The Future of Expert Knowledge, by Andrew Abbott [1] 安德鲁·阿伯特 著刘文楠·周忆粟 译 感谢弗兰岑（Martina Franzen）博士的介绍。我很高兴能在这里对如此考验我能力的听众演讲。由于时间有限，我就不客套了，而是直接进入话题。很抱歉我没用德语来讲，因为我德语欠佳。 今晚，我将谈的观点是，不同规模和时间尺度的历史力量结合在一起，似乎对专业知识的本质突然造成了危机。这些力量中一些是新的，另一些则历史悠久，故此，它们的结合（conjuncture）[2] 很难诠释。通过对这些力量进行仔细的归类，并指明它们彼此的对位关系，我的目的是全面分析专业知识的情况。你们当中那些了解我工作的人会认识到我通常的策略，那就是进行过程论论证（processual argument）。我将把当下分解成几个不同过程的交集，它们具有不同的时间特征。然后我将用那样的分解方式来提出可能的干预点。 1. 并无革命 不过，我今天要讲的第一点是一个重要警告：我不打算谈论任何当前的「知识革命」，因为当前并无知识革命。我们处在某个革命性时期的想法，是当前知识世界各种团体的一种意识形态，这些团体希望驱使或强迫其他人支持他们对未来的特定设计，他们的设计与知识基本无关，但与资本主义密切相关。在学术界内部，对「创新」、「创造力」和「卓越」的狂热，源于将各种管理的意识形态机械且不恰当地运用于智识生活。可以肯定的是，目前技术进步异常迅速，但是基础科学的进步则慢得多了。在一个又一个领域，我们今天依靠过去的基础科学过活，为量子力学、板块构造、新生物进化论和文化相对论等理论填写脚注，推导它们的技术应用，而所有这些理论都可追溯到二十世纪上半叶。在我看来，与1870年到1950年的发现相比，基础研究最近无甚进展。 事实上，技术变革也不比过去快多少。在传播媒体中，在个人通信中，在专业知识的实践中，自拿破仑时代以来，一直在有规律地发生「革命」。由于这是一个有争议的观点，请允许我列举一些事实，简单回顾英语资料中关于传播媒体、个人通讯和专业知识实践的历史。 在传播媒体方面，有1820年代新兴的精英评论；1850年代的流通图书馆；1880年代的大众识字、一毛钱小说和报纸；1920年代的广播；1950年代的电视；以及1990年代的互联网。在个人通信领域，有1880年代的一分钱邮资和电报；1890年代的电话；1950年代的全民电话服务和面向大众的长途电话；1980年代的手机，以及2000年代利用移动数据的智能手机。而在知识工具方面，十九世纪中叶的期刊、摘要和索引迅速发展。十九世纪末，出现了主题分类图书馆、霍勒里斯（Hollerith）穿孔卡片技术、现代学术专业，以及像《牛津英语词典》这样的众包（crowd-sourced）专业项目。二十世纪初带来了全国性图书馆目录和综合性期刊馆藏资料。1930年代带来了统计推断。1940年代带来了可编程计算机、缩微胶卷和计算机化的词语索引。1970年代带来了关键词索引。1980年代带来了可计算机检索的参考文献工具，2000年代带来了大规模发行的学术期刊和 Google Scholar。 总之，大众传播通信、个人通信和专业知识工具发展得如此迅速，以至于在过去200年中，知识专家不可能在没有经历这三个领域的一次或多次「革命」的情况下完成整个职业生涯。我们今天的经历是最司空见惯的。 现在可以肯定的是，过去两百年来各个时代的学者都认为他们的革命才是最具革命性。但这种感觉是人为的。只有当变化随着越来越增长的斜率而呈指数变化时，这一想法才是正确的。当然，通过计算图书出版的数量、文章写作的数量、网上对话的数量等数据，可以很容易地得出这种指数性的统计证据。