在经典的科学世界观里，世界是客观实在的世界。客观要求存在第三方的观察者，世界不会因为观察者的观察而改变。“实在”，无论认为实在是确定的，还是实在是近距的，还是认为实在是独立于观测的，我们看到量子力学都对“实在”提出了挑战。量子力学也甚至挑战了因果论。在认识世界的方法论一面，客观实在的唯物论基础上我们建立起已经习惯的科学方法论：分析与综合。研究复杂的问题，我们总可以把它分割成一个个独立的简单的个体，对每个局部了解，就对系统了解。虽然我们清晰地知道在割裂事物本身的联系的时候会忽略掉一些东西，但我们大多数时候认为这些割裂的关系不那么重要，我们总会找到最薄弱、最无关紧要的关联把系统切割开来，使它们最大限度保持原有的状态。这如同对某一生物不了解，我们把这个生物切成几块，对头了解，对足了解，对躯干了解，但这并不等于我对这个生物就了解了，我们想要研究的那生物因为这样的分割死掉了。量子化要求说明系统和系统之间的关联，一旦发生关联，这个系统本身就变得难以单独描述，一旦对它进行描述，也会改变它的状态。这也可以从玻尔讲爱因斯坦不可分性得到印证。那两个粒子被当成整体创造，不可以被分开独立研究。事实上我们看到从量子的角度来讲，这样做的不慎重甚至是荒谬的。
当我们体验到某物时，我们是在作用于它，我们是在利用它，随后我们要忍受或经历其结果。我们利用了某物，而后者反过来也利用了我们。从主动的一面说，体验是一种努力；从被动的一面说，它是一种经历。换句话说，体验就是同时进行的行为和经历的统一。体验的、量子力学的观点启示我们传统的分析方法里所默认的对认知对象部分的割裂是危险的，因为我们的体验也是与事物联系在一起的。人类的认知再往前走，我们现在关于量子的观点也有可能存在一样的问题，虽然我们也给了些结论，但是再过几十年，我们回头来看的时候，今日今时之言也会有我们这个时代和视野的局限，无论从时间或者空间来讲，我们都无法扮演一个孤立的观察者来审视我们生存的世界和周边的环境。仰之弥高，钻之弥坚，这也是一个变化和关联的世界给我们的最终结论，我们可能永远没有最好的真理，只是有更好的真理。
对科学而言，我们感兴趣的不是某些知识的理论，而是一种探究的方法，借助这种方法，能解决以前察觉的问题。杜威非常小心地区分了现代社会中的两类活动，一类是产生更多意义和含义的活动，即理智的（intelligent）活动；一类是机械的和模仿的活动，即理性（rational）的活动。从人工智能（Artificial Intelligence）的发展来看，我们目前也许更多的是对理性工作的夸张的描绘。在未来的世界，如果人和人工智能处于一种合作分工的状态，由AI完成理性的工作，而人来完成理智的工作，这将会产生新型的人的组织。这样的组织会更关注于个人的体验和创造性，而生产制造交给机器人去完成。也许多年以后我还是会投降于人工智能对人类的统治，但我努力从量子的复杂性来证明人类试图造出超过人类大脑的智能的实际困难，而我们更应该关注设计一个更加和谐的人类未来社会。这样的社会里，个人的作用被工具放大，知识型社会也会因此产生，这意味着管理模式的更新。企业由更多自我觉醒的个人组成，不再是个人的管理体系而是个人的组织，管理也不再是组织内部的分工行为，而成为个人的自我组成部分。
一
量子模拟和人工智能
量子理论在诞生之后的一百年，形成了几种不同的诠释，有经典的量子波粒二象性解释，也有多重宇宙解释、隐函数解释和整体论解释，而其中波粒二象性解释因为历史的原因成为主流理论。但随着近些年量子信息论的发展，波粒二象性解释越来越显得不那么充分。这里，我会介绍关联解释，它基于量子信息论里对于密度矩阵的研究，但由于它涉及了关联的本质，使得量子理论不再像传统认识的那样仅局限于微观世界的理论。至少，我们会看到，量子理论不仅仅是一个描述原子和亚原子层面的理论，它的深奥和广大，远远超出了波粒二象性的限定。但当我们承认关联是量子力学的本质，并且认为关联的性质在复杂系统中被推广了的时候，量子力学的第一性原理多少给了我们一点信心。
“Tele”这个词根与远距离有关，telegraph（电报），television（电视），telephone（电话），有一个新词叫telelportation，port是指运输，teleportation就说的是远距离传输，不仅远，而更强调立刻、实时。中文给它起了个很酷炫的翻译，叫隐态传递。出于对宇宙探索的好奇，我们一直希望实现星际旅行，但相对论限制了我们在这一方面的想象：我们不可能跑得比光快。迄今为止，我们找到的一颗环境跟地球类似行星叫Kepler-452b，它离我们大概有1400光年，以光的速度走需要1400年。如果真的要人坐飞船去那，以我们今天的技术，尤其是医疗条件的限制，人活不了那么久，况且这样的旅行真的很无聊。量子的teleportation就是一个解决方案。
