在数学和计算机科学领域，“算法”指具有有限步骤或次序的且具有可计算性的指示。尽管这一术语本是在技术领域被使用的，目前却在大众媒体中频繁“出圈”，由此造就了诸如“困在算法里的骑手”之类的表达。在相关的新闻报道中，“算法”好像成了一种神秘的机制，能够像黑洞吸走万物一样吸走人类个体的精力与时间，至此，“算法”从一个纯粹的技术概念演变成了一个社会学概念。造成概念内涵拓展的原因其实并不难解释：随着人工智能产品日益渗透人类社会生活，算法逐渐成为社会权力的一种建制化外显方式，由此与大众产生了密切的联系。譬如，内嵌到某类视频的算法就能决定该视频在哪些国家或地区可以播出，由此使得版权法的效力得以硬性与高效地表露，而这一表露方式本身也能让相关产品的用户时刻感受到相关权力的“在场”。不过，得到算法化表达的并非只有各国立法机构谨慎决策后推出的各类法规，硬币的另一面是：内嵌在算法中的种种不公正与偏见会大大削弱社会正义。正如英国学者萨斯坎德（Jamie Susskin）与以色列学者赫拉利（Yuval Noah Harari）所指出的，某些社交网络平台的推荐算法，不仅会使得某些弱势群体的弱势地位得以固化，而且在某些情况下甚至会成为加剧社会分裂乃至种族暴力的催化剂。然而，仅指出问题所在，并不能帮助我们看清算法之弊的病根。譬如，如下问题就值得深思：为何同样作为技术设置的列车与电报，其发明与运用不会像算法那样迅速造成人类社会观念的撕裂？算法究竟有何独特之处？作为一个纯粹的非生命技术设置，算法自身又是如何与人类生命的个体（以及这些个体所组成的社会）深度融合，并产生如此深远的社会效应的？
对于这个问题，前文提到的赫拉利其实已经给出了自己的解答。在《智人之上》一书中，他指出现代算法与诸如蒸汽机、火车之类的传统技术装置的根本不同在于算法直接影响到被传播的文化内容的构成方式，而不仅仅是这些内容的被传递方式，因此，算法有更多的入口以方便其“侵入”个体的精神世界。此外，基于哲学家丹尼特（Daniel Dennett）的心智理论，赫拉利也认定人类大脑亦固有某种算法，此类算法与机器算法的耦合会放大机器算法的威力，最终导致“算法统治人类”的前景不可避免。
然而，机器算法与人脑固有算法的类似处究竟在何处呢？根据赫拉利的观点，就林林总总的机器算法而言，其共通点在于“为了达到确定的目标而不择手段”。但问题是：难道人类心智只能按照固定目标进行信息处理吗？难道人类心智不具有修订甚至放弃原有目标，且在不同方向的目标之间进行协调的能力吗？在笔者看来，正是因为过于依赖将人类心智的运作规则视为某种算法，赫拉利夸大了机器算法对人类心智的宰制力，进而对人类与算法关系的未来给出了一种过于阴郁的设想。
与赫拉利的算法观不同，笔者认为算法技术的本质是一种形式主义的、量化优先的思维模式，其对于特定目标的盲目追求，仅仅是这一形式主义特征的副产品。至于人类的思维方式，也不能被严格视为机器算法的类比物。毋宁说，人类心智活动越接近动物层面，其可类比于算法的特征就越明显；越远离动物层面并具有反思特征，其突破算法性（即形式主义）的特征也会越明显。因此，即便目下人类社会的运作在一定程度上已经受到算法的挟制，这一现实的出现亦是具有一定偶然性的。换言之，这一趋势是有可能在人类放弃对形式主义目标（如可被量化的经济增长目标）之片面追求的前提下被加以遏制的。
笔者得出上述见解的哲学资源主要是来自黑格尔。其虽然生活在远早于人工智能时代的19世纪初，但当时以牛顿物理学为代表的形式主义刻画模式对于自然的“宰制力”已初见端倪。黑格尔曾严厉批判当时数学刻画的迷恋者对于这一刻画之效力的高估，同时也给出了一种关于人类思维本质的非算法化描述。其实，只要我们小心重构黑格尔的相关评述，就能将他的这一批判转换为对于当代的算法迷恋症的批判。这一重构的当代意义在于：目前西方流行的对于算法权力的负面影响的批判基本是基于康德哲学模型的，而在司法实践上，这些自觉的或不自觉的康德主义者则试图用外在的伦理—法律规范（如欧盟的《通用数据保护条例》）来约束算法的贪婪。与之相较，黑格尔哲学的思维模式则是“从敌人的堡垒内部寻找突破口”，即从根底上否定经由形式主义的方式去描述世界（包括自然、心理与社会）的努力的合法性，而不是仅仅试图在外面给其划定适用界限。因此，黑格尔式的算法观能展现出康德式的算法观所不具备的一种深刻性。
