14、殖民遗产的矛盾与早期现代欧洲殖民者的“荣誉”迷思

殖民遗产的矛盾与早期现代欧洲殖民者的“荣誉”迷思

在探讨欧洲殖民与帝国思想的发展历程中,一些经典文本的影响深远且复杂。这些文本所留下的遗产充满了矛盾与冲突,对后世的殖民观念和行为产生了持续的影响。

1. 经典文本的分裂遗产

一些早期文本,如《阿格里科拉传》和《日耳曼尼亚志》,以一种充满困扰、紧张和不安的风格呈现,为欧洲未来的殖民和帝国观念留下了分裂的遗产。特别是在文艺复兴时期,古典思想极大地激发了知识界的活力,包括如何推动和正当化在爱尔兰或欧洲以外建立殖民地的思想。

  • 罗马优越论的影响 :这些文本肯定了罗马人作为“被选中的民族”这一取代论观念,赋予征服者的国家和帝国以神圣地位,使其在历史中具有正当性。同时,文本还认为罗马人在拥有历史意识方面优于野蛮人,这种人类等级观念构成了未来欧洲种族思想的基础,支撑和助长了几个世纪以来的全球殖民、帝国扩张、种族灭绝和大屠杀。
  • 抵抗殖民的声音 :文本中也有像卡尔加库斯这样希望抵抗殖民的动人演讲,他们希望不列颠人不失去自由。同时,也存在对不列颠人采纳罗马文化而失去自身文化的反思,以及对罗马人通过殖民和帝国可能经历道德堕落的担忧。然而,这种反叙事的思维框架存在局限性,反叙事者从未设想过罗马殖民应该停止,罗马人应该离开不列颠,恢复不列颠人的自由、独立和自身文化。

此外,这些文本还存在其他令人不安的方面。例如,《日耳曼尼亚志》的叙述者将非日耳曼民族萨尔马提亚人描述为“外貌令人厌恶”,暗示了一种基于外貌和审美判断的种族评判和蔑视话语,这预示着启蒙运动和后启蒙运动时期欧洲的种族思想和行为。

2
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值