化的技术之间。”——马泰奥·帕斯奎内利（Matteo Pasquinelli），威尼斯卡福斯卡里大学（Ca’ Foscari University） 媒介研究 明尼苏达大学出版社（University of Minnesota Press）与 meson press 合作出版 # 版权与译本说明 **神经网络（Neural Networks）** **非官方中文译本** - 原书名：*Neural Networks* - 作者：Ranjodh Singh Dhaliwal、Théo Lepage-Richer、Lucy Suchman - 出版社：meson press（吕讷堡，德国），与明尼苏达大学出版社（University of Minnesota Press，明尼阿波利斯）合作出版 - 丛书：寻找媒介（In Search of Media），丛书主编 Timon Beyes、Mercedes Bunz、Wendy Hui Kyong Chun - 出版年份：2024 - ISBN（PDF）：978-3-95796-083-2 - DOI：10.14619/0832 - 原书来源：https://meson.press/books/neural-networks/ - 原书许可：知识共享 署名—非商业性使用 4.0 国际许可协议（CC BY-NC 4.0），https://creativecommons.org/licenses/by-nc/4.0/ ## 译本声明 本译本为非官方中文翻译，未经原作者或出版社审定，不代表其观点或认可。译文如有错漏，责任在译者；引用时请以英文原版为准。 译本对原作所作的修改：将英文原文翻译为简体中文；专有名词与关键术语在首次出现时以括号附注原文；注释与参考文献予以保留，参考文献条目保持原文。 ## 本译本的许可 根据原书所采用的 CC BY-NC 4.0 协议，本译本作为改编作品，同样仅可用于**非商业性目的**，并须注明原作者、原书名、出版社及上述原书来源与许可链接，同时标明本译本为改编（翻译）作品。本译本依 CC BY-NC 4.0 国际许可协议提供：https://creativecommons.org/licenses/by-nc/4.0/deed.zh-hans