ARTICLE · 1083585
AI原生(三)|认知循环的校正与扩展
AI原生(三)|认知循环的校正与扩展上一篇用“综合认知主体”描述人与外部认知系统持续耦合所形成的整体。当记忆、分析、推演和行动越来越多地分布于人与系统之间，个体的心智空间已经不再是高级认知活动发生的唯一载体。接下来需要解释的是：这个整体怎样通过实践修正认识，又怎样把扩展的能力转化为对现实更准确的理解？ 这个问题有着比AI更长的历史。杜威在《我们怎样思维》中，从日常疑难出发描述反思的展开：人明确问题，提出可能的解释，推导其后果，再通过观察和实验加以检验。科学方法、PDCA和OODA各有不同用途，也都包含形成预期、接触结果、解释差异和调整认识的过程。从认知循环的基本关系看，AI延续了这些长期实践中的规律。 控制论进一步揭示了反馈与系统调节的关系。偏差怎样被感知，调节怎样影响后续活动，决定了系统能否维持有效运行。一个系统可能稳定地停留在错误状态，也可能在反复调整中放大偏差。循环的存在、运行的稳定和认识的进步，需要分别解释。 我们可以从这些传统中提炼出一个认知动力学模型。人对现实形成概念、解释和预期，并据此安排观察、实验与行动。这些认识构成了理解现实的“心智世界”。实践使它与客观世界发生联系，实际结果与预期之间的差异，则为修正认识提供了入口。 偏差就是信号。它表明，当前认识与获得的现实反馈之间存在需要解释的差异。偏差可能来自原有解释不成立，也可能来自信息遗漏、测量噪声、执行偏离或环境变化。发现偏差之后，仍然需要判断它意味着什么，应该修正哪一部分。 这里包含两个相互联系的过程。实践让主体接触现实，取得观察结果与行动后果；对信号的处理则需要核查依据、解释偏差，并据此修订认识。一个项目没有达到预期，可能是对需求的理解有误，也可能是执行没有落实，或者预定的测量方式没有捕捉到实际变化。只有辨认这些区别，修正才有明确的方向。 修正后的认识还需要进入下一次实践。修订本身也包含新的假设，需要继续接受检验；有效的经验、证据及其适用条件则被保留下来，成为后续预期的基础。我们由此得到一个持续循环：以当前认识指导实践，在现实反馈中发现偏差，核查并解释信号，修正心智世界，再将修正后的认识带回实践。 
图1：客观世界通过实践提供反馈；心智世界辨认偏差、修正认识；高维认知引导关注方向与判断尺度，并接受反馈与重审。 这个循环也需要方向。任何主体都无法同等精确地认识世界的全部细节，它必须决定关注什么、如何判断，以及将有限的认知资源投入哪里。图中的“高维认知”承担这种引导与评价作用。它参与整个过程，其方向与尺度也可能受到实践结果的挑战。本篇先明确这一层与认知循环的关系，具体内容及形成过程留待后文讨论。 那些对理解、选择和行动具有重要影响的方面，构成了认知活动所关注的高价值维度集合。以此为基础，可以给出本篇的核心命题：认知过程的有效产出，是在高价值维度集合上减少对客观世界的认识误差，并形成持续校正这些误差的能力。价值判断影响认知资源投向哪里，客观事实约束相应的认识能否成立。 这种校正未必表现为每一步都更加确定。探索可能暴露此前没有察觉的错误，也可能推翻一个看似完整的解释。对不确定性的准确把握，本身就是理解现实的一部分。循环的可靠性，体现在它能否持续接收现实反馈、辨认偏离并作出适当修正。内部解释更加自洽、参与者更加一致，都仍需接受这一检验。以这套循环为参照，我们才能进一步辨认：信息技术与AI分别加速了什么，又改变了哪些认知工作的承担方式。 在综合认知主体内部，人和外部系统共同承担认知活动。本文将其中与人持续协作、参与记忆、分析、执行和检验的外部部分，统称为“认知外骨骼”，包括模型、工具、知识库与外部记忆等。“综合认知主体”指协作形成的整体，“认知外骨骼”指其中的外部组成。人和认知外骨骼之间的分工怎样变化，需要从实践与信号处理两个过程分别考察。 信息技术首先显著加快了实践与反馈。传感器、网络和软件系统扩大了观察范围，缩短了信息采集、传递与执行的时间。在软件测试等数字环境中，许多尝试及其结果可以迅速完成和返回。现实反馈进入认知系统的速度提高了，能够同时观察和处理的对象也随之增多。物理过程和长期后果仍有各自的时间尺度，工具加速的是其中可以被技术改变的环节。 信号更快到达，解释信号的工作却没有同步变得轻松。面对大量数据，人仍需辨认对象、统一口径、解释关系，并把经验转化为系统可以执行的规则。本体、数据治理和知识图谱使部分信号处理得以自动化，其建设与维护却往往依赖密集的专业人力。机器能够快速运行已经明确的关系，建立和更新这些关系仍然昂贵。 这使信息时代的认知循环形成了一种不对称：实践与反馈不断加速，而从信号到理解、再到修订的过程，仍在很大程度上受人的解释能力和组织成本约束。数据积累得越快，这一瓶颈就越明显。 AI进一步加快了信号处理，并改变了循环的接续方式。模型可以参与材料整理、关系提取、候选解释和方案修订；检索、外部记忆、验证工具与运行框架，则为这些过程提供可共享的依据和状态。这些安排使认知外骨骼中的不同模型和智能体能够交换中间成果、调用工具、检查结果，并接续后续工作。
