► 背景：
这是'模型观'的第六篇内容，对于我个人很有意义，其一为'模型观'奠定了认识的理论基础 - 辩证唯物主义反映论，其二明确了研究'模型观'的目的，即人的认识需要三种模型观念。
认识论 和 认识范式
1. 认识论（认识论理论的发展）
认识论是哲学的分支，是研究知识的性质，来源与合理性的理论。它讨论的问题有：知识是什么？知识如何产生？如何证明其正确？
认识论的理论，包括：经验主义，观念主义，朴素现实主义，理性主义，具象主义和客观主义等。其中主要以西方近代哲学的经验论和唯理论之争为例，他们对于认识的起源和本质存在根本分歧：
唯理论的笛卡尔从'普遍怀疑'出发，提出'天赋观念'，以此出发经过逻辑推理进而获得具有普遍性的知识。
经验论的洛克反驳'天赋观念'，人类不可能察觉任何天赋观念，人类所有的知识都建立在经验基础之上。
康德通过'先验自我'克服了两者的对立，在主客体关系上，把认识论归结为独立于客观的人的主观行为。
黑格尔将本体论，认识论与逻辑学统一起来，认识到人的认识是一个发展过程，同时呈现着客观世界的辩证法。
马克思将实践引入认识论，把辩证法应用于反映论，创立了能动的，创造性的反映。
列宁在集中批判经验主义的基础上，阐述了马克思主义的唯物主义反映论的认识论原理，为马克思主义'哲学基本问题'奠定了认识论基础。
为什么要在讨论'模型观'时，回到认识论？
其一，在以往的'模型观'内容中，我所提出的：'知识模型 + 能力模型 + 素质模型，以及知识转化为能力，经验转化为知识' 的内容，并没有理论基础。
研究经验-知识-能力模型的过程，即科学研究的模式，其理论基础是辩证唯物主义的反映论。是经过了洛克，笛卡尔，康德，黑格尔，马克思和列宁等众多思想伟人不断冲突，不断综合后的认识论理论成果。
其二，在以往讨论'大数据与认识论'的内容中，我曾将经验主义和证实主义应用在数据驱动的认识范式中，这是知其然不知其所以然，是不严谨的思考，是不对的。
对认识论中经验主义的理解，明确了我对大数据认识范式与经验的关系，即经验 ≠ 经验主义，后者是认识论历史时代的理论，特指洛克的经验主义。
而大数据认识范式中的数据确实来源实践中的经验，但不等于大数据认识范式 = 经验主义，我犯了'主义论'的思想错误。
2. 认识范式（实验科学，理论科学，模拟仿真，数据计算）
图灵奖得主Gary把人类的科学研究模型归纳为四种范式：
第一范式：实验科学，通过基于实践或经验的观察来完成对自然现象描述的研究；
第二范式：理论科学，对自然现象背后隐藏的模式和规律进行抽象，通过数学模型来刻画。
第三范式：模拟仿真，通过搭建计算系统去模拟复杂客观世界，从仿真系统中观察各种因素的变化，再指导客观物理世界的改造。
第四范式：数据密集计算，通过记录海量数据，从数据出发，挖掘其结构，模式和规律等知识。
其一，大数据对认识论重要的意义是，使得认识范式发生了改变，即第四范式。要注意的是使得第三 第四认识范式发生质变的主要因素是科学技术，前者是计算机技术，后者是大数据技术。
其二，对于认识的四种范式的应用，我后面采用的具体方法是将前三种认识范式定义为传统认识范式，第三四认识范式定义为大数据认识范式。这里要注意的是第三范式在两者中交叉存在。
其三，对于第三范式-模拟仿真的认识，在《科学研究方法论》中对应的是方法论体系中的第三层的计算机方法（模拟，模型，仿真，计算机实验等）这里也建立了认识范式与科学研究方法之间的关系。
三种认识模型观
1. 模型观1：'经验 - 知识 - 能力' 模型
以上是我在'陆奇的大模型观'启发下，关于'模型观'的一系列思考，主要包括了知识+能力+素质的模型框架，以及理论框架内要素的动态转化过程。
从第一部分的认识论，可以发现这些内容分析的理论依据是唯物主义反映论的认识论，即人的认识并不是客观现实作用于人脑的消极，被动的产物，而是人与客观世界相互作用的实践过程中产生的。
在辩证唯物主义的反映论的基础上，人在客观世界实践过程中，直接或间接获得经验，经过大脑的非逻辑或逻辑思维的训练，总结出范畴，原理，规律或方法论，最终形成体系化的科学理论知识，用于再次指导实践。
其中科学理论知识形成的过程中，大量的知识或能力模型被归纳出来，例如：
