41、学习的规范性与人类和机器学习的差异

学习的规范性与人类和机器学习的差异

学习的规范性探讨

在探讨学习的规范性时，我们可以从工程文化入手。在工程文化中，工程师们对于解决问题往往有着特定的“最佳”或“最优解”的理解。例如，有观点认为“理性主体是指那些采取行动以实现最佳结果，或者在存在不确定性时，实现最佳预期结果的主体”。这里的“最优”和“最佳”通常涉及技术过程的优化，比如让“学习”路径更高效。

然而，工程文化与其他文化之间可能会产生冲突。以复印机的优化为例，工程师们注重复印机的多功能性，但这却使得非工程文化背景的人觉得复印机难以理解和使用。

从人文主义的学习方法来看，它常常强调“正确”的学习方式。但从后人类主义的更广泛视角出发，规范性并非固定不变的绝对概念。它与物质条件以及先前的超社会人类学习相关。文化 - 历史规范性在教育科学中相互交织，考试和测试成为检测先前“正确”学习的评价标准。在计算科学中，“对”与“错”同样具有规范性，这是机器正常运行的必要条件，但学习并不能简单地等同于教育。

当我们跳出将学习视为计算的逻辑和规范性思维时，就进入了超社会人类复杂的学习生活中。超社会人类在日常生活中并不一定遵循理性和逻辑思维，即便他们在编程或推理工作中可能会受到这种思维的引导。人类在日常实践中具有规范性，但并没有明确的先验标准来进行评估。评估是在人类和非人类环境中对潜力的持续探索。

以Tay为例分析规范性

以Tay为例，我们可以进一步探讨规范性的问题。我们可以指责那些通过Tay将“愚蠢的妓女”与Zoe联系起来的人，也可以责怪工程师和算法使得这种关联得以产生，但我们不能批评Tay、ALICE和BOB所涉及的材料是否遵循了某种规范。因为Tay作为一个运行的机器，本身并不