勒溫場論的結構與原理

我們未來生存于“人-機-物”三元數據空間，核心概念是數據場。下一代人工智能正在經歷“場論轉向”。場論最初興起于物理學，解釋的是“物”的場；我們還需要從社會科學角度研究場是什么，解釋“人”的場。合在一起，才能形成一個完整的“人-機-物”理論。從某種意義上說，場論就是我們未來的生存論。本文將深入介紹現代社會心理學、組織心理學和應用心理學的創始人Kurt Lewin（譯作庫爾特·勒溫或庫爾特·盧因）在《社會科學中的場論》[1]中所揭示的場論的結構與原理。

一、結合物理與人文：對數據場論的定位

有沒有辦法把物理場和社會場打通，對數據進行場論解釋？這就是下面要討論的問題。從場域出發理解人工智能，有助于從頂層概念上突破還原論的主客二元對立，從而跳出美國當紅的計算主義的思路。

計算主義是什么？強調物而不強調人，優點是速度快，這一方面美國人一路絕塵，別人甘拜下風。但美國人的計算主義出現問題的時候，我們應該怎么辦？要不要留個心眼？比如，要不要補谷歌的思維方式的欠缺。這個思維方式以看待物的方式看待數據，而數據是物與人的結合，這里缺了人的視角。

物理學和AI其實在本質上是不同學科。物理學是自然科學，但AI中的兩個學科都已經拒絕承認自己是自然科學了，一個是網絡科學，另一個是數據科學。既不是自然科學，也不是社會科學，而是第三種科學，要求把自然科學的范式與社會科學的范式融為一體。

這就有了本項研究的問題意識：如何將自然科學的場論與社會科學的場論融為一體，指導數據的科學基礎？

下一代中國數據空間發展戰略，核心概念是“數據場”。數據場，最初是從數學上定義的，現在要從其自然科學內涵中引申出社會科學的內涵。

新的概念是“數據要素場”，在媒體上被稱為“流通基礎設施”，這是當前提出的一個新概念。

“數據場”要求把粒子和粒子向其他對象的輻射在場域中共同計算。圖論中的“圖”實際也是一個場，要求把點和邊聯合計算，變成鄰接矩陣，可以認為“圖”是“場”的前身。

場論有一個比圖論更到位的地方，就是把“勢”這個概念引進來了，不僅涉及波函數，還有勢函數。這個概念非常重要。在矢量的數學里，經常圍繞勢函數來研究問題，要研究這個“勢”在方向之中變來變去的規律。“勢”要變，通過方向轉化，形式化“變”這種獨有要素。

在勒溫的“場”的定義中，所有行為（包括行動、思考、愿望、努力、評價、實現等）都被視為場在給定時間單位內的某種狀態的變化。這個狀態就是being，而being的變化就是becoming。牟宗三曾把東西方哲學的概念最終還原到being和becoming這個根本上來。勢就是becoming的動態，勒溫由此把場的問題變成了一個勢力場（power field）的問題，來研究整個社會中主體不同于客體的作用力。

這個思想其實來自萊布尼茨。雖然萊布尼茨生活在人工智能概念尚未出現的時代，但他的二進制系統、邏輯演算、通用符號語言以及對機械化推理的設想，為后來的計算機科學和人工智能奠定了重要的理論和哲學基礎?？梢哉f，萊布尼茨的思想是人工智能早期發展的重要思想源泉之一。萊布尼茨曾指出，“一切實體中都有一種力”，這種力一旦成為活力，就不再只是客體，不再只是死的物質，而是“隱德來?！盵2]。人的物質（肉身）里的活力是哪來的？過去都認為是上帝創造的。但是，盡管萊布尼茨是相信上帝的，他還是說“一切實體中都有一種力”，其實已經帶有特別含義了。這和笛卡爾略微有點不一樣，笛卡爾是心物二元論，而萊布尼茨傾向于“物”里面有新的可帶來活力的種子。

萊布尼茨認為，“在自然中除了廣延這個概念之外，還得用‘力’這個概念”[3]。于是，第一次有了在空間里把“力”這個概念加入進去，是動態的概念，用中國古代的理解就是周易的易（becoming），要把“易”闡釋為生生之德。生生之德就已經不是簡單的“關系”（如圖論中的邊）了，而是還有新陳代謝、涌現生成、適應和創新這些活的動態的東西。

