第五章　从刀具到智能体：连续性与新变化

一、不是一条由低级到高级的直线

从刀具谈到智能体，很容易写出一条简单上升的路线：物理工具只出力，计算工具开始处理信息，人工智能终于参与判断。这个排列忽略了本书已经发现的连续性。刀具及其使用安排也能承接历史取舍，并参与当前反馈；符号和规则也不只是把已经完成的思想向外搬运。若一开始把判断严格留在个体内部，后面机器能够说话便会被误认为判断第一次越过身体边界。

但指出连续性，并不意味着不同工具之间只有数量差别。刀具以结构参与当前活动，一套规则可以明确处理输入之间的关系，验证装置可以对某些结果作出可追查的检查，生成系统则能够在任务中提出新的表达与候选路线。它们要求的检验方式、使用边界与反馈通道并不相同。用“都是工具”把这些区别抹平，同样会使复合判断的说明失去具体性。

本章因此不安排一部未经史料支持的技术进化年表，而比较四种参与方式：结构性承接、符号性承接、规则化处理和生成性参与。它们是分析类型，不是互相取代的历史阶段。一个现代研究系统可能同时使用四种方式，一件简单器具也可能通过标记和规程连接后两种。真正需要研究的是，它们在当前任务中承担了哪些判断，哪些工作仍然没有得到支撑。

这种比较还有一个价值上的约束。结构更复杂、输出更多或语言更流畅，不自动意味着整体判断更好。一个简单的边界检查可能比长篇解释更适合某个任务，一段开放讨论也可能比固定选项更适合尚未形成的问题。工具评价必须进入具体SDE运行，而不能根据技术名称先排出价值等级。所谓AI时代的新变化，应当在任务关系中被辨认，而不是由时代标签直接宣布。

这里尤其要区分“承接判断”与“声称自己已经判断”。刀具不会报告可信度，它的参与需要通过结构、操作和结果说明；生成系统却能主动给出理由、评价甚至保证。因此，智能体比刀具增加的，并不只是工作数量，还包括对任务和证据状态的表达能力。表达能够帮助协作，也可能使尚未得到的支撑提前显得已经存在。比较两者时，既不能因刀具沉默而删除其构成作用，也不能因智能体善于表达而省去检查。

一个可研究的差异是：工具改变了使用者能够辨认的差异以后，使用者会怎样重新安排任务；而系统又会不会根据这种改变调整后续输出。单向承接与双向修订，都可以进入复合活动，却未必具有同一种开放程度。本书将它们分别分析，不以“人机协作”这个总名词代替具体连接，也不把越来越多的自动化直接等同于越来越充分的价值发生。

二、结构性承接：工具不说话也能改变判断

第一种方式最接近刀具案例。结构通过允许、限制或显露某些动作，改变当前使用者实际面对的差异。我们不需要假定结构内部已经作出有意识决定，只需要说明它承接了哪些任务相关取舍，以及这些取舍怎样在使用中继续发生作用。一个正确的描述既要承认物理性质，也要说明性质如何进入了可评价的实践。

可以设想一个定位装置把某类需要反复目测的位置关系固定下来。它并不替使用者解释全部设计理由，却使某些误差更难出现或更容易被发现。若使用条件改变，装置也可能失去这种作用。因此，结构性承接的可靠性并不只依赖成品存在，还依赖它与对象、操作和任务要求的匹配。工具与使用者分别合格，仍可能没有形成合格的当前连接。

这种方式的一个优势是，使用者不必在每次动作前重新说出全部规则。但它也可能使限制不易被注意。若结构只适合某一类对象，却被误认为普遍适用，稳定操作就可能在新的任务中产生系统性偏差。此时应当重新检验结构和使用边界，而不是只增加人的紧张程度。评价应当找到能够改变的关系，不能让“更小心”成为一切设计缺陷的替代方案。

结构性承接提醒我们，判断可以通过组织可能性来发生，而不只通过发表结论来发生。工具使某些差异已经得到处理，使用者才可以把注意转向其他部分；工具也可能使某种区别被忽略，导致新的检查成为必要。沉默既不证明它没有参与，也不证明它已经承担全部工作。它的判断地位来自具体作用，而非语言表达的有无。

三、符号性承接：把不同时刻的差异放在一起

符号与记录能够让当前活动比较原本分散在不同时间的内容。设想研究者把原命题、候选引理、反例与修订版本写在同一份笔记中。他不必同时在记忆中维持全部细节，而可以通过外部记录检查联系。这里的笔记不是一个会思考的独立主体，却能够参与推理任务的组织。外部媒介在耦合认知中的构成作用，已有延展心智研究作过明确讨论。[R2]

