语音识别在本机运行。LLM 拆解与整理是可选步骤，处理来源会写入产物的 provenance 记录。它不充当永久知识库，也不负责音色训练、最终视频渲染或平台发布。

核心边界

• 输入可以是本地视频或公开链接。
• 输出包括文稿、字幕、结构化知识与下游 Brief。
• 原始媒体与实例产物默认留在本地，不进入公开仓库。

因此，“思维”不是一种单独能力。概念思维、逻辑思维、因果思维、概率思维、创造性思维和系统思维，是从不同功能出发对思维活动所作的划分。

这些思维方式不是互相排斥的心理模块，也不处在一张完全统一的分类表中。它们分别突出思考过程中的不同任务。

本文把概念思维与逻辑思维当作思考活动中的两种功能，重点说明它们怎样与其他方法协作。关于“概念”与“逻辑”各自的定义和理论边界，分别见概念与逻辑；本文不把这些领域重新合并成一套学科定义。

什么是概念思维？

概念思维是通过形成、使用、比较和修订概念，对经验进行分类并建立可理解结构的思维活动。

“概念思维”并不是像“形式逻辑”那样边界高度统一的单一学科名称。它在哲学、教育和心理学语境中，常与概念形成、抽象思维、分类和概念推理相联系。这里把它作为一个功能性名称，指人怎样借助概念组织经验。

概念思维至少包含六种操作。

区分

概念形成首先需要识别差异：

• 需求与欲望；
• 目的与意图；
• 产品与商品；
• 事实与观点；
• 规则与原则。

如果没有区分，多个不同问题就会被压进同一个词中。

抽象

抽象暂时忽略具体对象的一部分差异，保留当前问题所关心的共同结构。例如，从许多交易中提取交换、主体、对象和条件。

抽象不是把细节全部删除，而是根据研究目的决定哪些差异暂时不重要。

分类

分类判断新对象应当进入哪个类别。例如，一项付费在线服务究竟是产品、商品、服务，还是同时具有多重身份。

建立边界

概念思维不仅寻找中心例子，也要区分属于、不属于和边界不清的情况。

建立关系

概念需要进入关系网络：

处境 → 需要 → 目标 → 意图 → 行动
能力 → 产品 → 商品 → 交换 → 使用结果
证据 → 判断 → 推理 → 决策 → 反馈

修订

当反例、新事实或新用途出现时，原来的概念可能需要调整。拒绝修订的概念会逐渐变成保护既有看法的标签。

什么是逻辑思维？

逻辑思维是把判断组织成论证，并依据推导关系检查结论是否由前提成立地推出。

它主要处理：

• 判断是否相互矛盾；
• 一个结论依赖哪些前提；
• 推导是否遗漏步骤；
• 结论是否超出证据；
• 是否存在前提为真而结论为假的反例；
• 同一个词是否在论证中改变含义。

例如：

成功产品都满足某种需求。
这个产品满足某种需求。
所以这个产品一定成功。

这个论证肯定了后件，并不有效。满足需求可能是成功的必要条件之一，却不是充分条件。

逻辑思维把观点转换为可以公开检查的前提、步骤和结论。

概念思维不等于逻辑思维

概念思维主要解决：

我们正在谈论什么？应当怎样区分、分类和组织它？

逻辑思维主要解决：

接受这些判断以后，能够推出什么？

二者可以组成一条循环：

经验
↓
概念形成与分类
↓
形成判断
↓
逻辑推导
↓
产生新判断
↓
现实检验
↓
修订概念和前提

没有概念，逻辑缺少能够组织的内容；没有逻辑，概念之间的连接可能任意、矛盾或无法检验。

但概念思维比逻辑推理更宽。创造新分类、改变概念边界和重新描述问题，并不只是从已有前提中推出结论。

概念思维为逻辑推理提供对象、分类和意义；逻辑思维约束由概念构成的判断与推导。

概念思维与抽象思维是什么关系？

抽象思维强调从具体经验中提取一般结构。概念思维还包括使用已有概念、比较概念、处理边界、建立体系和修订分类。

因此，抽象是概念形成的重要方法，却不是概念思维的全部。

人也可以抽象出错误结构。概念是否有用，还要看它能否正确分类新的对象、支持可靠推理，并在行动和证据中得到检验。

感知与直觉思维

感知使对象首先呈现出来，直觉则常表现为快速的模式识别。

经验丰富的医生可能迅速注意到一组异常症状，设计师可能立即感到一个页面的层级有问题。直觉不一定是神秘能力，它经常来自大量经验被压缩后的快速判断。

但直觉也会受情绪、偏见和错误样本影响。它适合发现线索和提出方向，不能自动代替证据和论证。

概念也并非完全脱离感知和身体经验。关于具身认知的研究强调，认知可能依赖身体与环境的互动，而不是只在头脑中操作抽象符号。Stanford Encyclopedia of Philosophy: Embodied Cognition

因果思维

因果思维研究哪些因素使结果发生或改变。

它会问：

• 用户为什么退出付款页？
• 如果降低价格，购买率是否会变化？
• 如果没有这项政策，结果是否仍会出现？
• 当前看到的是原因、结果、共同原因，还是选择偏差？

因果思维需要机制、时间顺序、反事实和干预。仅仅发现两个现象同时出现，并不能证明一个造成另一个。

逻辑可以检查因果论证的形式，但不能仅凭形式发现现实原因。

概率思维

概率思维处理不确定性。它不只问一个判断是否为真，还会问：在现有信息下，各种可能性得到多大支持？

概率思维要求人：

• 区分可能、很可能和必然；
• 明确基准率和条件信息；
• 随新证据更新判断；
• 比较结果概率与后果大小；
• 避免把一次结果当成稳定规律。

逻辑研究前提对结论的确定性约束，概率研究不完整信息下的程度化支持。概率计算本身仍然需要遵守逻辑和数学规则。

批判性思维

批判性思维不是习惯反对别人，而是系统检查一个主张是否值得接受。

它会检查：

• 概念是否清楚；
• 证据是否可靠；
• 来源是否可信；
• 推理是否有效；
• 是否遗漏反例；
• 是否存在替代解释；
• 结论是否超出证据；
• 自己是否受到立场和偏差影响。

批判性思维比形式逻辑更宽，因为它还处理自然语言、证据质量、语境和认知偏差。Internet Encyclopedia of Philosophy: Critical Thinking

创造性思维

创造性思维扩展候选空间。它通过联想、类比、重组、改变问题表述、跨领域迁移和反事实想象，产生原来没有直接给出的概念、解释或方案。

创造性思维与批判性思维不是对立关系：

创造性思维生成候选
→ 批判性思维检验候选
→ 新问题促使再次生成

只有生成，可能得到大量无法成立的想法；只有评价，可能在没有足够候选的情况下过早收敛。

系统思维

系统思维把对象放进关系网络，关注：

• 要素之间怎样相互作用；
• 是否存在正反馈或负反馈；
• 结果是否存在时间延迟；
• 局部优化会不会损害整体；
• 系统边界怎样影响结论；
• 干预会不会产生意外后果。

降低价格可能增加用户，也可能改变客户结构、服务成本和品牌预期。系统思维拒绝用单一局部变量解释所有结果。

它与因果思维重叠，但系统思维更强调多变量互动、反馈、边界和跨时间行为。

辩证思维

“辩证思维”在不同哲学传统中并没有完全相同的定义。广义上，它强调对象处于关系和变化中，内部张力可能推动变化，同一事物在不同条件下可能表现不同。

辩证视角能够提醒人避免静态、孤立地理解对象。但“事物都是辩证的”本身不能代替概念定义、事实证据和具体机制。辩证思维只有落实到可以说明的关系、条件和变化过程时，才具有分析作用。