微观粒子是全同的，地球上的碳原子和相隔几千光年的行星上的碳原子从物质上来说是完全一样的，不同在于它们的量子信息不同，原子与原子组成物体的量子相位不同，因而它们的量子关联也不同。但我们知道这个关联是可以通过量子通道传递的。要穿越的地球人，组成身体原子的量子信息可以通过量子通道立刻即时传到Kepler-452b上。组成身体的经典信息，身上原子分子的组合结构和成分等可以通过各种高级的三维扫描获得，用无线电以光速发射过去。经典信息通过光来传递，量子的相位信息通过量子通道传递，被传递的人至少以光速从一个地方到了另外一个地方而穿越了时空。1400年之后，当在Kepler-452b的接受方收到经典信息之后，就可以把已经放了1400年的量子信息按照经典信息所提供的数量和种类的原子再次复合，被传递的人就可以醒过来复活了。在这个过程里宇宙经历了整整1400年，而对被传输的人来说，醒过来的时候保留了1400年前被扫描的全部信息，经典的粒子数量、种类、量子的粒子的关联和相位，而他已经生活在宇宙的另外一个地方。
人的思维更趋近于量子信息，当经典信息和量子信息重新组合，会形成一个外表和记忆、思维完全一样的人。而量子力学要求，原来的物体因为被扫描的量子信息发生变化，完全消失了原有的关联而变成没有“灵魂”的原子团，“人”被传送到了宇宙的另外一端。值得注意的是，由于人通过记忆来感知时间，当这个人在等待他的经典信息部分通过光速传来，结合早已到达的量子信息部分而重新组合为人的时候，醒来时与他被扫描时候完全一致，依旧年轻和相同的记忆，十八岁还是十八岁。他对这1400年没有任何记忆或者任何知觉，宇宙旅行对他来说时间是停止了的。这听起来像是天方夜谭。公元2000年的时候，丹麦的物理学家利用光子和原子在实验上证明量子信息隐态传递的可行性。虽然这离人体传送还很远，而且我也很难相信这个路径将来会实现，但并不妨碍科学家在更大更复杂的体系上向着这个方向努力。
我们这一假想里有两个还缺乏证据的关键假设：其一，人的思维由经典信息和量子信息组成；其二，在整个传递和等待过程的中间，量子信息没有发生退相干，被很好地保留到被传递的人醒来的那一刻。
虽然略显无力和幼稚，科学却从未停止对人类思维的探索。我们相信有一天人类能够了解自己，甚至可以模拟人类的思维而创造机械的思维——人工智能。2014年以后多位互联网科技大佬在不同场合表示人们要警惕人工智能。但这样的关于人工智能的恐慌已经有过好几次，第一次源于计算机的诞生。美国电影是个好东西，电影《模拟游戏》以图灵在“二战”的经历为原本，当时人们认为牢不可破的密码被图灵的计算机搞定了，从而使盟军最终赢得了胜利。人们开始想象，这个趋势发展下去计算机可以超过人类。然而事情并没有那么简单，大型的商用计算机在处理一些问题上确实有效，但跟人比较智商还差得远。80年代以后，个人电脑的普及带来了人类对人工智能的又一次恐慌。电影《机械战警》、《终结者》都是这个时期的代表。2006年以后，随着计算机深度学习的发展，人类迎来了对人工智能的第三次恐慌。《超能陆战队》、《Her》就代表这一阶段，尤其是被互联网人追捧的奇点理论，到2045年的时候，人工智能有可能超过人类，最终绝尘而去，人类反而会被机器人奴役，被霸天虎或者汽车人统治着。
做物理的人没有数学家大胆，往往对科学幻想抱有体验主义的保守，我们非常实用地从技术实现的角度来考虑人工智能的现实困难。首先，深度学习是件非常困难的事情，我们正在一点一点地进步，比如无人驾驶，要解决图像的识别问题，阴晴雨雪天气对成像的影响和实际的路况问题都是非常复杂的事情。从认知的方式来讲，人类的认知过程与我们现在营造的人工智能是不一样的。人类有一种认知相对靠谱真理的直觉方法，跟计算机式的方法不同，人类可以知道这些事情并不受哥德尔定理限制。以计算机的停机问题为例，虽然计算机速度和效率大大提高了，但它们本质上还是冯·诺伊曼机。计算机的程序是基于二进制数字运算的命题演算系统，人能提供的公理是有限的，规则一条一条可计数，计算机判定出命题的真伪，输出结果、停机并转向下一个命题。这就符合了哥德尔第一不完备定理的条件。这样的系统必然是不完备的，也就是说，至少有一个命题不能通过“程序”被判明真伪，系统在处理这样的命题时，就进入逻辑判断的死循环而无法停机。无论我们怎样为计算机系统的命题扩充它的公理以包罗更多的内容，只要公理总数是有限的，物理上不允许无限大这个概念，哥德尔的问题就始终存在。我们可以在数学上假设无限的公理集，然而对于计算机来说，就意味着要描述这些公理集就要无限大的存储空间，物理实现上显然是不可能的，这表明了计算机与人思维的不同。但哥德尔所限定的有限逻辑，可能不能限制量子力学的基本逻辑，人类的直觉可能不受哥德尔不完备定理的限制。从这个角度来讲，现在的计算机结构不太可能具有人脑的能力。当然量子计算机基于量子逻辑，离实现还有些实际的困难，我们不能够简单预期。