考虑到“算法”一词从其原初技术意义到今日的宽泛意义经历了多重含义嬗变，下面我们结合黑格尔视角的讨论也将考虑这一概念含义的多重性。
算法之宗：花剌子模-莱布尼茨算法
从词源学角度看，“算法”（algorithm）以及与之拼写方式类似的“算术”（arithmetic）这两个单词，分别来自9世纪波斯数学家穆罕默德·本·穆萨·阿尔·花剌子模（Muhammad ibn Mūsā al-Khwārizmī）的两个拉丁化名字“Algoritmi”和“Algorismi”。花剌子模在代数与算术研究方面都做出了重大贡献，我们从小学习的代数与算术其实都是这种宽泛意义上的“花剌子模算法”的现代表达。不过，即使是这种初等的算法，亦带有与现代计算机技术接驳的潜能，此即其“机械化”的特征。具体而言，任何做过初等算术题的人都知道，做算术的时候人类必须将自身的心智加以暂时的“机械化”，换言之，人们必须根据加、减、乘、除等函数的固有运算规则，将由十进制表达的数字输入，映射为同样为十进制表达的数字输出。而对青少年来说，初等算术之难并不在于掌握特定函数的固有算法，而在于如何在运算过程中维持自身心智的“拟机械化”状态，并由此抵制诸如紧张、焦虑、三心二意等心理因素对计算进程的干扰。这种机械化的运作方式难免会使计算机行业的先驱者们产生两大联想：第一，我们完全可以设计出一套机械装置，模拟由人类心智执行的计算任务，由此减少人类心智的劳动负担；第二，除了数学计算之外，人类各种各样的思维任务，似乎都能被简化为此类计算任务，因此，用一台机械装置来模拟人类的所有思维活动，亦是可能的。
上述第一种联想导致了英国科学家巴贝奇（Charles Babbage）的“差分机”模型问世。这是一台由机械齿轮推动的复杂装置，理论上能将函数表的复杂算式转化为差分运算，用简单的加法代替平方运算。但因为当时机械加工精度的限制，这台机器的实体当时并未真正做出来。另外，需要注意的是，巴贝奇仅试图用这台机器解决减轻人类计算负担的问题，而不是试图解决一般的思维自动化问题，因此，这个想法离今日所说的人工智能构想尚有距离。在思想史上，真正对今日人工智能学说产生启发的是德国哲学家莱布尼茨提出的“普遍语言”（Characteristica Universalis）学说（这也是上文提到的第二种联想的代表）。顾名思义，他希望这种普遍语言能代替自然语言进行科学交流，以减少歧义。这种语言大致具有四个特征：第一，每一类基本符号都严格指称一类外部对象，即坚决不用不同符号指涉同样的对象（或用相同符号指涉不同对象），由此在根本上消除歧义；第二，推理规则高度数理化，保证论证的严密性；第三，用这种语言可以完成对所有科学语言的统一；第四，原则上允许这种语言通过某种机械装置而自动进行推理。
黑格尔固然不可能知道在他死后出现的“巴贝奇机”设想，但对于思想更激进的莱布尼茨的普遍语言说，熟读哲学史的他其实颇为熟悉。在《逻辑学》中，他这样辛辣地批评莱布尼茨：“莱布尼茨把组合运算应用于推理（与其他概念组合）的做法，与那个声名狼藉的吕尔艺术（指西班牙逻辑学家雷蒙·吕尔在《伟大的艺术》中提出的通过对人类‘思想字母符号表’中的各种要素加以排列以展示思想的提议——引者注）的唯一区别在于，前者从数目角度看更有方法性，但除此之外，二者都同样无意义。”黑格尔在此并不试图反对用数理的、机械的方法来应对纯粹的数学与逻辑运算任务，但是他坚决反对将这一方法应用于对自然语言的全面改造。