战略思维与博弈思维

战略思维研究在资源有限、环境变化并存在其他行动者时，怎样选择长期方向。它关注目标、资源、取舍、能力建设和行动顺序。

博弈思维进一步考虑：自己的结果取决于他人的行动，而他人也会预测并回应自己的选择。

二者都需要系统思维，但关注点不同：战略思维围绕长期位置和资源配置，博弈思维围绕行动者之间的相互依赖与回应。

决策思维

决策思维把认识推进到行动承诺。它需要综合：

• 事实和信息质量；
• 不同结果的概率；
• 因果与可干预条件；
• 目标和价值；
• 成本、风险与机会成本；
• 行动的可逆性；
• 权限与责任。

许多所谓“思维模型”确实服务于决策，但并非所有模型都是决策模型。分类模型帮助识别对象，因果模型帮助解释变化，预测模型估计未来，决策模型才把状态、行动和价值连接起来。

元认知

元认知是对自己认知过程的认识和调节：

• 我依据了什么前提？
• 我是否真正掌握这个概念？
• 我的确信程度是否超过证据？
• 我是否只在寻找支持自己的材料？
• 什么事实会使我改变看法？
• 当前应该继续分析，还是进入行动和反馈？

元认知不提供某个具体问题的答案，却能检查思考过程是否需要暂停、修订或转换方法。

这些思维方式不处在同一个层级

可以按它们在认识与行动中的主要功能建立一张工作地图：

这张表按主要功能组织，不代表每种思维只能出现在一个位置。批判性思维会检查整个过程，逻辑参与概率和因果分析，概念也贯穿所有阶段。

从认识到行动的完整循环

可以把多种思维方式连接成一个可修正循环：

现实与感知：发生了什么？
↓
概念与表征：这是什么？
↓
逻辑、证据与概率：现有信息支持什么？
↓
因果与系统：它为什么发生，改变什么会不同？
↓
创造与批判：还有哪些方案，哪些经得起检验？
↓
价值、战略与决策：追求什么，选择什么？
↓
行动与结果：现实发生了怎样的变化？
↓
反馈与元认知：哪里需要修正？
└──────────────→ 返回概念、前提与模型

真实思考不会严格按顺序进行。新事实可能迫使人修改概念，资源限制可能重构目标，行动结果也可能推翻原来的因果解释。

不同错误需要不同修正

概念错误

把用户购买的对象全部归结为“功能”，可能遗漏体验、信任、身份表达和风险降低。问题首先出在购买对象的概念过窄。

逻辑错误

从“成功产品满足需求”和“某产品满足需求”推出“它一定成功”，问题出在推导无效。

事实错误

即使概念清楚、推导有效，前提也可能不符合现实。

概率错误

把低概率事件的实际发生，当成原来的概率估计必然错误，混淆了单次结果和概率模型。

因果错误

把同时出现或能够预测结果的变量直接当作可干预原因。

价值与决策错误

事实和推理都可以正确，但行动目标可能不正当，代价也可能不可接受。

只有先识别错误属于哪一层，才知道应该修改概念、推导、证据、模型还是目标。

结论

概念思维和逻辑思维是人的认识能力中的两个基础部分，却不能代表思维的全部。

概念思维形成并管理理解世界所使用的分类；逻辑思维约束判断之间的推导；概率、因果、创造、批判、系统、战略、决策与元认知分别处理不确定性、解释、候选生成、证据评价、整体关系、行动方向和自我修正。

好的思考不是永远使用同一种方法，而是识别当前问题处在哪一层，选择合适的方法，并让结果反馈回来修正原来的概念、前提和模型。

例如：

所有人都会死亡。
苏格拉底是人。
所以苏格拉底会死亡。

这里的重点不只是三个句子分别说了什么，而是前两个判断与结论之间存在怎样的关系。

逻辑的核心对象不是孤立观点，而是前提、结论以及它们之间的后承关系。

本文集中解释推导关系、有效性与健全性，以及逻辑能做和不能做的事。若问题是“不确定证据提供多强支持”，可接着读逻辑与概率；概率的解释与更新机制另见概率与贝叶斯。

因此，逻辑会追问：前提是什么？结论是什么？是否存在前提都为真而结论为假的情况？哪一步只是猜测，哪一步确实受到推导规则约束？

“逻辑”这个名称来自哪里？

英文 logic 经拉丁语 logica 追溯到古希腊语 logos。Logos 的意义范围包括言说、说明、理由、比例、秩序和理性。但现代逻辑不能被简单等同于“理性”“规律”或“宇宙秩序”。

现代汉语“逻辑”主要是 logic 的音译。近代中国还使用过“名学”“辨学”“论理学”和“理则学”等译名。严复选择“名学”翻译相关著作，后来“逻辑”逐渐成为通行术语。不同译名分别突出了名称与实在、论辩、论理和推理规则等侧面。《逻辑学研究》：政治、知识和学术——严复翻译 Logic 的三重维度

中国先秦名辩、古印度因明和古希腊逻辑形成了不同的推理传统。现代形式逻辑主要沿着古希腊逻辑、近代数学和分析哲学的发展路径建立，但不能因此把一切文化中的论辩和推理都说成同一个历史体系。

日常所说的“逻辑”有多种含义

日常表达中的“逻辑”可能指：

• 一段话是否有条理；
• 一个人解决问题的思路；
• 某种制度的运行机制；
• 一套利益结构；
• 事情发展的规律；
• 一个论证是否成立。

“平台的商业逻辑是增加用户停留时间”，这里的逻辑接近运行机制和激励结构。“他说话没有逻辑”，可能是说表达混乱、前后矛盾或缺少依据。

这些用法有实际意义，但不等同于逻辑学的全部内容。分析时需要先说明，当前讨论的是推导有效性、解释机制，还是一般条理。

逻辑处理什么基本单位？

传统教材常用“概念—判断—推理”的层次：

概念提供思考对象
→ 判断对对象有所断定
→ 推理由已有判断产生新判断

“产品”本身只是一个概念，不能直接判断真假。“这个软件是产品”构成命题，才可以讨论真假。

现代逻辑通常进一步区分：

• 形式语言中的符号和公式；
• 能够为真或为假的命题；
• 作为出发点的前提；
• 作为推导目标的结论；
• 许可推导步骤的规则；
• 解释公式如何获得真值的模型或语义。

一个逻辑系统通常包含某种语言，并配有演绎系统、模型论语义或两者。逻辑学还会研究语法上的可推导性与语义上的有效性怎样对应。Stanford Encyclopedia of Philosophy: Classical Logic

真与有效不是一回事

看下面的论证：

所有鱼都会飞。
鲤鱼是鱼。
所以鲤鱼会飞。

第一个前提是假的，结论也是假的，但推理形式仍然有效：

所有 A 都是 B。
C 是 A。
所以 C 是 B。

逻辑有效性保证的是：

如果前提都为真，结论就不可能为假。

它不保证现实中的前提确实为真。因此必须区分：

一个论证要提供可靠知识，既需要推导有效，也需要前提真实或得到充分支持。

逻辑后承是什么？

当结论 C 是前提集合 P 的逻辑后承时，可以粗略理解为：不存在一种相关解释，使 P 中所有前提为真而 C 为假。

P ⊨ C

这个定义表达了逻辑后承的保真性。但“哪些解释算相关”“什么只依赖逻辑形式”“逻辑常项是什么”等问题，仍然构成逻辑哲学中的争论。Stanford Encyclopedia of Philosophy: Logical Consequence

