配资app排行提出了现代社会中的权力不再仅仅依赖暴力和法律

福柯（Michel Foucault）的“规训”（Discipline）概念主要出现在他1975年的经典著作《规训与惩罚：监狱的诞生》（Surveiller et punir : Naissance de la prison）中。这本书探讨了现代社会如何通过规训的技术和权力机制控制个体的身体与行为。

规训是福柯分析现代权力的一大核心概念，与“权力—知识”（Pouvoir-savoir）和“全景监狱”（Panoptisme）等概念密切相关。通过对刑罚、监狱及教育、军队、工厂等机构的历史分析，提出了现代社会中的权力不再仅仅依赖暴力和法律，而是通过微观的、内化的规训技术，塑造个体的行为，从而使权力无处不在且无形化。

在福柯看来，规训是一种通过“身体的驯化”和“行为的塑造”，使个体成为权力运作的对象与载体的技术与机制。规训的目的是通过对身体的控制，使个体变得“有用且驯服”（utile et docile）。规训通过细致的监督和规范，使个体内化权力机制，从而自我规训。

规训主要通过一些机制实现，如等级化监督（La surveillance hiérarchique），即通过等级制度和监视网络对个体进行持续的和无处不在的监督。例如，学校通过教师、课堂秩序、座位安排等方式，使学生始终处于被观察的状态。再如规范化惩罚（La sanction normalisatrice），通过建立“正常/异常”（Normal/Anormal）的标准，对偏离规范的行为进行纠正和处罚，从而塑造个体的“正常”行为。

规训技术还通过对时间和空间的精确划分，管理个体的行动，例如工厂中的流水线、学校的时间表、军队的队列训练等。与此同时，规训关注身体的姿态、动作和细节，强调对身体的彻底控制和利用，例如士兵的站姿训练、学生的坐姿要求等。更重要的是，规训实现了个体化与总体化的结合，既是针对个体行为的精细控制，也服务于集体目标，例如教育制度既要塑造个体的知识能力，又要为国家培养合格公民。

规训是一种“无形化”的权力，它通过渗透到日常生活的细节，形成对个体的全方位控制。这种权力是“生产性的”（Productif），它压制个体的自由，却还塑造个体的行为、思想和身份。

福柯使用了许多关键的法语术语帮助我们理解规训的内涵。其中，“Discipline”（规训）指对个体的身体和行为进行系统化控制的技术；“Surveillance”（监督）指通过观察和监控实现权力的无形化；“Normalisation”（规范化）指建立“正常”标准并矫正偏离行为的过程；“Pouvoir-savoir”（权力—知识）指权力与知识之间的相互作用，即知识的生产总是服务于权力。

以前读福柯，觉得很震撼，但也总觉得这里面有一些语焉不详的成分，当然作为20世纪法国理论文字风格方面的巅峰之一，这种语焉不详增加了它大量排比句、奇闻异事的震撼力。

我想尝试对此进行一点信息论的说明和推演，很多已经和福柯自己的思想无关。

从信息论的视角来看，福柯的“规训”可以被理解为一种信息控制与传递的机制，其核心在于如何通过对信息的采集、处理和反馈来影响个体的行为与思维。这是一种基于信息流动的复杂系统，通过对个体的持续监控和规范化评估，形成了关于个体的知识，并将这些知识转化为行为控制的工具。

首先，从信息的输入来看，规训系统的首要任务是对个体的行为进行详细的观察与记录。通过观察与记录，规训系统能够将个体的行为转化为系统化的数据和信息，从而实现对个体的识别、分类和管理。

在信息论的框架下，这种观察过程可以被理解为一个信息采集过程，用概率模型来形式化地表达和分析。个体的行为状态可以被抽象为一个随机变量 X，它代表了个体在某一时刻可能采取的行为模式或状态集合。该随机变量的可能值集合可以表示为 {x₁, x₂, ..., xₙ}，其中每一个 xᵢ 都对应于个体的一种具体行为或状态。

在规训系统中，监控机制的任务是通过某种观察手段采集有关 X 的信息。换句话说，监控系统的目标是从个体行为的潜在可能性中，提取出一些实际可观察的信息。

这种信息的采集过程可以用条件概率 P(O|X) 来表示，其中 O 是系统实际观察到的行为信息。条件概率 P(O|X) 描述了在个体行为状态为 X 的前提下，系统能够观察到特定信息 O 的可能性。

例如，在学校中，教师对学生课堂表现的观察、考试成绩的记录，以及学生日常行为的反馈，都是监控系统的一部分。这些观察手段将学生的行为状态 X 映射为一组可被记录、存储、分析的信息 O。类似地，在工厂中，监控摄像头捕捉工人执行任务的动作，管理者通过生产记录追踪工人效率，这些过程都是从 X 中提取 O 的具体实例。