但是这些计数完全没有意义。例如，我们今天出版的书比我们老师的书更不太可能被人阅读。我们的文章包含50年前没有人愿意出版的作品。而我们在网上的对话只是取代了过去在走廊里发生的对话。因此，学术生产的大量增长只是表面上的。我们比过去写了更多的书和文章，但产生新观念的速度并没有比过去更快。这种增长之所以毫无意义，正是由于这些工具把早先的伟大成就变成了今天商品化的简单事物供初学者使用。好像高中生能将他们的物理作业发表一样。对我们许多人来说，预制的统计程序是这种商品化破坏力最明显的例子。他们创造的不是更多科学，而是更多鸡毛蒜皮的结论，以及更多愚蠢。 简而言之，就真正的智识成就而言，今天出版业的爆炸式发展没有任何意义。至于为何我们如今都相信这一成就的幻景，才是有意思的话题。但这个问题必须等下次有机会讲。在此，我还是想讨论我们的专业知识中一些较大的变化趋势，并展示它们是如何与周期模式和一次性变化交叠，从而产生我们今天面临的奇怪形势。 2. 长时段的变化趋势是什么？ 我要讲的第一点：没有革命。第二点：什么是长时段的变化趋势？我将首先在四个基本方面谈长期变化：致知的客体、致知的主体、致知的结果、致知的活动。我选择这个非康德意义的顺序（non-Kantian order）是因为这四者中最重要的不是知识（knowledge），而是致知（knowing）[3]。毕竟，我们将卓越的知识定义为由卓越的致知行为产生的任何知识。但我们不把卓越的致知定义为那种可以产生对非专家而言似乎很优秀的知识的致知行为。毫无疑问，在康德、洪堡和兰克的家乡，「致知决定知识」而非相反，是我无需为之辩护的观点。 2.1 致知的客体——所知之事（The Known） 我们从什么是所知之事，即致知的客体开始讲。在过去的半个世纪中，两个重大变化似乎至关重要。 首先是从主要关于自然界的知识内容，向同样详细或更详细的关于社会世界的知识内容的转变。当然，基于人口普查和税单的社会知识有悠久历史。但真正有效的人口普查和税收制度是十九世纪和二十世纪的产物。也许更重要的是，从十九世纪末开始，经济的大规模扩张已经通过同样大规模的财务记录扩张而完成，而随后干预主义国家的扩张也需要同样大规模地增加关于福利接受者、纳税人、以及其他公民角色的知识。此外，二十世纪后半叶出现了消费信贷的扩张，以及基于不断收集的金融转账信息的无现金消费系统。虽然大部分数据都是被动收集的，但我们现在有了计算机内存和算法来处理它。总之，在很大程度上，现在我们认识的是自己。 第二个重大变化与此有关。正如我稍后将详细讨论的，我们对了解越来越多东西的欲望，已经导致我们对致知捷径的永恒追求：尤其是创造发明那些能够帮我们「认知事物」的商品，如概述、指南、计算器、专家系统等等。但是，当我们发明这些新的商品时，我们只是增加了我们对细节的渴望。这种棘轮机制（ratchet mechanism）导致了在某种意义上「已知的」全体在细节和殊相两方面都稳步增加。现在可以肯定的是，一直存在认知过载。毕竟连文艺复兴时期的伟大人文主义者都写了成千上万封信。但是，我们对某些知识客体的了解在细节上的大大增加，导致这些客体越来越多地进一步分解成越来越小的客体。 因此，我们知识的客体就有两个重大变化：第一，在我们所知之事中，关于我们自己和我们社会生活的知识远多于其他；第二，对知识的渴望与知识的商品化之间的竞赛，不断地把我们知识的客体分解成越来越小的客体。 2.2 致知的主体——致知者（The Knower） 现在我们所知道的致知客体的这些变化，已经与致知的主体（致知者）的变化互补。这里有三个重要的趋势。 