瓶颈
追本之箭 — 瓶颈
2026-07-04 Fri 13:10 · Fable 重写
起点
"如今人人手机里都装着一座亚历山大图书馆，可人类并没有全员变成通晓各科的全才。放在个体层面，这便是索洛悖论（投入技术却难见产出提升）。根源两点：其一，绝大多数人缺少安迪·马图沙克（Andy Matuschak）说的切实可用的落地场景；其二，人被自身内在特质锁住上限，外部工具很难突破这类内生瓶颈。"
"找到瓶颈，补上它。"这句话里藏着一个类型错误。
它把约束当名词：某块最短的板，一个固定位置，找到、量出、补齐，事就完了。
引语也是名词版诊断——把瓶颈摊成两个并列的静态原因（缺场景 + 内在特质）。
可现实里，你每补一块板，水位上涨，另一块板就变成了最短的。
你以为在追一个静止的洞，其实在追一道会移动的影子。
约束不是名词，是动词。不是"哪里短"，是"短的地方如何不断重新生成"。
所以索洛悖论的耳光，不打在"知识不够"上。
它打在：你把约束当存货去补，而约束是一条会逃跑的活鱼。
命门两问——这条鱼往哪逃（为什么补完一处，缺口总往同一个方向移）？
它为什么 AI 抓不住（无限知识为何按不住它）？
第一层 · 漂移 —— argmin 会交棒
系统的吞吐由一个 min 决定：
T = min(C₁, C₂, …, Cₙ)你抬高了 argmin 那一项——曾经最短的板——min 立刻落到别处。
解一个约束的奖励，是得到一个新约束。
这不是 bug，是 min 函数的性质：你只能优化当下绑定的那一项，
优化完它就交棒。约束会漂移，是数学逼着它漂。
可代入反驳：如果补完之后产出没动——argmin 没有转移——
那说明你根本没碰到真约束，只是往一根本来就不短的板上接木头。
索洛悖论里灌进去的所有知识，就是接在长板上的木头。
第二层 · 门 —— 能归零的那个乘数
把"人"拆开。你装进去的知识是流量，你真正拥有的能力是存量。
一条更新方程连起两者：
dS/dt = η · IS 是能力存量，I 是知识输入，η 是把 I 转成 S 的吸收率。
别去解稳态——稳态解会让 I 和 η 显得对称，抬哪个都行。
承重的是这个动态项本身。看极限：
当 η → 0，无论 I 多大，dS/dt → 0。
你把图书馆塞进口袋，I 翻一百倍，只要 η 这道闸关着，统统乘以零。
所以 I 和 η 并不对称：I 是被乘数，η 才是那个能归零的乘数。
约束总往"人自己"漂，正因为能归零的一方才是约束。
而 AI 正在把 η 往零推。
第三层 · 误差 —— 门是被误差扳开的
η 不是刻死的常数。追问它由什么决定，Rescorla-Wagner 给出答案：
只有当输入与预期不符时，转化才发生。
更新量 ∝ 预测误差（δ_PE）η 不是常数，是一道门：δ_PE > 0 时开，δ_PE = 0 时关。
风（I）灌得再满，门关着，传动比乘以零。
"没有误差，就没有更新"——RW 与 TD-learning 说的是同一件事，
也是贝叶斯调整的引擎：先验被现实撞出裂口，后验才动。
现在把 AI 代进来。
AI 最擅长什么？在你产生误差之前，先把答案递给你。
你刚要卡住、刚要预测错、刚要撞上那道认知落差——它把落差填平了。
门控信号被掐断：δ_PE → 0，η → 0，dS/dt → 0。
这是整支箭里最该让你停一秒的地方——
工具补的不是缺口。工具填平的，正是那个"会生出学习"的缺口本身。
因果在这里反转：不是"知识多了人没变强"，
是"正因为知识来得太顺，人才停止了变强"。
第四层 · 惊奇机器 —— 你分不清误差从哪消掉
矛盾解开的钥匙，是先认清你不是一台学习机器。
你是一台最小化惊奇的机器。
活着这件事，物理上就是：把自己维持在少数几个"预测得到"的状态里，