黑格尔为此提出的诸多反驳意见之一是：人类在纯数理之外的思维必然涉及概念的丰富内容，而基于数理思维的形式刻画是无法涵盖不同概念在内容上的差异的——尽管对于此类差异的理解，恰恰对于自然语言理解来说起着至关重要的作用。为了说明这一点，他提到了“黄金是昂贵的”与“黄金是金属”这两个判断的差异，并指出：“昂贵的”这一谓词涉及黄金与其使用者之间的关系，而“金属”则只涉及了黄金的内部属性。虽然从日常语用角度看，二者之间的内在差别是如此一目了然，但数理化思维却只能将其视为形式上不同的谓词，不能刻画不同谓词在语义上的亲疏关联。因此，一个机械的推理装置无法自动从“黄金是金属”推理出“黄金是导电”的——除非有人事先告诉这个装置“凡金属均是导电的”。但假设没人事先将这一信息以恰当编码输入这台装置，那么我们只能期望这台装置自己获取这一信息。然而，这就会使该装置不得不执行纯粹的演绎推理之外的两种推理方式：归纳与类比推理。不过，麻烦也正在于此：既然类比推理不满足于三段论的推理规范（因为黑格尔指出，有些类比推理难以避免犯下“四名词谬误”），这就会使莱布尼茨的普遍语言理论陷入两难：要么通过这种语言建造的计算装置在科学发现中用处甚少（因为它有待于人类使用者输入一切真的经验命题），要么其对科学发现过程的模拟会牵涉到对于形式推演规则的破坏，由此成为普遍语言自身的反对者。所以结论只能是：科学思维不能被一台莱布尼茨所设想的执行普遍语言的机械装置完美模拟。
黑格尔对莱布尼茨的批评，显然能够被延展到几乎所有符号主义进路的人工智能系统，甚至可以说是预见了今日所说的“框架问题”。该问题的哲学实质是：既然基于数理逻辑的符号主义算法本身是纯粹形式化的，那么，这种算法是如何捕捉语义符号之间的语义相关性的呢？若要将这些相关性或不相关性关系预先以公理的方式加以表征并输入系统，显然会带来巨大的编程与运算成本，最终使得由此产生的系统毫无实践上的用处。因此，原始的花剌子模－莱布尼茨算法，是无法解决“框架问题”的，并因此不足以指导人类制作出真正的智能机器。
当然，今日流行的深度学习算法的哲学基础早已不是莱布尼茨所笃信的唯理论，而已经被替换为了经验论。即便如此，深度学习算法就能逃过黑格尔哲学批判的锋芒吗？
深度学习算法及其弊端
作为大语言模型底层技术支撑的深度学习算法，本质上是对人类神经元网络结构进行高度简化后所做的一种数学模拟，其哲学预设是：智能的展现并不在于符号层面，而在于亚符号的实现机制层面，特别是某个能对人脑神经元网络行为特征加以模拟的层面。不过，在某些更抽象的层面上，深度学习算法依然与更传统的算法有类似之处：第一，二者都试图通过有限的步骤来完成用户赋予的任务；第二，二者都试图将特定类型的输入映射为特定类型的输出；第三，二者的底层运作都可以被万能图灵机所执行。从数学的角度看，二者之间的根本区别在于：在传统算法中，从输入到输出的映射规则往往是设计师事先喂入系统的，而这些规则往往是对人类已知常识与科学规律的编码；与之相较，在深度学习算法中，这些映射规则往往是系统通过机器学习自行获取的（这在“预训练”机制中更为明显）。更重要的是，这些映射规则自身往往很难被浓缩为人类用户可以理解的句法，而只是体现为网络中不同节点的激发模式所构成的复杂矩阵。至于这一矩阵所蕴含的表征意义，即使对于专业人士来说，也是非常暧昧的。这就使得深度学习机制的工程师对其产品的调试方式，迥异于我们对传统机械的调试方式：在对传统机械的调试过程中，调试者往往具有对被调试对象内部各单元之间关系的因果图谱。而在调试深度学习网络时，由于此类清晰图谱的匮乏，甚至调试者本人也只能抱着“试试看”的态度去调整相关参数。
