技術(shù)的本質(zhì)是什么？它是如何進(jìn)化的？ 盡管我們熟悉風(fēng)力渦輪機(jī)、觸摸屏和 GPS 等各種具體技術(shù)，但“新技術(shù)究竟如何誕生”對我們來說依然是一個謎。一方面，在傳統(tǒng)觀念中，人們往往把技術(shù)當(dāng)做科學(xué)的附庸，并潛意識認(rèn)為技術(shù)對人類具有某種潛在性的威脅，一方面以往人們對技術(shù)的思考大多由哲學(xué)家和社會學(xué)家們進(jìn)行，工程師們大多熱衷并忙于具體技術(shù)細(xì)節(jié)，無暇顧及。這都導(dǎo)致了人們長期以來將技術(shù)本身當(dāng)做一個外部客觀對象，潛藏在一個個具體的“黑箱”中。 正如如果沒有基因?qū)W說和解剖學(xué)研究，就很難厘清物種之間的關(guān)系一樣，如果不深入到技術(shù)內(nèi)部中去，也很難看清它們是如何相互聯(lián)系，如何起源以及如何進(jìn)化的。 著名經(jīng)濟(jì)學(xué)家、圣塔菲研究所外聘教授布萊恩·阿瑟（Brian Arthur）在《技術(shù)的本質(zhì)》[1]一書中，曾從復(fù)雜系統(tǒng)視角對技術(shù)本質(zhì)及進(jìn)化做出過清晰闡述：
2019 年底，來自倫敦數(shù)學(xué)科學(xué)研究所的兩位數(shù)學(xué)家，在 arxiv 上發(fā)布了一篇預(yù)印本論文：《The mathematical structure of innovation》，他們對布萊恩·阿瑟的技術(shù)理論進(jìn)行了定量化研究，不僅建立了技術(shù)遞歸創(chuàng)新的數(shù)學(xué)模型，還推導(dǎo)出了技術(shù)遞歸的預(yù)期收益的公式，通過語言、美食與藥品三個領(lǐng)域測試研究發(fā)現(xiàn)，以最佳配對大小的技術(shù)組件作為拓展模塊進(jìn)行重復(fù)遞歸，可以有效提高新技術(shù)產(chǎn)生的效率，從 2 倍到 28 倍不等。此外論文中還給出了技術(shù)創(chuàng)新過程的解釋和實(shí)踐策略。
從布萊恩·阿瑟的技術(shù)理論我們可以看到，技術(shù)的本質(zhì)是通過原有技術(shù)的組合，對捕獲的自然現(xiàn)象有目的地進(jìn)行編程。  從樂高游戲和字母組成單詞例子我們可以看到的，將正確的組件組合轉(zhuǎn)換為新的組件可以大大增加可制造技術(shù)的數(shù)量，但是將太多的組合轉(zhuǎn)換為組件會產(chǎn)生相反的效果。
現(xiàn)在來考慮一般技術(shù)組合過程。 任何技術(shù)都是由次級技術(shù)組件組成。這些組件可能是某項(xiàng)基本技術(shù)、一個技術(shù)組合或技術(shù)模塊。 對任何技術(shù)， 若由 c 個不同組件組成，則稱其技術(shù)的大小 為 c。組件排列順序和出現(xiàn)次數(shù)無關(guān)。例如對單詞“ innovation”具有 c = 6 個組件，而不是10 個。 假設(shè)上帝的“櫥柜”中共有 N 個可能的組件。但在任何現(xiàn)存的技術(shù)階段，人只能取到自己“籃子” n（黑體） 中 n 個組件。則包含 n 個技術(shù)組件的籃子n 可得技術(shù)數(shù)量為 p(n)。 顯然，p(n) 大小取決于籃子中的特定組件成分之間的組合，而非能組合的總量。例如從英文字母 abcde 能獲取的單詞數(shù)，要比最后五個字母要更多。即對 n=5 的兩個籃子n1和n2，有 p(n1) > p(n2) 。 在籃子中，大小為 c 可制造技術(shù)數(shù)量用 p(n,c) 表示。例如在 abced 中，目前存在 {cab、bad、bed、cad、dab、deb、ace、bae}，故 p(n,c) = 8 此外，研究還定義了技術(shù)空間的預(yù)期大小以及其中技術(shù)大小 c 的情況。前者是從上帝的櫥柜 N 中取所有大小為 n 可能籃子能產(chǎn)生技術(shù)數(shù)的平均值。例如在字母表中 abcde、vwxyz…等都是 n = 5 的字母籃子。后者是所有可能籃子中大小為 c 技術(shù) p(n,c) 的平均值。
c 個隨機(jī)組件產(chǎn)生技術(shù)可能大小 其中分母組合數(shù)C(n,c)。兩邊大小都代表組件數(shù)為 c 隨機(jī)組合成一種技術(shù)的可能性大小。 這就是說，假如我們在 26 個英文字母中隨機(jī)取 5 個字母 4 個字母，那么大小為 c = 3 的單詞數(shù)的平均值，分別除以二者組合數(shù)，兩邊數(shù)值是相等的。
組合可用性與模塊  
技術(shù)遞歸效應(yīng)與拓展模塊 有了以上基礎(chǔ)，我們現(xiàn)在考慮技術(shù)遞歸過程中技術(shù)數(shù)量變化情況。 在方程 (1) 中，等式兩邊均代表兩個不同技術(shù)階段 n' 和 n 中 c 個隨機(jī)組件產(chǎn)生技術(shù)的可能大小。因?yàn)樽鳛榉帜傅慕M合數(shù)所以，增加制造新技術(shù)的可能，就取決于分子。 現(xiàn)在考慮在技術(shù)遞歸中，用一個 k 個組件組成的模塊θ替換原有的技術(shù)組合 θ。即 θ → θ，則技術(shù)新階段籃子組件大小有：c + k ? 1 → c。例如將 ab = θ，則 abcde 變?yōu)?θcde。技術(shù)遞歸的效果取決于替換后的關(guān)系網(wǎng)絡(luò)的變化是積極的還是消極的。 在論文中，研究者們推導(dǎo)出了應(yīng)用 θ→θ后可以制造的平均預(yù)期技術(shù)數(shù)的公式：  其中 x = n / N（在假定非全知和無偏估計下），當(dāng)應(yīng)用模塊θ后，即從 N 個組件的原始集合中提取的 n 個組件相比，我們可以從更新的 N + 1 個組件中制作更多的技術(shù)，則稱增加可制造技術(shù)數(shù)量的組合θ稱為一個擴(kuò)展模塊（Expanding module）。 
擴(kuò)展模塊的組合很稀有
拓展模塊幾乎都是完整技術(shù)
研究者們通過進(jìn)一步計算驗(yàn)證了這個假設(shè)。結(jié)果很顯著，在語言、美食和藥物三個領(lǐng)域，幾乎所有擴(kuò)展模塊都是完整的技術(shù)，分別占全部模塊的 98.70%、96.88% 和 98.62%。從圖 3 中可以看到，代表二者的紅色和紫色曲線幾乎是重合的。
持續(xù)遞歸的驚人威力 
正確識別模塊： 可能性、遞歸性、完整性
轉(zhuǎn)換相鄰可能：隨機(jī)變異、 重新定域、持續(xù)遞歸   圖 6：語言和美食領(lǐng)域模塊配對隨著持續(xù)遞歸的不斷生成