逻辑后承也不同于心理上的确信。一个人可以非常相信一个无效结论，也可能不愿接受一个确实由其前提推出的结论。

演绎、归纳和溯因

现实中的推理不只有演绎。

演绎推理

演绎研究结论是否受到前提的必然约束：

所有注册用户都有用户编号。
小王是注册用户。
所以小王有用户编号。

如果形式有效且前提为真，结论就不能为假。

归纳推理

归纳从有限观察推广出更一般的结论：

多轮调查中，大部分目标用户都关注价格。
所以目标用户总体可能较为关注价格。

结论受到证据支持，却没有被前提必然蕴涵。新的样本可能改变支持程度。

溯因推理

溯因从观察结果出发，寻找当前最好的解释：

用户在付款页大量退出。
错误日志集中于一个支付渠道。
支付故障暂时是最好的解释。

溯因提出候选解释，不能自动证明原因。还需要比较替代解释，并通过新数据、干预或实验检验。

广义推理研究会讨论三者，但不能把归纳和溯因伪装成必然演绎。

形式逻辑与非形式逻辑

形式逻辑把部分表达转换成明确符号，研究结构在不同内容替换下是否仍然成立。它擅长暴露量词、否定、条件句和关系结构中的错误。

非形式逻辑研究自然语言中的真实论证。它还要处理：

• 省略的前提；
• 语境和含混；
• 来源可信度；
• 类比的相关性；
• 举证责任；
• 修辞对判断的影响；
• 对手论证是否被公平重述。

形式化能够提高精确性，却可能舍弃语境。自然语言保留语境，却容易隐藏歧义。二者解决不同层次的问题。

逻辑与事实、概率、因果的区别

逻辑关系

逻辑关系讨论：

如果这些前提成立，这个结论是否必须或可以成立？

事实关系

事实关系讨论：

现实中究竟发生了什么？

概率关系

概率关系讨论：

在现有信息和模型下，各种可能结果得到多大支持？

因果关系

因果关系讨论：

改变什么因素，会使结果随之发生变化？

例如：

如果下雨，地面通常会湿。
现在地面湿了。
所以刚才下过雨。

这个结论没有被前提演绎保证。洒水车、漏水和人工清洗都可能使地面变湿。地面湿可以提高“下过雨”的概率，也可以成为寻找原因的线索，却不能单独证明下雨。

所以：

可推导 ≠ 现实为真
统计相关 ≠ 因果成立
高概率 ≠ 逻辑必然
解释得通 ≠ 已经得到证明

条件句为什么容易产生错误？

假设：

如果系统断电，那么服务器停止运行。

从“系统断电”推出“服务器停止”，是肯定前件。

从“服务器没有停止”推出“系统没有断电”，是否定后件。

但从“服务器停止”推出“系统断电”，是肯定后件，通常无效，因为服务器还可能因为故障、维护或网络问题停止。

从“系统没有断电”推出“服务器没有停止”，是否定前件，也通常无效。

许多因果误判和诊断错误，正是把充分条件、必要条件和相关线索混为一谈。

矛盾、一致与真理

逻辑能够检查一组命题是否相互一致。若一个系统同时接受 P 和 非 P，在经典逻辑中可能产生严重后果。

但“一致”不等于“真实”。一套虚构世界设定可以高度一致，却不描述现实。多个错误信念也可能彼此兼容。

同样，“没有发现矛盾”也不等于论证完整。前提可能遗漏关键信息，概念可能模糊，证据也可能不足。

逻辑提供最低限度的结构约束，事实检验、概率判断和因果研究仍然不可替代。

逻辑是不是正确思考的全部？

不是。

一个人可以使用有效形式，却从错误前提出发；也可以拥有真实信息，却忽略价值冲突、风险分布和行动成本。

完整思考还需要：

• 概念澄清；
• 事实观察；
• 来源评价；
• 概率更新；
• 因果分析；
• 价值判断；
• 目标选择；
• 决策和行动反馈。

逻辑主要约束从已有判断走向其他判断的过程。它不能独自决定应该选择哪些前提、追求什么目标或承担什么风险。

逻辑是描述性的，还是规范性的？

现实中的人经常违反逻辑。如果逻辑只是记录人实际上怎样想，它就很难解释为什么某些推理应该被纠正。

因此，逻辑通常具有规范性：当一个推理者接受某些前提时，逻辑说明他还应当接受哪些结论，或者不能同时坚持哪些判断。

但逻辑规范的来源仍有争议。它可能被理解为：

• 世界最一般结构的反映；
• 语言意义和真值条件的结果；
• 理性信念应保持一致的规范；
• 形式系统内部的规则；
• 不同推理实践所建立的多种后承关系。

是否只有一种逻辑？

现代逻辑包含经典逻辑和多种非经典逻辑，例如：

• 模态逻辑研究必然与可能；
• 时态逻辑研究时间结构；
• 道义逻辑研究允许、义务和禁止；
• 直觉主义逻辑强调构造性证明；
• 多值与模糊逻辑处理不同真值结构；
• 次协调逻辑研究如何在局部矛盾下避免任意结论。

这不意味着推理规则可以随意挑选。选择逻辑系统需要说明表达对象、语义解释和推理目的，并检验系统是否完成它声称完成的工作。

逻辑的实际价值

逻辑迫使一个论证公开自己的结构：

1. 结论究竟是什么；
2. 前提有哪些；
3. 哪些前提来自事实，哪些来自定义或价值；
4. 哪一步是真正的推导；
5. 是否存在反例；
6. 结论有没有超出前提；
7. 不确定性是否被伪装成必然性。

它把“听起来有道理”转化为能够被他人检查的前提和推导关系。

结论

逻辑不是事实数据库，也不是发现原因的机器。它研究判断之间怎样连接，尤其研究前提对结论形成什么约束。

逻辑能够保证有效推导保持真，却不能替我们保证前提为真，也不能单独决定什么值得追求。

清楚的概念、可靠的事实、适当的概率模型、可检验的因果解释和明确的价值判断，需要与逻辑共同工作。

人接触到的首先是具体经验：一棵树、一次交易、一段愤怒、一件产品、一句话。人不会把这些经验永远保留为彼此无关的个别事件，而会辨认差异、提取共同点，并把它们理解为“树”“交易”“愤怒”“产品”或“意图”。

概念不是现实对象本身，而是我们把某个对象理解成某种东西的方式。

本文重点回答概念是什么、怎样形成边界并随反例修订。词、概念与对象进一步检查语言表达和指称，概念思维与逻辑思维则讨论人在判断中怎样使用概念。

可以先把这个过程写成：

具体经验
→ 发现差异与共同点
→ 形成类别
→ 建立概念
→ 用概念判断新的经验
→ 根据反例修订概念

概念把连续、复杂、不断变化的现实，转换成可以辨认、讨论和推理的对象。但这种转换也会舍弃细节，因此概念既是认识工具，也是可能产生误判的地方。

概念不等于词语

概念通常借助词语表达，却不等于词语。

“产品”是一个词。有人用它指企业生产出来的物品，有人指满足用户需要的解决方案，也有人把服务、软件和内容都视为产品。同一个词可以承载不同概念，不同词语也可能表达部分重叠的概念。

因此，查到一个词的字典释义，还没有完成概念分析。还需要继续追问：

• 这个词在当前语境中指什么；
• 它包含哪些对象，又排除哪些对象；
• 它和相邻概念怎样区分；
• 不同学科是否采用了不同定义；
• 使用者是否在论证中悄悄改变了它的含义。

词语是进入概念的表达入口，概念是词语所承载的认知内容。一个概念也可以由多个表达来接近，而不必被某个词完全穷尽。

概念不等于对象

一部具体手机不是“产品”这个概念本身，一次具体购买也不是“交易”这个概念本身。

可以区分三个层次：

现实对象可以存在而未被我们正确分类；词语可以存在而没有清楚含义；概念也可以指向不存在的对象，例如独角兽、理想圆或者虚构人物。

这说明概念的功能不是复制一个对象，而是提供一种可用于识别、判断和推理的内容结构。

哲学上，概念究竟是什么？

哲学没有关于概念的唯一理论。现代讨论中有三种重要立场。

概念作为心理表征

这一立场把概念理解为心智内部带有内容的表征。人能够想到猫、辨认猫、回忆猫并推断猫的性质，是因为认知系统以某种方式表征了猫。

心理表征不必是一幅清晰的内部图像。它可能是符号结构、特征组合、原型、图式或分布式神经状态。关键在于它能够指向某类对象，并参与后续认知过程。Stanford Encyclopedia of Philosophy: Mental Representation