另外一个证据是钱德拉塞卡（Subrahmanyan Chandrasekhar）证明。这个证明并不复杂，买杯啤酒用杯垫的背面就能演算。如果我们认为人类的思维是图灵模式的计算机，那么我们现在做的计算机接入互联网之后，大概六十万台计算机的总计算单元已经与一个人的大脑可比。而事实上，人类接入计算机群的计算单元已经远远超过了这个数量。但我们现在还没有看到这样大规模的互联网有产生像人一样的学习行为（即便有些许类似，也是因为互联网里节点上的人类干预），这至少说明人的思维模式不应该是线性叠加的，不是像计算机这样的图灵机模式。那么思维有没有可能是量子模式呢？我们知道量子本身讲的是关联。如果人的大脑是量子化工作的，那它到底有多复杂呢？注意，量子关联带来了非局域性，量子关联不一定发生在相邻的脑细胞上，而是可以发生在任何一个脑细胞上。比如说，一个脑细胞跟相邻的脑细胞通过神经突触经典地连接，并不等于它跟其他细胞之间没有量子的关联。有学者把这个机制叫作量子微管，我们暂且不去深入探讨。这里，我们假设量子关联确实可以发生在不必相邻的脑细胞之间。那么，一个脑细胞和它关联的脑细胞就不是相邻的几十个，而是另外130亿个。假设每个脑细胞只需跟6个脑细胞发生非局域关联，这个关联的数量是多大呢？
设想用经典的存储单元来描述这个关联。先不用去管这个关联是怎样工作的，我们至少需要一个经典的存储单元来标记它。假设我们至少用一个经典的存储单元标记一个这样的量子关联。经典计算机的存储模式我们称作“热投票”。一个磁记忆单元，它存的到底是0还是1，要看这个磁体北极所指方向。比方说每个用于记忆的磁单元由一万个小指南针构成，当这些小指南针有超过百分之五十指北的时候，这个磁体存储的是1，当超过百分之五十指向南时，它存的是0。但每一个小指南针在量子层面上是处在叠加态的，即同时处在0和1的叠加态上，我们只能看在观察的时候，通过大多数指南针的指向来决定这些小指南针加起来形成一个记忆单元整体时对外显示出的磁性指向，这叫作热投票。计算机的存储单元应用的就是这个原理，根据大量的热原子的平均的行为统计来确定记忆单元存的是1还是0。物理实现热投票，一个记忆单元至少要三个电子，并且用电子的“自旋”方向来代替小指南针的南北方向。
大脑有130亿的脑细胞，假设每个脑细胞允许跟6个别的脑细胞发生关联，每个关联用3个电子来记忆和存储。总共要（1.310×6×3）个电子，每个电子都是有质量的，质量是不能忽略的，虽然电子是我们能找到的稳定的可以做信息存储的最轻的物质。算上电子质量，总质量是多大呢？它等于钱德拉塞卡极限。在1938年，钱德拉塞卡提出：当一个恒星的质量超过钱德拉塞卡极限时，这个恒星会坍缩成一个黑洞。这说明如果真的用一个经典的存储计算机去模拟一个人的大脑行为，这个计算机自身的质量已经把自己压成一个黑洞了。钱德拉塞卡极限这个值大约是1.4倍太阳质量。这说明如果按照我们现在理解的计算机构造，人的大脑不是我们用现在地球上的资源能够重建的。这里取6作为脑细胞可能产生的关联数，事实上每个神经元有可能跟另外1000个神经元发生关联。这就是说，即使我们可以用最轻的单元——电子去做存储，都没有办法去构建一个够大的系统来描述一个大脑行为。从这个角度来讲，用经典的图灵机办法做出一个超过人脑的计算机，有物理上的实际困难。
