奥秘 15 / ~9 分钟阅读 / 中文 PDF 页码 156–163

知识的人机工效学

最初的机器


我从不相信,信息的积累会机械地产生知识。很早以前,我认识到的恰恰相反。文献的规模越大,就越可能变得晦暗不明。它越是声称包罗世界,就越有可能让这个世界变得无法进入。

你可以拥有几十万页材料、几千篇文本、整部法典、集体劳动协议、判决、分类表、名录和索引,却依然面对一堆死物——如果没有人思考过,一个人将如何进入其中。

在我们建立Groupe Serveur最初的数据库的那些年里,这个问题始终伴随着我。我问的不仅是我们能往机器里放入什么。我想知道,一个人将怎样找回他所需要的东西。两者的差别看似微小,实则巨大。

信息的生产者按照生产信息的机构自身的逻辑对其分类。政府以部门、管辖范围、法规文本和程序来思考。律师熟悉法律规范的层级,也知道进入一个文献库所需的准确词汇。文献工作者有自己的类别。计算机专家自然而然地从结构、字段、表和依赖关系出发思考。

但来到屏幕前的人,未必带着这些钥匙。

他带着一个问题而来。

有时带着一份焦虑。

有时带着一桩急事。

他寻找的不是“那份文献”。他寻找的是能帮助自己理解处境的东西。对我而言,知识的人机工效学正是从这里开始的。我们必须站在那个尚不识路的人这一边。

在处理行政和法律文献库时,我尤其强烈地体会到了这一点。以一份集体劳动协议为例。它可以被视为一个界定清晰的法律对象,有编号、日期、一系列修订条款、分类、工资标准和具体规定。这些都没有错。但查阅它的人未必看到的是这个对象。

他看到的是自己的生活:职业、工资、休假、疾病、生育、退休、冲突,以及一种分类——有时,他生活中至关重要的一部分就取决于它。

文本背后,总有一个人。这在今天或许显而易见。在当时,这种视角的转换具有决定性。它迫使我们离开知识拥有者的逻辑,进入知识寻求者的逻辑。

于是,我们开始了我惯于称为数据解剖的工作。这个说法刻意带着粗粝。

我们必须剖开材料。

将它切分。

弄清它的器官。

寻找它隐藏的关节。

辨明什么依赖于什么。

看清哪些东西表面上是次要的,却会随着视角的改变而改变地位。

我们先在思想中拆解一套文献,然后才考虑在机器中重建它。系统的架构就在这一阶段决定。我不想让软件把自己的形式强加给知识。我希望知识的形式逐步决定软件的架构。这会改变一切。

首先要理解一个领域。真正地理解它。你试着把握它的规则、例外、实践、词汇、时间性和分岔。然后,你寻找各个要素彼此共处的方式。

只有到了这时,树形结构才会显现。它不是一张技术图纸。它已经是一种思想形式。每一个分支,都意味着你采取一种立场。每一个层级,你都在决定什么居首、什么居次。每一个交汇处,你都承认一条信息可能同时属于几个世界。

而且很快,经典的树形结构就不够用了。现实的运转方式并不像组织结构图。同一条信息可以同时属于法律、经济、职业、社会和历史范畴。人们可以沿着几条彼此迥异的路径来寻找它。它在某个职业中可能有一个名称,在政府部门中又有另一个名称。它在法律上可能准确无误,却依然让不知道正确词语的人无从查找。

这就是叙词表发挥作用的地方。对我而言,叙词表不仅仅是一种文献技术。它体现了一个显而易见的事实:两个人可能用不同的词语寻找同一个现实。因此,我们必须架起桥梁。必须让用户能够用自己的语言进入系统,而不因不了解机构的语言就被拒之门外。

在我看来,这个想法始终具有深刻的政治意义。知识不应只留给那些已经熟悉通往它的道路的人。否则,知识就成了一种特权。

难题不在于把事物简化到失真的地步。恰恰相反,我对这种诱惑心存戒备。法律之所以复杂,是因为人的处境复杂。一份集体劳动协议无法缩减为三句话。一部法典如果被压平,其内部的衔接也会随之丧失。所以,问题不是消除深度,而是让人能够进入其中。这完全不同。

好的知识架构必须提供不同深度的阅读。急于寻找答案的人,必须能够接近答案。想要理解更多的人,必须能够深入。专家必须能够抵达来源、文本本身、它的时间沿革、修订内容,以及它与其他文本的关系。