概念作为认知能力

第二种立场认为，拥有一个概念主要表现为一种能力。例如，拥有“猫”的概念意味着能够在通常情况下把猫与非猫区分开，理解关于猫的陈述，并作出相应推断。

这一观点提醒我们：一个人会说出某个词，不等于他已经掌握相应概念。概念掌握要通过识别、应用、解释和推理表现出来。

概念作为抽象对象

第三种立场把概念理解为可以被不同思考者共同把握的抽象内容。不同的人可能拥有不同心理状态，却仍然在讨论同一个“三角形”或“正义”概念。

这种理解强调概念的公共性：概念能够进入语言、数学、法律和科学体系，不会随着某个具体人的遗忘而完全消失。

斯坦福哲学百科把这三种路线概括为心理表征、认知能力和抽象对象。它们分别抓住了概念的心理实现、实际运用和公共内容。Stanford Encyclopedia of Philosophy: Concepts

一个概念由什么构成？

内涵

内涵是判断某个对象为何属于这一概念时所使用的性质、条件和关系。

例如，“商品”可能包含可供交换、满足某种需要、具有交换条件等要素。内涵回答：

什么样的东西才算这种东西？

外延

外延是一个概念实际涵盖的对象范围。“商品”的外延可能包括食品、衣物、软件订阅和某些标准化服务。

外延回答：

哪些具体对象属于这个概念？

内涵和外延相互约束。定义变严，通常会缩小外延；定义变宽，通常会扩大外延。

边界

概念需要区分属于、不属于和暂时难以判断的情况。

免费软件是不是商品？个人数据是不是商品？一次非正式承诺是不是合同？这些边界案例能够暴露定义中没有说明的条件。

典型例子与原型

人并不总靠严格定义识别对象。麻雀是典型的鸟，企鹅也是鸟，却缺少典型鸟类的飞行能力。有些概念围绕必要条件和充分条件组织，有些概念更多依靠原型、相似性和语言实践。

原型能够提高识别效率，却不能自动充当定义。把典型例子当作全部标准，会排除真实但不典型的对象。

反例

概念需要接受反例检验。如果把产品定义为“有形且出售的东西”，软件、公共服务和免费数字产品都会迫使我们重新检查定义。

反例不一定立即推翻概念，也可能说明它存在不同版本或适用语境。但一个拒绝所有反例、不断临时改口的概念，已经失去分析作用。

概念关系

概念存在于网络中，而不是孤立词条中：

需要 → 目标 → 意图 → 行动
需要 → 产品 → 商品 → 交换
事实 → 判断 → 推理 → 决策
价值 → 原则 → 规则 → 行为约束

理解一个概念，也意味着知道它与上位概念、下位概念、相邻概念、对立概念及因果相关概念的关系。

概念不仅表示事物

把概念理解为“事物的名称”过于狭窄。概念可以表示多种对象：

所以，“主题词”适合充当知识目录的入口，却不等于已经完成分析的概念。主题词只是索引；概念还包括边界、标准、用法和关系。

概念是怎样形成的？

概念形成通常同时依赖多种过程：

• 感知区分：从经验中辨认稳定差异；
• 抽象：忽略部分个体差异，保留共同结构；
• 分类：把新对象纳入已有类别或建立新类别；
• 语言学习：从他人的指称、解释和纠正中掌握公共用法；
• 行动反馈：通过使用结果检验分类是否有效；
• 制度规定：法律、技术或组织可以规定什么条件算作某种身份；
• 理论建构：科学可以为日常词语建立更精确的理论概念。

概念并不都来自简单归纳。某些概念由制度创设，某些由理论定义，某些与人的身体经验紧密相关，还有些概念在社会争议中持续变化。

为什么概念会发生争议？

概念争议至少有四种来源。

第一，人们使用同一个词，却采用不同定义。有人把产品理解为“企业生产的东西”，有人把它理解为“解决用户问题的可交付能力”。

第二，概念本身具有模糊边界。“游戏”“艺术”“智能”“意识”等概念，很难只靠几个条件覆盖所有情况。

第三，描述和评价混在了一起。“正常”“成功”“进步”“文明”既可能描述状态，也可能暗含价值判断。

第四，不同学科构造了不同用途的版本。“实体”在日常语言、哲学、数据库和人工智能中承担不同任务。

分析概念不是强行消灭差异，而是说明：

在什么语境中，我们采用哪个版本，它解决什么问题，又排除了什么。

常见的概念错误

• 词物混淆：把有一个词误认为现实中必然有一个对应实体；
• 一词多义偷换：论证前后使用同一个词的不同含义；
• 范畴错误：把属于一种类型的问题当成另一种类型，例如追问“概率放在哪里”；
• 概念实体化：把“市场”“历史”“社会”说成具有统一意志的行动者；
• 本质主义过度：假定所有概念都必须有一个永恒不变的隐藏本质；
• 原型代替定义：把最熟悉的例子当成全部边界；
• 描述规范混淆：从“通常如此”直接推出“应该如此”；
• 层级混淆：把对象、对象的模型和关于模型的评价放在同一层。

怎样系统研究一个概念？

一份可复用的概念研究可以依次回答：

1. 它通常由哪些词语表达？
2. 它要解释哪类对象、行为、状态或关系？
3. 日常语言和不同学科怎样使用它？
4. 它的核心内涵是什么？
5. 它的外延和典型例子有哪些？
6. 哪些边界案例最难判断？
7. 它与哪些相邻概念容易混淆？
8. 哪些反例会迫使定义改变？
9. 这个概念提供了什么认识或行动能力？
10. 什么新证据或新实践会要求修订它？

概念分析不是寻找一句永远正确的释义。它是在建立一种能够公开检查、用于判断现实、又允许被现实修正的认知工具。

结论

概念使人能够越过孤立经验，把对象识别为某种东西，并在共同语言中形成判断。

但任何概念都进行了选择：它突出一些差异，也忽略另一些差异。概念越有用，越需要说明其内涵、外延、边界、关系和反例。

掌握一个概念，不只是知道一个词是什么意思，而是能够正确识别、区分、应用、推理，并在失败时修订它。

原则回答：我们依据什么作出判断？规则回答：在这种情况下，具体允许、要求或禁止什么？

可以先写成：

价值与目标
→ 原则
→ 规则
→ 程序与控制
→ 行动
→ 结果与反馈

原则为规则提供理由和方向，规则把原则转化为可以执行、检查和追责的要求。这个层次关系很有用，但不是绝对的语言定律：现实中的法律、组织和技术系统可能把同一项要求称为原则、规则、政策或标准。分析时应当观察它实际发挥什么功能，而不是只看名称。

什么是规则？

规则是在一定范围和条件下，对行为、判断、状态或者操作方式作出的明确规定。

典型形式是：

如果出现条件 C
主体 S 应当、可以或者不得执行行为 A

例如：

如果用户没有授权，就不得公开其私人信息。

一条相对完整的规则通常包含：

• 适用主体：谁需要遵守；
• 触发条件：什么情况下生效；
• 规范效果：必须、允许或禁止什么；
• 适用范围：在哪个系统、组织或活动中有效；
• 例外条件：什么时候可以不按一般规则处理；
• 判断证据：怎样确认条件和行为已经发生；
• 执行后果：违反以后怎样处理。

规则的核心功能是缩小行动空间：

原来存在多个可选行动
→ 规则排除一部分行动
→ 保留允许或要求的行动

规则不只约束已经存在的行为

规则可以发挥不同作用。

社会哲学经常区分调节性规则与构成性规则。调节性规则约束一种已经存在的行为，例如“不要践踏草地”；构成性规则参与创建一种活动或制度事实，常被概括为“在条件 C 下，X 算作 Y”。国际象棋、选举、合同和货币制度中都能看到这类结构。Stanford Encyclopedia of Philosophy: Social Institutions