对于深度学习机制的这一问题，黑格尔已有预见。在黑格尔看来，如果我们将所有数据点视为“物自身”在“现象界”的涌动的展现的话，那么，所谓“开普勒定律”之类的“规律”，无非就是将这些数据点中的大多数加以贯穿的数据拟合线。但这些“规律”“只是实存世界或现象世界的一幅静止的肖像”罢了。这一“肖像”与作为数据簇的“现象”之间的关系是：“规律是现象的静止的内容；现象也同样是内容，只不过后者处于躁动不息的更替中，呈现为一种他者内的反映。”换言之，作为数据拟合线的规律本身对现实的反映所包含的信息量，要少于数据簇自身所包含的信息量，因此是不能被视为对于实在自身的直接表征的。在这一判断的基础上，黑格尔甚至对同样作为“规律”的万有引力定律对现实的解释力也提出了质疑，因为在他看来，在此类规律中，时、空之间的关联纯然是外在的，其规律自身的成立也缺乏必然性辩护。因此，这些规律只是对于输入与输出之间映射关系的数学美化罢了。
需要指出的是，与黑格尔所批评的传统科学所做的数据拟合不同，深度学习所做的数据拟合还有两个新特点：第一，拟合的结果难以被美化为清晰可辨的数学规律；第二，这一进路往往将数据粗暴地还原为诸如“词向量”之类的缺乏高层语言学属性的低级特征，由此使得输入与输出间的映射关系自身的科学语义更难得到澄清。也就是说，假若传统的科学规律只是“现象的静止的内容”的话，专门从事自然语言处理的深度学习机制所自行“摸索”出来的数据拟合方式，至多只能算是活生生的日常语言现象在被杀死后所留下的“尸体”。“尸体”固然能够反映活体的诸多特征，但仅观看“尸体”，我们无法设想出其在生前的种种风姿。同样的道理，基于词向量预测技术的大语言模型固然能按照其习得的语言习惯给出大量貌似“人话”的输出，但很难展现出真正的自由与创造性。
显然，由于人类的语言机能与其他心理机制密切关联，专事自然语言处理的深度学习机制很难不与人类用户的心理机制产生互动。那么，人类的心理机制是不是也是一种算法，并因此能与机器算法构成某种耦合呢？
“心智算法”未必是一个好的隐喻
赫拉利在《智人之上》的前传《未来简史》的第三章中，花了不少篇幅来讨论人类自身的心智构成。他并不反对目前英美心灵哲学界的主流观点——人类心智本身就是某种被算法控制的生物计算机（这些算法本身则是演化的产物）。但作为历史学家，他在同一章的后半段额外指出：若没有主体际的意义网络的编织，人类社会是不会爆发出如此大的对于自然的改造能力的。需要注意的是，他在《未来简史》中表露出的这个观点，其实在如下意义上是与稍后完成的《智人之上》的脉络彼此契合的：正是因为人类心智本身是一堆算法的聚合，才使得致力于前述“意义网络”编制的现代大数据算法有机会操控每个人心灵中的算法，由此完成硅基文明对碳基文明的宰制。
那么，赫拉利所援引的这种人类心智观到底对不对呢？的确有部分证据表明，人类处理信息的某些机制是可以被算法化的。心理学家与行为经济学家经常讨论的“花车效应”（即从众效应）、“锚定效应”（即关于某事物的最初印象被“锚定”后，这些印象会淡化后续印象对主体的影响力）等，都大致能够被算法所模拟，因为在这些心理效应中，输入的性质能大致决定输出的性质，由此方便算法建模者在输入与输出之间建立起映射关系。
那么，是不是所有类型的人类心智活动都能被算法化呢？黑格尔的答案是否定的。他指出，我们不能把“因果关系不合法地应用到自然的－有机的生命和精神性生命的关系上去”。此说若结合一种马赫式的因果观（即因果关系本身是可以通过函数刻画而被算法化的），也就意味着：精神性的生命活动的本质性部分是无法被算法化的。他用以支持这判断的论据可以被重构如下：所有因果/函数关系都预设了，无论输入与输出之间的关联如何复杂，都不会任意改变输入的性质，并由此使得输出的类型变得不可预知。这就好比，无论一个古代帝国的驿站系统如何复杂，只要其是正常运作的，那些由基层递向朝廷的文书内容是不会在半路上被篡改的。但人类的心智系统，甚至人类的生命有机体，其运作的本质性特征就是对于输入的“篡改”（而且这种“篡改”是带有任意性的）——或用他自己的话来说：“那个作用于生命的东西，是由生命独立地规定、改变并转化的。”而这一点也就解释了为何对人类的信息处理系统来说，输入与输出之间的关系总是无法被固定为某种特殊的映射关系。