通用模型有：5W2H，5Why，同心圆模型，MECE模型，金字塔结构模型等；
专业领域的模型有：PEST分析模型，五力模型，STP分析模型，PDCA模型和SWOT模型等。
2. '数据 - 算法 - 行为' 模型
随着互联网的发展，人们开始意识到大数据对于认识论的发展意义，也就有了以上'四种认识范式'的定义。在我以往的内容中，将第一二三范式定义为传统认识范式，将第四范式定义为大数据认识范式。
两种认识范式的内容对比，主要包括：理论依据，驱动力，以及要素关系。
其一，理性主义与经验主义
传统认识范式属于理性主义，大数据认识范式属于经验主义，唯物主义靠原则办事，经验主义靠事实办事。
将大数据认识范式的理论依据归根于经验主义的认识论，是我从大数据应用-推荐引擎的实现原理中启发的，推荐引擎并不依赖运营人员的理论知识，而是直接通过分析用户的行为数据，加上算法和模型实现的。
我将互动行为数据 = 经验，这一点并不准确，但有存在的合理性解释，经验是人类与客观世界的互动的结果，经验后可以得到信息或数据，信息可以应到传统认识中，数据也可以应用到大数据认识中，所以说，大数据认识的起源也是经验，是合理的。
其二，理论驱动与数据驱动
认识也是一种运动，人类在自然世界中实践的运动，既然是运动就一定存在动力系统中的驱动力，传统认识范式是理论驱动，大数据认识范式是数据驱动。
例如，传统电商的产品运营主要是理论驱动，包括：商品活动策略中需要的知识 - 活动策略，运营策略等，其中包含了分析和综合，归纳和演绎等思维。
抖音的内容运营主要是数据驱动，包括：用户主动搜索数据，被动推荐后用户的行为数据-点赞，评论或转发的数据，经过基于用户推荐或内容推荐等算法，来达到运营的目的。
其三，因果关系与相关关系
传统认识中因果关系＞相关关系，大数据认识中相关关系＞因果关系，甚至可以说，大数据认识范式中，相关关系几乎替代了因果关系。
例如，抖音的推荐引擎中，基于用户的协同过滤推荐依赖的是用户与用户之间消费内容的相关性，基于内容的协同过滤推荐依赖的是用户消费的不同内容之间的相关性。其中并不会考虑用户或内容之间是否存在可以被明确解释或说明的关系。
3. '数据驱动与知识引导' 双轮驱动模型
认识的过程真奇妙，即使是在认识 - 认识论的过程中，我关于'模型观'的启发是陆奇先生的大模式世界观，而他的这个观念是来自ChatGPT等人工智能模型的启发。
在'模型观'分析过程中，我的侧重方向竟然在不知觉中转移到了传统认识范式中的经验，知识和能力模型中，偏离了大数据认识范式，这一点当时我是没有察觉的，虽然大数据与认识论的关系，我一直有所重视，但没有参与到'模型观'中。
直到看到《数据驱动与知识引导结合下的人工智能算法模型》这篇论文，我终于明确了传统认识中的'经验-知识-能力'模型，与大数据认识中的'经验-数据-算法'模型，两者的关系。
以及两者的综合应用，即论文的重要论点 - 将数据驱动与知识引导结合 = 传统认识范式和大数据认识范式结合，形成双驱动的认识范式。
在《人的模型 VS 人工智能模型》中，我曾经与两者的关系很近，也已经放在了一起，但是很可惜的是我只建立了'对立关系'，而忽视了'结合关系'，几乎错失了这种关系的重要性。
因为我无法从一系列'模型观'的内容分析中，给出一个合理的，准确的，正确的模型观的建议，这篇内容重新将我拉回了正确的路径上。
'数据驱动与知识引导' 双轮驱动模型：
作者的观点是人工智能的算法模型，最终是数据驱动 + 知识引导，这与OpenAI 的Sam的最新观点是一致的，他为认为人工智能的聪明升级不能单纯的依赖模型了，而是需要加上领域知识专家的建议。
我们对面人工智能的发展，所需要接受或坚持的想法是什么？
其实就是我们面对大数据认识范式和传统认识范式的态度，不能单纯的将两者对立，做出舍谁要谁的选择，而是应该结合两者，做到拥有'知识+数据的双驱动模式'。
说大白话就是，我们既要懂MECE模型，金字塔结构模型等，还要懂神经网络模型，大语言模型等，我们既要能从经验中经过思维得出规律，还要能从数据中经过算法得出规律。
读书是与读者的对话
思考是与自己的对话
(我的wx：bxc625)
联系客服