我们从另外一个方向来考虑，大脑的运作可能是基于量子力学的。思维有可能源于量子信息，得出这个结论基本上是个排它法。因为我们在物理世界看到的信息，只有经典信息来描述人是由哪些分子原子组成，这些微观粒子的数量和位置，而量子信息描述它们之间的关联。另外一个证据是基于思维和量子之间的相似。思维会有关联，会有非局域性的一些现象，而量子本身也是。比如同样是记忆，计算机一个扇区坏掉了，这个扇区上存的东西就消失了。新的扇区替换进去也不会再有相同的记忆内容。而大脑每天都在工作，细胞每天都在新陈代谢，组成细胞的碳氢氧等原子不断被替换，我们的记忆却并没有消失。我们还有一个间接的证据，一个高等生命体，被切割成为一段一段的局部后，生命也就消失了，而这与量子纠缠系统的爱因斯坦不可分性非常类似。当分别测量的时候，我们割断了纠缠态的内在关联性，纠缠的两个实体也不再存在纠缠，基于它们纠缠态上的量子信息也变化了。大脑的行为更像是量子的长程关联，类似于电子的超导现象，是一种非局域的相互关系，一对电子形成库柏对在晶格之间穿行，不再消耗能量。超导不是单个的粒子的行为，而是很多粒子在一起的关联群体的量子化行为，任何单个粒子的变化对整体的量子效应并没有大的影响。
量子关联的解释也许会渗入人类对认知的了解。如果大脑真的是量子化的工作，我们反而认为这对人类是一个好消息。我们用经典的方法来搭建的计算机在很长时间内不会超过人脑，我们也就不用担心人工智能控制人类。类似的复杂系统组成了我们身边的世界，大脑是这样的系统，社交网络是这样的系统，甚至人类社会也是这样的系统。大脑始终不是一个经典物理的设备，脑细胞会在局部建立起与其他脑细胞的复杂关联，而计算机的存储单元却不能。当系统足够庞大到其关联数量是130亿的N次方的时候，这样的复杂体系更应该是量子化的，有长程关联的存在。人的记忆更像是一个覆盖大范围脑细胞的事情，而不像计算机一样只是局域的相互作用。对于计算机的计算单元，我们目前只能建立相邻单元的关联而非复杂的非局域的关联。从这个角度来讲，目前的机器人也很难会有类似于人脑的思维能力，也就不具有学习和独立创新的能力。
费曼讲“只有量子系统才能描述量子系统”，如果我们人类的思维真是量子化的，那么就只能用量子系统来模拟。我们在实验室用量子模拟来看这样的对复杂系统的模拟是否能行得通，从而使我们对人的认知更加深刻一点。任何一个量子单元，或大或小，都可以被看作一个量子比特，它构成量子模拟和量子计算的基本单元。但因为量子系统有退相干的问题，保持纠缠和相干的系统到底能造多大我们并不知道，我们还在十几个量子比特上努力。大概每两年放一个新的量子比特到系统里，但这是符合摩尔定律的，因为量子比特每多一个，希尔伯特空间就多一个自由度，存储能力翻了一倍。但我有个暗黑的想法，原谅一个物理学家的孩子气，即使我们最终依靠量子力学搭建了一个够大的量子计算机来完整模拟人的大脑。这个东西，也会因为退相干而忘记东西，是不是跟我们人一样，也得吃饭、睡觉，也打盹，也犯各种错误和闹情绪。如果这样，是不是生几个孩子成本更会低一些？
功耗是另外一个旁证。计算相同的问题，人脑的功耗远小于计算机的功耗，然而量子计算提供了一个可能，因为它可以利用量子计算进行大规模的并行计算。一个简单的例子，当我们讨论量子计算的德意志（David Deutsch）算法的时候，它可以通过量子的叠加态，即我们前面讲的猫态，一次计算得到结果，而不像经典算法需要计算两次。当类似的算法大量叠加的时候，它可以大量地节省能量。基于我们现在对量子力学的粗浅认识，我们离设计一个像人脑一样复杂工作的系统还很远。
别着急反驳，以上想法至少要说明一个情怀，就是不必危言耸听，人工智能至少在三百年内还没什么机会超越人脑。这个三百年的估计源于我们对物理学进展的了解，从牛顿到量子力学诞生经过了两百年，量子力学到现在一百年，我们发现我们还懂得不够多，甚至突然被缴了械，问题似乎回到了起点，我们可能在基本研究手段上都有问题。以过去科学的发展历史，我们自信地讲，大概还要这么长的时间才有可能在这个基础上了解和使用这些技术。三百年不是个太夸张的时间。三百年内，我们大可放心去跟机器相处。
我们时不时地会搞搞大跃进，炒作一个概念会让不少人有新饭吃，每个人都要让自己的选择正义化，看谁抢到话筒。一个真实的科学研究的过程，是反对转型、跨越、发展的概念，它真的是慢慢往前走，当积累了庞大的基础后，在某个方向上有些许小的突破，这是一个更真实的研究过程。但不能说泡沫都是不好的，泡沫对科普有益。但话说回来，在一个神秘主义有上千年传统的国家里，科普和迷信一样有害。而只停留在泡沫上的传闻，对科学的实际进步未必有利，这种吹泡泡而杀君马者道旁儿的案例我们看的也不少了。
二
科学和技术的创新
