虚无之选对阵空洞之争：两位流亡心态的候选人证明，犹太人的被动性最终战胜了犹太复国主义的主动性
基于深度学习算法的民主选举替代方案将产生比现有选举更优质的选择，并有能力让民主免于自我毁灭。迈向基于新型深层架构的选举制度
作者：民主驴子
圣地犹太社区委员会[译者注：讽刺性地自称为以色列政府]的选举是在两种经典的犹太应对反犹主义方式之间的较量：一种是喧嚣的被动方式，用大声疾呼来弥补行动的缺失；另一种是安静的被动方式，试图不去激怒地主[译者注：普里茨，指东欧贵族]，甚至在言语上也避免与外邦人对抗。两位参选人都很聪明且经验丰富，他们的共同特点（与之前所有总理不同，除了戈尔达和沙米尔）是被动的决策方式，缺乏主动性，只是被动反应，极度谨慎和犹豫，不是要进行革命而是要维持现状。
一方面，延续贝京和扎博廷斯基的修辞传统，我们有一位候选人高谈阔论，采取对抗性和固执的受害者姿态，宣扬针对世界的犹太叙事，但实际上什么都不做。另一方面，按照工党的传统，试图与外邦人"和平相处"，通过默契和低调来维持犹太人的生存，有一位对手以其不显眼和优柔寡断而显眼，他周围还有三位制衡者来确保（如果有人还有疑问的话）他什么都不会做。
在最近五位犹太复国主义总理（拉宾、佩雷斯、巴拉克、沙龙、奥尔默特）的所有倡议都失败之后，以色列的犹太社区失去了在国家层面塑造自己命运的信心，转向了经典的犹太本能，试图在永久受威胁的状态下一天天地生存下去。与已经证明自己是现状维护者的内塔尼亚胡相比，人们对甘茨的主要担忧是他可能仍然怀有某种犹太复国主义的改变愿望。对内塔尼亚胡的主要担忧是，尽管他在不作为方面有着可靠的记录，但当他背靠墙时，可能还是会被迫采取某些行动，哪怕只是针对最高法院。
犹太集体意愿可以用一个词来概括：什么都不做。在不确定的情况下，"坐着（在椅子上）什么都不做 - 更好"。低风险 - 低收益。看似令人惊讶但实际上并不意外的是，戈尔达和沙米尔的流亡传统战胜了本-古里安和贝京的犹太复国主义传统。犹太人不是在寻找能创造历史的领导人，而是寻找能让犹太人在历史之外永存的领导人。顺便说一句，在这一点上，犹太民族与巴勒斯坦民族惊人地一致：他们都追求在现实历史之外的永恒存在。
可以说，这种犹太人的生存反应是全球各民族对世界民主危机最成熟的反应之一。这里不会出现一个制造混乱的以色列版特朗普，我们所有的候选人都有很高的智商和系统性思维。另一方面，在民主作为有效统治制度日渐衰落之际，最好现在就谨慎而适度地尝试新的民主替代方案，这是技术首次在历史上使之成为可能。由于我们不想效仿简单化的民粹主义或独裁方式，我们应该从自然界其他复杂的决策系统中汲取灵感，首先是从其最杰出的创造物 - 大脑中获取启示。在我们还不能完全理解高层次的大脑运作的情况下，我们可以利用科学在最近几十年对大脑低层次活动的认识 - 并开始在社会、社区层面实施，最终（经过调整和积累经验后）在国家层面实施。
毫无疑问，大脑的运作方式与独裁完全不同：没有单个或一组神经元做出决定，或者站在某个等级金字塔的顶端。另一方面，大脑的运作方式也与民主完全不同：没有所有神经元的投票来做出决定，也没有基于简单多数和平等的计票方式。大脑以一种介于这两种极端替代方案（极端分散和极端集中）之间的方式运作，也介于平等投票和反平等之间：其机制是加权多数。此外，大脑中神经元加权的架构既不是像现代官僚独裁那样自上而下的树状垂直结构，也不是像民主计票那样的水平扁平架构。它采用第三种方式，实际上结合了这两种架构：这是一种深层架构。
深层架构的特点是有多个投票层，每一层都对前一层的投票进行加权。这就是人工智能领域深度学习革命背后的架构，目前它是人类已知的最复杂的决策算法。它在各种情况下的学习能力显著优于任何其他已知算法，由于国家系统的学习能力是其在快速变化环境中成功的最关键变量 - 因此迫切需要将从中获得的见解融入政治结构（也许还包括市场结构、商业公司和其他重要的大型系统）。受深层架构的启发，我们可以提出一个多巨型层级的代表制政府：
每四年，每个公民（一千万人中的每一个）通过基于区块链的电子系统（为保护隐私和防止作弊）选择另一个他信任其判断力的公民。这可以是他的父亲、他的教授、工作中受尊敬的人，或者他的拉比。然后，十万名当选公民（也就是说每个当选公民需要大约一百名支持者）每两年从他们中间选出一千名代表进入议会。每年，议会中的一千名当选公民选出其中十人担任包括总理在内的十个不同部长职位。这个系统会比现有的民主制度运作得更好吗？
很难说。与候选人更亲密的了解，以及每个阶段选民更高的个人素质，将消除直接选举、初选和大众媒体中廉价民粹主义的一些弊端。但正如每个算法开发者都知道的那样，需要尝试系统的几种不同配置才能达到最佳结果（一个重要标准是稳定性和动态性之间的平衡。每年更换一次总理的系统不好。同样，十年不更换的也不好）。也许需要更多层级？很可能（这里我们简化了描述）。也许需要每个选民提供多个推荐？有可能。也许理想的时间间隔是不同的？肯定的。所有这些只能通过试验、错误和优化的过程来确定。
但如果这个过程不开始，比如在地方政府，或其他进行选举的组织（如工会、政党等），或者至少在资金充足的学术研究和多参与者模拟中，当民主真正崩溃时（它确实正在朝这个方向发展），我们将没有足够的时间来完善这个方法。那时我们可能会发现自己面对着更加不理想的统治系统。民主制度的僵化 - 以及它从实用工具变成意识形态、教条和正统教义 - 是西方面临的最大威胁。
最后，关于大脑神经元活动最重要和最深刻的法则，赫布法则（以唐纳德·赫布命名），本身就是大脑研究给我们的唯一重要且最有根据的想法。在一个理性的知识体系中，它应该成为各个领域思维的基石，从中可以想象真正有效的复杂系统（社会的和其他的）。这个法则规定，如果一个神经元预测另一个神经元的活动 - 下次另一个神经元会更多地倾听它 - 相反，如果一个神经元模仿第二个神经元的活动 - 第二个神经元下次对它的关注会减弱（因为第二个才是预测第一个的）。
我们只能想象将这个原则应用到民主制度的含义：在选民中，那些在其他人之前选择成功的候选人（即在后续层级过程中获得高位）的人，在下次选举中会获得更高的权重，这取决于选择的创新性和成功程度（例如，从人群中第一个识别出后来成为总理的候选人的人的投票将等同于许多其他人的投票）。而那些在所有人之后才迟迟加入的人 - 他们的权重会降低。这样，那些最先识别出有才能和成功的人、重要方向、有前途的想法、增长的威胁的人 - 将在未来获得比那些随波逐流和跟随共识的人更大的影响力。这样的系统将击败任何现有的决策系统，我们所需要的只是从科学已知的最成功的学习机器 - 大脑中吸取教训。