“下棋时不要大声喧哗”是对活动的外部约束；“王受到无法化解的攻击时构成将死”则参与定义这项活动。没有后一类规则，相应的制度性行为本身也无法成立。

什么是原则？

原则是用来指导判断、说明理由、解释规则、处理冲突和评价行动的较高层规范标准。

例如：

• 尊重人的自主决定；
• 相同情况应当得到相同对待；
• 权力的使用应当可以被追责；
• 公开主张应当受到证据约束；
• 风险应当由能够理解并承担风险的人授权；
• 对人的限制和伤害不应超过必要程度。

原则通常不像规则那样直接告诉人下一步按哪个按钮。它更常回答：

为什么要制定这条规则？
应该怎样解释这条规则？
两条规则冲突时应当保护什么？
现有规则产生错误结果时应当怎样修订？

原则并不只是“写得更抽象的规则”。它的关键作用是提供理由：使一组规则具有方向，并为评价、解释和修订规则提供标准。

原则、价值、规范、政策和程序有什么区别？

这些概念在实际组织中经常混用，可以先按功能区分。

它们可以形成一条转化链：

价值：隐私值得保护
原则：个人信息处理应当取得授权
规则：未经授权不得公开私人资料
程序：发布前检查授权和敏感字段
控制：缺少授权记录时阻止发布

同一种价值可以支持多项原则，一项原则也可能同时保护多种价值。实际文件叫什么并不决定它属于哪一层；关键是它在系统中提供理由、规定行为、设定标准，还是执行控制。

规则与原则的核心区别

可以概括为：

原则具有理由性和生成性
规则具有条件性和操作性

例如，“最小权限原则”可以产生多项具体规则：默认不给予管理权限，临时权限到期自动撤销，敏感操作保留日志，不同身份使用不同账号。NIST 对 least privilege 的定义，也是把系统授权限制在完成指定任务所必需的最低程度。NIST CSRC: Least Privilege

法律哲学为什么特别讨论规则与原则？

法律不只需要明确规则，也会遇到条文没有直接覆盖、多个规范冲突或者文字与制度理由发生张力的案件。

罗纳德·德沃金对法律实证主义的批评，使“规则与原则”的区分成为现代法哲学的重要议题。他强调，裁判所依据的不只是可以通过来源检验识别的规则，也包括公平、正义和正当程序等原则。原则往往不像规则那样产生简单的条件—结论关系，而是作为具有分量的理由进入解释与裁判。Stanford Encyclopedia of Philosophy: Legal Positivism

但不能把一种法哲学理论直接推广成所有领域的语言定义。法律规则也可以宽泛、模糊并包含权衡；原则有时也会被制度写成接近绝对的约束。更准确的做法是把“明确适用”与“提供分量和理由”看成两个分析维度，而不是假定所有被称为规则和原则的内容都有同一种结构。

规则是不是必须无条件执行？

不一定。现实规则可能遇到：

• 条件没有覆盖的新情境；
• 两条规则同时适用却相互冲突；
• 字面执行反而违背规则的制定理由；
• 环境变化使规则失去合理性；
• 紧急情况要求经过授权的例外；
• 规则本身不正当。

这说明遵守规则不能完全代替判断。但“原则”也不能成为随意绕开规则的借口。

偏离规则至少需要说明：

1. 当前情况为什么属于例外；
2. 哪项更高层理由或原则受到威胁；
3. 现有规则为什么不能正确处理；
4. 偏离是否控制在必要范围；
5. 谁拥有作出例外决定的权限；
6. 是否留下记录并接受复查；
7. 是否需要修改原有规则。

原则提供修正规则的理由，却不自动取消规则。

原则之间也会冲突

透明、隐私、安全、自主、公平和效率都可以成为原则，但它们可能对同一情境提出不同要求。

完全透明可能损害个人隐私；完全服从个人选择可能让无法理解风险的人受到严重伤害；形式上一致的待遇也可能忽略实际处境差异。

道德哲学以 prima facie duty 或 pro tanto duty 描述一种重要情况：一项义务确实构成支持某种行动的理由，但在具体情境中可能被另一项更强的义务压过。原则冲突不能总靠一张固定排序表机械解决。Stanford Encyclopedia of Philosophy: Moral Reasoning

因此，原则冲突时需要说明：

• 当前有哪些相互竞争的理由；
• 每项原则保护什么人或价值；
• 可能造成哪些伤害；
• 限制是否必要且成比例；
• 是否存在同时保留多项原则的替代方案；
• 谁拥有决定权并承担结果。

原则不会消除判断。原则提供的是进行复杂判断的理由结构。

符合规则为什么仍可能得到错误结果？

规则可以被完整执行，却仍然产生有问题的结果。可能的原因包括：

• 规则建立在错误事实之上；
• 规则遗漏了重要群体或情境；
• 可测量指标替代了真正目标；
• 执行环境已经改变；
• 人通过满足字面要求规避真实目的；
• 多条局部规则共同产生系统性伤害。

例如，公司规定客服必须在三分钟内结束一次通话。这条规则容易检查，却可能迫使客服过早结束复杂问题。通话时长指标得到改善，用户问题却没有解决。

所以需要分开四个判断：

符合规则
≠ 符合原则
≠ 实现目标
≠ 产生良好结果

规则合规、原则正当、手段有效和结果良好分别需要证据。

只有原则或者只有规则会怎样？

只有原则而没有规则，容易使行动标准依赖个人解释：责任无法检查，组织反复讨论相同问题，对外宣称价值却没有执行机制。

“我们重视用户”不是操作标准。它至少需要转化为数据授权、风险告知、投诉处理和结果验证方面的规则。

只有规则而没有原则，则容易形成规则主义：人只满足字面要求，遇到新情况无法判断，规则越来越多却没有共同方向，并把“符合规定”误当成“结果正确”。

一个成熟系统需要同时具备：

原则：提供方向和理由
规则：提供可执行边界
程序：保证规则稳定执行
控制：阻止、发现并记录偏离
反馈：检验实际结果
修订：根据证据调整规则

规则、原则与战略是什么关系？

它们回答不同问题：

原则：哪些判断标准不能被轻易放弃？
规则：哪些行为被要求、允许或禁止？
战略：在约束条件下选择什么方向和取舍？
战术：怎样在具体情境中推进？
程序：按照什么顺序执行？

例如：

原则：不以虚假信息误导用户
规则：没有真实证据不得使用“第一”“最佳”等声明
战略：通过公开可验证的研究建立长期信任
战术：发布案例、方法和数据来源
程序：事实核验 → 审核 → 发布 → 复查

原则不能代替战略，因为原则没有决定资源投向；规则也不能代替战术，因为遵守边界并没有说明怎样有效完成任务。

规则和原则怎样进入 AI 系统？

大语言模型生成高概率文本，不会自动保证事实、逻辑、权限和现实后果正确。AI 系统因此需要把原则逐步转化为可执行约束。

例如：

原则：行动权限应与用户授权一致
规则：没有明确授权不得执行外部写操作
控制：工具层拒绝未携带授权状态的请求
验证：执行后检查目标、身份和实际结果
记录：保留可追踪的操作日志