萊布尼茨認為：“這種力使物質能夠活動并且能夠抵抗，而所謂‘力’（force）或‘力量’（puissance），我并不認為就是能力（le pouvoir）或單純的機能（la faculté），后者只是一種能夠活動的直接可能性，并且跟死的東西一樣決不能不受外來的刺激而產生行動，而我是認為力是介于能力與行動之間的東西，包含著一種努力、一種作為、一種‘隱德來?！??！盵3]他把力和能力、機能這些東西聯系在一起考慮，實際上在研究“隱德來?！钡降资鞘裁?。

萊布尼茨把這個力理解為“隱德來希”，就是能推動死的東西活動起來的最后的那個東西。這是他的精神導師帕斯卡爾給他指引的使命——把死系統與活系統給嫁接起來。不能像圖靈那么蒙事，不能說只要別人辨認不出來是死的東西，它就是活的東西，必須要真的找到活的東西的源頭是什么，而這個東西到了今天就變成與計算力相對的判斷力了。判斷力背后有“隱德來希”，而計算力背后沒有“隱德來?！薄Ｓ嬎懔Ρ澈笾挥须?，但電是沒有靈魂的。這就是谷歌主導的計算主義的根本缺失所在。

當代人工智能這么聰明的學問，為什么從更高的頂層范式來看傻傻的？實際上初始設定有偏離。人工智能對智慧的理解是不全面的，過度夸大了人的認知能力。而認知和實踐是兩個相反的作用過程，共同構成智慧。人工智能頂層沒有實踐概念（如沒有意向性、動機、好惡的位置），所以表象上顯示出的是沒有價值判斷力，說明其底層范式是心物二元、知行分裂的。放在哲學中，都屬于不合格產品，通不過哲學系考試的。

對比王陽明，王陽明認為知行是合一的。所有的人工智能都是強調認知，把認知極大地夸張了，但是卻把實踐的價值極度貶低。

實踐里包含著“勢”的概念，就是被人工智能整體算漏的東西。在谷歌的算法里沒有“隱德來?！?，沒有關于動力系統的描述，整個知識結構里沒有尼采和叔本華的影子。至于說其模仿情感不到位，那都是表面現象。當然尼采和叔本華又偏到另一方面去，否定了認知與計算，走了極端，那是另一回事。

按照萊布尼茨的說法，“因為‘力’只要不受什么阻礙，本身就會過渡到行動”，這很好地解釋了從物理系統到社會系統的過渡。萊布尼茨那個時候對人工智能的認識水平其實比現在高，雖然技術水平遠遠低于現在，但是智慧水平高。

在這一點上，人工智能方向上的代表人物是帕斯卡爾與圖靈。前者的人工智能觀是主客體結合的，主張“計算+判斷”（偏向主體判斷）；后者的人工智能觀是純客體的，強調“計算”（基本無視判斷）。

勒溫關于“場”的立場也是主客統一的。他反對純客體主義的SR，即刺激-反應理論（stimulus-response），典型的就是后來出現的巴甫洛夫學說。勒溫等于在巴甫洛夫學說出現之前就給了其致命一擊，指出其問題在于把人理解為物了，把高等動物解為低等動物。這一點是其致命的東西。把人身上和狗不一樣的東西，給還原成狗的水平（條件反射）了，能用尼采的理論去指導一只狗嗎？

勒溫的“場”的公式是B=f（P，E）（P-人，E-環境，B-行為）。我國心理學家、教育家高覺敷曾指出勒溫有反笛卡爾傾向。笛卡爾認為物質為無靈魂而占有空間的實體，靈魂有靈但是不占空間。而勒溫是把占有空間的物質和不占有空間的靈魂建立了一個統一場[4]，這個思路在今天看來仍然十分先進。

二、對場的量化：追問矢量的本質

場怎么量化？現在已知數據場是用勢函數來量化的，勒溫用的數學雖然很簡單，但他已有了明確意識，用矢量來表示勢。人們常說他的心理學是向量心理學（向量即矢量），他把“向量”這概念引入到場論里面。勒溫1944年寫作的Constructs in Field Theory[1]（譯作場論的構造）里就開始討論量化問題，相當于對勢力場進行結構化定量，就是格式塔。他引領了世界的格式塔的這種結構方法的發展。