我们需要在这个已有洞见上继续追问：记录选择保留了什么，省略了什么，怎样参与价值评估。一页只有最后结论的笔记，与保留假设变化的记录，支持的是不同类型的判断。前者可能足以调用一个已知结果，后者则更适合追查修改是否偷换目标。媒介参与并非一个笼统事实，而必须落实到相应任务中的信息结构。

符号能够封装历史，也可能制造名称幻觉。一种复杂过程被赋予简短名称以后，使用者容易把会说名称当成已经理解过程。研究者能够熟练说出“统一收敛”“回写”“价值发生”，却可能无法指出当前案例到底满足哪些条件。术语本身没有错，问题在于名称是否仍连接到可展开的依据。名称越有传播力，就越需要保留它的适用边界。

因此，符号工具的成熟不只是词汇增加，还包括差异能够被恰当地保存和重新组织。好的记录允许一个判断被引用，也允许它被质疑、修订与撤回。若只能向前累积而无法追踪变化，历史判断可能以权威形式不断增加，却不能支持新的检验。符号性承接把判断带入了跨时间、跨主体的连接，也把失真传播的风险带到了同样尺度。

四、规则化处理：把部分评估变成可重复程序

第三种方式是把一类判断写成明确规则，使相同条件下的处理可以重复执行。规则不一定由计算机运行，一张操作表也可能承担这种作用；计算工具则可以在适合的形式范围内执行更大量的检查。关键不是它有没有机器外壳，而是任务条件、处理规则和结果状态是否能够被清楚区分。

数学证明助手提供了一个具体参照。Lean区分证明构造中的复杂处理与内核对生成证明的检查；检查的是相应形式体系中的证明项，而不是直接认定研究问题的一切意义已经得到解决。[R3] 这个区分说明，提出候选与接受候选可以由不同机制承担。生成过程可以探索、试错和失败，只要最终接受环节没有把这些状态混为已经成立。

规则的明确性不等于规则天然正确。输入怎样表达、条件是否完整、规则是否适用于当前任务，仍需要相应判断。一个程序可以忠实执行一项不合适的标准，也可以在形式上正确地处理一个被错误翻译的问题。发生诊断必须把标准和任务对应纳入范围，不能因为底层程序稳定就免除上层价值评估。可靠执行与值得执行不是同一个问题。

规则化也有边界。某些研究问题尚未形成稳定对象，强行要求每一步都按照固定类别登记，可能使新的差异无法显露。此时需要开放探索，再逐渐明确可检验的关系。不是所有工作都越规则化越好；应当考察规则封装了什么，使什么成为可能，又让什么不容易进入判断。规则应当在任务中获得依据，而不是作为工具本性无条件扩张。

五、生成性参与：工具开始改变我们接下来问什么

为讨论第四种方式，可以设想一个研究智能体：它不仅根据要求生成文本，还提出备选命题、给出可能的反例方向、建议改变证明顺序，并根据反馈重写计划。这是一种工作结构的设想，不意味着每个现有系统已经可靠完成这些任务。其新问题在于，工具不再只承接一个稳定操作，还参与下一步对象和路线的形成。

当系统建议把原问题改得更容易时，使用者需要辨认建议的性质。它可能揭示原目标的缺陷，也可能只是回避难点；当系统主动提出新定义时，它可能帮助组织差异，也可能让名称先于证据增长。生成性参与扩大了候选空间，同时也增加了目标、前提与路径在过程中漂移的可能。因此，封装不应只围绕最终输出，还要覆盖变化的追踪。

与一把刀相比，这类系统能够以语言解释自己的建议，但解释不能自动等于生成过程的完整因果报告，更不能取代独立依据。本书不要求窥见所有内部运算，而要求保留足以接受、拒绝或修订建议的外部证据：它改变了哪个条件，依据哪项材料，提出了什么可检验的预期。对话顺畅可以帮助工作，却不能独自完成价值判断。

生成性工具还会改变使用者的自我位置。原来独自提出问题的人，可能开始对工具提出的问题进行选择、改写和组合；原来只接受答案的人，也可能通过追问学习怎样组织研究。两种变化都不能仅凭对话次数确认。我们需要观察具体参与：谁能够修改方向，哪些反馈实际改变了下一步，哪些看似选择只是接受预设选项。主体性在这里是待研究的发生结果，而不是由聊天界面直接赠送的能力。

