夜雨聆风上篇提到了一个跨越 建筑、软件、AI三个领域的大故事。
如果你觉得那只是一段有趣的历史，那这篇文章可能会让你感到有些不安——因为我们要用建筑学，照出AI正在犯的几个真实问题。
建筑学是一面镜子。
而镜子里的东西，不总是好看的。
第一面镜子：知识，藏在哪里？
建筑学的故事
中世纪的欧洲，建造大教堂是一件神秘的事情。
那些能建出哥特式尖顶、精妙飞扶壁的建筑师，被视为接近神明的人物。他们的知识，藏在脑子里、藏在双手里，靠口口相传，从师傅传给徒弟。
一个大师死去，一段知识消失。
这种状态延续了几百年，直到文艺复兴时期，维特鲁威的《建筑十书》、帕拉第奥的建筑论著相继出现，才开始把藏在大师脑子里的隐性知识，变成了可以被任何人学习的显性知识。
建筑学，从"神秘手艺"变成了"可传播的知识体系"。
照向AI的镜子
现在，打开任何一个顶级AI模型，问它为什么做出某个判断。
它无法告诉你。
GPT-4为什么在这里输出这句话？Stable Diffusion为什么生成了这张图？没有人真正知道。知识藏在数以亿计的权重参数里，像极了中世纪大师脑子里那些说不清道不明的直觉。
AI研究界把这个问题叫做"黑盒问题"，学术名称是"可解释性（Explainability）"。
这不只是技术问题。
当一个AI系统决定你的贷款申请是否通过，当它决定你的简历是否被推荐给招聘官，当它决定医疗影像是否需要进一步检查——你难道不想知道它为什么这么判断吗？
建筑学花了几百年，把知识从大师的脑子里解放出来。
AI，需要做同样的事
当前进展：可解释AI（XAI）领域正在努力，Anthropic的"机械可解释性"研究是目前最前沿的尝试之一，但距离真正的"建筑图纸"级别的清晰度，还有很长的路。
第二面镜子：模式，为什么重要？
建筑学的故事
亚历山大发现了一件让他困扰很久的事：
为什么好的建筑设计，总是要靠天才？
世界上伟大的建筑师就那么几个。而全球每天都有数以千计的建筑在建造——大多数平庸，许多糟糕，少数灾难。
他意识到问题的根源：好的设计知识，没有被系统化地记录和传播。
于是他开始整理那些经过验证的、可以反复使用的设计方案——也就是"模式"。
253个模式，形成一套完整的"设计语言"，让普通人也能组合出好的建筑。
这套思想后来直接催生了GoF的软件设计模式，成为整个软件工程的基础之一。
照向AI的镜子
现在的AI研究界，每年发布的论文超过10万篇。
每篇都在提出新方法，声称在某个指标上超越了前人。
但这些知识，有没有被系统整理成"模式"？有没有人告诉你：
- 在什么场景下，用Transformer比CNN更好？
- 在什么条件下，大模型微调比从头训练更合适？
- 组合哪几种技术，能解决特定类型的问题？
基本没有系统性的实践结果。
AI领域的知识，高度碎片化，散落在无数论文、博客、GitHub仓库里。每个新加入的研究者，都要自己重新踩一遍已经有人踩过的坑。
这正是建筑学在有模式语言之前的状态。
好消息是，有人已经开始做这件事：Hugging Face的模型卡（Model Card）、Papers with Code的系统整理、各类AI系统设计的最佳实践文档……
但"AI的模式语言"，还没有真正诞生。
想象一下：如果有一本"AI设计的253个模式"，像亚历山大的书一样，让普通工程师也能组合出好的AI系统——那会改变整个行业的效率。
第三面镜子：功能，是为谁服务的？
建筑学最惨痛的教训
1956年，美国圣路易斯市建成了一个"完美的"现代主义住宅区：普鲁伊特-艾戈公寓（Pruitt-Igoe）。
它功能齐全，技术先进，规划理性，荣获建筑设计奖项。
然后，它变成了噩梦。
居民对这里恨之入骨。社区关系瓦解，犯罪率飙升，没有人愿意住在这里。
1972年，这个"完美的"建筑群被彻底炸毁。
建筑师们痛定思痛，终于承认：他们在追求功能完美的同时，忘记了人的心理需求、社区连接需求、归属感和意义感。
建筑现代主义从此走向反思，"以人为本"的设计哲学重新回到核心。
照向AI的镜子
现在，许多AI系统在优化什么？
推荐算法：最大化点击率和使用时长 社交媒体AI：最大化内容互动 游戏AI：最大化用户留存
功能，是完美的。
人，是被优化的对象，而不是被服务的主体。
结果呢？短视频让人刷到停不下来，但刷完之后感到空虚；社交媒体让人保持连接，但研究显示它加剧了孤独和焦虑；推荐系统越来越精准，但它越来越强化你的偏见，把你关在信息茧房里。
这不就是普鲁伊特-艾戈的数字版本吗？
功能上完美，人性上失败。
建筑学花了几十年、用无数失败的建筑、消失的社区换来了这个教训。
AI，会不会也要付出同样的代价？
关键问题： AI的终极目标，到底是"最大化可测量的指标"，还是"真正改善人的生活"？这两件事，有时候是同一件事，有时候是截然相反的事。
第四面镜子：一栋楼，还是一座城？
建筑学的尺度革命
建筑学有一个有趣的演化过程：
思考的尺度，在不断扩大。
从"如何建好一栋楼"，到"如何让一条街道充满活力"，到"如何让一个城区有机生长"，到"如何规划一座可持续发展的城市"。
每一次尺度的扩大，都带来了全新的问题和全新的设计语言。
城市规划的核心洞见是：单独每栋建筑都很好，但如果它们之间的关系不对，整个城市可能仍然是失败的。
AI缺少的城市规划思维
现在的AI发展，大多数还停留在"单栋建筑"的尺度：
如何训练一个更好的模型？如何在某个Benchmark上超越前人？如何让这个模型更快、更准、更省算力？
这些都是重要的问题。
但很少有人在做"城市规划"级别的思考：
· 当数以亿计的AI系统同时运行，它们如何协作，而不是相互干扰？ - · AI的数据基础设施，如何像城市的道路系统一样高效运转？
· 人和AI如何共同生活在同一个信息环境里，而不是一方占据主导？ · AI的"城市规划法规"——也就是治理框架——如何既保障安全，又允许创新？
Agent系统（多个AI协作完成任务）的出现，让我们开始触碰"街区"尺度的设计。
但"城市"和"区域"尺度的AI思维，基本上还是空白。
一个关键类比：建筑学里，"城市规划"是一门独立的学科，和"建筑设计"完全不同。也许，我们需要一门独立的"AI生态规划"学科——专门研究AI系统之间，以及AI与人类社会之间的宏观关系。
四面镜子，一张地图
建筑学的教训 | AI当前的状态 | 需要做什么 |
知识显式化 | 黑盒，无法解释 | 可解释AI，打开黑盒 |
模式语言 | 知识碎片化 | 建立AI架构模式库 |
以人为本 | 以指标为本 | 真正的人本AI设计 |
城市规划思维 | 单模型思维 | AI生态系统的整体规划 |
有趣的是，建筑学对这四个问题，不只是提出了问题，还提供了可以借鉴的答案。
而且，建筑学还有更深刻的东西：
关于知识如何在历史的积累中有机生长，关于文化多元如何抵御单一化的侵蚀，关于规范和自由如何共存，关于什么样的系统才真正具有"生命力"……
在我们的《下篇》里等着你