规则可以直接限制系统行为：

没有授权 → 不得发送
身份无法确认 → 停止操作
证据不足 → 标记未知
验证失败 → 不得声称完成

但规则无法预先枚举所有现实情境。原则可以指导异常情况中的解释方向，例如保留不确定性、最小化不可逆影响、使权限与责任相匹配，以及要求高风险行动具有更强证据。

模型能够生成一段符合原则的说明，不等于系统已经遵守原则。真正的约束还需要进入权限、数据结构、工具接口、验证程序、日志和人工复核。

怎样建立一套规则与原则？

先说明要保护什么

明确哪些价值、主体和结果受到影响，谁承担风险与最终责任。

提炼少量原则

原则应当能够解释一组判断，而不是把每个具体动作改名为原则。

将原则转化为规则

每条规则需要说明：

适用主体
+ 触发条件
+ 要求、许可或禁止
+ 例外条件
+ 判断证据
+ 责任主体

把规则写入程序和控制

重要规则不能只依赖人的记忆，应进入检查表、权限系统、自动验证和审核流程。

分别检查合规与结果

规则是否被遵守？
原则是否得到保护？
目标是否真正实现？
是否产生未预期的副作用？

建立修订机制

如果规则反复产生错误结果，应修改规则，而不是不断制造临时例外。如果原则之间经常冲突，则需要明确解释程序、决定权限和复查机制。

结论

可以分别定义：

规则是在特定范围和条件下，对行为、判断或系统状态作出的明确要求、许可或禁止。

原则是为判断、制定和解释规则提供理由与方向的较高层规范标准。

两者的关系是：

原则说明依据什么判断
→ 规则规定具体做什么
→ 程序与控制保证执行
→ 结果检验规则是否有效
→ 反馈推动解释和修订

规则不能代替原则，因为规则无法覆盖所有新情况，也不能独自证明自身正当；原则不能代替规则，因为抽象理由不会自动产生一致、可检查的执行。

一个可靠的规范系统既需要说明“为什么这样判断”，也需要说明“在什么条件下由谁做什么”，最后还要回到现实结果，检查这些规范究竟保护了什么。

参考

• Stanford Encyclopedia of Philosophy: Social Institutions
• Stanford Encyclopedia of Philosophy: Legal Positivism
• Stanford Encyclopedia of Philosophy: Moral Reasoning
• Stanford Encyclopedia of Philosophy: Deontological Ethics
• NIST CSRC: Least Privilege

逻辑研究：接受某些前提以后，哪些结论必须成立、可能成立或不能成立。

概率研究：当结果尚未确定或信息不完整时，应当给不同事件或命题分配多大权重。

逻辑约束“什么能够从什么推出”，概率度量“在当前信息下应当多大程度相信什么”。

两者不是互相竞争的解释。概率计算需要逻辑帮助它确定命题、事件、条件和相互关系；逻辑推导进入现实问题时，也经常需要概率处理不完整证据和不确定前提。

本文只聚焦两者的接口：逻辑蕴含为何不同于条件概率，确定推导怎样与程度化的证据支持相接。需要单独了解推导体系，可读逻辑；需要深入概率解释与贝叶斯更新，可读概率与贝叶斯。

本文所说的“逻辑”是什么？

“逻辑”是一个比日常使用更宽的学科概念。它可以研究演绎推理、归纳推理、模态、时间、义务、多值系统以及可撤销推理等不同形式。

为了说明逻辑与概率最基本的区别，本文首先以经典演绎逻辑为参照。

经典逻辑关心命题、真值以及前提和结论之间的有效推导关系。一个论证在逻辑上有效，意味着不存在这样一种解释：所有前提都是真的，而结论是假的。Stanford Encyclopedia of Philosophy: Classical Logic

例如：

所有人都会死。
苏格拉底是人。
所以苏格拉底会死。

只要两个前提为真，结论就不可能为假。这里检查的是推导结构，而不是统计频率。

可以写成：

前提集合 D ⊨ 结论 C

符号 ⊨ 表示：在所有使前提 D 为真的解释中，结论 C 也为真。

有效推理不等于真实结论

逻辑首先评价推理形式，不能替代对前提的事实检验。

所有鱼都会飞。
鲤鱼是鱼。
所以鲤鱼会飞。

这个论证的形式有效，但第一个前提不符合事实。因此，需要区分：

• 有效性：如果前提为真，结论是否必然为真；
• 前提真实性：前提是否符合实际情况；
• 可靠论证：推理有效，而且前提为真。

所以，一个完整判断至少要经过：

概念是否清楚
→ 前提是否得到事实或证据支持
→ 推导是否有效

概率经常进入第二步：现有证据为一个前提或假设提供多大支持。

概率是什么？

概率是定义在事件或命题之上的量，通常位于 0 和 1 之间。但“概率是什么”并没有唯一的哲学解释。

它可能表示：

• 可重复事件的长期频率；
• 物理系统产生某种结果的机会或倾向；
• 现有证据对一个命题的支持程度；
• 一个主体对命题为真的置信程度；
• 统计模型给出的预测分布。

这些解释共同使用概率演算，却不一定在谈同一种现实对象。Stanford Encyclopedia of Philosophy: Interpretations of Probability

例如：

明天下雨的概率是 70%。

这句话可能表示气象模型在相似条件下的频率预测，也可能表示根据现有证据形成的置信度。无论采用哪一种解释，它都没有断言明天必然下雨。

逻辑与概率分别回答什么？

可以把这种分工概括为：

逻辑：约束推理结构
概率：表达不确定程度

真值不是概率值

在经典逻辑中，一个明确命题在给定解释下为真或为假。

真
假

概率则可以表达程度：

P(A) = 0.2
P(A) = 0.7
P(A) = 0.99

这不意味着命题的真值变成了连续数值。

“明天下雨的概率是 70%”描述的是结果确定以前的不确定状态。到了明天，在地点、时间和降雨标准已经明确的情况下，“下雨”这个命题仍然要么符合事实，要么不符合事实。

因此至少要区分三个层次：

证据支持和主体置信度可能用概率表示，但它们都不等于命题本身已经“部分为真”。

概率为 1 不一定是逻辑必然

逻辑必然表示：在所有满足前提的可能解释中，命题都成立。

概率为 1 则表示：在某个概率模型中，该事件拥有全部概率质量。

两者不能直接等同。

在标准概率模型中，如果 D 在逻辑上蕴含 C，并且 P(D) > 0，那么：

D ⊨ C
→ P(C | D) = 1

但反过来不成立：

P(C | D) = 1
⇏ D ⊨ C

概率为 1 的事件仍然可能不是逻辑真理。在连续概率分布中，一个单点可以具有概率 0，但仍然属于可能取值。概率 0 因而不自动表示逻辑矛盾，概率 1 也不自动表示逻辑必然。

可以谨慎地概括为：

逻辑不可能 → 在尊重该逻辑关系的概率模型中概率为 0
概率为 0 ⇏ 逻辑不可能

逻辑必然 → 在尊重该逻辑关系的概率模型中概率为 1
概率为 1 ⇏ 逻辑必然

逻辑蕴含不等于条件概率

逻辑蕴含可以写成：

A ⊨ B

它表示，只要 A 为真，B 就不可能为假。

条件概率可以写成：

P(B | A) = 0.9

它表示，在 A 条件下，B 获得 90% 的概率。这里仍然允许 A 成立而 B 不成立。

因此，高条件概率表示强概率联系，不表示必然推出。

这个区别也解释了为什么下面的推理在演绎逻辑中无效，却可能在概率上提供支持：

如果下雨，地面会湿。
地面湿了。
所以刚才下雨了。

这是“肯定后件”的形式。地面还可能因为洒水、漏水或者清洁而变湿，所以“地面湿”不能逻辑证明“下雨”。

但如果：

• 下雨时地面几乎总会湿；
• 没下雨时地面很少变湿；
• 下雨本身并非极端罕见；

那么观察到地面湿，可以提高“刚才下雨”的概率。

同一条证据可以做到：

不能演绎证明假设
但可以提高假设的概率

演绎推理与概率归纳

演绎推理追求必然的真值保持：

前提为真
→ 结论必然为真

概率归纳表达证据对结论的支持程度：

证据 D
→ 结论 C 获得程度为 r 的支持

可以写成：

P(C | D) = r

归纳逻辑研究的正是这种关系：前提不必保证结论，却可以使结论变得更可信。现代概率归纳经常使用条件概率和贝叶斯关系表示证据怎样支持相互竞争的假设。Stanford Encyclopedia of Philosophy: Inductive Logic

因此，“逻辑处理确定性，概率处理不确定性”只是第一层概括。更准确地说：

• 经典演绎逻辑处理必然推导；
• 概率演算约束不确定程度；
• 归纳逻辑研究证据如何以不同强度支持结论。

概率为什么需要逻辑？

概率计算以前，必须先确定事件和命题的结构：

• 哪些事件互相排斥；
• 哪些事件可以同时发生；
• 哪个事件包含另一个；
• 条件究竟是什么；
• 一个命题的否定是什么；
• 所有可能结果是否已经覆盖。

例如：

A = 用户点击广告
B = 用户通过该广告完成购买

如果业务定义规定，通过该广告购买必须经过被记录的点击，那么：

B → A

概率也必须满足：

P(B) ≤ P(A)