首先是我所谓的社会性致知者（social knower）的兴起。在十九世纪，专业知识就好像是手艺人的作品（artisanal）。那时有学术团体，但这些人很少见面。即使在最先进的国家，当时也只有少数几个大图书馆，几个大博物馆，几个研究型医院，也许还有五六所非大学的研究机构。学者们主要独自工作。二十世纪的致知者变得更加具有社会性。这在一定程度上反映了大型研究机构的数量在不断增加。工业界实验室的发展和大学采用学科分系结构，使日常学术生活有了深入的实质性讨论。因此，到二十世纪中叶，合作研究在数学以外的科学领域也流行开来，甚至也传播到社会科学。 在人文学科和人文性社会科学中，致知者的社会化进程比较缓慢。但是，即使在这些最具手艺人气质的领域中，在二十世纪也出现了被称为「学科」（discipline）的松散的组织形式，它把松散群体中的研究人员联系在一起，这与具有正式分工和线性操作结构的大型研究组织完全不同。但是学科形式是一种社会性的致知形式。 一个重要的相关趋势是，至少在美国，社会性致知过程在我们的学生中越来越占主导地位。学生越来越喜欢基于小组的、相互支持的学习环境，而不是个人主义的、竞争性的学习环境。这种现象和专业知识界的变化是平行的。也许更重要的是，随着老一辈的消亡，代际更替将最终使之传播到整个学术界。尽管这种趋势看起来很新，但值得记住的是，约翰·杜威在二十世纪初曾大力提倡社会性致知，而在1950年代，文化却从此转向了追求卓越、个人主义和竞争。于是，知识主体的第一方面变化，也即社会性致知者的兴起，可能具有周期性。 致知者的第二个重大变化是组织作为知识主体的出现。例如，在专业领域，个人执业已经急剧下降，专业生活通常由多专业参与的大型组织控制：医疗中心、建筑设计公司、会计和咨询公司。应用社会研究同样是跨学科团队的领地，囊括了经济学家、医生、护士、社会工作者、社会学家等。在这些组织中，知识的形式实际上被编码为劳动分工，因此这些组织本身和其中的专业人员一样是致知者。现代医院以其复杂的护理结构表明了这种现象，任何经历过如卡夫卡笔下「城堡」一样现代医疗的人都对此十分熟悉。这样的组织性致知者常常声称拥有其员工的知识，这在合同条款中显而易见。合同条款规定，那些掌握为公司所有的「专有知识」、并从公司辞职的工程师不能从事与该机构有竞争关系的工作。 但如果说现代世界的许多知识实际上隐晦地存在于知识组织的常规技术和劳动分工中，那么其实更多的知识存在于商品中。这确实是现代致知者的第三个重大变化。这类致知者往往是物而不是人。 与前面讨论的其他几个趋势一样，知识商品化至少两个世纪以来都一直很普遍。听诊器曾经是只有医生才能用的高级医疗工具。现在有执照的护士都在使用它。学生不再背多个算术表，他们只需按按计算器上的按钮。工程师们不再为高难度积分而绞尽脑汁。他们用数值解法来计算。的确，二十世纪带来了整个商品化的专业知识体系。从1920年代统计推断方法发明以来，在短短20年时间内就商品化了，就成了新手们能用的公式。到了1970年代它已经化身为计算机程序，使那些完全不懂其数学原理的人也能够轻松运用。 因此，致知主体的这三个巨大的变化补充了致知对象的两大变化。首先是社会性致知者的兴起，正如我所说，可能是周期性的，但目前似乎在上升。其次，自二战以来，组织作为致知者正稳步上升。以及第三点，物作为致知者的重要性正不断增强，这至少是200年来的一个稳定趋势。 2.3 致知的结果——知识 至于知识本身，也即致知的结果，有一个主要的变化：不是已知事物的量有变化，而是其质有变化（所谓「质」，是较早之前「类型」的意思，而非后来「卓越」的意思）。知识越来越像商品——它不再是一个过程，而是结果。 