算法民主化

① 数据分析师是如何使数据科学民主化的

【导读】提起数据分析师，相信大家都不陌生，毕竟是当下比较热门的行业之一，是高薪的代表。越来越多地公司寻求提高员工技能并将分析和数据科学带入其员工队伍的方法，这就是数据分析师发挥效用的时候了，那么数据分析师是如何使数据科学民主化的呢?小编整理了以下几点，希望对大家有所帮助。

1.理解好的数据胜于更多的数据

如果输入数据的质量很差，那么即使最好的预测模型也无法获得可靠的结果。不良的结果充其量会导致挫败感，并在最坏的情况下会导致对该技术的完全拒绝，作为黄金法则，质量优先于数量优先，好的数据胜于更多的数据，要知道您的数据是否可靠-完整，准确和一致-您需要了解数据在何处以及如何组合在一起。

2.为必要的文化转变做准备

数据素养显然是数字时代的一项基本技能，从董事会会议室到车间，对于组织中的每个人都是如此，提高员工的技能，以便员工可以使用，理解，分析，尤其是问题数据，还需要整个企业的文化转变，工人可能会害怕改变，甚至不愿改变，可能需要让员工放心，工作场所的变更不是取代工作的人工智能(AI)问题，而是支持他们目前的工作，员工可能会担心必须使用新技术，并感到自己不具备应对新挑战的资格，了解AI对特定角色的好处并为变革做好准备至关重要，一旦好处显而易见，并且随之而来的变化变得更加明显，您的企业就需要开放的沟通渠道来获取反馈，以庆祝成功并应对所有挑战。

3.通过(无意地)做事来学习

尽管培训课程在提高技能方面起着重要作用，并且按需在线研讨会，精选博客和视频播放列表等指导性自助服务选项提供了灵活性，但最终对新技术的信心来自于第一手经验，就像没有人需要成为一名电气工程师来使用电力一样，也没有人需要成为一名数据科学家来体验AI的好处，目标不应该是将公司的营销专家或会计师转变为数据科学家，而应使用直观，易于使用的技术来扩大其角色，该技术应该感觉像是完成任务的自然(受欢迎)工具，而不是要掌握的其他任务。

通过增强的分析使整个组织的用户接触AI，将有助于推动接受数据科学所需的文化变革，智能技术可以主动指出企业数据的含义，引起人们对任何异常模式的关注，并有助于减少员工对数据解释的偏见。自然语言处理使用户可以通过类似搜索引擎的体验找到答案。

这些技术提供了即时满足感-一种新的见解，无需用户付出任何努力。它可能只是由机器生成的小型警报，提示他们还需要了解有关他们正在查看的预测或报告的更多信息，但是一旦用户体验了该预测或报告，便会发现其预测是正确的，并从其见解中受益，对技术的信心自然会增强。结果是人们对观看和执行更多操作充满了好奇心。

4.从小处着手并逐步扩大规模

正如表面上的次要功能可以激发对AI驱动的(和启用AI的)见解的更多兴趣一样，相对较小但成功的项目也可以成为要在整个企业范围内扩展的灯塔项目，关键是从小处着手，以具体的用例和对要实现的目标的清晰概述，对于此类初始项目，在团队中拥有合适的员工至关重要，具有科学心态来识别问题和检验假设的人比深刻理解算法的人更有价值，在企业中找到好奇，有上进心并且对不确定性感到满意的用户：愿意经常尝试失败的分析人员，这些特征以及对您业务的良好基础知识将帮助您成功，您的数据拥护者将在您的组织中充当变革推动者，帮助他们为同事破译数据科学的奥秘，并为类似项目提供内部参考。

5.在自动化和可解释性之间取得适当的平衡

数据科学技术既费时又复杂，整个过程的完全自动化将导致黑匣子结果和缺乏信任，而对过程中所有步骤的完全控制只能由数据科学专家来实现，根据您的用例，购买经过预先训练的AI模型可能会满足您的需求，但是要在整个组织中扩展数据科学，您选择的解决方案需要使复杂的流程自动化，同时通知用户正在发生的事情。

正确的解决方案将指导用户完成数据科学过程，提供有关准确性，可靠性以及模型创建过程中考虑哪些因素的透明性，此外不熟悉数据科学的用户需要了解过程中的步骤为何会失败以及如何纠正它们，例如可能需要添加更多数据，或者可能没有检测到明显的模式，提供说明性更正的解决方案将帮助用户消除障碍，并激发他们重试，随着时间的流逝，用户将固有地采用这些最佳做法。

以上就是小编今天给大家整理发送的关于“数据分析师是如何使数据科学民主化的?”的相关内容，希望对大家有所帮助。想了解更多关于数据分析师的就业前景，关注小编持续更新。

② 中国从古至今各个朝代都经历了多少年

1. 夏朝 前2100年 - 前1600年
2. 商朝 前1600年 - 前1066年
3. 周朝 前1066年 - 前221年
1. 西周 前1066年 - 前771年
2. 东周 前770年 - 前256年
1. 春秋 前770年 - 前476年(三家分晋始为战国)
2. 战国 前475年 - 前221年
4. 秦朝 前221年 - 前206年
1. 西楚 前206年 - 前202年
5. 汉朝 前206年 - 220年
1. 西汉 前206年 - 23年
2. 新朝 8年 - 23年
3. 东汉 25年 - 220年
6. 三国 220年 - 280年
1. 曹魏 220年 - 265年
2. 西蜀 221年 - 263年
3. 孙吴 222年 - 280年
7. 晋朝 265年 - 420年
1. 西晋 265年 - 316年
2. 东晋 317年 - 420年
8. 十六国 304年 - 439年
1. 汉前赵 304年 - 330年
2. 成汉 304年 - 347年
3. 前凉 314年 - 376年
4. 后赵 319年 - 350年
5. 前燕 337年 - 370年
6. 前秦 350年 - 394年
7. 后秦 384年 - 416年
8. 后燕 384年 - 407年
9. 西秦 385年 - 431年
10. 后凉 385年 - 403年
11. 南凉 397年 - 414年
12. 南燕 398年 - 410年
13. 西凉 407年 - 421年
14. 夏 407年 - 431年
15. 北燕 407年 - 436年
16. 北凉 401年 - 439年
9. 南北朝 420年 - 581年
1. 南朝
1. 南朝宋 420年 - 479年
2. 南朝齐 479年 - 502年
3. 南朝梁 502年 - 557年
4. 南朝陈 557年 - 589年
2. 北朝
1. 北魏 386年 - 534年
2. 东魏 534年 - 550年
3. 北齐 550年 - 577年
4. 西魏 535年 - 557年
5. 北周 557年 - 581年
10. 隋朝 581年 - 618年
11. 唐朝 618年 - 907年
12. 五代十国 907年 - 979年
1. 五代 907年 - 960年
1. 后梁 907年 - 923年
2. 后唐 923年 - 936年
3. 后晋 936年 - 946年
4. 后汉 947年 - 950年
5. 后周 951年 - 960年
2. 十国(902年 - 979年)
1. 吴越(904年-978年)
2. 闽国[[909年-945年，(当中包含殷943年-945年)]
3. 荆南（906年-963年)
4. 楚国(907年-951年，楚创立者马殷实际自897年开始地方割据)
5. 吴国(904年-937年)
6. 南唐(937年-975年)
7. 南汉(917年-971年)
8. 北汉(951年-979年)
9. 前蜀(907年-925年)
10. 后蜀(934年-965年)
13. 宋朝
1. 北宋 960年 - 1127年
2. 南宋 1127年 - 1279年
3. 辽 916年 - 1125年
4. 西夏 1032年 - 1227年
5. 金朝 1115年 - 1234年
14. 元朝 1260年 - 1368年
15. 明朝 1368年 - 1644年
16. 清朝 1644年 - 1911年
17. 民国 1912年 - 1949年
18. 共和国 1949年 - 至今