黑格尔的这一论断显然能够合理解释在1958年被德国神经专家克劳斯·康拉德（Klaus Conrad）命名的“胡乱关联效应”（Apophenia），即下述现象：心理主体会在面对杂乱无章的输入信息时，自动“发明”其中的关联，无论这些关联的存在是否有客观依据。很显然，这是一个非常难被算法化的心理效应，其判断理由如下：所有算法都需要在输入与输出之间建立起映射关系，而从数学角度看，映射关系的确立要求被映射的对象是明确的，不能模棱两可。与之相较，“胡乱关联效应”起效时，心理主体如何将输入的信息转换为其心目中的关联模式充满变数。当然，面对较为简单的知觉输入信息时，大多数人会将某种同样简单的解释模式强加之（譬如，大多数缺乏概率论训练的人都会认为，一旦某硬币连续被投6次都是正面朝上，它再被任意投掷时，其正面朝上的机会也会变大）；然而，在面对较为复杂的输入时，不同人的反应模式就会千差万别。譬如，部分精神分裂症患者会用阴谋论的视角去看待那些被旁人视为无害且彼此无关联的行为模式，并因此陷入被周围人迫害的妄想。那么，为何同样的输入，在大多数人看来并不包含阴谋，而在一些精神分裂症患者心目中却被视为阴谋存在的证据呢？而且，为何不同的精神分裂症患者会有关于阴谋类型的不同妄想呢？对于这一问题，一种黑格尔式的解答便是：恰恰因为不同心理主体自身的“生命”会强行改变输入的特征，才使得在某些人看来无害的行为模式，在某些另外的心理主体看来变成阴谋存在的证据。换言之，“生命”的自主性会自动破坏算法的机械性。
黑格尔上述论断的一个有趣的副产品便是：按照此论，今日发展得如火如荼的生成式人工智能无论如何算不上是有“生命”的。在黑格尔看来，“生命”意味着个性的能动性敲在输入上的印戳，而目前诸如DeepSeek等大语言模型所展现出来的过于讨好用户的行为特征，恰恰意味着这些大模型缺乏自己的能动性，并因此缺乏黑格尔意义上的生命。有趣的是，黑格尔将“求真”也视为“生命理念”的自然衍生物，正如对谬误的顽固坚持是一种生命力的体现一样。因此，从其哲学立场看，一种缺乏生命性的计算架构是不会自动产生求真的理念的，而只能按照其从训练中获得的习性，将一类输入映射为另一类输入。由此，从黑格尔哲学的角度看，现在的大模型之所以深受“机器幻觉”之苦（即自动输出貌似语句通顺却与事实不符的信息），也是由其非生命性所导致的。
赫拉利亦曾借着军事理论专家克劳塞维茨的观点，评价了拿破仑的行为模式，并认为其军事扩张行为未必真正符合“让法国再次伟大”的目标。借用前文给出的黑格尔式解释框架，这说明拿破仑的行为很难被算法化，换言之，其输入与输出之间的关系肯定无法被确定为数学上的映射关系。这也恰恰说明了拿破仑生命力之强，配得上黑格尔对其“骑在马背上的世界精神”的称谓。但赫拉利却不太明白他所展现的这一案例的哲学意义。他错误地将拿破仑的案例与歌德的寓言《魔法师学徒》相提并论（在这一寓言中，一个魔法师学徒对魔法指令一知半解，只知如何让扫帚取水，却不知如何让其停止取水），并认为这个魔法师学徒与拿破仑一样，无法驾驭自己貌似掌握的力量。赫拉利显然忽略了两个案例之间的本质差异：在歌德的寓言中，魔法本身姑且可以被视为算法的类比物，因为它的确可以经由正确的输入而被打开或者关闭；与之相较，无论是拿破仑本人，还是他麾下的法军，其运作都是基于“生命”理念，因为生命的特点恰恰在于其最终输出的不可预见性（即使是拿破仑手下的一名普通士兵，基于其生命性，既可以选择在滑铁卢战死，也能选择像《悲惨世界》中的德纳第先生那样趁机搜集阵亡将士身上的财宝）。故此，魔法师学徒的故事只能成为一个笑话，拿破仑的事迹却能成为史诗。