如果数据报告显示广告购买人数高于广告点击人数，首先需要检查事件定义、归因窗口、数据来源和采集遗漏，而不是立即寻找一个新的概率公式。

逻辑先检查事件结构是否自洽，概率才在这个结构中分配数值。

贝叶斯公式怎样连接逻辑与概率？

贝叶斯公式可以写成：

P(H | E) = P(E | H) × P(H) / P(E)

其中：

• H 是假设；
• E 是证据；
• P(H) 是看到证据以前对假设的判断；
• P(E | H) 是假设成立时出现该证据的概率；
• P(H | E) 是观察证据以后对假设的更新判断。

贝叶斯推理不是：

观察到 E
→ H 必然为真

它表达的是：

观察到 E
→ 比较 E 在不同假设下有多容易出现
→ 重新分配对各个假设的相信程度

逻辑帮助我们定义假设、证据、互斥关系和推导条件；概率帮助我们表示更新前后的置信程度。贝叶斯认识论进一步把条件化理解为新证据出现后调整置信度的一种理性规范。Stanford Encyclopedia of Philosophy: Bayesian Epistemology

概率关系也不等于因果关系

逻辑、概率和因果分别回答不同问题：

例如：

• “正方形必然有四条边”主要是概念和逻辑关系；
• “下雨时地面变湿的概率较高”是概率关系；
• “降雨使地面获得水分，从而导致地面变湿”是因果解释。

高概率联系不自动证明因果。共同原因、选择偏差、测量方式和反向作用都可能产生统计关联。因果判断还需要时间顺序、反事实、干预、机制或其他识别条件。关于这些方法的完整讨论，参见《因果是什么？从原因、推理到理由》。

从概率到行动还缺什么？

即使概率已经计算正确，它也不能单独决定行动。

逻辑：推理是否成立
概率：结果有多可能
价值：不同结果有多重要
风险：最坏结果是否能够承受
权限：谁有权作出这个决定
决策：最终选择哪种行动

成功概率更高的方案不一定值得执行。它可能收益很小、成本过高、最坏结果不可承受，或者把风险转嫁给没有授权的其他人。

概率提供决策输入，不替代价值和责任。

在 AI 中怎样理解逻辑与概率？

大语言模型通常根据上下文为后续 token 分配概率，再按照解码策略生成输出：

已有上下文
→ 后续 token 的概率分布
→ 选择 token
→ 形成文本

一个句子被高概率生成，只说明它在模型和当前上下文中更容易出现。它不直接证明句子：

• 符合事实；
• 推导有效；
• 与前文没有矛盾；
• 正确理解了用户意图；
• 获得了执行授权。

完整 AI 系统还需要使用逻辑、规则和验证程序检查：

• 输入是否满足前置条件；
• 数据结构是否有效；
• 多个陈述能否同时成立；
• 工具调用是否符合权限；
• 结果是否通过外部验证。

因此：

概率模型在多个可能输出之间分配权重；逻辑与规则约束哪些推导和行动可以被接受。

一个回答可能语言概率很高，却在逻辑上矛盾；也可能推导形式有效，却建立在错误事实或错误概率输入之上。

如何检查一段不确定推理？

可以按以下顺序分析：

1. 明确命题。 每个关键词究竟指什么？
2. 列出前提。 哪些内容被当作已经接受？
3. 检查逻辑。 结论是否必然推出，还是只得到一定程度支持？
4. 检查事实。 前提来自观察、数据、定义还是假设？
5. 检查概率含义。 数字表示频率、物理机会、证据支持还是主观置信度？
6. 检查条件。 P(B|A) 中的 A 是否被正确说明？
7. 寻找替代解释。 同一证据是否也容易由其他假设产生？
8. 检查因果跳跃。 是否把相关或预测直接写成了原因？
9. 检查行动标准。 概率之外还需要考虑什么价值、风险和权限？
10. 说明更新条件。 什么新证据会改变当前判断？

对逻辑与概率关系的最终解释

可以分别定义：

逻辑研究命题、概念和推理之间的形式约束，说明在接受某些前提时，哪些结论必然成立、可能成立或不能成立。

概率是在结果尚未确定或信息不完整时，对事件可能性、证据支持程度或主体置信程度进行量化的体系。

两者的关系可以整理为：

逻辑建立命题和推理结构
→ 概率在结构中表达不确定性
→ 证据用于更新概率
→ 因果解释变化怎样产生
→ 价值和风险进入决策
→ 行动产生新的证据

逻辑不能替代概率，因为现实中的信息经常不完整；概率也不能替代逻辑，因为数字不能修复矛盾的定义、遗漏的可能性和无效的推导。

更准确的认识不是在逻辑与概率之间二选一，而是在确定推导与不确定判断之间保持清楚的边界。

参考

• Stanford Encyclopedia of Philosophy: Classical Logic
• Stanford Encyclopedia of Philosophy: Logical Consequence
• Stanford Encyclopedia of Philosophy: Interpretations of Probability
• Stanford Encyclopedia of Philosophy: Inductive Logic
• Stanford Encyclopedia of Philosophy: Bayesian Epistemology

它回答的不是“下一次一定会发生什么”，而是：

如果把各种可能结果及其概率一起考虑，这个分布的概率加权中心在哪里？

从随机变量开始

期望值不直接属于一个模糊的“事件”，而是属于随机变量。

随机变量是把随机结果映射为数值的函数。例如，抛一枚硬币后，可以定义：

正面 → X = 1
反面 → X = 0

如果硬币是公平的，那么：

P(X = 1) = 0.5
P(X = 0) = 0.5

对离散随机变量，期望值定义为：

E[X] = Σ xᵢ P(X = xᵢ)

在硬币例子中：

E[X] = 1 × 0.5 + 0 × 0.5 = 0.5

一次抛币不可能得到 0.5 个正面。期望值是分布的均值，不必是随机变量真正能取到的值。

期望值不是最可能的结果

假设一个游戏有两种结果：

期望收益是：

E[X] = 0.1 × 100 + 0.9 × 0 = 10

但是：

• 一次的实际结果只会是 100 元或 0 元；
• 最可能的结果是 0 元；
• 10 元不是任何一次必然出现的收益；
• 期望值不承诺单次结果会接近它。

因此需要区分：

一个分布的期望值可以很好，但最常出现的结果仍然可能很差。

期望值等于长期平均吗？

教材常把期望值解释为“长期平均”。这是有用的直观，但需要补充条件。

期望值首先是根据概率分布定义的数学量。在满足相应条件时，如果同类试验被大量重复，观测平均才可以趋近期望值。

这个语境通常默认：

• 试验能够重复；
• 概率机制没有在重复过程中改变；
• 各次观测具有合适的独立性或稳定性；
• 相关期望存在且是有限的。

人生选择、重大手术、一次性投资和不可逆决策，往往不能被同一个人在同样条件下无限重复。这时，期望值仍然可以描述概率分布，但“长期一定能回到平均”不再是个人决策的充分理由。

期望值为什么有用？

期望值把多个不确定结果压缩成一个可比较的数。它尤其适合：

• 重复次数较多的决策；
• 多个彼此分散的项目组合；
• 保险、库存、排队和实验设计；
• 需要把概率与金额、数量或损失结合的问题；
• 对不同方案进行第一层筛选。

期望还具有线性。对适当的随机变量：

E[aX + bY] = aE[X] + bE[Y]