③ 如何利用统计学“欺骗”民主

1，“葬礼证伪主义”
如果有些国家没有因为富裕而民主化，那么，中国还会随着经济发展走上民主的道路吗？按道理说，卡塔尔、沙特等国的反例早就证伪了“收入决定民主”的理论，可实际上，事实并不能证伪理论，因为依然有非常多的人相信这个理论。知道波普的“朴素证伪主义”的人可能大惑不解，怎么事实就居然没能证伪违反事实的理论呢？怎么人们居然可以不顾事实的存在呢？是啊，有什么么办法呢？现实就这么冷酷啊。波普的高徒拉卡托斯由此得出结论说：“同朴素的证伪主义相反，任何实验、实验报告、观察陈述或业经充分证认的低层证伪假说，都不能单独导致证伪。在一个更好的理论出现之前是不会有证伪的。”[1]
拉卡托斯说的是：由于事实中渗透着理论，所以经验不仅不能证伪理论，有时反而是理论证伪了经验（如哥白尼的理论就证伪了“太阳东升西落”的经验）；因此，只有事实加上替代的新理论，旧的理论才能被证伪。那么，存在替代“收入决定民主”的理论吗？当然存在，“政治文化决定民主”就是比较突出的一个。问题来了，卡塔尔的反例，加上“政治文化决定民主”的替代理论，为什么“收入决定民主”还是没有被证伪呢？为什么还有那么多的人相信它呢？
这就是本文要论证的观点：波普的“朴素证伪主义”是错的，拉卡托斯的“精致证伪主义”也是错的，只有“葬礼证伪主义”才是对的。已故经济学家萨缪尔森说过一句话：“科学是在一个又一个的葬礼之后才取得进步的”。就是说，不管事实多么确凿，不管替代理论多么有说服力，只要相信旧理论的人还活着，旧理论就无法被证伪。不是“葬礼证伪主义”冷酷无情，是现实就这么冷酷无情，“葬礼证伪主义”只不过是把“该死的”现实描述出来而已。
“葬礼证伪主义”表明：人是一种“只相信他所愿相信”的动物。有人愿意相信复杂的抽象逻辑，就有人愿意相信简单的形象图形（当然，也就有人相信权威甚至权力，因为只有权力才能在葬礼之前就更加冷酷无情地抬出“真理”）。“政治文化决定民主”也许正确，可它太复杂，不象“收入决定民主”那样有一个简单可观测的指标。再说，象利比亚之类的国家，虽然没有在人均收入5千美元的时侯民主化，可它现在不是也开始了吗？在预测能力大致相同的情况下，简单的理论的确更吸引人。但如果理论的复杂只是因为现实太复杂，复杂理论就能在逻辑上取胜（如亨廷顿的“多因素论”）。只是，简单理论的吸引力也许还有别的原因，“收入决定民主”的吸引力就存在另一个重要原因：科学的外衣。
2，“经验实证”的堕落：“工程思维”取代“制度思维”
在过去一个世纪的西方学术界，数学和统计学成功地“入侵”社会科学，政治学和经济学迅速地成为数学和统计学的“奴隶”。许多西方政治经济学家已经不会思考，因为数学和统计学已经“能够”替他们“科学”地进行思考。当数量工具从“仆人”变成“主人”的时候，“洋八股”应运而生，数量工具与自由主义合成的“计量自由主义”成为学术的主流，整个西方社会科学便在这种“西式科举制”中走上了封闭和堕落。
“计量自由主义”看到了人类语言的模糊，因此它企图用“精确的”数量工具来弥补语言的缺陷。然而，语言在运用时并不试图掩盖自己的模糊，而数量工具在运用时则披上了“精确的伪装”，制造了“科学的假象”。如果说自然在成为科学的对象时，数量工具能够实现某种精确，那么，人类社会在成为科学的对象时，人心和制度就使数量工具的“精确”回归到了“语言模糊”的水平。
然而，许多人不能认识到这一点。实际上，科学一但起飞，人类的“经验实证”就被简单化为“数据的实证”，“逻辑的实证”和“直觉的实证”就被踢出了“科学实证”的大门。但是，科学主义的泛滥是一种思维方式的泛滥，在社会科学里，思维方式的泛滥突出地表现为“工程思维”对“制度思维”的取代，“数据的实证”对“逻辑的实证”和“直觉的实证”的排挤只是“工程思维”的结果。
如果我们一本正经地问：“民主是统计问题还是制度问题？”可能接近百分之百的人会回答说：“民主问题当然是制度问题”。可是，问答过后，有些人就会
本能而毫无自我意识地回到了“统计问题”的思路，继续研究诸如“人均收入决定民主”的“统计问题”。这就是“工程思维”对“制度思维”的取代，它不是一个具体研究项目的问题，它是一个把人类社会当成物理工程、把人当成非人的思维方式问题。
人均收入与民主发展之间的数量对应关系，是上个世纪西方政治经济学的一个重大的“统计发现”，也是西方政治经济学家的“思想水平”急速堕落的一个典型反映。不幸的是，从思维方式到统计发现，当今的中国正在不加区别地“洋为中用”，并以科学的名义把类似的“洋垃圾”当成宝贝来传播。
问题在于，人均收入与民主之间的“统计相关”自己是不会思考的，要思考的是人，是研究者自己。喜欢形象、厌恶抽象是人性的缺陷，是人脑节约“运行成本”的必然，但如果研究者被统计图形的直观形象所征服，他的抽象思维能力就会退化。事实证明（见下节），问题的要点不是人均收入与民主之间的数量关系，而是人均收入与民主之间的因果关系，因果关系恰恰不是数据问题而是逻辑问题。发现人均收入与民主之间的数量关系，是搞乱民主分析而不是确立民主因果关系的开始。
为什么？因为“工程思维”会使研究者死死盯住“人均收入”与“民主指数”这两个变量，一切问题，变成了这两个变量的数据问题，变成了数据应该包括多长时间和多大范围的问题，变成了如何能找着特定时空范围的数据问题。在这个过程中，一个“制度问题”就变成了一个“技术问题”，“制度思维”就在“工程思维”中失落，理论家就变成了技术员，而科学的假象却还在使这种堕落充满了自豪和满足。在过去的一个世纪里，西方的政治经济学就这样在类似的过程中变成了“应用数学”，西方的政治经济学就这样变成了“应用统计学”，西方的政治经济学家就这样在思想的堕落中取得了精神的升华。
本来，大学的政治经济系应该雇一些数学人员协助研究，现实变成了每个政治经济学家，都开始浪费时间学习数学技术细节。“工程思维”挤压“制度思维”的结果，就是政治经济学家都不知道如何思考了，Professor（教授）变成了标准的Processor（数据处理机）。人格层次的堕落还伴随着道德层次的堕落，因为在这种“科学”的氛围中，一旦数据缺乏或“不听话”，“政治经济学技术员”就经常不得不“逼迫数据屈打成招”，要么“加工”数据，要么下出数据许可范围的结论，统计学与谎言就这样成为同义语。“经验实证”已经堕落到了无可复加的地步。
3，民主的制度逻辑与“量化的限度”：对“统计相关”的“十大质疑”
人均收入与民主指数本来就是人为主观的数量参考，可一旦披上科学的外衣，它们之间的“函数关系”就有了“精确的假象”。问题是，我们凭什么认为人均收入与民主指数之间的“统计相关”就是科学的呢？可以质问的问题包括：
第一，“相关度问题”：人均收入与民主指数的“统计相关”，其“相关度”或“相关系数”到底有多可靠？
第二，“样本时间问题”：人均收入与民主指数的“统计相关”，其“样本范围”和“时间跨度”到底有多充分？
第三，“多元回归问题”：除了人均收入以外，还有没有别的因素也会影响民主指数？问题一定是“一元回归”吗？有没有“多元回归”的可能性？
第四，“非线性问题”：人均收入与民主指数的“统计相关”是不是按比例、成直线的“线性关系”？如果是不按比例、不成直线的“非线性关系”，“非线性回归”是不是一定能被转换成“线性回归”？
第五，“负相关问题”：人均收入与民主指数有没有可能不是“正相关”而是“负相关”？人均收入的提高有没有可能导致民主程度下降而不是上升？
第六，“中间变量问题”：是不是存在什么别的“中间变量”，使得人均收入先影响了“中间变量”，“中间变量”再最终影响民主指数？
第七，“未知变量问题”：是不是存在什么别的“未知变量”，这些“未知变量”既影响人均收入，也影响了民主指数，结果导致人均收入与民主指数之间出现了虚假的“统计相关”？
第八，“数据可获性问题”：“统计相关”是对已有可利用的数据的“统计相关”，如果想要的数据根本就不存在，“统计相关”是否还可能存在？
第九，“因果关系问题”：相关并不一定意味着因果，从相关到因果的飞跃靠的不是数据，靠的是逻辑，靠的是理论。
第十，“制度运行问题”：专制的灭亡和民主的确立，根本就不意味着民主制度就一定能正常运行，民主运行是信仰问题而不是人均收入问题。
在这十大问题中，前几个更多的是统计技术问题，后几个更多的是制度逻辑问题，“收入决定民主”能否成立，起决定作用的不是统计技术，而是制度逻辑，是逻辑在指导和决定技术的使用。这里就是区别“政治经济学技术员”和“政治经济学家”的关键之处：“政治经济学技术员”让技术决定逻辑，让“工程思维”决定“制度思维”，“政治经济学家”则完全相反。
原因很简单，“政治经济学家”比“政治经济学技术员”更懂得“量化的限度”。人是一种“只相信他所愿相信”的动物，也就是说，人是“有限理性”的感情动物，人的主观感受是常变和无法量化的，现有的量化只能被当成一种“在技术允许情况下的近似表达”，技术上无法实现的主观量化，在社会科学里是常规。
例如，利比亚的“人均收入”，国际货币基金给出的2010年数字是1.2万美元，如果按“购买力平价”算则是1.5万美元，利比亚自己的算法又会有所不同。这里除了有汇率因素外，还有通货膨胀因素，收入的计算还忽视了黑市、灰市、家庭经济等方面的因素。如果是“政治文化”或“幸福”这样的变量，那量化的问题就更大。不同地方不同观念的幸福感如何量化？100年前人们的幸福感如何量化？不能量化又如何进行相关比较？
