第二十三章　不同载体怎样承担判断

一、把工作分出去，还没有形成复合能力

一项任务被分给人、AI和若干专业工具，看起来已经实现了协作。但如果每个参与者只完成自己的输出，彼此不知道使用条件，也没有处理分歧的机制，整体仍然可能缺乏判断能力。分工说明任务由谁接收，复合能力则要求说明结果怎样相互承接和改变。

本章从实际工作而非身份标签出发。人能够参与目标形成、感觉、理解和反思，也可能犯错；AI能够参与候选生成、比较和表达，也需要适当核验；规则工具可以承担范围明确的检查，却未必理解当前任务的全部意义。不同载体的价值，要由具体作用与连接说明。

这不要求把它们看成相同类型的主体。构成认知或判断的部分，可以具有不同存在方式、不同能力和不同责任。刀具参与切割判断，并不使刀与操作者获得同一种心理经验；证明检查器承担核验，也不自动成为研究目标的道德承担者。

因此，复合不是平均分配功劳，更不是模糊责任。恰恰因为能力由不同关系构成，才需要更清楚地说明什么在何处发生，什么没有发生，谁能够改变哪个环节。把全部判断归给最后签字的人，与把全部判断归给最强工具，都会省略实际机制。

二、从社会技术系统理解认知承担

这一方向并非没有理论邻居。Hutchins在《驾驶舱如何记住速度》中，把分布的社会技术系统而非单一个体心智作为主要分析单位，研究表征如何在任务中转换与传播。[R8] 本书不把“多个人与技术共同参与认知”宣称为没有先行研究的发现。

本书需要进一步研究的是，这种承担怎样经过历史检验形成封装，价值受损怎样被定位，以及不同粒度怎样在任务中切换。已有研究提供重要起点，但不能只引用“系统”一词，就宣布具体判断已经安排妥当。必须进入当前任务，检查每一项必要能力是否实际可用。

例如，某个团队有数学家、程序员和AI，不等于已经有人核对形式命题与原问题是否一致。数学家可能以为程序员完成了对应，程序员可能以为输入已由数学家确认，AI又只依据最近版本继续生成。人员齐全，关键连接仍可能缺位。

因此，分析单位扩大以后，工作不能变得更含糊。我们要用更具体的记录说明谁取得什么信息，怎样转换，送到哪里，以及哪些反馈能改变之前的选择。只有这种具体化，复合能力才不是对集体合作的一般赞美。

三、先列出判断义务，再寻找承担者

设计一个判断系统，可以先从任务需要出发，而不是从现有工具列表出发。对一份数学证明，至少要问目标是否表达正确、关键依赖是否成立、推导是否有效、完成状态是否准确，以及结果进入研究时是否仍符合当前用途。具体任务还可能增加其他义务。

接着再问每项义务由什么载体承担。某些可以由专业工具自动处理，某些需要人和AI共同解释，某些需要另一个独立来源。分配不必一对一：一项判断可以分层完成，一个载体也可以承担多项工作。重要的是不要把“有人负责”与“有能力完成”混为一谈。

可以把义务与载体之间的关系画成一张关联图。每一条连接都应说明：该载体是否取得相关信息，是否具有相应能力，是否被允许执行必要动作，以及结果能否进入下一步。四者缺少任何关键一项，名义连接就可能不是实际承担。

这样的图不是证明质量的充分保证，因为义务本身可能遗漏，载体能力也可能被高估。但它能够揭示许多在人员名单中看不见的空白，使“所有人都参与了”不再掩盖“某项工作没有发生”。后续反馈可以继续修改义务和连接。

四、能力、信息与权限需要同时到位

一位专家具备领域知识，却无法看到原始数据，他的判断范围就受到限制。一套工具能够检查证明项，却只收到自然语言摘要，也不能完成相同核验。一个维护者知道怎样修复，却没有修改权限，反馈仍然可能停在建议层。能力不是孤立存放在载体内部的总分。

因此，任务分配应同时考虑可取得的信息、可执行的操作和可接受的证据。把所有难题交给最资深的人，并不会自动补足资料与权限；把所有重复任务交给自动工具，也不会自动解决输入条件。复合能力取决于这些方面在当前互动中的具体组合。