勒溫的格式塔結構是由“邊”和“勢”兩方面構成的。人工智能有計算能力，沒有判斷力。判斷力實際上是一種實踐行為，勢就是實踐的量化特征。主體發出意向以后，在客體有兩種相反的反應，被肯定了就是高興，被否定就是不高興。也就是說，幸福、不幸福這些都屬于實踐行為。而這么簡單的問題，卻成為現在人工智能的盲區。因為其把智能放在太低級別來處理了，只是硅基的條件反射，而沒在頂層給人不同于條件反射的那一面（如自由意志）開個“戶口”。

在歷史上關于標量問題一直有爭論，一直到笛卡爾那個時代把力分成兩種，一種沒有方向，一種有方向。前者沒有方向，對應標量，就是心物二元論里的“物”；后者是矢量，是靈魂作用的結果，靈魂的作用就是改變運動的方向，是不確定量，也就是“心”作用于“物”，使得“物”發生隨意的、方向不定的變化。

張道子認為“矢量是標量的動力”，代表著向某種方向變化的運動過程，“標量的本質是粒子性，而矢量的本質是波動性”?！芭c粒子有關的量是標量?！薄皹肆康闹匾卣魇橇Ｗ有?、實體性?！倍c波有關的量自然是矢量。“與波動有關的量是矢量?！薄笆噶渴且环N既有大小，又有方向的量，又稱為向量?！薄安▌邮窍鄬α?、可變量，也就是量子力學所說的不確定量。”他認為應該改變現在量子力學里關于矢量的描述。

當然，僅僅靠矢量來形式化“勢”還是不夠的。在數據場理論中，人們通過波函數、勢函數，包括等勢線等方法，形式化場的動態特征。

三、勒溫場論的結構與原理

（一）九要素的三層結構

勒溫的“場”有9個要素（圖1），他分別對這9個要素進行了描述。

最表層是“位置”，比如點和邊構成一種結構，他認為“波”應該用結構來表述，而“波”和“?！钡慕Y合就構成了活動，死的系統就開始發生了活動。第一個層次其實既適用于物理學，也適用于社會學，但是后兩個就開始強調社會不同于物理的地方。

第二部分實際上是對力量的描述。他把力量分成了作為狀態（being）的力量（power）和作為活動的力量（效力）。力在動靜之間會發生很多沖突。他直接用的“沖突”。實際上他的描述是說，沖突本身也會達到平衡，在現實中，算力調整存在資源沖突，通過算力協調要達到算力平衡。

第三個層面是主體層面。只有人有，而物理學里是沒有的，也就是意義。物理不存在意義。我們現在說要有價值判斷，背后的本體就是意義。勒溫把意義分成目標價值、靜態價值，比如貨幣的價值。他所說的價值可以理解為是貨幣能不能引發快樂。有錢快樂是一種情況，有錢不快樂是另一種情況。有錢不快樂就沒有價值。他是說目標是靜態價值、潛在價值，而“價值”特指實現出來的價值。二者之間的反饋、校正，是場域所要把握的活動。

一個行為作用于外界可能順心，也可能不順心。順心的時候有一種反應，不順心的時候有另外一種反應。這是社會系統和簡單的物理相互作用不一樣的。因為這里面有人的意向性與主觀能動性在起作用，而這一點是人工智能框架中突出的薄弱環節。

（二）九要素的分別含義

勒溫提出了九個變量。

第一個是位置（position）。position中“s”后邊的“i”刪除了，變成了postion。這兩個都是“位置”的意思，但是我查了原文，勒溫用的就是position。去掉“i”以后是職位，是空間位置。這兩個是略有區別的。勒溫所說的這個位置，是區域之間的空間關系，比如說人的歸屬、活動、參與等。

第二個是活動能力（locomotion），指的是“不同時間的位置關系”。實際上勒溫所說的活動能力不是把握兩個點的靜態關系，而是兩個點之間的位置關系。比如存儲要變成算力，就出現這個問題了。算力如果做負載平衡，是要從不需要的地方轉移到需要的地方。那么“數據場”里就存在傳輸能力、交易和流通的能力，這些現在是用數據全生命周期的說法，所以我們不斷地在提交易、流通、應用等，都是在講這個“流”的過程。