如果社会问题的本质本来就是如此，社会问题的“科学”与否就不能以“是否有量化分析”为标准，否则，政治经济学家和哲学家们就应该歇业了。事实恰恰相反，量化分析必须以逻辑分析为基础，否则量化分析就会成为无源之水、无木之林。在“收入决定民主”的问题上，十大问题中的任何一个出岔，“收入决定民主”的结论都会倒塌。其中的逻辑要点包括两方面：一是“未知变量问题”，二是“数据可获性问题”。
许多人以为科学研究就是“让数据说话”的“经验实证”研究。错了。任何变量和任何数据的选择决定，本身就是一个“逻辑问题”。为什么是选这个变量而不是那个变量，为什么是选这个数据而不是那个数据，所有的决定都包含着“理论含义”。如果研究者熟悉相关的理论和文献，量化分析会更有针对性；如果研究者“脑子空空”，量化分析的结果也会带上他所未必能理解的“理论含义”。所以，最无意义或最不确定的量化分析往往是由“政治经济学技术员”作的，因为他们往往不知道自己在干什么，不知道自己所干的在“理论的地图”中是处于哪个位置，以至于即便是在错误的道路上越走越远，他们还自以为是发现和证明了人类社会上最伟大的真理。而万一有幸真的发现了真理，他们往往也由于缺乏背景知识而弃之如粪土，等到别人确定了他们的发现，他们自己才知道“原来是这样”。
社会科学“量化分析”的真正本质是：人们只能从能够数量化的变量中确定变量的关系，人们必然要忽视难以数量化的变量的作用；人们只能从能够找到数据的变量中确定变量的关系，人们必然要忽视难以找到数据的变量的作用。所以，在“收入决定民主”的问题上，人们必然把复杂的“民主因果问题”简化成“手头有数据的变量关系问题”，人们必然因为确定了“收入与民主的相关”而忽视了对其他变量的逻辑思考，直到“政治经济学技术员”的错误由“政治经济学家”指了出来。
社会科学“量化分析”的本质，就是“政治经济学技术员”所热衷的所谓“科学研究”的本质。当他们以科学的假象批评别人的“非科学”研究时，科学的陶醉使他们无法意识到，其实他们自己早就已经失去了“从事研究的基本资格”。
与社会科学“量化分析”的本质相对照，社会科学“经验研究”的本质是：“数据的实证”必须以“逻辑的实证”为基础，如果没有可靠的“逻辑的实证”，任何“数据的实证”都是空中楼阁。数据不能思考，沉溺于数据反倒害了真正的思考。在“收入决定民主”的问题上，当“工程思维”压倒“制度思维”的时候，对基本图形和结论的关注，会压倒对相关度、时间跨度和范围广度的细节关注，发现真理的兴奋，最终淹没了对“未知变量问题”和“数据可获性问题”的慎重。
4，理论的贫困与理论的发展
“收入决定民主”的荒唐，其实可以从“工程思维”的机械推论中明显感知。例如，由于收入决定民主，那是不是要等到人均收入提高了再去搞民主呢？如果压低劳动者待遇有利于经济增长，那是不是要坚持压低劳动者待遇，以确保经济增长和民主的早日到来呢？“制度思维”的思路当然完全不同：要民主的人会去“等人均收入提高了”再说吗？他们会接受“压低劳动者待遇”吗？他们会为了满足你的“工程思维”而放弃现实利益吗？
为了进一步说明收入与民主的关系是“理论活”而不是“技术活”，下面我们可以简单地回顾一下有关的文献。
约瑟夫·熊彼特是最早提出现代民主制与市场资本主义相伴而来的学者之一，丹尼尔·勒纳也提出过城市化带动现代化和民主化的看法。但人均收入决定民主发展的观点，最有名的是西摩尔·李普塞特1959年根据欧洲和拉美的数据提出的“现代化假说”：经济发展水平越高的国家，就越有可能实现和巩固民主。可这个“现代化假说”在时间跨度和范围广度上存在明显的问题，后来被证明是根本经不起推敲的。
首先是人们观察到的完全相反的例子，即经济发展加速时民主程度反而下降，民主程度提高时经济发展反而减速。这种发现的致命点，在于对“现代化假说”中所暗含的“线性历史观”的怀疑：难道通向民主的道路只有经济发展一条？
第二，经济发展也许能够产生有利于民主发展的因素，如通过提高教育程度而改变观念、形成追求稳定的中产阶级、机会多元化和社会多元化等等，但在另一方面，经济发展也会通过激发期望、提高参与而引发动荡，亨廷顿在 1968年的《变革社会中的政治秩序》就提出，恢复政治秩序的要求也可能使收入提高中的民主发展停顿或倒退。
第三，罗斯托在 1970年的“民主的转型”一文里直截了当地认为，“现代化假说”是误把相关关系当成了因果关系。他提出了一个民主化的阶段分析，认为民主本身并不能解决国家统一问题，国家统一相反是实现民主的前提；民主可能是政治冲突和政治僵局的结果，是政治精英的有意选择。所以，经济发展既不必然导致民主发育，也不必然缓和社会矛盾。
第四，罗伯特？达尔1971年的《多头政体》一书，明确地提出人均收入和民主发展之间是一种“非线性关系”：当一个社会的人均收入低于某个区间时，实现民主的可能性极低，进入这个特定区间时，民主发展的可能性最大，超过这个区间时，均收入和民主发展变得毫无关系。亨廷顿在1991年的《第三波》里也提出了类似的观点，认为这个特定区间大体是在人均GDP1000美元到5000美元之间（按1980年的美元价格计算），呈现出N形曲线关系。
亨廷顿还认为，有五种变化对第三波民主浪潮的发生起了重要作用，它们是：日益加深的政权合法性问题和政绩合法性问题，使中产阶级扩大的全球性经济增长，天主教会的教义与活动的显着变化，外部的政策变化，以及滚雪球式的示范性作用。他还指出，每一个国家或所有国家的民主发展，都无法用单一的因素来解释，而且这些因素的组合在不同的浪潮、阶段和国家都会有所不同。
第五，罗伯特·巴罗1994年的“经济增长的决定因素”一文，对民主与经济增长的关系做了统计分析（涉及1960-1990年的100个国家），得出的结论是：经济增长会增加实现民主的可能性，但人均收入和民主发展之间不存在“线性关系”，而存在近似“倒U型”的关系，权利的扩大一开始能够促进经济增长，但民主一旦达到一定水平，权利的继续扩大便会有害于经济增长。巴罗的结论使“收入和民主互为因果”的说法显得极其苍白（见本书第七章）。
第六，亚当？普沃斯基2000年的《民主与发展》一书颠覆性地认为，经济发展的任何水平都可以出现民主，区别只在于，比较富裕的国家民主存活的概率比较高。但人均收入高并不必然有民主，最突出的例子是新加坡（当然还有卡塔尔）。
最后要提到的，是美国政治经济学的新秀达伦·阿西莫格鲁2007年的“重估‘现代化假说’”一文[2]。阿西莫格鲁使用了1875年到2000年的跨国数据，与别人完全不同的是，他考虑了影响人均收入和民主指数的其他历史因素，这是一些被人们忽略的“具体到国别的稳定历史因素”。他发现，一旦这些因素的“确定影响”被控制，人均收入和民主发展之间就变得毫无关系，而且，教育水平也与民主发展无关（这就是我所说的有别于“工程思维”的“制度思维”）。
阿西莫格鲁的背景“制度理论”是：历史上的政治制度和资源分配状况决定一个社会的当前权力分配，当前的权力分配又决定了当前的经济制度，并决定了未来政治制度的演变（包括他着名的“双模式殖民地理论”）。经济发展的状况就是由当前的经济制度（包括产权和平等机会）所决定的，政治与经济的紧密关系，不是“现代化假说”描述的那样，而是他所认为的“关节点假说”的情况：在某些历史的紧要关头，在特定制度条件的作用下，一些国家走向了民主和发展，另一些国家却走向了专制和停滞。我在本书第六章批评了阿西莫格鲁“民主有利于经济发展”的分析，但他否定“经济发展促进民主”的结论依然是有效的。
5，走向“制度思维”
“收入决定民主”的理论发展史表明，什么时候“工程思维”取代了“制度思维”，结果就是思想的混乱和理论的倒退；什么时候恢复了“制度思维”，现实的面目就恢复了逻辑的说服力。
常识能够看到：在某一个时点上，经济越发达的地方，民主程度也越高；随着世界经济的发展，民主国家也随之增加，而且，每一波民主浪潮的起落，也似乎与世界总体经济水平有关。“工程思维”的研究赋予这些常识以“科学的假象”，只有“制度思维”，才能通过类似“十大质疑”的思考重新给现实以“逻辑的秩序”。
人性的缺陷使人们往往偏向于形象和新奇，“人均收入高的地方民主水平高”同“冰淇淋消费高的地方犯罪率低”一样生动活泼，可这种统计结论都是错的，它们只能吸引有“工程思维”的人。“制度思维”提醒我们，民主发展其实是由制度文化决定的，而高冰淇淋消费其实只是高收入的一个反映。统计能够发现“相关”，但只有理论才能确定“因果”。卡塔尔能不能民主化、中国能不能民主化，都与人均收入毫无关系。
简洁的理论也许优美，但人们不得不对可能包含在其中的“反智倾向”保持警惕，因为“解释力”才是优美理论的要素，“简洁”不能以牺牲“解释力”为代价（“反奥卡姆剃刀原理”），否则，结果只能是“垃圾进，垃圾出”。
沉迷于“数量分析者”往往指望数量关系能表达一切逻辑，以至于他们往往无法用语言把基本的逻辑表达出来。如果现实就是复杂的，而人们却总期待用简单的理论去解释，这其实是人类退化的一种表现。真理是朴素的，但朴素的真理是在深邃智慧的光芒下闪烁其朴素的一面的。

