索引以及一切检索工具，本质上都是揭示人类知识内在关联的认知方式，而且完全符合人类的认识习惯。我们通过研究索引的________________，可以获得极大的启示。索引揭示的知识规则，是构建新媒体时代人类知识体系的基础，也是实现知识发现新方案的基础。索引具有三种功能：学术进阶的工具、知识发现的手段和学术评价的标准，传统的检索工具，其实是人类认知思维的外在表现。

索引有两种形态，分别代表了人类的两种认知形式，即知识扩展和模式识别。知识扩展又分为两种形式，其一是单向度的知识扩展模型，就是在同一个文献内部提出某些关键词制成索引，当读者在一个段落中发现其中一个关键词，可以经由索引扩展到本书其他段落、篇章中的同一词，这是个闭合循环的知识扩展模型；其二是开放性的知识扩展，就是读者在书中发现一个关键词，通过综合索引跳转至多种文献中与之相关的关键词，从而不断向外扩展。在这个模型之上，如果把多个知识关联序列进行叠加，我们便掌握了一种新的认知形式，就是模式识别。不是说通过一个已知的关键词去找它在文献中出现的位置，而是根据某些边际条件探索某个关键词集，即获取位于一个相关知识序列中的知识集合。比如说，我们综合利用唐代的士族世系表、科举年表、职官年表，可以探索士族出身的文士通过科举途径入仕和此后的升迁途径中较之寒门子弟有何优势，甚至可以结合士族郡望表进一步细致分析不同地域士族的升降与科举之间的关系。模式识别是学术研究更高级的思维过程。

知识扩展和模式识别都依赖于知识系统的有序性和关联性，由此形成的知识图谱，是有关联的、有序的知识集合。这个知识集合中，所有知识点都在一个相互关联的网络体系中，不是单个的珠子，而是固定在一串项链上，我们可以知道它的定位，知道它跟其他知识之间的关联。

知识图谱正是用以实现模式识别思维功能的方案，它由多个知识本体库和多个知识模型组成，把这些知识模型进行叠加以实现模式识别功能。知识图谱的综合架构有点像生物分子模型，任何一个知识点都能够在它的分子链上找到，而每个分子链跟其他的分子链之间还有一种关联，那么我们可以通过它的颜色、大小、方向来定位它到底是哪个具体的知识。我们看单独的知识点，它是海量知识中一个不确定的点，但当我们把不同来源的知识进行拼合的时候，其实它就变成了一个某种七巧板拼成的固定形状，每一个单块都是不可移动的，是互相关联从而互相限定的。那么，以往所有的问题、错误，包括误解，其实都可以在这个体系中再认识。

这种知识管理方案能够让我们把传统媒体中的经验、知识和智慧，平滑地移入新媒体中，实现基于规则的方案和基于统计的方案的结合，也就是基于计算机技术的和基于专业领域知识的知识管理方案的完美结合，进而辅助人类更广阔、深入地认识主观世界和客观世界。

AlphaGo（阿尔法围棋程序）总体上由两个神经网络构成，以下把它们简单称为“两个大脑”。这只是一个比喻，在对弈时，这两个大脑是这样协同工作的：第一个大脑的简单模式会判断出在当前局面下有哪些走法值得考虑。第一个大脑的复杂模式通过蒙特卡洛树来展开各种走法，即所谓的“算棋”，以判断每种走法的优劣。在这个计算过程中，第二个大脑会协助第一个大脑通过判断局面来砍掉大量不值得深入考虑的分岔树，从而大大提高计算效率。与此同时，第二个大脑通过下一步棋导致的新局面的优劣也能给出关于下一步棋的建议。最后，两个大脑的建议被平均加权，做出最终的决定。

其实，这两个大脑的工作方式确实和人类很相似，一个__________细部，一个__________全局。但AlphaGo最终结合两者的方式相当简单粗暴：让两者各自评估一下每种可能的优劣，然后取一个平均数，这可绝不是人类的思维方式。

对人类来说，这两种思考问题方式的结合要复杂得多——不仅仅在围棋中是这样。人们并不总是同时对事态做出宏观和微观的判断，而是有时情绪、心理和潜意识的应激反应。这当然是人类不完美之处，但也是人类行为丰富性的源泉。

