干代码与湿代码

译文。

“ 湿代码 ”（ “ wet code ”）（由大脑进行解释 [ interpreted ]），与“干代码”（ " dry code " ）（由计算机进行解释），有很大区别。

人读媒体 ( Human-read media ) 是湿代码；计算机代码和计算机可读文件（从“ 计算机有意义地对这些文件进行处理 ”这个范畴上而言）是 “干代码” 。

法律是湿代码，由那些受法律约束的人进行解释（ interpreted by those on whom the law is imposed ），由执法者进行解释 ( 通常解释得有些不同 ) ，但最权威的 ( 甚至解释得更不同 ) 是由法官（ judges ）进行的解释。

人类语言（ Human language ）大多是湿代码，但从计算机程序粗略地将一种语言转换为另一种语言，从 keyword-ad 程序解析文本，对用户最有可能点击什么广告进行有根据的猜测，等，从这些角度看，人类语言文本（ human language text ）也可以是干代码。传统合约是湿代码，智能合约大多是干代码。 Secure property titles 和 domain name system 大多为干代码。

令人惊讶的是，“ 大多为干代码的 ” 也经常拥有湿软部分。例如，智能合约可以使用 dialogs 将自身 nature 传达给用户，允许用户至少输入一些参数，进行菜单选择等。这些是认知通道，用以转化湿代码和干代码（  These are cognitive channels that translate between wet code and dry code ）。同样，domain name system 中的 human-readable name 是湿代码，商标法是湿代码（ 适用于 domain names 的那种湿代码）。网络钓鱼（ Phishing ）是通过使用含糊湿代码（ ambiguous wet code ），对认知通道的一种攻击，这可能是干代码编程员很难处理它的原因。

干代码和湿代码的语法属性（ syntactic properties ）通常非常相似 - 例如，人类和计算机语言通常可以通过 pushdown automata 解析为 context-free grammars 。但它们的语义内容（ semantic content ）通常有根本不同，并由于各种通常神秘的原因，对于计算机而言，湿代码的语义内容通常不可理解。如果我们有足够好的人类语义理论（ theories of human semantics ），我们可以将这些理论编入计算机，然后，计算机像大脑一样进行理解。但在大多数领域，我们没有这些理论，所以我们基本上无法编程计算机来模拟人类。我相信，这些谜团主要是由于，相比最近计算机的稚拙设计，大脑的高度进化本质，特别是计算机在良好传感器（ good sensors ）方面的特有缺乏（ 即使是跟 Helen Keller 进行对比，计算机仍然被剥夺去更多得多的感知力，Helen Keller 有非常丰富有用的触觉），以及相对无能从自然和社会环境中学习。计算机收集不同类型信息的能力，例如通过概念隐喻（ conceptual metaphor ），也相对不发达。

随着计算机变得“更智能”，干代码（非常缓慢地）开始做更多之前只由湿代码完成的工作。一旦它成功地模拟湿代码，干代码很快就会在很多方面超越湿代码；例如，目前，干代码做简单算术的速度，比普通人快数十亿倍。如智能合约概念所暗示，从湿代码到干代码的过程，有许多富有成效的类比（ there are many fruitful analogies to be made from wet code to dry code ），但我们必须牢记根本不同的语义，每种语义的优缺点，以及彼此需要交互以解决实际问题。

我不认为有一种人工智能 " magic bullet " 理论将会揭开语义谜团（ semantic mysteries ），让计算机一举获得智能。我不认为计算机有一天会神秘地“醒来”，实现某种魔术般的转换，从 zombie 转换到 qualia （在这方面，我基本同意 Daniel Dennett 的观点）。

相反，我们将继续致力于将人类信息正规化（ chip away at formalizing human intelligence ），一次实现几个“bits”，同时，将永远不会达到这样的一个“奇点”——我们突然醒悟过来，意识到计算机已经超越了我们（ will never reach a "singularity" where all of a sudden we one day way wake up and realize computers have surpassed us ）。

相反，我们学习如何教计算机去发挥某种特殊的狭义能力 ，这种“特殊狭义能力”将有无数“微观失控”（ there will be numerous "micro-runaways" for particular narrow abilities that we learn how to teach computers to do ），比如在上个世纪左右，在基本算术方面，计算机相对人类的巨大优势。

计算机和人类将持续共同进化——计算机将取得更快进步，但远远达不到“奇点”的那个灾难预言，除非文明的大部分已经是一个滚动奇点（ except to the extent that much of civilization is already a rolling singularity ）。例如，人们通常无法预测，市场下一步会发生什么，或者从长远来看，哪些新 startups 会成功。

原文：http://unenumerated.blogspot.com/2006/11/wet-code-and-dry.html
作者：Nick Szabo
编译：Altynai热爱
校对：东林