彼得·圣吉在他的著作《第五项修炼》里讨论怎样在现代社会里建立学习型企业。他说玻姆的量子整体论思想给了他很大启发。玻姆参加过曼哈顿工程，受麦卡锡主义迫害到了英国。他在晚年非常推崇大唠嗑“dialogue”。我把“dialogue”翻译成“大唠嗑”，以符合信达雅的翻译标准。玻姆甚至认为科学的唯一方法是大唠嗑，人们通过大唠嗑建立已知事物的关联，从而创造新的知识。不同背景的科学家在一起开会、讨论、通信、发表自己的研究结果，发现新问题，得出新的解决方案。科学家也不断地跟自己过去的经验大唠嗑，审视自己的研究结果、完善自己的理论。科学发现是个或然的过程，牛顿物理讲小概率的事情影响是小的，但我们看到科学发现显然不是。如果我们把大唠嗑所牵涉的更多的无法用经典信息描述的信息也包括进来，是不是科学发现就成为一个多少必然的过程呢？
企业的技术团队会有自己的研发任务，从出发点走到目的地找出最佳的路径。这通常是工程性问题而需要工程化的解决，很容易通过已有的经验来制定确定的工作的任务和提出时间要求，可以用量化考核标准来要求开发人员“多快好省”地完成任务。虽然如此，科学发现也经常有另外一种状况出现，从探索的起点开始后，开发人员很快发现既定的路线行不通，研究工作陷入一团团迷雾。在这种时候，好的科学训练不仅提供了系统的技术方案指导我们做出最有效的尝试，而且凭借科学训练和经验积累，让我们发现新目标，并很快意识到新目标是一个比原来目标更有价值的结果，突破既定的框架，这是科学的创新路径。
有个老笑话。宇宙飞船里有个实验记录本，宇航员不断地要对航行状况做记录，当然这些数据以现在的技术根本不需要手工记录，但考虑到长期在狭小的空间里飞行，宇航员会很无聊，所以要给他找点事情做。但这就存在写字的问题，钢笔和圆珠笔在无重力的情况下不出水写不出字来。美国人花了两百万美元研发了一种可以在无重力情况下写字的圆珠笔。当苏联宇航员上天时，他们用铅笔。之前我们一直当作笑话来看，但是最后美国人这项研究解决了远距离的输油管的问题，重力差很小的情况下怎么把黏稠的液体长距离运输。一项新技术的开发之初可能看起来似乎很愚蠢，但功不唐捐，与别的应用关联，就有可能解决全新的问题。除了笑话之外，我们说一件真实的案例。
1932年，法国物理学家约里奥·居里夫妇（Frederic Joliot-Curie和Irene Joliot-Curie），用α粒子轰击铍硼等轻元素，用盖革计数器探测到了有一种穿透能力异常强大的射线发生。他们把这种射线解释成为伽马射线，这种伽马射线的能量大大超过了天然放射性物质发射的伽马射线的能量。约里奥·居里夫妇把这种现象解释为一种光在晶格上的散射效应，这种效应，是康普顿效应（Compton Effect）的一种。而康普顿效应已经被人们研究了很久并且了解得很透彻了。既然属于已知的内容，约里奥·居里夫妇并没有深究。此后不久，英国人查德威克（James Chadwick）对他们的结果进行了反复实验，进一步证实这些射线像伽马射线一样不会被磁场偏折，是电中性的，不带电。然而这种射线的运动速度只有光速的十分之一，比起以光速运动的伽马射线来说慢得很。为了确定粒子的大小，他用这种粒子轰击硼，并从新产生的原子核增加的质量来计算新粒子的质量。结果发现新粒子质量跟质子大致相等。查德威克还用别的物质进行实验，得出的结果都是这种未知粒子的质量与质子的质量差不多。后来更精确的实验测出，中子的质量非常接近于质子的质量，只比质子质量大约千分之一。查德威克将他的研究成果写成论文“中子的存在”发表在皇家学会的学报上。从查德威克重复约里奥·居里夫妇的实验到发现中子，前后不足一个月。约里奥·居里夫妇虽然已经遇到了中子，由于没有做出正确的解释，而与中子失之交臂，错过了发现中子的机会。中子的发现不仅改变了当时人们对物质结构概念的认识，同时还为研究原子核提供了强有力的手段，促进了核裂变研究工作的发展和原子能的利用。由于这一重大的发现，查德威克获得了1935年的诺贝尔奖物理学奖。
工程性的思维常常鼓励人们在已知的技术框架里找到多快好省的方案，而科学往往发生在已知的假设之外，在不确定的、不规范的、它山之石可以攻玉的情况下有了新发现。这就是牛顿所说的捡到贝壳的能力。
图3–1 工程实施的路径和科学发现的路径
工程思维往往先确定出发点和工作目标，按照传统管理学绩效管理办法，依靠现有资源，设计考核指标，让研发人员在一定时间内完成。执行者的自由和创造的核心问题在于寻求从A点出发到B点结束的最佳路径，最有效地达到目的。我们安排科研工作，按照国家中长期发展的战略指标和发展规划颁布指南，确定哪些技术是需要发展的，审核科研人员利用现有资源怎么去完成它。这是一个典型的工程性的思路。然而科学思维的不规划和不固化，在这样的体系里就很难发生。科学发现和创新是一个已知的知识体系跟未知的知识体系怎样进行关联而对话的过程。科学发现中我们很可能没有走到目标所指的地方，而是走到了它的旁枝末节误入歧途，然而也许就无心插柳柳成荫，这误入歧途有可能就是柳暗花明。