这种协作让中间结果能够跨越单一个体的心智空间继续被处理，不必每次都先由一个人完整理解、翻译和转交。数学证明已经提供了具有严格验证条件的实例：Aristotle系统结合非形式化推理、Lean证明搜索与专门的几何求解，研究团队报告其在2025年国际数学奥林匹克竞赛题目上取得金牌等效表现。 这意味着部分认知循环能够在人的心智空间以外的系统中自主形成。系统采取行动，读取返回结果，辨认偏差，调整方案，然后继续行动。这里的“自反馈”指这种局部自主运行的能力；它的有效性仍取决于反馈来源和检验条件。 
图2：左侧由人接续采集、知识与执行工具，承担主要的解释与修订；右侧的部分任务可以在外部系统中连续循环，人通过方向判断与关键介入参与。两者都需要接受客观世界的反馈。图示聚焦需要解释与修订的认知任务。 循环能够自主加速之后，稳定性与鲁棒性就成为必须检验的系统属性。稳定性要求考察修订是否持续抑制偏差，还是造成反复调整与错误放大；鲁棒性要求考察系统面对噪声、局部错误和条件变化时，能否保持有效运行。生成更多方案、完成更多轮迭代，都不能单独证明这两点。 多个智能体可能共享同一个错误前提，尚未确认的解释也可能在反复转述中获得事实的地位。当行动与修订快于现实反馈，系统还可能在前一次调整尚未显现效果时继续调整。控制论在这里提供了必要的检验视角：需要通过扰动、延迟和条件变化来检查整个循环，并设置与任务相称的验证、暂停和恢复机制。 认知带宽也应从这个整体理解。它所描述的，是系统在一定时间与可靠性要求下能够有效组织的信息、关系和任务范围。外部循环可以并行运行，使整体能力超出个人逐项处理的容量；这种扩展的实际价值，取决于系统能否同时保持对现实的校正能力。要安排这样的分工，还需要重新辨认人的信号处理究竟贡献了什么。 人的阅读、计算和表达速度有限，但一次有经验的判断，可能同时完成背景识别、相关性筛选、因果辨认和行动取舍。一句“这次情况不同”，有时足以避免沿着错误前提展开大量工作。 人的信号处理包含了长期经验的压缩。眼前看似简短的判断，调用了过去的实践、身体经验与社会学习。它可能用很少的显式推演，完成对当前问题高度有效的校正。这里所说的效率，着重指关键判断对后续探索的贡献；直接比较人脑与机器的“产出／算力比”，还需要明确任务、正确性标准以及经验积累的成本。 这种判断还混合了意义、价值等高维认知。人会判断一项变化是否值得关注、现有目标是否仍然适当，以及继续优化是否还有意义。这些内容影响信号如何被解释，也影响整个循环向哪里运行。它们的具体形成与选择留待后文讨论，此处需要看见的是它们已经参与了信号处理。 人的贡献也包括对循环的稳定与鲁棒性的支持。有经验的参与者可以暂缓对一次异常的反应，要求补充证据，区分短期波动与结构变化，或者发现原先的解释已经不适用。这样的介入有机会抑制过度修订，也帮助系统在环境变化时调整方向。它依赖真实经验、证据意识和适当的参与方式；人的习惯与偏见同样可能让错误框架长期保留下来。 因此，人和认知外骨骼的分工，需要让人能够接触关键依据与异常，参与解释的重审，同时让具备检验条件的局部任务在外部持续运行。若人只看到被层层压缩后的结论，失去检查和修正的入口，保留一个名义上的人工确认环节，也难以发挥这些作用。 认知开放还要求既能保留经验，也能解除旧经验的支配。持续改进需要积累已经取得的校正成果，也需要允许新信号挑战既有路径。若过去有效的分类、规则和成功标准始终占据优先地位，系统就可能在“舒适区”内不断优化，但是错过其它更高价值的方向。 在更长的时间尺度上，代际遗忘提供了一个可以讨论的机制：经验传递中的损失，可能削弱旧框架的约束，促使后继者重新解释和选择，为跳出局部最优留下机会。数字记忆使历史更容易保存，也要求我们区分记录是否存在与它是否继续支配判断，让旧结论能够被降权、搁置和重新检验。 这意味着为了充分使用强大的认知外骨骼，至少需要人发展组织和校正认知活动的能力。汽车的普及不意味着每个人都必须学会驾驶，但会驾驶的人能够自主安排更远距离、更复杂的行动。认知工具同样扩大了人的活动范围，也提高了把这些可能转化为可靠行动所需要的判断水平。 人与外部系统可以在实践中共同发展：外骨骼承担更多探索、执行与检验，人借助这些活动形成新的经验，并重新安排分工。下一篇将进一步讨论前文提到的高维认知活动，以及人在共同思考中怎样形成判断、保持自主。
一、认知循环：在实践中发现偏差、修正认识
二、分工的质变：从工具辅助到局部自主循环