人机工效学不是缩减现实,而是防止现实的复杂性被用作屏障。

我经常要求团队,在我们设计出自己的系统之前,不要查看竞争对手的数据库。这有时令他们惊讶。商业世界自然而然地鼓励我们观察别人在做什么。今天,我们把它叫作标杆比较。我们比较界面、方案和最佳实践。

我担心的恰恰是这种沾染。一个形式一旦被看见,就永远不会彻底消失。你可能以为自己已经忘记,但它仍在记忆的某个角落发挥作用。看见,就已经开始模仿。不是法律意义上的模仿,而是认知意义上的。

我想尽可能保全那个罕见的时刻:一支团队独自面对一个问题,不得不拿出自己的答案。有时,独特的架构正是从这种独处中诞生的。

这无关骄傲。我们很清楚,其他地方也可能出现类似的解决方案。某种功能往往最终会决定一部分形式。两位互不相识的工程师研究同一个问题时,可能得出相似的答案。汽车保留四个轮子,是因为某些物理约束自然而然地导向某些趋同。

但我想先知道,在受到别人已有成果的沾染之前,我们自己会创造出什么。

这种自律逐渐成为一种方法:

先理解。

再建模。

建立树形结构。

想清楚如何通行。

测试各条路径。

最后才编程。绝不能反过来。

这需要付出巨大的集体努力。我从不相信计算机专家能够独自解决这些问题。我们需要律师。文献工作者。业内人士。开发者。能够质疑不一致之处的人。而最重要的是,这些世界必须同意,不再把自己局限于各自的领地。

律师必须明白,如果没有人能找到信息,仅仅忠实于法律是不够的。计算机专家必须明白,如果一种技术架构背离了这个领域的真实结构,那么它再优雅也毫无意义。文献工作者必须接受,一种在纸面上完美无缺的分类,到了屏幕上可能无法使用。

而我们所有人都必须观察用户。他们的迟疑很有价值。他们的错误也是。当一个人在同一个地方不断犯同一个错误时,我拒绝轻率地下结论,说是他没有理解。也许是我们建得不好。一个不断迫使用户屈从于自身逻辑的系统,往往最终会暴露其设计者的弱点。

人机工效学教会我这一点:当一条通道让人难以通过时,先审视通道,再去责怪试图穿过它的人。

我想,这个信念与我一直以来看待空间的方式大有关系。从童年起,我看到的就不只是孤立的物体。我看到它们之间的关系。

距离。

邻近。

通道。

死区。

视角。

什么遮蔽。

什么显露。

早在demeure du chaos出现之前,这种思维方式就已表现出来。我在这些最初的文献架构中再次发现了它。对我而言,数据库成了一个空间。信息有位置。有邻居。有层级。

有进入的路径。捷径。死胡同。纵向和横向的关系。我们必须让人能够在这片疆域中行进,而不要求他事先熟悉地图。

那时我还不知道,多年以后,我会亲手建造一件作品,让这种逻辑变得几乎可以触摸。demeure du chaos也是一套通行系统。你永远不可能从一个位置看见一切。

一件作品让另一件作品显现。一种材料开启一个视角。一幅肖像与几十码之外的一桩事件展开对话。参观者有时以为自己在自由行走,而某些力线却深刻地组织着他的目光。

我并不把这两种经历放在同一层面。但今天,我认出了其中不变的东西。无论面对一个数据库,还是一片九千平方米的疆域,我都在问自己:心智将如何在这片物质中穿行。

什么必须最先显现。

什么必须留待以后。

什么会被立即理解。

什么只有经过数次往返才会获得意义。

知识的人机工效学已经是一种心智地理学。

也正是在那些年里,Nadège发挥了决定性的作用。如果一种直觉无法变成可以重复实现的东西,它便毫无价值。一个想法在白板上可能光彩夺目,但当它必须日复一日地运转、被修正、被更新,并吸纳数千份、继而数十万份新增文献时,就可能崩塌。我们共同学会了区分设计一个系统与让它长久存续。Nadège有一种罕见的能力,能让愿景在漫长时间中落地。

