追本之箭 — 会改写自己的系统

2026-07-18 Sat 07:02

起点

年轻 说：年轻不是出生得晚，而是世界仍能用预测误差改写你的模型。

系统与目标 说：目标只是罗盘；你真正能拨动的，是每天反复运行的系统。

两句话合起来，会撞出一个被“坚持”掩盖的问题：

如果系统是你每天重复的东西，那么一个不再允许现实改写的系统，正是衰老被制度化之后的样子。

很多系统起初有效，后来却只剩遵从：

曾经有效
  → 被写成规则
  → 因为是规则而持续运行
  → 因为持续运行而不再受审

这时，纪律不再保护真相。纪律开始保护旧版本。

所以真正的问题不是：

“我有没有坚持系统？”

而是：

“这套系统是否保留了被现实改写的接口？”

第一层：策略之上必须还有更新器

把系统只写成一条策略 P，它会根据输入产生动作：

动作 a(t) = P(状态 x(t))

这只能解释系统如何运行，解释不了系统如何变得更真。

一个完整系统至少有两层：

执行层：P 决定今天做什么
更新层：U 决定何时、依据什么证据改写 P

于是系统的真实形式不是 P，而是：

S = (P, U)

没有 U 的 P，无论最初多聪明，最终都会变成化石。因为环境在变，约束在变，行动者也在变；只有规则被冻结。

这解释了一个常见反转：系统越成功，越容易老。成功会把“过去在这个环境里有效”，偷换成“这条规则本身正确”。随后每次照做，都被当作纪律的证据，而不是规则仍然有效的证据。

重复只能证明你忠于规则，不能证明规则忠于现实。

裂缝： 可系统不能因为一次失败就改写。结果掺着随机，怎样区分“策略错了”和“这次只是运气差”？

第二层：更新信号不是失败，而是失配

系统与目标 已经把系统的输出从一个点改成了一个分布。既然如此，更新器就不能拿单次结果审判策略。

一次失败只是一个样本。真正该触发更新的，是预测分布与长期观测持续失配。

设系统原本预测：

在状态 x 下采取策略 P
结果 y 落入区间 R 的概率是 70%

运行一次没落进 R，不能说明系统错了；运行二十次，只有两次落进 R，才出现校准误差：

失配 e = 真实频率 - 预测概率

因此更新条件不是：

结果不好 → 改系统

而是：

结果序列持续偏离预测
  且偏离超过随机噪声能解释的范围
    → 改系统

这把两种病同时切开：

• 每次受挫就换方法，是把噪声当信号。
• 连续失配仍只谈坚持，是把信号当噪声。

前者没有系统，后者只有教条。

裂缝： 即使看见了持续失配，改多少仍是问题。改得太慢会僵死，改得太快会追着噪声抖动。

第三层：系统也有学习率

更新器 U 的核心，是学习率 α：证据到来时，旧策略允许自己被改写多少。

P(t+1) = P(t) + α × 证据梯度

两个极端都不能学习：

α = 0   规则免疫于现实      → 化石
α 过大  一次波动就推翻规则  → 抖动

成熟系统不是固定一个 α，而是让它随证据强度与改动成本变化：

改写幅度 ∝ 证据强度 × 改动可逆性

• 证据弱、改动不可逆：小步试验，不动主结构。
• 证据强、改动可逆：快速更新，停止为旧规则辩护。
• 证据强、改动不可逆：先复制、隔离、灰度，再决定是否替换。

所以“坚持”与“开放”不是性格对立，而是同一个更新算法的两个阶段：证据未过线时坚持，证据过线后开放。

真正的纪律不是永不改规则。

真正的纪律是：证据没到时不乱改，证据到了时不赖账。

裂缝： 可执行和更新若同时发生，人会一边做一边怀疑，系统反而无法积累。怎样既稳定运行，又不把稳定变成封闭？

第四层：用双时间尺度隔开运行与改写

答案不是随时反思，而是让执行层和更新层运行在不同时间尺度。

快环：在一个周期内，按当前策略完整执行
慢环：在周期边界，汇总误差并决定是否改写

用时间常数表示：

τ执行  <<  τ更新

日内不因情绪改系统，周末不因惯性取消复盘；季度可以重写策略，年度甚至可以重审罗盘。

这套结构同时封住两种借口：

• “我在迭代”不能再为执行中途逃跑辩护，因为快环尚未结束。
• “我要坚持”不能再为长期失配辩护，因为慢环已经到期。

系统由此获得一种真正的稳定：不是规则不变，而是改变发生在预先约定的接口上。

稳定不再等于冻结。

稳定等于：运行期间不漂移，复盘时不自欺。

裂缝： 复盘通常默认目标不变，只修改到达目标的手段。但如果错的不是策略，而是那枚罗盘本身呢？

第五层：误差有三种，不只一种

系统最容易犯的错误，是把所有偏差都叫作“执行不到位”。

实际上至少有三层误差：

执行误差：没有按 P 做
模型误差：按 P 做了，但结果分布长期失配
价值误差：结果兑现了，但这个方向已不值得继续

三种误差对应三种不同动作：

只允许修执行、不允许修策略，系统会把人训练成更高效的失败者。

允许修策略、不允许修罗盘，系统会把人更可靠地送往一个已经不想去的地方。

所以最高层的更新器，必须有权审计自己的目标函数：

不仅问：怎样更好地得到它？
还要问：得到它之后，误差真的减少了吗？

这里的“误差”已不是目标与结果的距离，而是现实生活与价值判断的距离。

裂缝： 如果连目标函数都能改，系统还剩什么不变量？一个什么都能重写的系统，会不会连自己为何存在都一起改掉？

第六层：不可改写的，是继续改写的能力

自我修改系统需要一个最小不变量。否则每次更新都可能删除下一次更新的接口，让某个临时版本获得永久统治权。

这个不变量不该是某条具体规则，也不该是某个永恒目标。

它只能是：

I = 未来仍能接收误差、停止旧规则、重写系统的能力

它在现实里对应几样朴素的东西：可逆性、退出权、复盘窗口、未被耗尽的资源、没有被单一目标吞掉的判断力。

一个系统若为了提高效率，删掉所有冗余、停止点和异议接口，它可能暂时更快，却已经失去了学习能力。它不是收敛到了真理，只是让自己再也听不见反例。

于是“年轻”在系统层面的最终定义不是更新得快，而是：

没有任何一个当前版本，有权取消未来版本纠正它的资格。

裂缝： 到这里，再问“哪条规则应该永远不变”，问题本身已经错了。永远要保留的不是答案，而是答案被现实推翻之后，系统仍能活着改写自己的结构。

终点：系统的成熟，不是永远正确

一个成熟系统应当通过四个判别：

有策略：知道今天具体做什么
有预测：知道这套策略应产生什么分布
有更新：持续失配时，规则会被证据改写
有不变量：任何更新都不能删除未来的纠错权

最后把“坚持系统”改写成一句更精确的话：

在证据不足时，完整运行当前版本；

在证据过线时，亲手结束当前版本；

无论哪个版本，都不能封死下一次修正。

不会改写自己的系统，最终只剩一种能力：

把昨天的正确，更稳定地复制到一个已经不同的世界。

(箭到底了。)

延伸 · 同簇「系统编译器」 · 会制造反例的系统 · 会换挡的系统 · 信息与能量 · 地球Online