权限还需要与影响范围相称。可以允许局部模块修正格式，却要求语义变化返回确认；允许生成器提出新目标，却不能让它无记录地替换原目标。不是因为机器必然不能提出好目标，而是因为目标变化影响整项任务，需要相应的评估与反馈。

这种分配也可以随成熟度改变。最初由人逐项检查的工作，在工具获得支撑以后可以交由其承接；出现新条件时，又可能重新进入人和工具共同判断。固定角色不是复合能力的终点，适当调整才是其持续发生的一部分。

五、生成与验证分开，为什么有价值也有边界

生成机制可以大胆尝试不同路线，验证机制则按照相应条件检查候选结果。这种分开允许内部探索犯错，而不必把所有尝试都当成最终结论。对数学工具而言，证明构造与内核检查的区分提供了明确例子。[R3] 它支持的是不同工作由不同机制承担，而不是任意生成以后都能自动获得保证。

分开以后仍需检查目标一致性。验证器可能严格验证了一个较弱命题，生成器却把它报告成原目标完成；也可能存在额外假设，使形式推导在系统中成立，却没有回答原来的研究问题。验证范围必须在接口处保留，不能只传递一个“通过”。

此外，验证器本身有信任条件。工具文档、实现版本、允许的公理与检查方法，都参与当前依据。承认这些条件不等于否定验证价值，而是防止把一种有范围的可靠机制神化为对一切内容的终局裁判。

因此，本书主张的是有条件的功能分离：让探索与接受分别承担各自义务，再让语义、状态和目标之间有清楚连接。仅仅增加一个名为审稿人的AI角色，若没有改变证据与方法，并不能自动获得同样效果。

六、多个AI不一定形成多种判断

设想三个AI依次审查同一份证明。第二个先读第一个的结论，第三个再读前两者摘要，最后三者一致。这种安排可以帮助整理意见，却未必形成独立判断，因为后来的过程可能继承了先前的错误表述和默认假设。

若希望比较不同路径，可以让它们分别从原始目标、依赖条件或反例搜索进入，再把差异放到共同检查中。六路径在这里提供不同入口的设计，但路径名称本身不能保证实际差异。需要记录各自使用了什么材料，哪些判断由前者借来，哪些确实经过新的检验。

分歧也不是越多越好。一些差异来自措辞和状态不一致，澄清即可；另一些涉及实质推理或价值标准，需要保留并处理。系统不应为了显示多样性而制造无意义争论，也不应为了得到统一答案而压掉真正的反例。

因此，多智能体架构的评价应当围绕新增了什么判断能力。是否发现原来遗漏的条件，是否减少同类错误，是否使反馈进入不同位置？若只是把同一依据循环转述，规模扩大可能增加成本与虚假确定性，而不是形成更强复合体。

七、人的介入不能只剩最后确认

一个界面要求用户在结尾点击同意，形式上保留了人的最终决定，但若用户看不到目标变化、不知道哪些部分未核验，也无法提出有效修改，最后确认就难以代表充分判断。动作由人完成，不等于相关能力已经由人承担。

有意义的介入需要适当信息和真实选项。用户应当能够理解当前完成范围，知道关键不确定性在哪里，并有办法继续检查、改变任务或拒绝交付。这里的理解可以是上层粒度，不要求他掌握全部内部实现；但不能把必要差异从界面中删除。

同时，也不能把所有异常都堆给人，称为保留主体性。若每次系统无法区分问题，就把大量日志交给一个无时间、无专业条件的使用者，人工在环只是把未完成判断集中到最末端。适当设计应当先由系统完成可以承担的定位与说明，再让人进入真正需要其作用的位置。

因此，人的参与质量不能只按点击次数或阅读量衡量。更重要的是他能否改变与自己任务相关的关系，能否得到适当支持，以及自己的反馈是否会被实际处理。复合能力不是让人消失，而是避免把人的存在缩成仪式性确认。

八、专业判断也需要解释其范围

专业人员可以在特定领域承担关键判断，但专业身份本身不是对所有问题的通行证。数学家的逻辑核验不自动回答技术系统的维护问题，工程检测也不能代替艺术作品的全部评价。复合系统需要尊重专业能力，同时让不同范围保持清楚。