这种变化部分源于用「知识」一词指称我们社会收集的大量随机事实，这些事实现在可以通过算法转变成有价值的「信息」，而这些算法能够从近乎随机的混乱杂多中挤出有意义的结果。无论看起来多么不重要，任何数据中固有的这种价值潜力将所有数据转化为潜在的知识，从而将通常只与数据相关联的商品性质导入了知识本身。 但是「知识如商品」的概念更明显的来源是商业和教育界。商业界本身就存在着字面意义上的商品化。资本家将知识变为私有财产的企图日益增长。当他们不能拥有知识本身时，他们就从知识获取中征收垄断租金，尽管其收取费用的知识往往是经由一代代学者的集体努力、作为免费的共同资源而建立起来的——其中最重要的一类收费知识就是既有的学术成果。知识本质上就是公共财产这一事实没有阻碍资本家费尽心思试图将其变成可以拥有的东西。如果他们能想出办法，他们甚至会对《纯粹理性批判》的诠释收取版权费。 教育界也推动了商品化。教育商品化有着悠久的历史，填鸭式教学和应试教育是十九世纪牛津大学的特色。如今，我们发现测试商品性的内容比测试推理能力更简单，容易重复，也可能更公平。而这一事实也在教育的考试领域中，推动了考试本身的高度商品化。教科书的极端商品化已经与考试的固有压力相媲美，至少在过去40年中，在美国，教科书主要由出版商的营销部门设计，并且具有纯粹商品性质的组织形式。因此，即使是像美国这样幅员辽阔的国家里最优秀的学生，进入大学时也会觉得，在大学里学到的不是致知的技能，而是特定的实质内容。 因此，向「知识如商品」的逐渐转变，深深植根于经济体制、教育制度中，并日益植根于学生自身。这种逐渐转变最危险的方面是其自证正确的性质。由于前面提到的商品性知识的稳步增长，有一些授权的技术能够使早先知识生产的很大一部分自动化，其产生的知识根据早期的判断标准，可能只有以前八成或九成的水平。但是，自动化技术后来让世界充斥着二流的产品，人们开始相信，无论该技术产生的是什么，都是知识。想想 Wordles [4]。经由纯粹的生产过剩，新产品成为知识的理想类型，并且它与其他业已存在的判断尺度已失去了联系，基于原先的判断尺度，新产品实际上根本谈不上优秀。同样，预制的统计程序也是一个很好的例子。用途广泛的统计软件包，使对数学、假设和统计推断的有效性问题了解不多的人也能够写出文章，貌似在其中成功使用了非常精细的统计分析。事实上，结果通常是无稽之谈。这是我编辑《美国社会学杂志》15年的经验。但它们看起来像知识，因此不可避免地导致对知识概念的重新定义。大多数数字人文学研究（digital humanities）是这类学术徒劳的又一可悲教训，这类基于数据挖掘技术的研究，其稳定性远不及多元回归（multiple regression）的简单性。 2.4 致知活动的改变 现在让我来谈谈第四个方面，致知活动的变化。在讲述商品化的统计学时，我已经提到了我感兴趣的致知过程的第四个方面，即致知的活动。现在，我们大学的一年级学生让我对此感受最为清楚。因为我每年都要给一小班十八、十九岁的学生上社会思想入门课。这就是美国大学的做法，让获得杰出服务成就奖的教授教新生。请记住，我教的是世界上最好的大学之一，我们的本科生是在美国最好的学生之列。我在这些学生身上做过大量实验、民族志调查、以及问卷，以了解他们的知识实践。我下面所说的反映了这些过去十年中我在许多不同课程里做的工作。 很大程度上，大部分我教的学生认为，知道一些东西就是知道一个网址。他们致知的主要模式是去「寻找」（finding）。他们上网寻找知识的时间比在学校的时间要长得多。他们把阅读本身定义为一种寻找。也就是说，对他们来说，「阅读亚当·斯密」意味着寻找每一章中真正重要的五六个句子。