④ 算法与逻辑这2个重要概念究竟是哪一门学科领域专门学习的内容

1．问：做哲学为什么需要学习逻辑？答：简单地说，哲学是一门学科，它提供的是理论，它要通过说理、通过论证使人接受或者反驳某种观点、理论，这就需要有正确的论证。逻辑研究有效推理，就是提供正确论证的基础。实际上，凡是理论，用推理，讲论证，都离不开逻辑。从这点看，哲学与其他“学”相同，所以逻辑是基础学科。但是哲学与其他学科相比，有两个特点，这使得这哲学中论证更为重要，因而逻辑的作用也更为重要。第一个特点，哲学不是经验科学。尽管经验可以给我们提供某些启示，来自于经验的知识可以作为哲学思考的某种根据，但是哲学命题不能通过经验来验证，不能做实验，所以，一个哲学理论的“正确性”（是否可接受），几乎只能靠论证来显示。历史上，一些哲学理论后来不被接受了，以另外的形式出现了，是因为发现原来论证有问题，对原来的理论有修正，有新的论证；也有一些理论一开始人们不喜欢，如休谟的经验论，后来却不得不接受（当然不是所有人都接受），因为它的论证没法反驳，有人甚至是乐于接受，因为认为它的论证好。第二个特点，哲学与其他学科不同，它要思考“终极”问题，即各门具体学科都不研究或无法研究的问题，比如什么是物质，什么是实在，什么是精神等本体论和认识论的问题。对这类问题的思考，会使论证更加困难。学过亚里斯多德逻辑，我们知道，有属加种差的定义。例如，人是某种动物，动物是某种生物，这就是属加种差的定义对什么是人和动物的回答。如果继续追问，什么是生物，大概还可以说，生物是某种物质，但是如果再问什么是物质？至少按这种方式已不能回答，需要有上一层的概念体系。一般来说，探求这样的终极问题，概念体系不容易建立，而且容易出现某种循环，比如康德二律背反那样的东西。在对这样的问题进行思考时，在对这些问题的观点论证、提出相应理论时，我们应该遵从什么法则？有什么规律？这些都对论证，也是对逻辑，提出了更高的要求。我们知道，现在我们所说的逻辑学产生于古希腊，始于亚里斯多德。为什么逻辑学产生于古希腊，有几个原因。一是民主政治，导致论辩风盛行。要辩论，要说理，就要讲逻辑。二是欧几里得几何学，提供了一个理论应该如何应用逻辑的典范。还有一个非常重要的原因，就是哲学研究。我认为是亚里斯多德主要是在其哲学研究中，也是为了更好地研究哲学，建立了逻辑学。他对于（事物）本质问题的思考等，使他提出上面提到的定义理论，建立了三段论逻辑。从这段历史来看，可以说，因为哲学和论证的关系，对逻辑提出了更高的要求，所以逻辑学才如此这般地产生了。所以，逻辑从一开始，就和哲学有密不可分的关系。以上所说的中心意思是，哲学的生命力在于论证，我们的哲学观点和理论可以不同，但是论证方法必须是相同的，不论自己思考问题还是与人交流，都需要有公共的论证平台，而这个平台应该、也只能由逻辑来搭建。在今天，哲学已经大大发展，但是哲学和逻辑的基本关系没有改变。只是今天的哲学需要什么样的逻辑？这是个有意思的问题，亚里斯多德逻辑显然完全不够了，需要今天的哲学家和逻辑学家共同关注。关于逻辑和哲学的关系，当年王浩来北大讲学时还提出一种观点。大意是，关于哲学问题的基本观点，大家很难统一。对此我们可以采取公理化的方法，各自从自己的基本观点出发，建立相应的理论系统，类似于古典数学和直觉主义数学。我认为这当然不是哲学研究的全部，但应该也是哲学研究的一个重要方面。如何使自己的理论更严密，需要有公理化的思想和方法。历史上斯宾诺莎曾经做过伦理学的公理化研究，大概不是很成功。今天逻辑学的发展是否对此提供了新的基础？这就需要学习现代逻辑。2．问：中国哲学也需要逻辑吗？答：回答这个问题，首先要对“逻辑”这个概念作点说明。我们现在所说的逻辑，指的是上面提到的产生于古希腊的逻辑。就连“逻辑”一词都是从古希腊语到英语、再到汉语译音而来。为什么要这样，因为中国自己的文化中没有产生出西方逻辑学意义上的逻辑学。中国古代有名辨学等一些在今天被人们作为中国逻辑史研究对象的理论或学说。从哲学和逻辑的关系看，如果说古希腊哲学有亚里斯多德逻辑与之对应，那么中国哲学是否也可以说有名辨学这样的学说与之对应？有这个背景，再看我们的问题，“中国哲学也需要逻辑吗”，应该是，研究中国哲学或中国哲学研究需要西方的逻辑学吗？这里有两个问题。如果是研究中国哲学，即以中国哲学为研究的对象，提出自己的研究成果，提出相应的理论和观点，那么，与其他研究类似，也要分析、推理、论证，当然也离不开西方的逻辑学。因为只有西方传统的逻辑学才在今天成为各学科的基础。但是，如果是做中国哲学研究，或中国哲学式的研究，即用中国哲学的方法研究中国哲学的问题，比如类似于老子，孔子的研究，是否要用西方的逻辑学，我还看不出有这个必要。从西方逻辑学的观点看，今天仍然难以完全说清中国的古代哲人究竟是用什么逻辑思考问题的。这个说法需要作点解释。中国哲学和西方哲学有很大的区别。这一点，从各自关心的问题和研究问题的方式可以看出来。西方哲学开始关心的问题是世界的本源是什么，这个关心的目的是要把面对的万事万物拆开，找基本的组成部分，或面对复杂纷呈的世界找出基本的性质，再将它们的组合起来，希望从这里说明一切现象，同时也获得了改造自然的手段。从简单的、基本的部分或性质开始，通过组合，到说明各种复杂现象，解决复杂问题，这就是西方哲学的精神，也是西方逻辑的精神，他们在这个探讨过程中建立了逻辑学，而且也是在这个过程中建立了西方科学。西方的哲学、逻辑学、科学属于同一个文化体系。中国哲学也有关心世界本源的部分，但地是从社会的角度考虑问题，探讨社会的秩序、和谐，讲究天人合一，同时也是为个人的自我修养和人生指导提供依据。从世界和社会的宏观出发到个人的修养，从个人的修养再到社会的和谐和秩序，这里面有许多非组合的东西，与西方逻辑的精神从文化渊源上看有根本的区别。所以，在这个问题上，我倒是不觉得中国哲学式的研究要用到西方的逻辑学。说到这里，插一句，我想中国哲学的逻辑是什么，这也许是个更有趣的问题。显然这需要中国哲学和逻辑学两方面的结合才有可能研究。当然，今天也很难有人还会按古人的方式去思考他们的哲学问题。不论从学习阶段就受到的训练，还是到后来的学术规范和科研体制，都决定了不会再出老子和孔子那样的思想家。现在作为学术的最基本要求是要说理，要论证，要交流，还是上面说到的，要有公共的论证平台。从这个意义上说，中国哲学大概也需要西方的逻辑学。3．问：传统逻辑和现代逻辑的区别是什么？答：我注意到你们的几个类似问法或问题，因为你们的采访在我们中心（北京大学逻辑、语言与认知研究中心）的网上登了出来，而且有了一段时间。这些问题是：（1）普通逻辑和现代逻辑的区别是什么？（2）数理逻辑和普通逻辑有什么区别？（3）逻辑学导论和一阶逻辑的区别是什么？还有现在的问题，（4）传统逻辑和现代逻辑的区别是什么？我想先做一点说明，也是澄清。这里涉及到关于逻辑的一些名词。首先，逻辑是一种客观对象，逻辑学是关于这个对象的科学，就像力是一种客观对象，力学是关于力这种对象的科学一样。“逻辑”有时也指逻辑学。逻辑本身没有现代和传统之分，也没有普通和不普通之分，只是逻辑学，作为人们对逻辑这个对象研究的成果，受到历史条件的限制，才有传统和现代之分，有不同的历史形态。“现代逻辑”和“传统逻辑”指的就是这种意义上的逻辑学。关于“普通逻辑”。首先，从对象的层次看，刚才说了，没有普通和不普通之分，也就是说没有普通逻辑这种逻辑，其次，从研究的角度看，也没有对逻辑这种对象的“普通”的研究，所以，是既没有普通逻辑（这种逻辑），也没有普通逻辑学。