一个专业结论应说明对象、条件和依据。它可以很简洁，但不能只留下权威名称。使用者不必重做专业工作，却应能够知道该结论能支持哪一步。这样，专业封装才能进入更大任务，而不变成无法质疑的黑箱。

专业分歧也需要分层处理。有些来自不同问题定义，有些来自证据解释，有些来自价值取舍。不能只通过职位排序消除，也不能因分歧存在就宣布所有意见等价。需要找到能够区分相关解释的材料，或者明确保留尚未解决的部分。

本书的理论立场也适用这一要求。SDE框架提供了分析与设计方向，具体学科问题仍需相应知识和检验。用发生学术语重新描述一个专业缺口，并不等于已经补上该缺口。跨领域合作的价值，正在于不同判断能够相互补足而不相互冒充。

九、交接是复合能力最容易失去的地方

一个任务在多个载体之间移动时，最容易丢失的往往不是最后结果，而是结果的条件、状态和未解决部分。前一环节知道的限制，如果没有随结果传递，后一环节可能合理地作出错误使用。交接因此不是行政附属，而是判断发生的重要位置。

可以把有效交接理解为四项内容的连续：正在解决什么，已经完成什么，依据在哪里，接下来什么仍需判断。不同任务需要不同详细程度，但不能只交付一个看起来完整的文本，让后来者重新猜测它的身份。

交接还应允许接受者指出不匹配。下游发现信息不足，应该能够返回请求，而不是被迫自行补全未说明的假设。上游也需要知道哪些输出实际上无法被使用，才能修正封装接口。没有双向反馈，交接会逐渐成为错误扩散的单向通道。

本书的连续写作同样如此。每批正文不仅保存文件，还需要保留概念修订、实际字数和下一章接口。否则，下一次续写可能重复旧内容，或者把已经修改的母题重新写回。跨时间的写作复合体，也依靠这样的判断传递获得连续性。

十、责任不应在复合之中消散

说明能力来自复合体，不等于失败发生以后没有人需要承担责任。恰当的责任分析应先查清实际分工、可取得信息和可改变范围，再讨论相应义务。把全部问题归给操作者，可能掩盖设计和组织缺口；把全部问题归给系统，又可能忽略具体人的可避免选择。

本书不在这里给出各类法律责任的结论，而提出一个发生学研究原则：责任安排应当有助于未来的判断与修复，而不仅在结果发生后找到一个名字。谁能修改规则，谁能检查关键依据，谁决定完成声明，都应进入分析。

同时，分布责任不能意味着每个人只对自己的小框负责。接口和整体任务需要明确承担者，否则局部合格会遮蔽连接失败。可以由协调机制负责追踪关键义务是否被覆盖，但该机制也必须有实际资源，而不只是新增一个头衔。

责任与学习的关系也需要保护。诚实报告缺口的人员或模块，不应因没有制造表面成功而被一律惩罚；隐瞒未完成状态的做法，则不能只按短期产出获奖。这类反馈会进入下一轮D和E，改变整个复合体愿意显露什么。

十一、载体之间的关系也会在使用中发生

最初的分工未必是最终分工。一个使用者逐渐学会识别目标边界，工具逐渐承接稳定的局部核验，专业人员转而处理更复杂的异常。这样的变化可以使新的能力出现，也可能因错误依赖而缩小人的参与。需要通过持续反馈判断方向。

因此，不能先把人、AI和工具的能力当作固定参数，再认为只需找到一次最优分配。能力会因参与任务而改变，任务也会因新能力而改变。SDE的互生关系在这里要求我们研究这种共同变化，而不是只作静态岗位安排。

一个重要结果是，人的判断力也能够在复合实践中成长。借助可靠模块，研究者可以进入此前无法组织的问题；通过展开异常，他又形成新的辨认；这些辨认被记录和工具化以后，继续支持他人。个人成长与系统积累可以相互促进，而非必然零和。

分工能够分配任务，复合判断还要使各项任务在条件、证据和反馈上连接起来。不能因为最后由人点击，就把其余环节的缺口算作已经解决；也不能因为系统完成了大量工作，就使标准失去被质疑的机会。谁能够检查、修改或拒绝一个标准，因而不是判断之后附加的管理问题，而是判断运行自身需要进入的对象。