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.