工程和科学是两个不同的思维方式，我们也看到两种不同的思路所导致的结果是不一样的。工程思维下举国体制集中力量办大事会很有效，知道原子弹是可以做出来的，不惜一切代价把原子弹做出来，多快好省地做工程非常有效。规划式地在已设计好的路线上去寻找新科学是乏力的，因为科学自己也往往不知道目的在何处。这些年来我们按照经典的架构来规划科学发展，紧紧尾随国际进展，完成了很多工程化的科学目标，非常的有效。但是在独立科学发现上，我们一直乏善可陈。如我们都知道的钱学森之问，科学院和我们的高校缺乏优秀而杰出的科学发现。对企业来说也面临类似的问题，在经典的管理框架下，会把创新型企业当成军队来管理，完成指标考核业务，按详尽的绩效标准来考核研发人员。但是如果真的希望企业变成有创造力的、有创新机制为核心竞争力的组织，怎样去管理运营以创造力赢得生存的团队，成了现代很多企业的当务之急。
怎么找到新的方向呢？与我的经历相关的，有两种不同路径。一种是牛津式的外观过程，通过大唠嗑交流足够的信息和思想。这些信息和思想来自不同的背景和领域，聊着聊着就出了新的创意；一种是伯克利式的内省过程，训练人通晓多个行业的知识，在他脑子里形成这些知识的关联从而创造新东西。这两个过程都是有效的。
在牛津读书时我曾演话剧、写作文、划赛艇、做导演，发掘了我自己经历的教育体系里压抑掉的兴趣，更重要的是让我习惯了科学无界的思考习惯。牛津和剑桥特有的学院制让不同学科的学生、教师生活在一起，学者们平常花大量的时间跟不同背景的人交谈、聊天，胡适所讲的“功不唐捐”，从这样的闲谈里发现新想法，开拓了新领域，至少学了新知识。而我们有时候在国内做学问会说这是我的山头，你干你那摊儿事。我们在知识领域划地盘的时候何尝不是画地为牢呢？思想无界是自由的基本要求，KB讲，we have only one life，so make most of it. （生命只有一次，多学点总有好处。）做人如此，做学问也如此。
大唠嗑中的多年老友，不需要言语交流也会心意相通。我们爱不释手的电子交流手段，远远不能把这些适用于人类情感交流的多样通道有效地建立起来，它只是有限长的01序列，而我们知道信息远远不止这么多。当经典信息趋于无穷大量，而有大量冗余的时候，会建立一个类似的复杂体系。对团队的大唠嗑而言，让不同背景、不同工作内容的团队成员在一起聊天，充分交流，理解彼此的喜好、要求，设计思路，甚至脾气、秉性，在团队内促成物理上称之为协同化（synchronization）的过程，将极大地减少部门之间的误会，在融洽理解的过程里完成组织的目的。这时候企业的领导者与其说是发号施令的规划者，不如说是组织者。而这种充分交流的环境，对一个知识型企业的创新有着让人意想不到的效果。这个过程里个体与个体多通道关联的建立和对体系的影响，起着至关重要的但不为察觉的作用。事实上，牛津是个典型的例子。
活动室（common room）在牛津人的日常生活里扮演着一个重要的角色。系里有系里的活动室，我读书的时候，物理系有15便士的红茶，25便士的咖啡，几十便士的小点心。一个印度大叔总微笑着给你杯子里加好牛奶。通常一个组的人坐在一起，天文地理，历史人文常常什么都聊，《生活大爆炸》里谢耳朵们的各类话题。学院也有好几间不同的活动室，分为高级（SCR，senior common room，教授和学者为主）、中级（MCR，middle common room，研究生为主）和初级（JCR，junior common room，本科生为主）活动室，学院里不同专业的人吃完饭也会这里聊天，兴致来了一聊就几个小时。就建立关联的角度看，这种长时间的聊天，促进了学科之间的了解，搭建了学科交流的通道，继而萌生了新的想法和创意，产生了新的学科。牛津有个讲法叫“downstairs laugh”，是说英国人讲笑话的境界。活动室一般在餐厅的楼上，大家聊天说话，喝完茶散伙了，在楼梯上想起来刚才说的内容才哈哈大笑。好的主意也在茶尽人散下楼的时候发生，关联在脑子里建立的时候潜龙勿用的觉察不到，在它们相互作用爆发火花的时候，灵感就迸发了。