“普通逻辑”只能是课程的名称，类似于“普通物理”。这一点也是王宪钧先生当年一再强调的。拿“普通逻辑”和“普通物理”相比，也是王先生举的例子。为什么要强调这一点，因为“普通逻辑”叫得多了，有一种误解，把普通逻辑也当成了一种逻辑或一种逻辑学，其实，这只是一门课。关于“一阶逻辑”，从对象的层次看，有这样一种逻辑。关于这种逻辑的理论等是一阶逻辑学，通常也称为“一阶逻辑”。此外，还有专门的课程讲授一阶逻辑学，所以它还可以是课程的名称。“数理逻辑”与此类似。在上面提到的这些名称中，“传统逻辑”，“现代逻辑”，指的是某种逻辑学，在一些情况下，“现代逻辑”也可以是某类课程的名称；“普通逻辑”，“逻辑导论”或“逻辑学导论”只能是课程的名称；“一阶逻辑”，“数理逻辑”指的可以是一个或一种逻辑，也可以是这个或这种逻辑的学，还可以指讲授这个或这种逻辑的课程。这里我们涉及到三种名称：逻辑，逻辑学和逻辑课。有这个说明后再来看这些问题。在这些问题中，问题（4）是一个合理的问题，也没有什么歧义，因为在这个问题中，“传统逻辑”和“现代逻辑”只能做逻辑学的理解，问的是两种逻辑学之间的区别，现代的逻辑学究竟比过去的逻辑学有那些发展等。问题（3）的意思应该是比较两门课程，因为“逻辑学导论”是课程的名称，我们也有一阶逻辑的课。如果这么看，这也合理。问题（2）的初衷大概类似于问题（3），但是问题（2）容易引起误解。因为“数理逻辑”可以指一种逻辑，将它与普通逻辑相比，容易使人误解，把普通逻辑也当成了一种逻辑。最不合理的是问题（1）。“普通逻辑”只能是某门课程的名称，现代逻辑是一种逻辑学，这两个“逻辑”不可比。如果把“现代逻辑”理解为课程的名称，那么，它指的不是一门课，凡讲授现代逻辑学知识的课都可以称为现代逻辑课，而普通逻辑只能是一门课。将一门课与一类课相比，这应该也不可比。所以怎么都说不通。现在可以回答你们的问题，即问题（4）。一般认为，从亚里士多德到弗雷格以前的是传统逻辑，从弗雷格开始，产生了现代逻辑。当然在弗雷格之前，也有莱布尼茨、布尔这些现代逻辑的先驱。现代逻辑与传统逻辑的不同首先是产生的原因或动因不同。传统逻辑产生的原因主要是哲学上论证，也包括日常生活中的一些论辩。现代逻辑产生于数学研究，主要为了找出数学中的逻辑。其次是方法的不同，这是主要的不同。学过一点现代逻辑都知道，现代逻辑的基本方法是形式化方法。从根本上说，形式化方法就是数学的方法。因为是一些数学家研究数学中的推理，找数学中的逻辑，所以很自然地引用了数学的方法。从莱布尼茨开始就提出了把推理当作数学演算的想法。这个想法到弗雷格才在一定范围里得以实现。可以实现的原因之一，是弗雷格研究的是数学中的推理，这是我们各种推理中最严格的推理，但同时也是最简单的一种推理。可以实现的原因之二，就是他用到了数学的方法，把数学用到推理的研究中。现在数学（古典数学）中推理的规律已经都找出来了，这就是一阶逻辑。在这个过程中，产生了很多新的思想，建立了许多新的技术，逻辑学的内容大大丰富。如果说过去我们只能靠肉眼观察，那么，现在因为有了新的方法，我们已经知道如何去造显微镜，而且是电子显微镜。与传统逻辑相比，因为有了观察逻辑关系的“电子显微镜”，现代逻辑打开了一个全新的天地，范围大大拓宽。这个天地是传统逻辑用“肉眼”所不可能看见的。因为方法和动因的不同，导致了传统逻辑和现代逻辑其他的一些不同。比如，同是研究日常推理，传统逻辑总结一些方法，教我们这些方法，现代逻辑则要把其中的规律用数学的方法精确地刻画出来，其目的不是教我们人如何正确地进行日常思维，而是“教”计算机去做这样的的推理。现代逻辑的这种发展，使得逻辑学真正成为其他一些学科的基础，比如计算机科学，语言学等，包括哲学方面的分析哲学，语言哲学等。这里所谓的基础，意思是，如果没有现代逻辑的知识，要进行这方面的有关研究是不可能的。这个基础的作用是传统逻辑做不到也不可能做到的。人们一般认为学习逻辑会使人逻辑性强，提高思维能力，表现在头脑清楚，说话有条理，能言善辩等。这被称为逻辑的教导作用。应该说这是逻辑学产生的初衷之一。但在今天看来，如果说，传统逻辑还有一定的教导作用，那么现代逻辑则基本没有这个作用。现代逻辑使得逻辑学越来越像数学，成为专门的基础知识。如果说现代逻辑也有一些教导作用，那么它并也不比数学强。换言之，要想从学习现代逻辑中得到思维能力的提高，更好的法是去学数学。总之，逻辑学的这种教导作用，至少从现代逻辑的内容上看，已经不是今天逻辑学的主要功能。4．问：您认为哲学系本科生应该学普通逻辑课还是现代逻辑的课程？答：关于这个问题，我可能会说得多一些。因为即使在我们北大哲学系，这个问题也是从我的上一代老师、我的前辈们开始就一直在讨论、争论、甚至激烈争论的问题。我认为，应该学什么课，普通逻辑课还是现代逻辑课，取决于两个因素：一个是课程的内容、性质；一个是学习的目的。这是从学生选课的角度说的。换一角度，可以问，哲学系应该对本科生开普通逻辑课还是现代逻辑课？也有两个类似的因素，前一个因素没变，后一个因素是，开什么课取决于培养学生的目标。这是受教育者和教育者都关心的同一个问题，但角度不同。我想我还是从教育者的角度来谈这个问题。现在本科生教育可以说有两个目标，一个是素质教育，一个是专门人才培养。说白了，前者就是毕业后找工作，后者是读研究生，准备走学术的道路。从社会需求的角度看，大部分人是要从事实际工作的，学者总是少数。因此现在比较强调素质教育，淡化专业，所以本科生阶段取消了一些专业，比如我们系的本科生逻辑学专业就取消了。专门人才培养一般要到研究生阶段才真正开始。尽管学生自己可以早早为自己定位，但是从教育者的角度说，并不一开始就把谁定在什么方向。这增加了学生的自主性、能动性，同时也增加了学生自己的责任，学生也要为自己的将来负责。这是社会的进步。与强调素质教育相对应，另一方面，对准备走学术路的人也提出了更高的要求，要求有扎实的基础，有出色的科研能力。这是一种两极分化。一个本科生，刚进大学，很难说将来毕业后的去向，是做实际工作，还是读研究生，最终走学术研究的路。从教育者的角度看，也只能是同时提供各种条件、环境，让受教育者能走更适合自己发展的道路。一个好的大学，就是能提供好的这样的条件和环境，比如开出各种课程和提供好的指导等。现在可以谈谈普通逻辑课和现代逻辑课的问题。简单地说，现代逻辑的课程是为专门人才培养开设的。一个学生如果毕业后从事实际工作，在这方面他所需要的主要是素质教育，我认为不用学现代逻辑，但同时也不用学普通逻辑，倒是可以学学批判性思维这样的课。为什么这么说，我们可以先看看普通逻辑的性质和内容。普通逻辑是我国大学的逻辑知识普及课，内容大体上是亚里斯多德逻辑，即亚里斯多德的三段论、定义理论等，一些简单的命题逻辑知识，再加一些归纳推理的内容，关于论证的常识等，从知识的组成看，基本上是传统逻辑的东西。普通逻辑有一个基本考虑，就是围绕思维来讲。根据这个考虑，它把内容又分为概念，判断，推理，论证几个部分。近二十多年来，随着现代逻辑影响不断增加，普通逻辑课中也逐渐增加了一些现代逻辑的内容，课程的名称也改成逻辑导论，内容和重点有了很大甚至是重要的改变，但普及逻辑知识的课程性质没有变。这样的一门课程，我认为有一些缺点。首先我们可以看一下经过这样的普及课学习，会有什么收获，有什么效果。从课程设置的角度说，不外是希望学生有这几个方面的收获：（1）获得一定的逻辑学知识；（2）掌握一些方法，受到一定的训练，思维能力有某些提高；（3）有了一定的基础，便于继续学习逻辑；（4）以逻辑为基础去进行其他的课程的学习或研究。