为什么要让人工智能去下围棋？有很多理由。但在我看来最重要的一个，是能够让我们更深入地理解智能的本质。

神经网络和机器学习在过去十年里跃进式的发展，确实让人工智能做到许多之前只有人脑才能做到的事，但这并不意味着人工智能的思维方式接近了人类。而且吊诡的是，人工智能在计算能力上的巨大进步，反而掩盖了它在学习人类思维方式上的短板。和国际象棋中的深蓝系统相比，AlphaGo已经和人类接近了许多，深蓝仍然依赖于人类外部定义的价值函数，所以本质上只是个高效计算器。但AlphaGo的价值判断是自我习得的，这就有了人的影子，而且AlphaGo的进步依赖于海量的自我对局数目，这当然是它的长处，但也恰好说明它并未真正掌握人类的学习能力。一个人类棋手一生至多下几千局棋，就能掌握AlphaGo在几百万局棋中所训练出的判断力，这足以证明，人类学习过程中还有某种本质是暂时无法用当前的神经网络程序来刻画的。

这当然不是说AlphaGo应该试图去复制一个人类棋手的大脑，但是AlphaGo的意义也不应该仅仅反映在它最终的棋力上。它是如何成长的？它的不同参数设置如何影响它的综合能力？如果有其他水平相当的人工智能和它反复对弈，它能否从对方身上“学到”和自我对弈不同的能力？对这些问题的研究和回答，恐怕比单纯观察它是否有朝一日能够超越人类重要得多。

我国最早的地理学著作《禹贡》，实际上产生于战国后期，但对历史地理现象的注意和记录在更早的著作中已可找到例证。成书于公元1世纪的《汉书•地理志》既是一篇内容丰富的当代地理著作，也堪称中国第一篇历史地理著作，因为它所记述的对象不限于西汉一朝，而是“采获旧闻，考迹《诗》、《书》，推表山川，以缀《禹贡》、《周官》、《春秋》，下及战国、秦、汉”，对见于历史典籍记载的重要山川地名作了考订注释。此后，从郦道元的《水经注》至唐宋以来传世的地理著作，几乎都是由当世上溯到往古，注重历史地理现象的记载和研究的。

在中国漫长的历史时期内，皇朝的更迭、政权的兴衰、疆域的盈缩、政区的分合和地名的更改不断发生；黄河下游的频繁决溢改道又经常引起有关地区地貌及水系的变迁，给社会生活带来相当大的影响。中国古代发达的文化使这些变化大多得到了及时而详尽的记载，但由于在如此巨大的空间和时间中所发生的变化是如此复杂，已不是一般学者所能随意涉足，因而产生了一门专门的学问──舆地之学（沿革地理）。到清代，沿革地理学的成就达到了高峰，是乾嘉学派学术成就的重要组成部分。

毫无疑问，沿革地理是历史地理学的一个分支，因此我们可以说中国的历史地理研究_______于1900余年前的《汉书•地理志》，并可以_______更长的历史；但是沿革地理不等于历史地理学，两者不仅有量的不同，而且有质的区别。就研究内容而言，前者主要是政区和疆域、地名、水道的变迁，后者却包括地理学的各个分支。就研究的性质而言，前者一般只是现象的描述和复原，很少涉及变化的原因，后者则不仅要复原各种以往的地理现象，而且要寻求它们变化发展的原因，探索它们的规律。中国沿革地理虽然是一门专门的学问，却一直没有形成一门学科，所以数百年来除了有少数几位专治沿革地理的学者之外，大多只是历史学家、经学家、训诂学家、文学家、金石家的副业，它的成果主要也是作为历史学和其他学科的注释检索之用；历史地理学则有自己独立的学科体系和理论，是现代地理学的一部分，一般来说需要有专门的研究人员，它的研究成果既可用于解释自然发展规律，也可用于解释人类活动与自然的关系，以及在特定自然条件下的人类社会的发展规律。

显然，历史地理学形成和发展的一个决定因素是现代地理学的建立。在中国，这是在20世纪初叶才具备的条件，所以中国沿革地理向历史地理学的发展是30年代以后才开始的。