六、连续性使我们避免两种极端

一种极端是，只要工具参与了判断，就宣布人的独立能力已经被取消。它把复合关系当作外来侵入，忽略了语言、记录、器具与教学早已进入很多具体能力的形成。这样的防守容易要求使用者重做所有细节，却没有检查哪些工作本来就由其他实践承接。保护判断力因此变成保护一种从未被充分说明的孤立状态。

另一种极端是，因为工具一直参与判断，所以新工具无需特殊检验。这个推论也不成立。新的生成、连接和执行方式会改变错误出现的位置、传播范围和修复条件。一个局部错误能够被后续多次调用时，其影响可能不再局限于原来任务；一个目标被悄悄改写，也可能使整个研究结果在外观完整的情况下偏离最初要求。连续性不是放弃辨认新风险的理由。

本书提出的中间道路不是两边各让一步，而是改变问题结构：在具体活动中追踪谁承接什么，依据怎样形成，反馈能否返回，以及新连接带来什么不同。传统工具与AI都接受这些问题，但答案不必相同。刀具的结构检查不能替代生成系统的语义核验，生成系统的语言说明也不能替代物理系统的运行检验。

这种比较还保护了人的实际位置。人不必为了证明重要而坚持做最不适合自己的重复检查，也不必为了追求新技术而放弃必要的理解。判断分工应当由任务、依据、后果和能力共同形成。上层与下层不是尊卑等级，亲自完成与借助工具也不是道德等级。价值评估应当看整个运行是否得到更好的承接，而非谁占据了更多可见步骤。

七、一个研究工作流如何组合四种方式

设想一个小型研究项目需要核对一条新的数学论证。它首先用文本记录锁定原命题及其条件，这是符号性承接；利用输入格式和权限边界避免某些误操作，可以视为结构性安排；让生成系统提出多个候选证明，是生成性参与；对可以形式化的部分使用相应检查，是规则化处理。四种方式在一个任务里相互连接，不存在必须从一类完全升级为另一类的要求。

假定项目失败，不能立即归因于“AI不可靠”。失败可能发生在原命题记录不完整，也可能发生在候选证明中的错误，或发生在检查结果被误读。若实际检查的版本不是最后交付的版本，问题还可能出在流程连接。发生诊断需要追踪这一轮使用的对象和状态，而不是给整项技术一个没有粒度的好坏标签。修复应该改变相应环节，再检查整体是否得到改善。

同样，成功也需要分层记录。候选找到、形式检查通过、语义对照完成、研究目标实现，是不同状态。它们可以被组织成一个简洁的整体结果，但这种简洁应当来自完整承接，而不是状态混同。使用者只看到“可用”时，系统应能说明可用指什么，哪些条件已经核对，哪里仍需保留未知。这就是封装作为能力而非结果标签的实际含义。

这个工作流只是示范，不是一项已经实现的通用软件。它的价值在于暴露需要检验的连接：哪一项判断若缺席，会使其他通过标记失去意义；哪一处可以稳定封装，哪一处需要随任务变化展开。后面的数学编将进一步处理具体命题和依赖关系，工程编则给出可以记录这些状态的原型结构。我们不会用一个流程图代替真实验证。

八、第一编的结论：复合判断不是AI时代的意外

从切冬瓜开始，我们依次看见判断者的形成、历史取舍的承接和对象差异的参与。四种工具方式进一步说明，判断不是只有在工具会说话以后才进入复合体。AI带来的新变化，需要在这条连续的发生史中理解：既不把它神化为判断第一次离开人脑，也不把它降为与旧器具没有实质差别的配件。

第一编的中心结论可以说得更具体：一项能力的解释应当能够说明当前辨别、历史承接和反馈重组怎样共同工作。个人的贡献仍然可以被识别，工具的不同机制也需要分别检查。复合能力不是平均分配功劳的口号，而是对实际工作如何成立的一项解释要求。若某个所谓复合分析没有增加任何可辨认的条件，就应继续收紧概念。

这一结论尚未回答运行为什么值得肯定或需要修正。一个复合系统可以非常稳定地执行有缺陷的标准，也可以高效地产生无法支持的结论。我们必须进入价值评估，才能区分有用的承接与稳定的失误。第二编将展开三方程、六路径、三原理分别对应的真、善、美，并说明这些对应怎样落实到具体判断，而不被写成三组漂亮标签。

从刀具到智能体，变化的不是判断第一次越过身体边界，而是被承接、被生成和被重新组织的工作发生了变化。复合并不自动带来进步；一个连接紧密的系统，也可能稳定地复制错误。因此，在辨明判断如何组成之后，我们必须进一步评估这种运行的价值。三方程、六路径与三原理，正从真、善、美三个相互关联的维度展开这一任务。