与此对应的另外一种创新模式在于跟自己不断对话，深刻而艰难。加州大学伯克利分校对研究人员的训练走的是这条路，可以认为是美国西部牛仔风格的继承。以培养极具开拓精神和能力为目标的科学训练让人对一个行业有足够深的认识，他几乎要了解这行相关的所有事情，非常辛苦地涉猎这个领域相关的各种细节知识，在这个过程中培养成某一领域的超人。按照玻姆的逻辑，这是在一个人心中积累足够多的素材来让他有充分的能力和技巧跟自己对话，有能力在纷繁的证据中找到有意义的“海边的贝壳”。在伯克利工作时，我一般早上九点到实验室干活，干到晚上两三点回家睡觉，第二天还是一样的时间安排，每天工作十五六个小时。这样的训练可以让人在一个领域上非常深入。在这样的研究过程中，大多时间是孤独的自己在一起，青灯古佛的跟自己内心的学识对话，这个过程非常细腻地培养心性，把一个领域的某些问题了解得非常深刻。
从功利而数据化的统计结果而言，无论是伯克利还是牛津，在人类近代科学的贡献上是同等重要的。牛津有五六十位诺贝尔奖获得者，伯克利也有五六十位诺贝尔奖获得者。但是这里两种生产方式是不太一样的。牛津是培养少爷们读书谈思想的地方，这些人喝咖啡聊天，每次聊天的时候都说一些似乎与正事无关的内容，聊自己最近在玩什么，但这培养了很多新领域的开拓者，他们把不同的行业和不同的技术进行搭接而创新。伯克利方式培养出来很多技术背景很强的工程师，这些工程师把一个一个创意不断地落实成一件又一件的产品，这些工程师奠定了硅谷的发展基础。这两种不同的思维模式在一个公司也应该并存，因为它们在创新中都是等效的。要创造新东西也需要有两种不同的品质，要有很好的端口跟别人进行交流，在交流过程中发现新机会；也要有好的匠人心态，扎实地打磨产品，精通尽可能多的相关领域而能迅速找到解决方案。
对于国家的创新而言，我们会经历一段可能没那么开心的日子，经济不像过去的三十年那么高歌猛进，但是我们经历过更为艰难的时期。从1976开始，其实我们一直在高速发展，时下放缓是经济体量增大的必然结果，对于这样大的经济体量苛求苟日新日日新是非常困难甚至是危险的。在这样的放缓中我们才有机会去审视高速发展中被我们忽略的不经意的，不尽人意的问题。填补这些不足，是一个需要耐心的工作，我们需要的是以一个平和的心态老老实实回来补课。当我们细心审视一个快速成长的经济体的时候，会发现其中还有很多机会被我们忽略，还有未建立的关联而产生新的机会。
国家经济的发展上的例子而言，日本似乎从80年代开始就一蹶不振，GDP不增长，消失了的三十年。但细细分析日本过去的三十年，我们发现GDP增长为零不等于社会不进步，它在淘汰旧的产业，添置新的家具。日本内部也有这样那样的琐碎问题，但在三十年里日本依然科学高速发展，输出高端装备。当然，还有美国这个世界创新的发动机。比较而言，似乎我们只剩下一条体验主义的路，笨而死磕，不急功近利。长久下来，我们会看到这种保守的益处。简单的方式我们已经做过，已经把我们拱上了世界第二，再往前才是举步维艰、真正考验创新能力的时候，这个阶段没人能越得过去，我们也不能想象自己是圣人或者上天特别照顾，不费力创新而继续保持高速发展，更何况事实上我们还在补头脑里现代化的课。读书的时候我们会有这样的体会，原来逢考必垫底，只要觉悟了，进步起来很容易。通过看看邻座的卷子，每次考试名次前进几名并不太难。但一旦名列全班第二，老大即使对自己的位子没那么在乎，也不免考试的时候捂着卷子，毕竟那是他的劳动成果，没那么容易从他那抄到想要的东西。这个时候就只好靠自己，依靠自己创造新能力。但这个能力需要有体验主义的精神，把自己融入真正的需求观察，而不是闭门造车的客观思维。
商学院常讲犹太人和中国人开修车行的故事。说美国东西南北贯穿的公路交叉口东边有家犹太人开的修车铺，西边也有家中国人开的修车铺，生意都很好。又有个犹太人过来，看到等修车的人很多，于是就开了家咖啡馆，卖零食和简餐，再有一个犹太人过来，看到有些车修起来要过夜，于是就开了家汽车旅馆，慢慢地城东边就有了超市、面包店，逐渐成了一个社区。西边又来了个中国人，看另外一家修车铺生意好，于是自己也开一家，价钱是隔壁的一半。于是前面一家也要降价，才能保证收入。再来一个中国人觉得还是有钱可赚就也开一家修车铺，为了保证利润，就只好用一些差点的零件。慢慢地好车都去犹太人的铺子里修，比较差的二手车，就到中国人的铺子里修。城的西边慢慢形成了富人区，城东边慢慢聚集成了唐人街。这不算是笑话，我去过中山的古镇。古镇有两万多家LED灯生产厂，大大小小，全球90%的LED灯在这一个镇上生产的。类似地在中国还有纽扣、拉链、锁，诸多产业的集群小镇和村庄，一拥而上，迅速产能过剩，这是简单发展模式的直接后果。能够从自己的修车经验里知道别人在修车的时候想要喝咖啡，想要歇着坐那找个地方消磨时间，于是开个咖啡馆提供新服务；而不是看见别人修车容易赚钱，花钱雇人照开一间修车铺。时至今日大经济体的再发展已经对中国的发展模式提出了更高的要求，不是有膀子力气就可以干。仔细研究，这方面中国的准备并不差。虽然还有很多问题，寻找新的维度来解决问题的哥德尔心态让我们看到漏洞多，意味着机会也多。比方说十几年前教育部扩招造成的大量高校毕业生造成了就业的困难，但也给我们在科技领域迎头赶上提供了大量经过基础训练但劳动力成本依然不算太高的工程技术人员，比较北京的程序员和硅谷的程序员的薪资水平就可以略见一二。我戏称这叫“二次人口红利”，这些人如果给予市场的指示，给予足够的自由度、自我管理的环境和适当的指导，他们迸发出来的创造力和完成工程的能力也会很有国际竞争力。