第三個是結構（structure）。這個說的是什么？比如相互關系里的非中心結構和中心結構。我在《網絡經濟》這本書里直接用結構來解析，就是農業經濟都是隨機網絡結構，工業經濟的本質在數學上是規則網絡結構，而未來是把規則結構與隨機結構結合起來，既有規律性又沒有規律性，既確定又不確定。最典型的就是小世界網絡、冪律網絡，都是有規則和沒有規則的雜交。太有規則就死了，太沒規矩就亂了，實際上是一種雜交狀態。

第四個就是力（force）。翻譯成“效力”，也可以直譯成“迫力”，其實勒溫的描述就是運動景象，就是帶有矢量、有方向性的力，或者說這個力要起作用。也就是說，從to be轉向to do，這樣帶來變異、行為，即把“物”變成“事”。日本的廣松涉就有這個觀念，即回到事物本身。舊世界都是按照“物”來看待世界，而沒有考慮“事”是什么。人作用于物，稱為“事”，也就是人作用于“物”以后變成了“事物”。應該用“事物”的觀點來看人工智能，而不是用“物”的觀點來看人工智能。因為單純用“物”的思路來計算，最大的缺失就是判斷力突然成了無根浮萍。

比如算力，建立一個強大的算力以后，不在應用里使用是一種狀態，而在應用里使用又是另一種狀態?，F在的情況是大量的數據都沉淀在存儲設備里，而不是調入內存以供實際使用。這時候空有強大的算力，卻沒有產生作用。

美國人工智能設計的這套系統有缺陷，因為是面向power做的整個計算架構，而不是面向效力。他認為效力應該歸誰管？交給市場，誰都不要干預，就自動解決了。但中國不是這個情況，所以中國現在提出這個問題是有原因的。

第五個是目標（goal）。這是第三個層次，就是只有主體有，而客體絕無的。首先，這個目標帶有意向性，人的行為是有手段和目標的。這個目標對應人的價值。這個目標可能是意義，也可能是價值、權力等。

達到目標，在面向領域設計（domain-driven design，DDD）的時候，是以領域的形式出現的（all forces point toward the same region）。這里用的也是force，朝向一個共同的領域。這就變成了在軟件設計里強調目標很重要，要解決到底要干什么的問題。

六是沖突（conflict）。手段反過來欺負主人，就會引發沖突，比如哪天人工智能一高興把人毀滅了。這就會帶來很大的問題，就是作用力和效力之間老會發生不平衡，表現在社會生活中，就是權力能不能發揮正常效力。這兩個之間的平衡是“場”所要做的。比如在現實中，算力需要調動平衡，這是原來的數字基礎設施不太考慮的。

七是判斷（time perspective），或意譯為反饋，實際上是價值和目標價值之間的校正。一個意向性釋放出去以后不如愿，馬上就要根據目標來調整，讓手段和目標一致。

八是權力（power）?，F在一般人都把“力場”譯成“勢力場”了，這一點我覺得以后需要翻譯界重新考慮。

九是價值（values），實際上是指對行為得失的判斷。行為得失的判斷是人工智能的盲區。

勒溫強調了把主體內生在場論框架中，加上目標、價值和反饋來管理。首先，強調目標，這是社會場不同于物理場的地方；其次，強調價值，實際是指價值實現。把這個加進去以后，當對AI進行整體考慮的時候，這有可能成為一個重要的維度。

如果通盤考慮，把這九個要素分成三個層次，就是對其進行解構。

四、對勒溫場論的結構化透視

結構化了以后，場實際上有三個層次（圖2）。第一個是廊道層，相當于基礎設施層。廊道層這個概念是城市空間概念。城市空間都是由通道構成的一個聯系體。第二個是功能層。城市不僅是公共汽車跑的地方，還是人們生活的地方，這體現了目標、價值，以及二者之間的反饋。第三個是能力層。勒溫的理論其實比城市空間理論包括卡斯特理論以及后邊的理論還先進。他指出，在客體和主體之間實際上是通過能力來進行勾連的，而這個能力既體現了物質的相互作用力，也體現了人的權力關系。

這是橫向分類——廊道、能力、功能，然后是縱向分類——粒、波、場（二象性）。我們就可以看出來了，中國下一代到底要干什么？有可能美國現在還沒有意識到，他們現在是單純技術路線，就是我們所說的“數字基礎設施”的含義，強調軟硬件，強調投入。而真正加進去的東西就是“波”，位置變成了一種力波，生生之德以后產生的一種波的狀態，權力變成一種動態權力，目標則變成了一種與場景結合、與最終用戶結合的一種價值體系。