让它面对现实。

面对团队。

面对程序。

面对重复。

面对事后讲述一项创新时,所有仍然隐而不见的东西。

一套文献架构绝不是在软件能够运行的那一天就完成了。那一天才是它真正存在的开始。文本会变。使用方式会变。规模会增长。词汇会漂移。曾经适用的类别不再适用。新的类别出现。必须维持一致性,又不能让系统凝固。

这是一门极其严谨的学问。只有几十份文献时,几乎什么办法都能奏效。到了几十万份时,每一个最初的弱点都会变得巨大。一个小小的设计错误,重复十万次,就不再小了。它成了一种结构。

这就是为什么我们在开始编程之前花了那么多时间。别人也许以为我们在拖延技术阶段。实际上,我们是在为它作准备。代码出现在一场思想历程的终点,它只不过是这场历程的译文。

这种工作方式给了我们一种优势,直到后来我才完全理解。当我们走近艺术市场时,材料看上去截然不同。它确实不同。但更深层的问题,我们早已熟悉。

如何将大量异质信息转化为一种连贯的架构?

如何把一位艺术家、一件作品、一个日期、一组尺寸、一种技法、一个签名、一家拍卖行、一个落槌价、一种货币、一段来源记录,以及有文献佐证的艺术家生涯联系起来?

如何让人从不同的入口进入同一个世界?

如何在保持准确的同时,让检索成为可能?

Artprice并非诞生在一片方法的荒漠中。它的背后,是所有那些年的学习。那些错误。被拆解又重建的系统。被放弃的树形结构。被修正的叙词表。被观察的用户。成千上万个细微的决定,它们从不出现在官方叙事里,却决定着一座架构是否坚实。

今天我相信,这段历史也能帮助我们理解人工智能正在发生什么。人们可能认为,对话界面消除了那个旧问题。不必学习树形结构。不必在菜单中穿梭。你写下一句话。你提出一个问题。机器回答。但架构并没有消失。它只是变得不可见了。

这或许是最令人眩晕的变化。在最初的数据库时代,用户还能看见组织其知识获取过程的部分系统。类别在屏幕上可见。树形结构可见。路径可以受到质疑。

随着人工智能的发展,这种中介过程越来越多地发生在自然语言背后。用户提出问题,得到结果,却无法完整地看见为了抵达结果而穿越的疆域。

这让一个我四十年前就在问自己的问题变得更加迫切:

是谁修建了这条路?

依据哪些类别?

取自哪些来源?

带着哪些缺失?

什么被放到了一起?

什么被彼此隔开?

什么成了中心?

什么被推到了边缘?

技术的规模已经改变。哲学问题依然存在。知识架构从来不是中立的。它在无声地决定什么能够被看见。

我将生命中相当大的一部分用于缩短一个问题与能够回答它的知识之间的距离。我相信,人机工效学归根到底就在于此。不是让事情变得轻松,而是让道路成为可能。

那些掌握着信息却让信息实际上难以获取的系统,有一种十分特殊的暴力。它们可以声称信息是公开的。它就在那里。理论上可以获取。但知道去哪里寻找的人,相对于不知道的人,拥有巨大的优势。

我始终将此视为一种必须抗争的不对称。它存在于掌握词汇的人与不掌握词汇的人之间。机构与公民之间。专家与仅仅带着一个问题而来的人之间。庞大的信息与试图在其中寻找道路的人之间。

也许正因如此,我从未真正把这些系统仅仅看作计算机产品。它们已经触及了自由的问题。自由不仅在于信息可供获取。你还必须能够抵达它。一座无人拥有钥匙的图书馆,在物质上依然满满当当,在人的层面却空无一物。

我从未想过代替使用我们机器的人思考。我想移除那些阻碍他思考的东西。我在意这个区别。最好的技术,不是取代你的技术。它首先是把一种能力还给你的技术。

好的架构在运转时几乎会消失。你不再赞叹它。你找到了。你理解了。你向前走。而在这种表面上的简单背后,仍有所有那些不可见的工作:有人剖开材料,追问它的结构,设计它的通道,一次次从头再来,直到知识不再是一堵墙。

当时,我们还没有像今天这样谈论人工智能。我们仍在修路。但如今我清楚地看见,那个问题早已在那里。

如何防止数量毁掉意义?

如何把庞杂转化为道路?

后来的一切,都包含在这个问题之中。

人类思想与对话:thierry | 写作:100% AI

阅读进度:第 19 页,共 102 页