《大师说科学与哲学》是一本由海因茨•R.帕格尔斯 (Heinz R.Pagels)著作，漓江出版社出版的平装图书，本书定价：CNY 45.00，页数：331，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。

　　《大师说科学与哲学》精选点评：

　　●读前一半的时候基本不知道在说什么，导致差点错过精彩绝伦的后半部。虽然这么说的，但是前半部至少让我明白了什么是复杂性，为什么天气不可预测，以及为什么对于人脑可能没有办法达到完美的理解（有可能人脑就是最小的包含自身的系统）。后半部分展现出了一个天才对于世界深刻的思考以及渊博的知识。最让我印象深刻的是说为什么科学可以到如此地步，是因为有个实在世界作为选汰的标准。相反，人文社科就面临没有客观的具体挑战。并且，认为科学本身就是个选汰系统，这比拉卡托斯的观点更进一步！（作者说：科学和科学哲学是两回事）。云云，充满了令人拍案叫绝的洞见，让人忍不住放在案头有空的时候再读几遍！理性之梦万岁！

　　●人类在科学和人文中交错前行，最终交汇在以计算机科学解决复杂性问题的十字路口。

　　●牛的。

　　●写的很像随笔和笔记，复杂性和选汰系统比较感兴趣，能写到如此简单易读又挺有文采也是难得，可惜作者遭遇山难再也看不到他的作品了。

　　●看中文书名一等吸引人。但中英文的意思还是有差异的，英文原文是“the dreams of reasons”。书名的副标题中英对应工整，表达了真正的主题。 作者本人是当时那个时代的人工智能方面的专家，从文中可以看出，他那时和当今几位人工智能的泰斗有过交情。英年早逝，着实可惜。 内容嘛，感觉有些离散，读起来不那么流畅。再加上译者是台湾人的原因，有些表达和大陆中文有差异。 书中我发现了一处很明显的重大排版错误，把科学计数法搞错了，这种简单错误有些离谱。

　　●Pagels三十年前的作品，范围很广。包括复杂性理论与科学哲学两部分。复杂性理论部分对混沌与神经网络有很好的综述，作为物理学家，涉猎广泛。对神经网络与认知科学的发展有清晰的讲述。哲学部分对数学哲学的阐述比侯世达要好，科学哲学作为科学家立场也很好的评述了20世纪科学哲学的主要成果。笔锋所扫简略提到伦理哲学，可见他思考视野的深广。如他再活二十年（今年80岁）看到人工智能的状况，当年的思考会如何评估？

　　●106页开始精彩，这章名字应该叫人工智能的来龙去脉。感觉吴军的文明之光应该是借鉴

　　●可能是翻译的原因，读起来很艰难，很多次昏昏欲睡。比起《宇宙密码》差了很多。

　　●《理性之梦》，二刷还有些不懂啊的地方！

　　●享受智力的愉悦感

　　《大师说科学与哲学》读后感(一)：挺难读

　　看这本书需要辩证思维，数学和计算机的一些知识，物理和化学的一些知识。还要对哲学有点理解。不然看的云里雾里。本书兼容哲学和科学两种学科，本身就映射出来复杂性这一核心命题。线性思维在读本书的时候会感觉到特别痛苦。因为你会发现作者写的前言不搭后语。不建议作为兴趣类读物。本书更像是一种专业性的读物。

　　《大师说科学与哲学》读后感(二)：畅销美国二十年的科普读物

　　畅销美国二十年的科普读物

　　犀利透视科学与哲学几百年来的复杂关系

　　深入解读计算机与复杂性科学带来的新世界观

　　1.畅销美国二十年的科普读物。作者知识广博，见解深刻，从一个科学家的角度解读科学与人文的关系、科学改变世界的力量，以及新兴的复杂性科学的潜力，与当前我国注重科技和创新的主旋律完全合拍。

　　2.内容既专业权威，又具有可读性，除了丰富的数学、物理等学科的知识，更有对科学史、哲学史的广泛涉猎。作者还善于讲故事，将复杂的思想通过有趣的寓言或故事引导出来，实具大家风范。

　　3.“大学新知”丛书之一，其姊妹篇为诺贝尔化学奖得主罗德霍夫曼的《大师说化学》。本丛书多为针对大学生和普通读者的普及畅销类社科读物，市场前景较好，可搭配推荐，连带销售。

　　《大师说科学与哲学》读后感(三)：类似的书评分都很高

　　老外的纯理论书籍会让人觉得写的真好，实际上很多在自说自话，里面还夹带无关紧要的私货，这个私货可能跟科技史一点关系都没有，仅仅是自己随性的插入语或者是生活经历。

　　怎么看文章都是逻辑自洽的，而且可以把来龙去脉讲的很长，但不一定讲的清楚。中国人最缺乏的就是所谓的理论建构，不能单纯从抽象思维出发经过一番思维推导论证和发展得到一些看似解释力很强的话语。所以我们在某些层面上总是被牵着走，而不能根据自己现有的知识储备或者说结合当下自己国情发展出一套更为符合中国社会发展的理论。

　　当然了，社会科学也是科学的范畴，内在逻辑即有一定的关联性，才称的上是科学，万丈高楼从地起，我们也需要站在巨人的肩膀上，不能闭门造车，但就理论建构上还是谨小慎微了些。应该更为大胆假设，甚至大胆猜想和建构理论，哪怕是看起来荒谬或者看起来不错，经过简单验证就发现错误的理论。

　　看多了类似的书籍总会觉得自己是傻子，翻译来的内容看完以后没有任何关于书中的实质性结论或者对自己认知有改变视野有拓展，更多的是陷在表面文字上。对比Simon的《人工科学》就差很多，越是大牛人物写书越要接地气，少使用学术语言，论证上少使用一些看不懂的方法，大道至简。