说到年轻人，我很欣赏英国人的创造力，甚至也欣赏韩国人的创造力。有一次去首尔，我看到寺庙门口的哼哈二将，不是我所习惯的金刚怒目，而是卡通版的有点可爱。这算个不一定合适的案例，但我可以看出年轻的设计师对宗教的理解，不是死板的教条，而是新鲜的活动的，与时间一起流动的活的信仰。李敖先生写《老人与棒子》，其实我也很快成为执杖乡里的老头子，在一定意义上的资料拥有者，但可怜的正是这些拥有者，因为在这个年代，不是拥有了资料就拥有了财富。我们只能利用手里的资料，为年轻人构架平台，让他们帮助我们渡过难关，作为过来人，激发年轻人的想法，激发新的创造，利用最有效资源去做平台应该做的事情。一路走来的经验告诉我们这些执杖乡里的老头子们，没有一件事情是你真的可以跨越，任何没学过的东西大家都老老实实回来补课，一寸有一寸的欢喜。
三
教育的体验
我读书的时候，因为恰好是邻家学霸，所以一直有种经验，就是被低年级的老师叫去做学习方法的分享。在我们的教育体系里，似乎有一种假设，存在一种正确的学习方法，可以让孩子轻松地掌握他们应该掌握的知识而获得学校里的成功。我们也希望这种学校里的成功，会最终引导孩子走向人生的成功。我很聪明地掩藏了自己跟这些教育理念的格格不入，并且很乖巧地学会了使用敲门砖，不让规则成为我在这个教育系统里往上爬的障碍。然而，当我在牛津读书，在美国工作之后，生活在这些获了诺贝尔奖的大牛中间，我才意识到自己对物理的兴趣，早就被这个教育系统扼杀掉了。我对学术的追求，似乎成为一种带着我满世界去旅行的线索而已，非我对物理学本身的好奇。但是，直到我投身产业之后，我才发现自己可以坐下来去思考一些自己感兴趣的物理学基本问题。
信息分为经典信息和量子信息两类，我们在传递信息的时候也需要考虑信息因为我们的观测、阅读和书写而变化、缺失或创造。已知的、可描述的经典信息，可以有简单的评价标准，相对客观而容易设计、规划稳定和相对公平的标准。以经典信息为标准培养出来的人特别适合做工程工作，有清晰的既定目标和考核指标。但这又很大程度上成了限定人自由思维的囹圄，而这些不自由的工作方式，我们知道机器人有一天会比人做得更好。中央电视台曾报道机器人要在2020年参加高考并考上北大。这除了说明我国人工智能的伟大进步，也啪啪把巴掌打在教育部的脸上。我一点不怀疑这则新闻的真实性，也不怀疑人工智能的能力，如果能联网，找出来中学教材里某一问题的“标准答案”恐怕一点都不难。
回想我所经历的中学乃至大学教育，就是一个训练学生“多快好省”找到标准答案能力的过程。我们一贯地假设问题是有标准答案的，而答案就在上课老师的公文包里。我们的教育变成一种猜谜语的博弈过程，从A出发到终点B，我们只需要找到那条潜在的，故意给我们找麻烦的只有老师知道标准答案的线索。我们一直教学生从A找到B，即我们一直在经典信息的圈子里维系我们的教育模式，而从未告诉他们怎样去寻找未知。所以也许我们的教育就是失败的，是无法产生新思想新科学的教育。这时候我们该怀疑经典假设是不是渗入了我们的核心教育理念。而这样的模式还会特别地受到褒奖，一层窗户纸就这样被捅破了，会被广为流传。而神秘论有种对天才的吹捧喜好，因为似乎这样才能证明权威也可以是天生的，旁证了权威作为权威存在的合法性。所以从做学问的角度来讲，我们特别喜欢在墙上贴古圣先贤的画像，也特别喜欢传先贤的段子。所谓无巧不成书，巧，成为宣传科学的主词汇。
科学本来是个匠人做的笨功夫，为了让匠人工作看起来没那么无聊单调，媒体编造了很多诱人的故事，比如《别闹了，费曼先生》就诱惑了很多对物理不明真相的少年，比如我。但科学本身是青灯古佛、日复一日努力的事情，为了找到一个合适的条件，设计一个笨而无遗漏的方案，把所有参数全部试过，一点点来做。科学发现是一个日积月累的事情，通过一个一个验证假设来排除不可能的因素得出相对确定的关联。很多时候我们在宣传科学家和他的创造发明的时候，都会去宣传戏剧性的那部分，而忽略掉扎扎实实每天日拱一卒用体验主义办法去积累的过程。
