2022年8月19日 星期五

斗數有完整的軟硬結構

斗數是一個概然性的系統

斗數是一個相常聰明(intelligent)的系統,用來推斷命運的趨勢。我的理解是,無論多精確的學問、多完善的體系,應用起來,都會有一定誤差,我們知道西方數學,有一個叫做probability的學問,稱概論,或者譯作概率、概然性。那是說,我們把推斷的答案鎖定在一個範圍內,並且必然要容納一定的變數或誤差。

這個範圍,我們稱之為集,這個集中提供了一些項目和可能性,而不論數學家或者學斗數的朋友,整個學習過程,便是訓練自己,如何可以有邏輯地,有上文下理地,有條件地,有時甚至要借助直觀或者直覺,有效地去找出一個最適當的結論。

這種概念,在中國的術數體系中毫不陌生,《易》說乾、坤、震、艮、離、坎、兌、巽八卦。每卦之下都有一集物象的意義符號,例如乾去代表馬,老父、剛硬.......等。

我們在學習斗數的過程中,透過一連串訓練,讓我們在一個「集」中,由闊而窄、從而選取一個我們認為可能發生的答案,這種能力,便是一種預測能力;如果我們能夠將這概念引入斗數系統,我們便會知道,斗數原來就是一個語言和概念系統,從而明白斗數的結構,進而理解創立斗數者的邏輯理念。我們要花時間做星曜本義的建立、定義和整理工夫,是因為每一顆星曜,都有多種賦性,構成一集,至於集中的不同賦性,在那一種條件底下,採用那一條賦性,以構成合乎邏輯,順理成章的演譯和推算,便要求學斗數者要有邏輯推斷的思維能力,對推斷條件的認識和掌握,那只是老生常談的「上文下理」觀念。

這種遊戲形式,在術數宗乎《易》的記憶中,我們當不會陌生。不論學易卦還是玄空風水,我們都要熟習《易,說卦》,內中所載的,便是乾、坤、震、巽、坎、離、艮、兌的八集賦性,合為:

《易,說卦》 第十一章

乾為天,為圜,為君,為父,為玉,為金,為寒,為冰,為大赤,為良馬,為老馬,為瘠馬,為駮馬,為木果。
坤為地,為母,為布,為釜,為吝嗇,為均,為子母牛,為大輿,為文,為眾,為柄,其於地也為黑。
震為雷,為龍,為玄黃,為旉,為大塗,為長子,為決躁,為蒼筤竹,為萑葦。其於馬也,為善鳴,為馵足,為作足,為的顙。其於稼也,為反生。其究為健,為蕃鮮。
巽為木,為風,為長女,為繩直,為工,為白,為長,為高,為進退,為不果,為臭。其於人也,為寡髮,為廣顙,為多白眼,為近利市三倍。其究為躁卦。
坎為水,為溝瀆,為隱伏,為矯輮,為弓輪。其於人也,為加憂,為心病,為耳痛,為血卦,為赤。其於馬也,為美脊,為亟心,為下首,為薄蹄,為曳。其於輿也,為多眚,為通,為月,為盜。其於木也,為堅多心。
離為火,為日,為電,為中女,為甲冑,為戈兵。其於人也,為大腹,為乾卦。為鱉,為蟹,為蠃,為蚌,為龜。其於木也,為科上槁。
艮為山,為徑路,為小石,為門闕,為果蓏,為閽寺,為指,為狗,為鼠,為黔喙之屬。其於木也,為堅多節。
兌為澤,為少女,為巫,為口舌,為毀折,為附決。其於地也,為剛鹵,為妾,為羊。

斗數可以科學化

我在《術數與AI人工智能》中嘗試問到能否將術數科學化,利用AI成功預測命運?平心而論,我認為術數科學化,依然是有可能及可行的。我曾問過電腦語言專家的學生,現在那些有人工智能的、能說話和與人對答的機械人、電腦程式,發展多久了?他們說,由初始發展到近年稍為成熟,大概也已經歷近一個世紀了。早年我看了一個由英國廣播公司BBC製作的特輯,題目是考考電腦問答真人的問題的智能夠竟有多高。效果是,稍問到一些復雜的,或抽象一點的問題,電腦的回答使經常九唔搭八了。如果你有興趣,試試問蘋果的siri人工智能對答秘書,包你笑爆嘴。

各國語言,已經是經歷了幾千年而且是穩定的文化資產了,要將他們變成人工智能,便需要長期累積地輸入正確豐富的資料,令其資料存量變得鉅大,那是一項持之以恆的長期工作。斗數也是一個語言和語意的系統,但如果我們連對第一顆正曜紫微的賦性理解都可能有錯,那我們可以輸入甚麼?怎樣走第一步?所以有心將斗數科學化的同好者首先要理解每一顆星的賦性,再將大量資料,包括名人生平、推斷算法(模型),及真實的使用者體驗,放在超級電腦中,經過語音解析及辨識過程,得出一大堆篩選的材料,才由有經驗的算命師作出人機合作的結論。

前年閱讀一篇文章《AI能預測一個家庭的命運?》新研究發現:用上15年的數據也「說不準」!

不少機構可能會有一種設想:如果能夠理解不同因素如何改變某人的生活軌跡,那麼他們可以提出干預措施,加以引導,從而順利實現提升就業率、降低犯罪率等一系列結果。但這些機構一直以來希望藉助AI幫他們做到這一點的想法,可能在現實中分分鐘都會被打臉。

在一項大規模的挑戰賽中,上百位研究人員試圖利用15年的數據來預測兒童和家庭的結果,但至今卻沒有人能夠做到有意義的準確性。

近年來,科學家們越來越寄望於通過機器學習處理大量數據,來為社會行為產生更精確的預測。在他們的設想里,與人類或更基本的統計分析相比,使用有關給定情況的足夠數據的算法——將做出更準確的預測。

不過,發表在《美國國家科學院院刊》(PNAS)上的一項新研究,對AI預測方法的有效性提出了質疑。

在這項研究挑戰賽中,普林斯頓大學的三位社會學家要求數百名研究人員使用4000多個家庭的近13,000個數據點,為兒童、父母和家庭預測6種生命結果。結果,不管他們使用簡單的統計數據還是最先進的機器學習,都沒有一個研究人員能夠達到合理的精度水平。

非營利組織Partnership on AI的研究負責人Alice Xiang表示:「這項研究確實凸顯了一個理念——即歸根結底,機器學習工具並不是萬能的。」

1 則留言:

  1. AI未能預測一個家庭的命運, 皆因採集樣本和時間不多, 15年相對各個家庭的命運算短, 如果用50年, 最少有兩三代的變遷就差不多!

    回覆刪除