从上面的讨论中我们马上就能引申出这样一个结论：尽管今天的社交媒体推荐算法的确是利用了人类心智架构中那些貌似可以被算法化的部分（如从众、猎奇等），但既然人类心智架构的本质在于其“生命性”而不是“算法性”，机器算法对人性的宰制就很难走向彻底。人类心智的生命性总会引导其追求自身通向自由的路径。
不过，要真正展开这种哲学意义上的可能性，在现实生活中会遭遇到一个巨大的障碍，此即得到资本力量加持的“点击量逻辑”。
点击量逻辑背后的“坏的无限性”
赫拉利曾指出，在2016—2017年，美国著名社交媒体“脸书”的算法助长了东南亚某国的种族主义冲突，造成了大量人员伤亡。但为何脸书平台自身未组织这些仇恨言论的散布呢？赫拉利的解释是：比起慈悲的布道，充满仇恨的阴谋论更能提升人类用户对相关平台的“黏度”，而这一点又能给相关平台带来广告收入。于是，为了提高用户的参与度，算法就自动做出了一个致命决定：传播愤怒。
上述案例让我们清楚地看到了点击量与资本利益之间的关联。换言之，目前全球互联网上网民价值观撕裂的现象，在相当大的程度上是与内嵌到算法内部的资本逻辑相关的。不过，这并不意味着这一趋势仅仅与算法和资本相关。其一，人类用户自身是有“生命”的，因此，在任何一个社会中，仇恨的传播未必都会导致点击率上升。反之，假若一个社会中仇恨言论的传播的确得到众多的拥趸，这仅仅说明该社会中“恶”的指数已高到了让人担忧的地步。需要注意的是，按照黑格尔的伦理学，甚至“恶”本身也是一种有“生命”的力量（因此，即使没有算法的加持，恶的力量也会自我坚持、自我繁殖）。故此，仅仅看到点击量与资本力量之间的互谋，我们无法深刻地理解为何仅仅在一些社会中，仇恨的传播如此成功。其二，作为私有制的公认支持者，黑格尔反对针对“资本的逻辑”做出一种基于所有制批判的哲学批判，而是将锋芒转向使资本逻辑得以可能的形式主义思维方式，即对“恶的无限性”的抽象崇拜。在这一前提下，假若他能看到今日不少社交媒体对点击率的疯狂追求，他更可能将其视为“恶的无限性”到处泛滥的结果。
“坏的无限性”与“真的无限性”是黑格尔在讨论量的范畴时反复提到的一对概念。所谓“坏的无限性”，指的是在数量上无限性的追求，如得到了10万网上粉丝还想得到100万。所谓“真的无限性”，在黑格尔的原始语境中带有一定的神学意味，即对于作为“绝对精神”的“上帝”的“无限性”的指涉。若褪去其神学色彩，大约就是指如何在有限的物理世界中展现出道德与美学的绝对伟力。按照此理路，一位追求“坏的无限性”的电影导演，会疯狂追求电影的票房价值，并会因自己的某部动画片的票房超过某部好莱坞电影而沾沾自喜；一位追求“真的无限性”的电影导演，则会在艺术质量上对自己作品的每一帧画面与其中蕴含的人文价值精益求精，并执念于自己在艺术史上的地位。需要注意的是，“坏的无限性”与“真的无限性”在政治生活中也有对应，即卢梭曾提到过的基于人数多少的“众意”（volonté de tous）与代表民族国家真实利益的“公意”（volontégénérale）之间的区别。至于如何在现实政治生活中落实“公意”，黑格尔在《法哲学原理》中给出了一套与西方主流三权分立学说大相径庭的新三权分立学说（将行政权与立法权统摄于王权），并由此用保守主义的政治理念冲淡了康德式政治哲学的自由主义色彩。这方面的黑格尔哲学知识为学界熟知，在此不再赘述。
那么，倘若黑格尔本人能够活着看到推荐算法对暴力行为的鼓励，他会提出什么良方呢？为了回答这个问题，我们不妨看看黑格尔在《法哲学原理》中是如何批判西方国家典型的选举制度的。在他看来，缺乏社会组织的孤立选民是无法表达对国家大事的成熟意见的，因此，进入民意代表机构的，只能是对相关行业（特别是实体行业）的情况了然于胸的行业代表。考虑到为点击率做出贡献的广大网民其实也是在进行某种超越网民自身所处的社会生态环境（如家庭、社区等）的“选举”，黑格尔对他所知的全民选举制的批评显然是能够被延展到对于今日点击率逻辑的批评之上的。