其中（1）和（2）合起来可以在素质教育方面起到一定的作用。（3）和（4）看起来是可以起到专门人才培养方面的作用。但实际情况究竟怎样，是否可以达到这样的效果，我们可以做一些分析。先看后两条，即人才培养方面的（3）和（4）。首先，传统逻辑和现代逻辑是逻辑学发展的两个阶段。现代逻辑不是从传统逻辑的基础上发展而来的，上面也谈到，完全是新的问题，新的起点，新的方法。现代逻辑对传统逻辑有种跳跃性，而没有什么继承性。从我们的教学实践看，学习传统逻辑对学现代逻辑没有什么帮助，反而可能会有某些误导。如果是为了要继续学习逻辑，这个继续被学的，只能是现代逻辑，所以不如一开始就学现代逻辑。（3）说的是普通逻辑课或逻辑导论课可以作为现代逻辑课的基础，但从这个分析看，情况并非如此。不说有可能误导，至少学习的效率不高。再看（4）。现代逻辑是像数学这样的专门的基础知识，需要按学数学那样方式才能真正掌握，才可能成为用来学习和研究如计算机科学、语言学甚至哲学的知识基础，不能只是停留在普及知识的层次上，浅显地讲讲，象征性地做些习题，而需要详细地讲解，严格地证明，严格地做习题，有些甚至是比较难的习题。这些即使在逻辑导论课上，也不可能做到。所以，希望达到（4）的效果，只能是一个愿望，实际上根本达不到。这两个方面说明，普通逻辑或逻辑导论在逻辑学研究或应用逻辑的专门人才培养方面起不到什么作用。事实上，我们这些年的教学实践上也证明了这一点。就我校来说，这二十多年来上过普通逻辑或逻辑导论课的学生应该达到数以万计，但没有一个学生由此而成为研究逻辑或者应用逻辑去研究其他领域问题的专门人才。这说明什么问题？当然是我们作为教育者一方应该深刻反省的。说到底，主要是课程的性质，普及逻辑知识，这决定了这门课只能是作为文化素养提高的一个方面来教和学，而不是也不能作为其他知识和课程的基础来教和学。说到这里，涉及到这门课的素质教育方面的意义。上面说了它在专门人才培养方面起不到什么作用，现在我们可以就此再看它素质教育的作用方面。前面说到逻辑有教导作用，在这里对应到所希望达到的效果（2）。看起来普通逻辑所讲的问题简单、常见，与实际生活更接近，所以它更具有教导作用，但其实这里有些误解。普通逻辑或逻辑导论都是传统逻辑和现代逻辑的某种结合。关于现代逻辑，前面已经说了，它完全远离了逻辑的教导作用，不是为日常思维服务的，而是一种基础知识。再看传统逻辑部分。这部分中确实有些内容是讲思维方法，讲有关的一些道理。但是在这方面，它有两个不足：一是先天不足，一是后天不足。一般都不否认亚里斯多德逻辑是传统逻辑的核心部分。亚里斯多德逻辑中的核心部分又是三段论。我们可以看看三段论在讲什么。它在讲我们几乎天生就会的三段论推理，比如“所有的A是B，所有的B是C，所以，所有的A是C”，讲这样的的推理为什么是正确的，这样的推理多少种格与式，哪些格式是正确的推理形式，可以如何变形，道理何在等等。这些细致的甚至显得繁琐的分析和证明主要不是为了日常思维的需要，而是为了哲学研究。我想说的是，逻辑学从一开始，就是一种学院派式的理论，这是它的精神实质，而且这种精神一直在延续。应该说，这是真正的逻辑学的精神。所以，亚里斯多德是逻辑学之父，他不仅从问题、对象，而且从方式和精神，都奠定了这门学科的基础。关于日常思维的思维方法等只是这种理论的一些延伸，不是本质的部分。有了理论，可以在思维方法的方面做很多推广。只是方法方面谈多了，谈泛了，实际上就出了这种学的圈。这就是传统逻辑对日常思维方面作用的“先天不足”。作为一门课程，当然可以按照需要设计它的内容，没有必要一定按某种学理精神来讲授。但是，在思维能力提高和训练方面，普通逻辑并没有给我们提供的内容和训练的手段。这是它的“后天不足”。如果要讲思维方法，注重日常思维能力提高，有比普通逻辑更合适的课程，这就是批判性思维。实际上，批判性思维并不是一门逻辑课，但是它的问题更集中，目的也更明确，所以更专业。总体上看，对普通逻辑课，包括逻辑导论，在思想方法和思维能力训练方面，如果是讲思维的严格性，精确性，那不如去学数学。如果是讲思维的敏捷、机智，善抓问题实质的准确性、尖锐性等，不如去学批判性思维。最后，再看希望达到的效果（1），即这门课对逻辑知识的了解和掌握方面的作用。作为知识上的修养，这当然也是一种素质的提高。特别地，对什么是逻辑的精神，通过普通逻辑课或逻辑导论课多少可以了解一些，这应该是一个人知识组成中的重要部分。但是，知识普及性的课不能提供真正实用的技术和理论，这一点应该没什么疑问。我们只要看看逻辑学今天的发展和这些课程所讲授的内容就不难得出这个结论。当然，不论怎样，最后总会对逻辑的精神有一定程度的了解，有一定的逻辑的知识素养，这是大概是这门课最后的收获。对此我想指出一点，从今天的角度看，这也是一种多少有点养尊处优的知识素养，因为它主要不解决实用问题，基本上是精神层面的东西。过去我国大学教育属于计划经济体系，毕业生是国家干部。什么是国家干部，就是国家的管理人员，当然不是人人最后都走上了管理岗位，但首先他们都属于干部体系，有干部级别。大学的一个主要功能是为国家提供干部储备。作为这样的教育，当然要使受教育者除了专门的知识、技能外，还要有一定的知识素养。比如，要知道一点逻辑，讲点逻辑。在这种情况下，逻辑知识普及课对我国干部队伍素质的总体提高，还是起到一定的作用的。从这个意义上说，这门课也还是有功绩的。但是，现在的情况已经有了根本的改变。一个受教育者不再是计划经济下教育生产线出产的一个产品，不再是一个干部或储备干部，国家的干部体制现在也转变成了公务员体制，这不仅仅是名称的改变。在现在的情况下，一个大学生首先是一个将来要参与社会竞争的主体。我们的教育体制已发生了根本的变化，教育也地具有了人本精神，教育者要地从受教育者的立场出发考虑问题。面对这样的教育形势和被教育者，我们应该教什么？他们所面对的将是严酷的竞争和挑战，已经没有时间和条件再去接受那种养尊处优式的知识素养教育。所以我认为，如果说普通逻辑或逻辑导论这种逻辑知识普及课在过去时代条件下还有一些积极作用，那么现在这些作用早已淡出，所以这样的课已经不合时代要求，应该淘汰。取而代之的也是两极分化：彻底讲实用性，学批判性思维；真正学逻辑，学现代逻辑。这也是一种“与时俱进”吧。有一种观点认为，一个大学毕业生，受过高等教育的人，不学普通逻辑或逻辑导论，不知道什么是逻辑，不懂一点逻辑怎么行。我认为这种观点没有建立在将逻辑学、逻辑课以及它们的历史和社会时代背景等因素加以综合和仔细分析的基础上，没有充分的根据。如果有我们这里的分析，那就不仅是“怎么不行”，而且是势在必行。至于哲学系开什么课，不同的哲学系当然只能根据自己的情况量力而行。北大哲学系是按专门人才培养的方向来开课的，也有这个条件，所以当然应该开现代逻辑课，取消普通逻辑或逻辑导论课。我们实际上也是这么做的。目前只是对外系或校公共课还开逻辑导论，这是因为某种历史的惯性吧，迟早也是要取消的。在我系，现代逻辑课是一系列课程。首先是一阶逻辑。这是现代逻辑的入门课，也是哲学学习和研究的一个基础课。如果将来研究哲学，可以到此为止，也可以再学模态逻辑等。如果要学逻辑，则必须在有这门课的基础后再去学其他的逻辑课程。至于批判性思维，我认为是一门很好的课，也主张应该开这门课，甚至应该是全校的公共课。这是一门素质教育课，谁都可以选。但是要清楚，这门课与学哲学和学逻辑都没有什么特别的关系。