　　《大师说科学与哲学》读后感(四)：宇宙密码

　　自从科学结构的革命以来，科学的原理主要依赖于实验来证明。尤其是量子物理的发展，强烈依赖于大型的对撞机实验，全世界的人们都在为观测到夸克或者引力波而欢呼。

　　但是，大家渐渐发现，实验的要求特别的苛刻，影响到实验结果的因素也越来越多。按照实验的方法，你需要把大部分因素固定下来，而只观察你认为的主要因子，来验证实验的结果。

　　于是，人们不得不走出了两条道路：

　　一是创造出了复杂性理论，即由多个变量和因素的共同作用下，开展的观测实验。人们开始注意到学科间的交叉地带，比如社会学和生物学，用进化的观点来看社会的发展。

　　二是把一切问题，归结为数学模型。认知科学发展成数学，即以逻辑为基础的一个严密认知理论，以数学理论来解释认知，其结果可用计算机来检查及测试。

　　在通过计算机模拟的时候，我们会用到一个概念，就是”局部最优解“。机器学习也好，深度学习也好，其结果都是一个概率，训练集并不能穷举所有的现实世界，而以训练集的算法去验证时，就只能是局部最优解，或者说是”全局解“的概率达到了一定的水平。

　　从这个角度来看，现今所有的科学都只是复杂性问题的”局部最优解“，在计算机的帮助下，人类可以更快、更多的观测到的数据偏差，然后通过”升维“来扩大”局部“的范围。

　　无论是哪种方式，都有一个试错的过程。当有足够多的人和计算机参与进来时，也构成了一个复杂的破解“宇宙密码”的“选汰型”网络。

　　最终，这两条道路交汇在了哲学和科学的十字路口。

　　《大师说科学与哲学》读后感(五)：几点体会

　　这是最近读完的一本关于复杂性科学的科普著作，读完之后，第一感觉就是复杂性科学所研究的客观现象其实处处体现在我们日常的生活中，这也是复杂性科学研究强调跨学科研究的一种体现吧。

　　之前一段时间阅读了部分管理相关的书籍，加上本来自己的专业就是计算机，也有10余年的数据仓库开发经验，在这些经验前提下，结合复杂性科学的一些论述，感觉到复杂性科学的一些见解就是客观地存在于我们现实的世界之中的。

　　管理的一个重要的目标就是，提升（多个个体组成的）团队整体的效率；而现实的情况就是随着团队规模的不断扩大，管理的挑战也出现了迅速地增加，其中一个非常重要的原因就是随着团队规模的不断扩大，信息同步的效率大幅度降低，这种信息同步的效率降低，导致了部门墙的产生，继而拉低了业务的整体效率。那么如何才能有效地传递信息呢？从一些管理实践来看，“奖励什么就获得什么”，这是一种思路，它强调了奖励机制作为一个信息广播源的作用，来同步大规模团队的方向；但是，有这么简单吗？不是的，管理里面也有激励效应递减的作用，经济学中也有类似的论述，那么怎样才能实现信息的有效传达呢？要建立一个体系，激励机制仅仅是作为这个体系中的一个因素；这个体系可以类比为一个计算机，激励机制+优胜劣汰机制+开放，打通与外部的能量交换.... 只有一个综合的系统才能够保持大规模团队或组织的高效率，换句话说，想要打造一个高效率的组织，就要真真正正设计一个高效率的体系，只有高效率的体系才能容纳高效率的组织；高效率的组织体现了高效率的体系，也就是只有高效体系才能模拟高效组织。

　　计算机编程强调对现实问题的抽象，有时会陷入过度设计的陷阱中去，过度的设计导致难以理解的架构，继而又损害了架构的可扩展性，归根结底还是一个低效问题。为了针对这个问题，从较高层次看，一些诸如领域驱动编程的思想应运而生，它的主要作用就是划分业务领域，相互之间通过接口进行相关服务的调用，避免将所有业务逻辑杂糅在一起，让整体业务那个有机地通过类似于拼积木的方式来构建起来。这时，我们发现，一个复杂的业务体系，可以通过简单的部分构建起来，总体上产生的提升会有1+1>2的效果。这又让我们联系到乐高积木这种体系，任何主题的乐高积木可以通过统一的接口相互复用，产生出更多的可能性来，它不是简单的1+1=2，而是确确实实的1+1>2。有的时候，我们会惊讶于，一个个简单的模块通过标准的插拔接口（类似于信息传递接口）就可以组合成极端复杂的造型。

　　数据仓库是一个出现了数十年的概念了，其核心目标就是提升数据分析（从数据中获取信息和洞察）的效率，所有的数据仓库的设计模式都是围绕着这个目标去构建的，这种构建有100%标准的模式吗，没有的，因为分析目标的多样性，导致数据仓库设计模式并没有完全标准的模式，可能有一些大致的思路，比如设计中间表，如主题集成表、聚合表等等，仅仅就是一些思路而已，但是具体的实现场景是千差万别的。但是无论设计上怎么千差万别，其核心目标就只有一个，提升效率。凡此种种，我们不得不说是客观的分析场景和分析需求塑造了数据仓库。而我们通过各种方法构建的数据仓库也就是激励对于高效分析场景的模拟。

　　软件工程、企业管理、建筑设计、城市治理，网络——所有的领域似乎都有某种共通特性，这种特性有的时候只可意会，复杂性科学通过对这种共通性的研究，能够为跨学科的研究提供更加多样的可能性，让学科之间相互启发，促进共同发展。

　　另外很讶异于这类书的阅读和评论量较少，应该将这种思想在我们的教育、科研领域进行渗透，让这种思路在国家的教育、科研领域进行融合，进而提升教育、科研的效率。