最后用三種活動把“場”理解為是活動空間，而不是物質空間，這樣就避免我們只是建設一個客體，最后拿來沒有用，要解決的是這樣的一個問題。

如果橫向分類可以分成客體、主體和主客體相互作用，這樣比現有的人工智能框架可能最重大的一個改變，就是多了一個能力層。這個能力層把計算力從一種靜態的計算力理解為一種動態的，就是把涌現生成給嵌入進去了。

如果縱向來看，實際上是把“場”理解為波粒二象性，第一類具有“?！钡奶匦裕诙惥哂小安ā钡奶匦?，第三類具有“場”的特性。舉個例子來說，如果從“?！钡慕嵌壤斫饣ヂ摼W，互聯網就是節點之間的連接，強調的是節點。比如這個節點必須得賦權，你是你、我是我，絕不允許我中有你、你中有我。但是從結構觀點來看就不一樣了，結構說的是波，而波是活的過程，A點和B點都不重要，如果合作就有可能產生1+1gt;2的結果。

由此，這個把二者統一起來建立的基礎設施才是“場”的概念。

這樣去看數據空間，就把未來高度簡化了。人經過了三個空間，第一個是農業空間，第二個是工業空間，第三個是數據空間。最主要的在于數據空間是由場構成的。

哥倫布發現新大陸到底為什么？新大陸的社會空間本質是什么？新大陸的本質是貨幣，也就是他找出了一種確定性空間，無論是價值確定性還是基礎設施的確定性，總而言之，是要建立心物二元，把心從空間中驅趕出去以后，是一個物質空間。

我們下一步的文化發展方向，有可能在技術的偶然驅動之下，朝著“流空間”方向演進。少數西方人也有這個觀點，如赫拉克利特的“一切皆流”。場要的是什么？要的是生生之德，一個是適應，另一個是創新。所以，在未來的價值表里，就是適應千變萬化以及主動創新，這將成為下一代人類的最主要的生存法則。

有了這個結構以后，再來看現在到底想強調什么。除了權利屬性，比如數據既要確權，還要非確權。為什么要非確權？當數據處于流動的時候，有的東西可以確權，比如可以像專利和品牌一樣，把無形資產有形化加以估值，但絕大部分可以說90%以上的都不能有形化，確權反而使交易量直線下降。

但是，對于無形資產，就是不斷地流動、變異、生成、毀滅、過期作廢的這種“流”，無論從技術角度還是從制度的角度，到底有沒有一種系統方法來把握它？所以，這時候就提出了“流”和“結構”。數據空間的創新在于，用一種流動的基礎設施來代替把流動的事物進行固化、靜態化的做法，如有形化。這好比不是把流動的河水先凍成冰塊再處理，而是用河這種流動基礎設施讓河水在流動的狀態發揮作用，如載舟、游泳。

這個流和結構對應的就是算力。算力不是說堆積的計算能力越多越好，而是要和效果掛鉤。算力與效果不掛鉤的，肯定要抑制其消耗，比如投資要減少。

勒溫社會科學的場論理念十分先進，從人工智能時代來看，仍然具有引領作用。這一理論框架在大的方面與數據空間的架構十分吻合。一方面，數據空間強調人機物三元空間，是主體作用于客體以數據為中介形成的活動空間。這與客體（物質）-能力（能量）-主體（信息）的三層架構不謀而合。另一方面，數據空間強調狀態、變化過程、場域的統一性，也與數據場的邏輯暗合。

《社會科學中的場論》這本書唯一不足的是沒有中譯本，希望盡快有人把它翻譯過來。

參考文獻：

[1]庫爾特·盧因.社會科學中的場論（英文版）[M].北京：中國傳媒大學出版社，2016.

[2]萊布尼茨.萊布尼茨后期形而上學文集[M].段德智，陳修齋，譯.北京：商務印書館，2019.

[3]萊布尼茨.新系統及其說明[M].陳修齋，譯.北京：商務印書館，2002.

[4]庫爾特·勒溫.拓撲心理學原理[M].高覺敷，譯.北京：商務印書館，2004.

作者簡介：于小麗，博士后研究生，himmmel@163.com，研究方向：數字經濟分配制度、國民經濟學；姜奇平，研究員，研究方向：數量經濟與技術經濟、互聯網產業經濟。