⑤ 数据至上的人工智能时代，哪些公开数据集最适合

现如今构建人工智能或机器学习系统比以往的时候更加容易。普遍存在的尖端开源工具如 TensorFlow、Torch 和 Spark，再加上通过 AWS 的大规模计算力、Google Cloud 或其他供应商的云计算，这些都意味着你可以在下午休闲时间使用笔记本电脑去训练出最前沿的机器学习模型。
虽然不算是人工智能训练的最前沿，但人工智能的无名英雄确实就是数据，许多许多标注或未标注的数据。研究部门和公司也都认识到数据民主化是加快人工智能的必要步骤。
然而，涉及到机器学习或人工智能的大多数产品强烈依赖于那些通常没有开放的私有数据集，而本文将指出解决这种困境的办法。
事实上，我们很难用一篇文章来说明哪些开放数据集是有用的，因为那些有用的开放数据集必须是可概念证明的，而什么数据集对产品或确认特征是有用的，在你收集你自己所有数据之前是不知道的。
重要的是，如果数据集有良好的表现并不能保证其训练的机器学习系统在实际产品场景中表现良好。许多人在构建人工智能系统时常常忘了构建一个新人工智能解决方案或产品最困难的部分不是人工智能本身或算法，通常最困难的地方是数据收集和标注。标准数据集可以作为验证或构建更优良解决办法的良好起点。
在这个星期，我和一些机器学习专家们讨论的都是有关标准数据集的问题。为了让你能更轻松地构建人工智能系统，我们搜集了一些开源数据集，这些开源数据集是我们认为在人工智能的世界里你所需要了解的。

⑥ 怎么评价“少数服从多数就是民主”这个说法

少数服从多数是一种简单的算法，在算法的基础上，乌合之众的独裁统治是一定程度的民主，而算法本身和各种事情都需要讨论

民主如果这么简单,还为什么整天喊民主,民主的大部分时间是为数不多的几个人在辩论短的概念,大多数人只会看传统的审计、权限最终会通过各种方式集中到少数人的手中,真正的民主是根据多数人的意见将讨论如何集中更科学、更安全、更有建设性,而不是让每个人都有理论上无限的自由这个理想化的废话