从其哲学立场上看，在选举中对于“多数票”的片面追求也好，在互联网经济中对于点击率数据的疯狂追求也罢，其实都是“坏的无限性”在不同领域的展现方式罢了。但二者的精神内核却是一样的：对形式上数量增长的无限追求，会使追求者放弃对自身主张的精神内核的严肃态度，往往采取片面迎合卢梭所说的“众意”的策略。其结果就是民粹主义与极端化态度在政治领域或文化领域的胜利，由此导致亚里士多德式的政治审慎与高雅的人文价值的全面边缘化，最终使得“真的无限性”反而得不到彰显。仿照这一思路，黑格尔可能会基于某种行业标准去限制自媒体对各类话题的言论涉及范围，甚至不惜为此放弃与点击率有关的商业利益。需要注意的是，这一思路极可能会倒逼立法机关出台更严格的互联网监管政策。因此，假若黑格尔还活着的话，他很可能会欣赏欧盟对于互联网算法的相对严格的监管，并批评美国政府在这方面相对放纵的态度（当然，黑格尔或许不会太喜欢欧盟相关监管政策内含的康德主义气息，但这是另外一个话题了）。此外，作为“治本”（而不仅仅是“治标”）之策，黑格尔主义者很可能还会试图通过某种带有半强制性的社会建制，将对“真的无限性”的追求内化到全民的教养习得之中，使得对于“坏的无限性”的贪恋被社会普遍地识别为一种野蛮的行径。
总结与引申性评论
当古代的波斯数学家花剌子模在构建代数法则时，身为纯数学家的他并没有试图将今日所说的“算法”拓展到数学领域之外。近代的莱布尼茨则试图用一种高度算法化的普遍语言来统一科学语言，由此迈出了“算法僭越历程”的第一步。20世纪的图灵在电子化时代迈出了这一僭越历程中关键的另一步，即试图用当时刚刚出现的电子计算机全面编制人类语言，使其通过“图灵测验”（也就是让用户无法辨别机器编制的人类语言与真实人类语言的区别）。很显然，今日发展得如火如荼的大语言模型，在哲学脉络上可看作图灵测验的延续。但从黑格尔哲学的立场来看，上述做法的根本问题在于，将算法自带的映射关系视为在世界中普遍存在的关系，而没有意识到，人类言语活动的根源是“生命”，而“生命”的特殊性恰恰在于：其运作总是会抵抗算法的预先规定，并由此制造种种“惊奇”。当然，作为自然演化的产物，人脑机制中的一些底层逻辑依然是可以被算法化的，但网联网的推荐算法对这些接近动物思维的算法的过度利用，显然会放大人类社会的动物性，从而降低文明的门槛，压缩人类文明向更高层次发展的可能空间。故此，要根治算法迷恋症，我们需要从根本上放弃使这一迷恋得以产生的对于“坏的无限性”的贪恋，树立一些更能彰显“真的无限性”的社会发展目标，如公平、正义、和谐、仁爱等。
故此，不同民族之间的竞争，未必首先落实为科技力的比拼，因为科技比拼往往是以预设“坏的无限性”为前提的（如比拼谁生产的人工智能产品算力更强、性价比更高等）。然而，此类比拼往往会大量耗费社会的资源而忽略社会各个单元之间的协调发展，因此往往会在长远造成种种不协调的问题（如贫富差距加大、失业加剧、劳工工作的“内卷”、人口出生率下降等）。这当然不是说发展科技本身不值得追求，而是说，我们还应将科技发展的需求内化到对于“真的无限性”的追求上去，并着力开发那些能够明显有助于实现诸如公平、正义、和谐、仁爱等价值目标的科技产品。不过，就像浮士德很难抵御墨菲斯特的诱惑一样，并不是所有民族都能抵制短期利益的诱惑，进而深刻意识到实现“真的无限性”这一目标的优先性——这也是黑格尔之所以在其历史哲学中不得不将不同民族的德性品质加以排序的原因。从这一理路来看，未来世界历史的竞争，本质上就是各个民族德性力量的竞争，或者说，是对各民族在多大程度上能用德性力量驾驭科技产品的考验。至于那些暂时在朝向“恶的无限性”的片面竞争中领先的民族，也会因忽视社会发展的整体协调性而在后续的“长跑”中被甩掉，因为根据黑格尔“历史与逻辑相统一”的哲学原则（该原则的真意是：“真的无限性”必须在历史中得到正确对待），在世界历史长跑的领奖台上，奖励的对象是“德性”，而非“算力”。