新技術(shù)塑造自身環(huán)境： 長期不可預(yù)測性
藥品發(fā)現(xiàn)：舊藥新用 [1] W. B. Arthur, The Nature of Technology: What It Is and How It Evolves (Penguin, London, 2010) [2] H. Youn, D. Strumsky, L. Bettencourt, J. Lobo, Invention as a combinatorial process: evidence from US patents, J Roy Soc Interface44, 0272 (2015). [3] T. Fink, M. Reeves, R. Palma, R. Farr, Serendipity and strategy in rapid innovation, Nat Commun 8, 2002 (2017). [4] T. M. A. Fink, M. Reeves, How much can we influence the rate of innovation?, Science Advances 5, eaat6107 (2019). [5] T. E. Stuart, J. M. Podolny, Local search and the evolution of technological capabilities, Strateg Manage J 17,21 (1996). [6] L. Fleming, Recombinant uncertainty in technological search, Management Sci 47, 117 (2001). [7] W. B. Arthur, The structure of invention, Res Policy 36, 274 (2007). [8] M. Reeves, T. Fink, Harnessing the secret structure of innovation, MIT Sloan Manag Rev 37, 59 (2017) [9] Y. Liu et al., DCDB 2.0: a major update of the drug combination database, Database 2014, bau124 (2014) [10] R. N. Langlois, Modulay in technology and organization J Econ Behav Organ 49 1937 (2002). [11] K. B. Clark, C. Baldwin Design Rules: The Power of Modularity (MIT Press, Cambridge, 2000) [12] C. Hidalgo, R. Hausmann, The buildings blocks of economic complexity, Proc Natl Acad Sci 106, 10570 (2009). [13] M. Christelli et al., A metrics for the economic complexity of countries and products, PLOS ONE 8, e70726 (2013). [14] F. Tria et al., The dynamics of correlated novelties, Sci Rep 4, 5890 (2014). [15] V. Loreto, V. Servedio, S. Strogatz, F. Tria, Dynamics on expanding spaces: Modeling the emergence of novelties, Creativity and Universality in Language, (2016). [16] I. Iacopini, S. Milojevi′ c, V. Latora, Network dynamics of innovation processes, Phys Rev Lett 120, 048301 (2018). [17] D. Rotolo, D. Hicks, B. R. Martin, What is an emerging technology?, Res Policy 44, 1827 (2015). [18] W. B. Arthur, W. Polak, The evolution of technology within a simple com- puter model, Complexity 11, (2006). [19] T. Felin, S. Kauffman, R. Koppl, G. Longo, Economic opportunity and evo- lution: Beyond landscapes and bounded rationality,Strateg Entrep J 8, 269 (2014). [20] J. D. Farmer, F. Lafond, How predictable is technological progress?, Res Policy 45, 647 (2016). [21] Y. Liu et al., DCDB 2.0: a major update of the drug combination database, Database 2014, bau124 (2014). [22] D. Verhoeven, J. Bakker, R. Veugelers, Measuring technological novelty with patent-based indicators, Research Policy 45, 707 (2016). [23] D. Strumsky, J. Lobo, Identifying the sources of technological novelty in the process of invention, Research Policy 44, 1445 (2015). [24] J. Hunter, S. Stephens , Is open innovation the way forward for big pharma?, Nat Rev Drug Discov 9, 87 (2010). [25] Drug repurposing: progress, challenges and recommendations，https://www./articles/nrd.2018.168
|
|
|