我个人来说比较推崇精英政治，因为不会所有人都有这种政治智慧和正义，当然，前提是我们有更好的的制度来监督和反映民众的诉求，而目前是没有的。

⑦ "1"=="1" true还是false

楼上说了那么多还是没切住楼主要点啊。
其实这个要讨论到2个蛮底层的东西。
1.==判断的的确是在内存中的同意引用地址，也就是楼主说的同一对象。

2.两个“1”都是同一个对象了? 回答是不是。

3.楼主最想明白的一点，为什么"1"=="1"是true吧。这里是第一个蛮高深的地方。因为"1"一出现，JVM给它一个内存地址，而第二个"1"出现的时候呢，并不是给他一个新地址，而是在字符串缓冲池中找是否有相同值的引用，如果可以，直接给他。很奇怪吧，但就是这样，但前提是，这里的两个“1”都当做了基础类型，并不是对象。
举个例子吧。String s1="1";String s2="1";然后s1==s2;是true，就是因为这里的s1和s2都是基础类型，类似于int,float这些基础类型（只要不是new出来的，String有点特殊，并不像int对应Integer，它的基础类型和对象类都是String）。再举个例子吧，String s1="1";String s2=new String("1");这个时候s1是基础类型，s2是对象，他们对应的地址引用不同，所以s1==s2;是false的，不信可以试试，嘿嘿。

4.==和.equals区别何在，这是第二个蛮底层的东西了。
在Java中，所有类的超类是Object，Object中有equals方法，但是它里面的equals是这样的。public boolean equals(Object obj) {
return (this == obj);
} 也就是说Object中equals就是==操作，也就是比较引用地址。那么为什么两个String对象，比如String s1=new String("1");String s2=new String("1");用s1.equals(s2);还是true呢，不是应该比较地址的么？那是因为大多数基础类型对应的类比如Integer，String,Float等都重写了equals函数了，他们比较的是对应的值的大小，而不是引用了，所以上面两个String的对象用equals比较的是他们的值，而他们的值都是"1"，这再用到第3点中的方法，也就是他们的值相等，那么s1.equals(s2);就是true 了。

5.所以在很多时候，我们会重写equals方法，用我们自己的方法来判断两个对象是否equals。

补充回答：1.什么时候用常量池中的“1”，当然是在程序编译过程中如果有String s1="1";以后再有同样的String s2="1";之类的就用它了，关键是，不用new，不是新对象的话，只要之前在池子中的常量就会复用。
2.什么时候自己创建“1”对象？回答是，任何时候都没必要。知道为什么会有Integer，Float么，就是为了完全OOP，OOP好处是什么？可以有更多操作手段，有了Integer后，int基本类型的东西通过自动装箱可以很方便的用到Integer类中的函数方法。同样的String s1="1";中的s1可以自动装箱成为String s1=new String("1");中的s1,那么也就可以自动的像后面作为对象的s1一样用到String类中的函数了。
也就是说，除非特殊癖好（喜欢完全OOP格式什么的），new String完全没必要，因为JVM的自动装箱和拆箱功能完全可以满足了。

⑧ 人工智能在2018年的八大趋势是怎样

人工智能在2018年的八大趋势

创造仿人类的人工智能热度将会消减

随着人工智能技术在个人财务管理、公共记录、客户体验以及学习新事物等平台的发展，这种行业转移将变得更加普遍。人工智能工程师和开发人员将致力于打造由算法驱动的人工智能，它能做出反应，做出决策，并以人类的方式与人互动。

更加关注消费者级别的人工智能应用

人工智能行业将努力与那些购买并订阅其人工智能产品和服务的人建立信任，这意味着它们会主动在工作场所提供软件更新和潜在风险方面的沟通，包含个人语音助理、聊天机器人以及运行在人工智能上的平台，并以一种普通人能够理解的简单方式进行。

人工智能领域的监管格局将继续向前发展

随着英国、美国、欧盟以及其他国家或地区的政府试图了解人工智能技术的核心价值、风险和实际未来，业内人士将开始阐明他们如何自我监管AI技术的企业应用。这种自我监管将扩展到人工智能之外，以解决企业和公众对数据隐私和保护的担忧。问责将仍是一个核心问题，而企业如何利用数据（尤其是消费者信息）来构建人工智能应用的压力将在2018年增加。

人工智能的发展将惠及更广泛的人群

就在几年前，人们还需要获得数据科学和工程方面的高级学位来从事人工智能技术、研究算法，以及开发软件的工作。如今，开发者工具、培训项目和可获得的职业机会让非技术人员走进人工智能这个领域。像LinkedIn这样的公司已经建立了基础设施来培训人工智能研发工程师。2018年，我们将看到这些工具、资源和教育机会向其他员工扩展。

人们将学会成为人工智能的合作者

每一份关于人工智能和工作的新报告都会引起公众的强烈反应，这些报告也会强调深入了解人工智能进步如何真正影响工作、人才和工作场所的必要性。虽然有些职位将会被人工智能技术所取代，但许多职位将会以一种优化公司利益的方式与人工智能技术融合并发展起来。

网络安全将利用人工智能来应对复杂的威胁

虽然好莱坞认为机器人可以占领世界的想法会打击与黑客技术相关的潜在威胁，但工程师们将专注于用人工智能来解决非物理、数据和算法层面的问题。目前，黑客入侵技术的能力超过了网络安全行业保护脆弱技术的能力。

为了迎头赶上，谷歌、Facebook和亚马逊等科技行业领袖将寻找更多机会与麻省理工学院、纽约大学的学术研究人员、小型创业公司以及其他领先机构合作，打造由人工智能技术驱动的安全体系。这些合作关系将有助于建立能够跨网络和平台部署的人工智能安全系统，以监控、发现和防止黑客入侵。

人工智能行业将解决更复杂的问题

人工智能包含一个复杂而重要的技术网络，目前，许多人工智能企业和消费者应用都旨在解决小而有针对性的问题。一个聪明的助手可能会引导你正确地归档费用，一个搜索算法可能会指导你成为安大略最好的管道工，一个语音助手可能会发现一个你根本不知道存在的音乐世界。

与此同时，如今的人工智能技术需要解决商业和日常生活中更为复杂的问题，从管理整个劳动力到应对气候变化。在接下来的一年里，我看到各行各业的公司开始在外部部署这些人工智能解决方案，以解决更大、更复杂、更公开的问题。

新的一年，新的人工智能机会

最终，我相信在未来一年里人工智能行业将在发现技术的细微差别和复杂方面取得重大进展。人工智能应用将继续成倍增长，并实现多样化。提高其知名度和公众意识的责任将完全落在人工智能行业，人工智能行业与私人、公共和学术部门之间，将会建立更强大的研发合作。

⑨ 区块链中的公链是什么

公链也称“公有链”，即指全世界任何人都可以随时进入到系统中读取数据、发送可确认交易、竞争记账的区块链。公有链通常被认为是“完全去中心化”的，因为没有任何个人或者机构可以控制或篡改其中数据的读写。而从应用上说，区块链公有链则主要包括比特币、以太坊、超级账本、大多数山寨币以及智能合约，其中区块链公有链的始祖则为比特币区块链，具有以下特点：

1、代码开源

代码上传到github，每个人都可以通过下载得到完整的区块链数据，接受大众的考验。

2、完全去中心化

任何人都可以成为一个节点，每一个节点都是公开的，每个人都可以参与区块链的计算，任何节点都不是永久的，而是阶段性的，任何中心对节点都不具有强制性。任何人都可读取的、且能发送交易，而且交易能够在区块链上得到有效的确认，任何人都可参与其中共识过程。共识过程决定某个区块可以添加到区块链中，以及确切的当前状态。每个人都可以从中得到经济奖励，和在共识过程中所作的贡献成正比。这些公有链通常被认为是“完全意义上的去中心化”。

3、开发去中心化应用

程序开发者通过此公链，可以很方便地开发出去中心化应用。公有链可以保护用户权益免受程序开发者的影响。