在这个过程中，监控系统的有效性依赖于信息的精确性和全面性。监控的主要目标是通过采集足够多且足够详细的信息，尽可能减少对个体行为的不确定性。这里，信息熵 H(X) 是一个关键的理论工具。信息熵是信息论中用来衡量不确定性的核心概念，它表示在当前条件下系统对随机变量 X 的预测能力有多大限度的不确定性。具体来说，信息熵 H(X) 的公式为：

H(X) = -∑ P(xᵢ) log₂ P(xᵢ),

其中 P(xᵢ) 是个体行为状态 xᵢ 的概率。信息熵越大，说明系统对 X 的状态预测越不确定，也就是说，个体行为在系统眼中是更加难以捉摸和控制的。

规训系统的目标正是通过持续的观察与信息采集来降低信息熵 H(X)，从而减少对个体行为的不确定性。

换句话说，规训通过不断累积数据，将个体的行为模式从一种模糊的、不可预测的状态，逐渐转变为一种清晰的、可控的状态。

图片

3 信息的处理

接下来是信息的处理与分析阶段，这一过程在福柯的理论中对应着“规范化惩罚”（La sanction normalisatrice）的核心机制。

福柯认为，规训系统通过设定一套明确的“正常”与“异常”标准，对个体的行为加以评估，并对偏离标准的行为进行矫正。这种机制的运作逻辑在信息论中可以被类比为信号的编码与解码过程：规训系统通过对采集到的行为信息进行处理，将其与既定的规范进行比较，识别偏差，并采取相应的矫正措施。

在规训系统中，首先需要设定一个“规范”标准，这个标准可以用 N 来表示。N 是一个理想化的行为模式，它代表了权力系统所希望个体达到的目标状态。在学校中，这种规范可能是学生的学术成绩、课堂行为或道德表现；在工厂中，它可能是工人的生产效率、工作纪律或完成任务的精确度；在更广泛的社会环境中，规范可能表现为法律、社会道德或某种普遍接受的行为准则。

规训系统接收的信息 O（从个体行为状态 X 中采集而来的具体观测数据）将与规范标准 N 进行比较。为了度量个体行为与规范之间的偏差，可以引入一个偏差函数 d(O, N)，其中 d 是一个距离度量，用来衡量个体的实际行为与理想规范之间的差异。例如，d(O, N) 可以表示为欧几里得距离、曼哈顿距离或其他合适的范数。在数学上，这一偏差可以用以下公式表示：

d(O, N) = ‖O - N‖,

其中 ‖·‖ 是选定的范数。偏差函数的值越大，说明个体的行为偏离规范越远；偏差函数的值越小，则说明个体的行为越接近规范。对于规训系统而言，其核心目标是通过一系列反馈机制，逐步将 d(O, N) 的值最小化，即：

min d(O, N).

这一目标意味着规训系统会努力减少偏差，使得个体的行为逐渐向规范靠拢，从而达到权力系统的预期要求。

在具体运作过程中，规训系统通过反馈机制对偏差进行矫正。这种反馈可以表现为奖励、惩罚、警告或指导等形式。例如，在学校中，考试成绩可以看作是行为信息 O 的输出，教师通过评分将学生的行为与标准化的学术规范进行比较。如果学生的成绩偏低（即 d(O, N) 较大），教师可能会通过额外的辅导、作业或纪律约束等方式来修正学生的行为，促使其更接近学术规范。在工厂中，管理者可能通过生产效率的统计数据发现某工人的表现偏离预期目标，从而采取警告或绩效激励等手段来减少这一偏差。

这种反馈机制可以进一步用控制论的模型来解释。控制论强调系统通过反馈来调节自身，以实现目标状态。在规训系统中，个体在接收到反馈信息后，会调整自己的行为 X，使得下一轮的行为 X' 更接近于规范 N。这一调整过程可以形式化为以下动态模型：

X' = X - η ∇d(O, N),

其中 η 是学习率，表示个体对反馈矫正的响应强度，∇d(O, N) 是偏差函数的梯度，指示行为调整的方向。通过这样的反馈机制，规训系统能够实现对个体行为的动态调整，确保其逐步趋向于规范化状态。

这种规范化惩罚机制在信息时代得到了进一步的强化。现代信息技术使得规训系统能够更加高效地采集和处理信息，并以更加精准的方式施加反馈。例如，社交媒体平台通过算法监控用户的行为数据（如点击率、浏览时间等），将这些数据与平台的理想化规范（如增加使用时长或提高广告点击率）进行比较。