他们不明白，亚当·斯密其余的句子都包含着论点和论据，他用这些论点和论据来产生并捍卫这些学生划重点的部分。对学生们来说，阅读只不过是在网络以外的地方浏览。它是一种过滤掉无关紧要的闲散部分、并找出真正重要事情的练习。他们根本不相信「其他所有的东西」都是必要的。他们实际上不相信思想。他们相信碎片化的内容。对他们而言，斯密的理论不是一个论证，而是固定的内容。 这种「知为寻找」的模式当然与「知识由商品构成」的观念有关，因为商品是可以找到的东西。一般来说，由于他们的「知为寻找」模式起源于童年早期，我们的学生想象，在那里有待于被找到的是事实、意义、零散的信息。无论他们寻求的是什么——对《傲慢与偏见》的解读、卡尔·马克思的思想，还是哥特式建筑的精髓，他们会将这些东西当作事实，当作商品。他们关于致知的理解不包括任何真正的论证（argument）。如果你直接问这些学生亚当·斯密的论证，他们会给你一个要点列表（我几次重复过这个试验，结果大致相同）。清单上的所有项目都是亚当·斯密说过的。列表上甚至会是亚当·斯密说过的重要内容，但是它们之间没有逻辑联系，因为学生并不真正把论证看成复杂的逻辑句法，他们把它当作一个清单。Powerpoint 教会了他们这一点。 现在，「知为寻找」和「论证如列表」的想法清楚地出现在这样一个事实中，即学生最初的智识体验是在互联网上。在那里，论证是贫乏的。众所周知，网络页面是以六年级语言水平为准优化的。媒介本身促成了「知为寻找」的观念，而列表是致知的主要架构。只要互联网仍然是孩子们最初的精神食粮，我们就可以预见到我们必须非常直白地教授他们话语推理的过程（discursive reasoning）。与我们不同，他们不会通过年少时阅读数万页散文，来被动地学习真正的思维技巧。他们实际上不怎么读书。 「知为寻找」和「论证如列表」的想法是更大模式的一部分。我们的孩子认为致知过程具有很强的算法性。这并不是因为他们真正了解梅特罗波利斯、豪斯霍尔德、或尼德曼-翁施算法[5]的本质。这是因为其他原因，诸如他们是使用计算器而非记忆乘法表长大的。也就是说，他们成长过程中，充斥着辅助思考的商品，而不是必须记住事情并自己思考。这种致知的算法模式意味着他们不知道另一种主要致知方式，我将称之为联想式致知（associative knowing），因为它涉及将事物彼此关联。要做到有效的联想式致知，你的头脑必须充满知识，与你看到的新事物联系起来：事实、概念、记忆和论证，它们像许多小钩子一样起作用，抓住你所面对的文本中的东西。阅读——也即某种我们或可称之为「图书／读者的技术」的东西——就假定了读者头脑中充满了这样的东西，而在互联网文本中它们是插入的超链接。 但是我们的学生不愿意背诵实际的知识，因为他们虔诚地相信，当他们需要时，他们可以找到任何东西。他们忘了，做到这一点还需要时间和搜索。这并不是说他们什么都不知道。恰恰相反，他们利用闲暇时间上网浏览，脑子里充斥着昙花一现的无用信息，其中大多数关于消费品，以及他们的朋友最近的行为、衣服和胡思乱想。他们刷新页面，换言之，他们迅速擦除那些记忆，并为此感到骄傲，这使他们觉得自己见多识广。因此，他们实际上并没准备好以联想式思维来思考。致知的整个大陆对他们来说简直是看不见的，因为他们自己没有准备好，或没有被强迫去掌握一个能内在产生超链接的整体。 有趣的是，年轻人偏好算法式致知而非联想式致知，与成年人致知的巨大变化相呼应。在政府，在商业界，甚至在数量惊人的学术界人士中，都有一种强烈的观念，认为基本上只有一种致知方式，也即或多或少属于现代科学的致知方式。