被遗忘的计算机先知：艾达·洛芙莱斯与被忽略的未来

发表评论 / 科技漫谈 / 作者：

一位“机器尚未诞生”前的女性预言者: 1843年，在距离第一台电子计算机诞生还有一个世纪之时，一位年仅二十多岁的英国女性数学家，发表了一篇后来被誉为“世界上第一段计算机程序”的笔记。

她的名字叫艾达·洛芙莱斯（Ada Lovelace）。

她不是孤立地写下一段程序代码，而是以译者身份，将意大利数学家梅纳布雷（Menabrea）关于查尔斯·巴贝奇（Charles Babbage）提出的“分析机”的论文译为英文，并附上了比原文还长三倍的“译者注”。在这些注释中，她设计了一个利用分析机计算伯努利数的算法，也首次提出：这台机器不仅能处理数字，还能处理“概念”。

她写道：

“分析机处理代数符号的方式，正如雅卡尔织机编织花卉和图案。”

在这个比喻中，洛芙莱斯隐约预见了一个计算将不仅属于数学领域，而是延展至音乐、图像、逻辑、科学模拟，乃至思想建模的未来世界。

但她所处的世界，尚未准备好理解她。

在维多利亚时代的英国，女性的理性与逻辑思维鲜少被社会认可。虽然艾达是诗人拜伦勋爵的女儿，她的成长却被母亲刻意安排为“反浪漫主义”：自幼学习代数、几何、逻辑，并接受当时著名数学家玛丽·萨默维尔和奥古斯都·德摩根的指导。

她展现出超越同时代女性甚至多数男性的抽象力。

但当她的文章发表时，却被当作一种“女性文学趣味”的奇闻怪谈。巴贝奇的分析机最终未能制造成功，他始终未能从政府与工业界获得资金支持。而那个时代的制造工艺，也远不能精确打造这台上千齿轮与轴心组成的复杂装置。

1852年，艾达·洛芙莱斯因子宫癌早逝，年仅36岁。她的思想，被时间尘封了近百年。

技术走得太慢，百年之后，世界才终于追上她。直到20世纪中叶，在艾伦·图灵的理论推动下，电子计算机终于诞生。世界才开始重新发现这位“预言家”的身影。

图灵在其著名论文《计算机器与智能》（1950）中，专门提出了“洛芙莱斯反对论”（Lovelace Objection）——认为机器只能执行人类赋予的指令，因此无法真正“创造”或拥有主观性。

讽刺的是，洛芙莱斯本人其实并不完全认同这个观点。她在1843年的注释中明确提出，机器可以操控符号系统，不仅限于数字，也能模拟推理、组织音乐甚至表达思维结构。她在“没有电路、没有电源、没有程序语言”的时代，已经想象了一个“通用信息系统”的可能性。

而这，正是我们今天所理解的“通用计算”。

作为历史中的“被忽视者模式”，洛芙莱斯的故事并非孤例。历史充满了那些“说得对、但被忽视”的人：

  • 遗传学之父孟德尔，逝世三十多年后才被“重新发现”；
  • 医生塞默尔维斯，在呼吁医生洗手以降低产妇死亡率时，被同行排斥；
  • 特斯拉的无线能量与全球通信设想，在他死后几十年才真正实现。

这些思想，往往出自“边缘地带”：非主流、非机构、非体制。他们没有官方认可，却拥有跨越时代的视野。艾达·洛芙莱斯就是其中最早的例子之一。

她的思想，没有死去，只是被社会环境埋藏。直到一切条件具备，它像一颗种子，重新破土而出。

今天，人工智能的主流话语几乎完全由“深度学习”、“神经网络”、“语言模型”所主导。OpenAI 的 GPT 系列、谷歌的 Gemini、Meta 的 LLaMA，无一不是基于大规模数据训练与参数优化的“统计语言系统”。

然而，在这些模型的背后，有一段被尘封的传统：符号主义AI（Symbolic AI）。

1950年代至1980年代，AI的主流方向是建立逻辑规则、专家系统、知识图谱，试图让机器“像人一样”思考——通过演绎、归纳、推理、结构操作，而非通过“记住所有例子”。

这种方式被批评为“过于刚性”“难以扩展”，在现实世界中的应用陷入瓶颈。但它的最大优势，是可解释性、稳定性和概念操作能力——这恰恰是今天大语言模型的短板。

近年来，“神经-符号混合系统”（neuro-symbolic AI）重新引起关注——即将深度学习的模式识别能力与符号系统的逻辑表达能力融合。正如洛芙莱斯曾预言的那样：计算机不只是计算器，更是语言、音乐与概念的机器。

但当今的AI产业，对这段历史知之甚少。正如当年的艾达被误解为“文学化的异想天开”，符号主义AI今天也常被视为“古老而落后”。我们是否正在重演那种“忘记本源”的误判？

但是，谁是我们时代的洛芙莱斯？

艾达·洛芙莱斯的贡献，不在于她写下了某一段程序代码，而在于她打开了一种全新的思想路径。她看见机器不仅能处理数字，还能成为思想与创造的延伸器。她在一个没有电子、没有编程语言的时代，构想出了“通用计算”的未来。

她被忽视，也被重新发现。

在AI成为公共议题的今天，我们不禁要问：

  • 哪些思想、哪类人、哪种路径，正在被我们所忽略？
  • 我们是否也在对某些“尚未主流”的理念嗤之以鼻？
  • 谁是我们时代的洛芙莱斯？我们有没有倾听他们的声音？

当我们斩钉截铁地断言“AI永远无法做到某事”时，我们是在陈述事实，还是在重复历史上的盲点？

1 2 3 4 5
钱宇瀚
Latest posts by 钱宇瀚 (see all)

发表评论

您的邮箱地址不会被公开。 必填项已用 * 标注