图片

4 信息的输出与反馈

信息的输出与反馈是规训系统的最终目标，这一阶段的核心在于通过评估结果向个体提供反馈，指导其行为调整，最终实现对个体的塑造与控制。

在信息论中，反馈（feedback）是一个维持系统稳定性与优化功能的关键机制。通过反馈，系统能够不断调整自身的参数和运行方式，以确保输出结果朝向既定目标发展。

在福柯的理论中，考试或检查（L’examen）是规训系统中反馈机制的集中体现，连接着信息的采集、处理和个体调整的闭环控制过程。

在规训系统中，考试的作用是将个体的实际表现转化为可量化的评估结果，从而与既定的规范标准进行比较。

假设考试或检查的结果是一个评分变量 S，它可以被看作是行为信息 O 的函数，即 S = f(O)，其中 f 是评分函数，用于将个体的行为数据映射为一个具体的量化分数。评分函数 f 的设计通常与规范标准 N 紧密相关，它反映了规训系统所要求的理想化目标状态。

例如，在学校中，考试的评分标准可能包括知识点的掌握程度、解题的准确性和速度等；在工厂中，评估可能基于工人的生产效率、产品合格率或工作完成时间等。

规训系统的目标是通过反馈机制调整个体的行为，使评分 S 接近于理想的数值 S（target）。理想值 S（target） 代表了规范标准所期待的最佳表现，例如考试中的满分、生产中的最高效率或行为中的完全符合社会预期。反馈机制的目标可以形式化为一个优化问题，即：

min |S - S（target）|.

这一公式表示，规训系统会不断施加反馈，促使个体调整行为，以最小化评分结果 S 与目标值 S（target） 之间的偏差。从信息论的角度看，这一过程是一个闭环控制系统，通过反馈回路将个体的行为逐渐引导至符合规范的状态。

为了实现这一闭环控制，规训系统必须设计有效的反馈机制。反馈可以采取多种形式，包括奖励、惩罚、指导、建议等，具体取决于规训场景的需求。

在工厂中，工人的绩效评估结果可能通过奖金、晋升机会或工作安排的调整来传达给他们，以激励其提高生产效率。在监狱或军队中，反馈可能包括行为记录的修正、自由限制的调整或训练强度的增加。

信息时代的反馈机制还表现出强大的适应性和动态性。传统的规训反馈周期较长，例如学校的考试通常以学期为单位，工厂的绩效评估可能以月或季度为周期。而在信息时代，规训系统可以通过实时数据采集和即时反馈实现对个体行为的快速调整。

互联网中的用户画像系统通过实时数据捕捉（行为信息 O），生成评价指标（评分变量 S），并立即通过调整或建议的形式反馈给。

图片

5 重构全景监狱

在福柯的全景监狱（Panopticon）模型中，信息论的逻辑被展现得尤为清晰。

全景监狱的设计是一种高度精妙的权力架构，它通过监控的潜在可能性而非实际监视的全时存在，实现了对个体行为的高度控制。全景监狱由哲学家杰里米·边沁（Jeremy Bentham）设计，其核心特征是一个中央高塔，周围环绕着囚室。

囚室的设计使得每个囚犯始终暴露在中央高塔的视线之内，而高塔的内部则是不可见的——囚犯无法确定自己是否正在被观察。这种设计创造了一种信息的不对称性：观察者拥有完全的信息优势，而被观察者则处于信息的模糊状态。

图片

这种机制的关键在于，即使并非每时每刻进行实际监控，囚犯也会因为监控的潜在可能性而始终规训自己的行为。

从信息论的角度，这种机制可以用贝叶斯推断来建模。对于囚犯来说，他们必须根据观察到的有限信息 O（例如，高塔中是否有灯光、是否有守卫活动的迹象等），推断出自己是否正在被监视。这一推断可以用后验概率 P(M|O) 表示，其中 M 是一个二元变量，表示“正在被监视”（M=1）或“未被监视”（M=0）。

根据贝叶斯公式，后验概率可以表示为：

P(M|O) = [P(O|M)P(M)] / P(O).

在这里，P(O|M) 是在监视状态下观察到信息 O 的概率，P(M) 是被监视的先验概率，P(O) 是观察到信息 O 的边缘概率。

由于全景监狱的设计刻意保持了监控的随机性和不可预测性，囚犯无法获得关于 P(O|M) 的明确信息。

图片

在这种信息模糊的情况下，囚犯倾向于假设监控的可能性是接近确定的，即 P(M|O) ≈ 1，无论 O 是什么样的观测结果。这意味着，囚犯会在行为上假定自己始终处于被监视状态，从而调整自己的行为，使之符合规训的要求。通过这种方式，全景监狱实现了“自我规训”的效果：囚犯无需实际的持续监控，也会在潜在监控的压力下约束自己的行为。