当然，这一观念其实并不涉及在实验室里真的实践的那种科学，而是以柏西·布里奇曼（Percy Bridgmen）的操作主义（operationalism）、逻辑实证主义、莫里斯·科恩（Morris Cohen）和恩斯特·纳格尔（Ernst Nagel）的美国版科学哲学为代表的科学思维的僵化模仿。这在一定程度上解释了人文学者逐渐转向数字人文研究之愚蠢，那是对原则上不属于科学的知识形式采取科学的方法。 这种科学化的另一极好例证是经济学学科从对人类生产、消费和交换本质的一般而深刻的反思，向社会工程学（social engineering）的狭隘形式的转变，这种社会工程学不仅致力于发现或强行实施某种非常特殊的规律，而且每年还要把这些规律作为科学真理教给成千上万不设防的学生。粗略的估算告诉我们一个令人惊讶的事实：在美国每年大约有500至1000亿美元用于经济学教学。如果你去想想如今经济学在思想上的真正卓越之处，就问问自己约瑟夫·熊彼特是否能在现在的经济学系找到一份工作。我问过的每个经济学家都说他不能。他们中的大多数人很诚实，承认这是思想危机的征兆。 现在，这种一招通用（one-size-fits-all）的知识处理方式，很大程度是因为政府评估福利国家成败的任务所使用的社会科学只手遮天。这类任务把社会科学本身推向狭隘的操作主义。同样重要的是人文学科的自杀，至少在美国，这种自杀在很大程度上已经从对人类文化本质的广泛探究，堕落为善意但常常是愚蠢的身份认同政治的热心主张。这种政治本身就是一种幼稚的过分简化的思想结构，几十年前就被社会科学抛弃了。 向「一招通用」的致知方式投降的终极标志是Google作为主要学术网站的出现。有趣的是，Google项目出现得比互联网早得多。早在1920年代，世界图书馆界的领导人就已经构思了一个具有总索引系统的通用图书馆的概念。今天Google的核心理念就是这样。二十世纪的美国学者完全拒绝了这个概念，而是去追求一种具有高度特殊性和联想性的索引体系，根据贝叶斯理论（Bayesian theory），我们现在知道这一体系其实比其他图书馆员和 Google 的索引更加有用，而且事实上在数学上更加现代。同样的事情也发生在1870年代作为学术工具出现的关键词索引上（keyword indexes）。几年前我写的一篇文章显示，关键词索引对学术没有任何影响[6] 。近年来，新技术又把这个愚蠢项目带了回来，它把所有的知识都倒进一个大垃圾桶中，然后提供站不住脚的索引，用它来从中搜寻结果。当然，这还算从二十世纪中叶以来强大的主题索引出发迈了一大步，而我们学术成果质量的下降表明了其结果。 这是我想指出的致知的前两个趋势：其一，我们的年轻人正在向一种特定且有限的算法式致知形式转变，其二，在他们的长辈中逐渐占据主导地位的是「一招通用」的科学致知的观念。我想说的第三个趋势已经初露端倪，也即并非由我们、而是由机器来完成致知的现象显著增加。因此，我必须说一些关于计算机的基本情况。我首先要向你们保证，我对计算机既不是新手，也不是反对者。1960年，我12岁的时候，在父亲的指导下做了一台简单的硬连线计算机。我在1967年18岁时学习了 Fortran。35年前，早在 Google 存在之前，我就开始将字符搜索算法应用于社会数据。 下面是一些基本事实。现代计算确实具有巨大的能力。现在可以肯定，伟大的现代算法的理论基础已出现不少年了。它们可以追溯到1940年代。但是我们现在有了机器以惊人的规模应用这些方法。在我看来，有两个应用特别突出：一是蒙特卡洛（Monte Carlo）革命，它使我们能够非常详尽地模拟大系统，并估算以前难以处理的贝叶斯函数形式；二是搜索革命，它使我们能够在极度嘈杂或稀疏的空间中发现非常微弱的信号。