抵抗散架。体温、血糖、一段关系、一个身份——都是你天天泵能量顶住的低惊奇态。
预测误差让你难受，不是脾气，是存在警报：世界偏离了你的模型，你正在漏向混乱。
于是"学习"根本不是主驱动。它是一段子程序：
短期抬高惊奇（探索、建模），只为换长期更低的惊奇（利用一个更好的模型）。
消灭不适 = 立刻利用手上的模型。
学习 = 暂时忍受不适去升级模型。
同一台机器，两个时间尺度。 这就是探索/利用困境。
第四层原来那个"15% 设定点"，真名也浮出来了：
它不是什么舒适阈值，是探索/利用的最优切换点——
当"预期信息增益 > 即时代价"时才值得探索。
15% 是这台机器算出来的、值得忍受的惊奇剂量。
到这里，灾难的真身才露出来。
一台最小化惊奇的机器，对惊奇从哪儿消掉，毫无偏好。
它只读一个数：惊奇归零了没有。
"我懂了"和"我查到了"，在它眼里是同一个读数。
进化从来不需要教你区分"惊奇被我自己的模型消掉"和"惊奇被外部神谕替我消掉"——
因为在旧环境里，根本没有便宜到手边的外部神谕。
想让惊奇降下来，你只有一条路：亲手建模。内部消除是唯一供货商。
AI 是史上第一个随叫随到的外部神谕。
你的出厂固件对它零免疫，因为它从没见过这条路。
机器乐呵呵地把消灭惊奇外包出去，读数一样漂亮，
而那个本该长在你颅内的模型，永远没长出来。
所以 AI 没有改知识的价签。
它开了一条绕过建模、直达低惊奇态的新路——而你天生认不出这是条歧路。
瓶颈的本体，不是你消灭误差的本能。是你的固件分不清：这份惊奇，是被你的模型消掉的，还是被云端替你消掉的。
这就是它为什么"内生"、为什么 AI 补不上：
AI 能补的一切，恰好都是那个"外部消除"，而外部消除从定义上就不长 η。
真瓶颈是一台四十亿年没更新过、认不出外包的惊奇机器。
终点
先认域，再动手。面对任何一次"要不要让 AI 替我做"，当场自测：
这一次，惊奇是被我的模型消掉的，还是被外部读数替我消掉的？
- 外部读数：你没建模，只是把警报静音了。η 没动。你买的是麻药。
- 我的模型：你撞过了那道落差，δ_PE 已写进去。η 在长。这是唯一算数的那一份。
本框架的伪证条件（新钻法必须给自己留一把刀）：
若能找到一种情形——外部神谕直接把答案递给你、你从不闭卷自己复现、
能力 η 却持续增长——那么"内部/外部消除无法区分"这条就塌了，
瓶颈得回到别处去找（比如：伤害只来自 δ_PE 被抹平，与惊奇的来源无关）。
反过来，本框架预测：凡是逼你用自己的模型闭合缺口的工具，都不伤 η；凡是允许外接读数直接静音警报的，都伤 η。 拿任何一个工具去套，套不上就是我错了。
可执行四步（本质是给"外部消除"这条歧路重新设卡）：
- 先撞够五分钟再开 AI。 给 δ_PE 一个产生的窗口。预测错了、卡住了，
误差已经写进去——这时 AI 校正，是把答案钉在一个有钩子的洞上；
直接问，是钉在平面上，空过。
- 闭卷复现，才算消费。 查完、听懂了，合上，自己从零重走一遍。
走得通，惊奇是你消的；走不通，刚才那次"懂了"是外部读数，η 没动。
- AI 当批改，不当代笔。 让它指出你哪里错（放大 δ_PE），
而不是直接给对的（抹平 δ_PE）。同一个工具，两种用法，η 一涨一塌。
- 把判决权交出去。 你自己认不出外包（认不出，正是第四层的结论）。
所以每周挑一道你用 AI"切"过的坎，抛给一场真实测验或一个人——
让现实给你打分。撑不过去，说明那份惊奇是被替你消掉的。
这条外部物证，比任何自省都诚实。
往下再问一句"为什么会这样"，答案开始同义反复：
你停止变强，因为你允许一台分不清内外的机器，把消灭惊奇的活儿外包了。
而唯一能让你"会"的，是你亲手消灭的那一份"不会"。
（箭到底了。）