这种机制揭示了信息不对称在权力运作中的核心作用。在全景监狱中，守卫和囚犯处于完全不同的信息状态。守卫掌握了监控的所有主动权，而囚犯却被剥夺了确认自身状态的能力。这种信息的不对称性极大地增强了监控的效率，因为它最小化了实际监控的成本，同时最大化了行为控制的有效性。

具体而言，守卫无需全时观察每个囚犯，只需维持监控的可能性这一观念即可。对囚犯来说，信息的不确定性迫使他们按照被监视时的行为规范行事，从而在不增加额外资源投入的情况下实现了对大量囚犯的高效控制。

由此，囚犯所处的状态则是一种博弈论式的行为，可以被看作是一种最大后验概率决策（Maximum A Posteriori, MAP）。

在缺乏充分信息的情况下，囚犯的最佳策略是选择一种能够最小化潜在惩罚风险的行为模式。即使实际的监控概率较低，囚犯仍然会基于后验概率接近 1 的假设来行动。这种决策逻辑可以形式化为：

行为策略 = argmax [P(M|O) U(行为|M)],

其中 U(行为|M) 是囚犯在被监视状态下采取某种行为的效用函数。由于规训系统通常通过奖惩机制使偏离规范的行为承担高昂的代价，囚犯会倾向于选择符合规范的“低风险行为”，以规避潜在的惩罚。

通过引入信息论和贝叶斯推断的视角，我们可以更清晰地理解福柯的洞见：在现代社会中，权力通过信息的不对称性和个体的内化规训，最大化了控制效果，同时最小化了资源投入。

6 改写-权力知识 为 权力-信息

当我们将福柯的理论套用到信息时代，却往往出现分析上的“错位”。错位的核心就在于对信息的不够重视或理解失误。

从中世纪的酷刑和公开施加痛苦的“惩罚-权力”模式，到现代社会中更加隐秘的“规训-权力”模式。在他的分析中，这种转变标志着权力从直接作用于身体的暴力形式，转向作用于个体行为、思想和社会组织的微观管理技术。

然而，当我们将福柯的规训理论与当下的信息论时代联系起来时，这一转变的逻辑需要进一步拓展。信息时代的权力运作方式已经超越了福柯的“权力—知识”模型，而更倾向于基于“权力—信息”的动态模型来解释权力如何通过信息流动实现控制。

在信息时代，权力的运作逻辑与信息论的核心概念——信息的采集、熵的减少、预测与反馈——密切相关。权力通过对信息的全方位掌控，将个体的行为转化为可计算、可预测的模式，并通过实时反馈机制对个体施加影响。例如，社交媒体平台通过算法分析用户的行为数据，实时推荐内容，塑造用户的注意力分配和消费习惯。

这种权力形式并不试图通过“知识—权力”的逻辑构建普遍的“真理”，而是通过“权力—信息”的逻辑动态地控制信息流动，从而达到行为调整的目的。

这种模式依赖于三个基本步骤：信息的采集（观察个体行为）、信息的处理（与规范标准比较）以及信息的反馈（通过奖惩机制矫正行为）。

在信息时代，规训方式发生了几个关键变化。

首先，信息的采集从有限走向无所不在。过去，规训系统依赖于具体的场景和机构（如学校、监狱、工厂）进行信息采集，观察的范围和频率受到技术和资源的限制。而在信息时代，传感器、摄像头、智能手机、社交媒体和物联网设备等技术使得信息采集变得无处不在。

个体的行为轨迹、社交关系、消费偏好等被实时记录并存储为数据。权力对信息的掌控不再局限于物理空间，而是扩展到数字空间，形成了涵盖社会生活方方面面的“数字规训场”。

其次，权力的运作从规范化走向个性化控制。“规训-权力”通过设定统一的规范标准（如学校的考试成绩或工厂的生产效率）对个体进行分类和调整。然而，信息时代的“权力—信息”模型更倾向于个性化控制。

算法利用大数据技术对每个个体进行精确建模，生成个性化的行为预测模型。例如，社交媒体平台根据用户的点击、浏览、搜索等信息，构建个人画像，并通过推荐算法提供量身定制的内容。这里不再需要一个普遍的规范标准，因为每个个体的行为控制都是基于个性化信息和动态反馈实现的。信息时代的权力则通过算法和数据分析实现个体行为的隐性塑造，显得更加隐蔽和高效。

最后，实时反馈逐渐取代了延迟反馈。在规训-权力模式中，反馈通常是周期性的。例如，学校的考试成绩可能以学期为单位反馈给学生，工厂的绩效评估可能以月或季度为周期。

股市杠杆平台提示：文章来自网络，不代表本站观点。