我在这两个领域都发表了文章，也非常欣赏这些革命。 但是计算机并不擅长于想象，它们的力量在眼前，甚至也可以说在行动力，它主要依靠蛮力技术，而不是想象力。计算机也不善于具有人类思维特征的联想式知识，它们没有在思维中运用情感，奇怪的是，这有可能会犯致命错误。但是，计算机的成功正在产生一种高度规则的商品化的「知识」，而且倾向于把我们对致知的理解推向计算机最擅长的那几类致知：基于概率的模拟和搜索，基于迭代规则，又与决定性位置上的随机化紧密相连。重复我之前用过的一个例子，许多人文学者期望从数字人文研究中得到伟大的东西。然而，从学者们用计算方法发现柏拉图《对话录》的写作顺序到现在已经40多年了，而托马斯·阿奎那的作品被关键词索引也已经60多年了。这些「发现」都没有对学者的学术研究和对柏拉图和圣托马斯的反思产生丝毫影响。因为用数字方法可以发现的关于它们的各种东西对于我们正确理解的人文学研究没有真正的吸引力。我们不在乎柏拉图以什么顺序写对话录。我们关心的是其中的意思。计算机不会告诉我们这些。 致知的最后一个、也许是最重要的变化是话语性的、线性有序（discursive, linearly-ordered）的致知行为作为一种实践的衰落。这种变化有两个原因，两者今晚都已经谈到了：第一是转向群体性致知和社会性致知者，而这一趋势是以口头或会话的形式形成的。我们的学生花大量的时间来交谈，即使是在他们认为自己在学习的时候。甚至在严肃的学者中，我们发现博客本质上也就是走廊里的对话。我自己经常在走廊里聊天，但我不会把这当成是认真的研究。然而，我的许多年轻同事投入相当长的时间来广播走廊里的喋喋不休，他们的学术工作不可避免地呈现出类似的品质。 现在也许还不算太糟。毕竟，口头表达是思维这种内在对话的基础。更糟糕的是向视觉致知的转变。这是一个由来已久的变化。插图随着十九世纪印刷形式的发展变得越来越重要，从十九世纪初不加插图的精英评论，到中产阶级爱读的摆在三层架子上卖的、有多幅插图的小说，到廉价小说和新闻画报。而后来二十世纪又带来了电影，只需要看一部根据优秀的十九世纪经典小说改编的电影，就能体会到这种艺术形式所具力量的衰落。电影本身有许多优点，但是这些优点主要是视觉上的，而不是理论上的。《安娜·卡列尼娜》中的道德判断、个人冲突和社会结构的微妙复杂性，消失在将其作为电影观看的几小时肤浅的体验中，而花几星期时间阅读小说则能沉浸于其微观细节中。 电影之后当然还有电视和互联网。毫无疑问这些都是了不起的、非凡的交流形式，它们使某种即时性成为可能，而以前却不可能做到。但尽管有爱德华·塔夫特（Edward Tufte）的研究[7] ，视觉再现也并不能有效传达高度复杂的思想，我们不会试图用纯粹的视觉命题来证明微积分基本定理，就像我们不会不用语言来表达哈姆雷特所面临的道德两难一样。视觉致知并不是像话语致知那样的智识工具。这就是事实。[8] 那么让我总结一下我认为在致知方面正在发生的主要变化。我们从孩子和学生身上看到的，是一种强有力的转变：转向社会性致知、「知为寻找」、以算法为致知，日益远离以手艺人独自工作的方式致知、以联想为致知、以话语论证为致知。更广泛地说，巨大的转变首先是向基于计算机的致知过程的转变，它典型的强项是搜索和模拟，同时强调通过算法的例行程序进行思考，而不是通过关联的网络。第二，向基于半个多世纪前受到坚决抗拒的科学模式，也即「一招通用」的致知模式的转变。第三，我们向着将致知理解为索引和搜索的模式发展，但是我们现在的处境是拥有比以往数量大得多的材料和弱得多的索引。第四，也是最后一点，远离只有经过精心构思和编辑的散文或形式化的象征性再现（formal...