这意味着可以先分别计算多个部分的期望，再把它们组合起来。线性本身不要求这些随机变量彼此独立。

为什么不能只看期望值？

考虑两个方案：

两个方案的期望值相同，但风险结构完全不同。

一个完整决策还需要检查：

1. 波动：结果会离期望值多远？
2. 尾部风险：小概率下会不会出现极大损失？
3. 破产风险：一次失败会不会使主体无法继续参与？
4. 时间：收益何时出现，期间是否需要承担成本？
5. 可逆性：决策失败后能否撤回或重试？
6. 机会次数：这是否是能够分散的多次决策？
7. 概率误差：概率是已知的，还是从有限数据中估计出来的？

期望值只保留了分布的一个特征。两个形状完全不同的分布可以拥有相同的期望值。

从期望值到期望效用

金钱和结果对人的实际价值不一定线性增长。

对一个资源充足的人，损失 1 万元可能只是普通波动；对一个现金流已经断裂的人，同样的损失可能意味着无法继续生活或经营。

决策理论因此不只计算结果的期望值，还可以对每个结果赋予效用：

E[U(X)] = Σ P(X = xᵢ)U(xᵢ)

这里的 U(x) 表示结果对特定主体的价值，而不只是结果的名义数额。

期望效用理论是不确定决策的规范性模型：它说明在一组偏好和信念满足相应条件时，如何使选择保持一致。它不是人类心理的完整描述。

卡尼曼和特沃斯基的前景理论就是对期望效用作为实际选择描述模型的批评和替代。他们的实验工作表明，人对获得、损失、确定结果和仅有概率的结果，并不总是按照简单的期望效用方式处理。

概率从哪里来？

任何期望值都依赖于一个更基础的问题：用来加权的概率是什么？

概率可能表示：

• 可重复机制的长期频率；
• 物理系统的倾向或机会；
• 证据对某个判断的支持程度；
• 一个主体的信念程度；
• 由统计模型估计得到的预测分布。

这些解释并不完全相同。数学公式可以是正确的，输入的概率却可能来自错误模型、过少样本或过时数据。

因此：

期望值的精确度不会超过结果划分、数值估计和概率输入的可信度。

现实决策中怎样使用期望值？

可以按下面的顺序分析：

1. 列出选项。 当前真正可以选择的行动是什么？
2. 列出结果。 每个选项可能导致哪些结果？
3. 检查遗漏。 是否把重要的间接后果排除在外？
4. 估计概率。 概率来自机制、数据、经验还是主观判断？
5. 为结果赋值。 计算的是金额、时间、生命、满意度，还是其他价值？
6. 计算期望值。 把结果按概率加权求和。
7. 检查分布。 不只看均值，还看波动、分位数和尾部。
8. 检查承受力。 主体能否活着等到长期平均？
9. 做敏感性分析。 如果概率或价值估计改变，结论是否立即反转？
10. 按新证据更新。 期望值是当前模型的输出，不是永久答案。

对“期望值”的最终定义

可以把期望值定义为：

期望值是随机变量各个可能取值按其概率加权得到的均值，用来表示概率分布的中心位置。

它不是：

• 下一次的保证；
• 最可能的结果；
• 一定能被实际取到的数值；
• 对风险的完整描述；
• 自动正确的决策答案。

期望值的力量在于，它把概率与结果放进同一个计算。它的边界也在这里：一个加权平均无法单独告诉我们，一次失败有多严重、主体能否承受，以及用来计算的概率是否值得信任。

参考

• OpenStax: Mean or Expected Value and Standard Deviation
• Stanford Encyclopedia of Philosophy: Interpretations of Probability
• Stanford Encyclopedia of Philosophy: Decision Theory
• Stanford Encyclopedia of Philosophy: Normative Theories of Rational Choice: Expected Utility
• Kahneman and Tversky: Prospect Theory: An Analysis of Decision under Risk

但是，希望是对结果的价值态度，预期是对结果的可能性判断。一个人可以强烈希望某件事发生，同时认为它几乎不会发生。

因此，期望不是一种单一的心理状态。它至少可能包含：

• 对未来的表示；
• 对可能性的判断；
• 对结果的喜好或反感；
• 对自己或他人的要求；
• 为了某种结果而采取行动的倾向。

“期望”是什么？

可以先把期望定义为：

期望是主体面向尚未确定的结果，所形成的可能性判断、价值态度或规范要求。

这个定义不把期望限定为未来。人也会对已经发生、但自己尚不知道结果的事情表达期望，例如“我希望他已经安全到家”。关键不是事件客观上是否已经发生，而是它对主体而言仍然没有确定。

期望通常包含四个基本部分：

主体
+ 尚未确定的结果
+ 对结果可能性的判断
+ 对结果的态度

期望、预期、期待和希望

这几个词在日常使用中经常重叠，但侧重点不同。

中文“期望”可以根据语境对应英文 expectation、expectancy 或 hope，但这些英文概念也不等价。

• expectation 通常是对将会发生什么的判断，也可以表示规范要求；
• expectancy 在心理学中常指对某种行动能否导致结果的信念；
• hope 强调结果是想要的，而且仍被认为可能；
• anticipation 更偏向事件到来之前的等待和情感状态；
• forecast 更明确地指向基于信息或模型的预测。

对英文 hope 的当代哲学分析通常包含两个最低条件：主体认为某结果仍有可能，并且认为它值得被期待。因此，人可以希望一个自己认为极不可能的结果，却不会预期它真的发生。

期望的四种常见结构

认知性期望

认知性期望是对将会发生什么的判断。

根据当前数据，我预期下个月的访问量会增长。

这种期望应当受证据约束。新信息出现后，判断也应该改变。它可以用概率表达，但日常的认知性期望并不总是一个精确数字。

愿望性期望

愿望性期望表达主体想要什么。

我期望这个产品能真正解决用户问题。

这是价值判断，并不自动说明结果有多大概率出现。愿望可以提供行动方向，也可能在没有证据时滑向一厢情愿。

规范性期望

规范性期望表达“应当怎样”。

组织期望成员遵守信息安全规则。

这句话不是预测所有人都会遵守，而是在设定行为标准。家庭、组织和社会对角色的期望往往属于这一类。

规范性期望还涉及权力：谁有权提出要求，谁承担后果，当事人能否拒绝或重新协商。“大家都这样期望”并不自动证明这种要求合理。

行动性期望

行动性期望不只表示对结果的看法，还会改变行动。

我认为充分准备可以提高任务成功率，因此我决定提前测试。

心理学中的 expectancy 常用来表示主体对“自己的行动能否带来某种结果”的信念。这种信念会影响动机、投入和坚持程度。

期望为什么会影响结果？

期望会改变人注意什么、如何解释模糊信息，以及是否继续行动。

形成期望
→ 调整注意和行动
→ 行动改变部分环境
→ 产生结果
→ 结果反过来强化或修正期望

这可能形成自我实现的预言，例如一个人确信自己无法完成任务，因此减少准备，最后更容易失败。

但期望不是魔法。它只有在能够改变注意、决策、他人反应或环境条件时，才可能通过因果链影响结果。不能把“保持积极期望”当成脱离条件和行动的现实律。

期望、意图、目标和决策

这些概念共同参与行动，却处在不同环节。

“我期望文章被更多人阅读”仍然只是对结果的态度。“我准备重写标题和导语”才开始形成意图。“今天先修改标题”是一个具体决策。

因此，从期望到结果需要经过：

期望
→ 意图
→ 目标
→ 决策
→ 行动
→ 结果
→ 更新期望

期望本身不能保证行动，行动也不能保证结果。

期望落差是什么？

期望不仅预测结果，还会成为评价结果的参照点。

期望落差 = 实际结果 - 参照期望

同样获得 10 万元，原本预期 5 万元的人可能感到惊喜，原本预期 20 万元的人则可能感到失望。实际结果没变，参照点变了。

这并不意味着只要降低期望就能解决问题。过低的预期也可能削弱准备和行动。更有用的做法是把原本混在一起的内容分开：

1. 期望结果：我想要什么？
2. 概率判断：根据当前证据，它有多可能？
3. 可控行动：我能够改变哪些条件？
4. 风险边界：如果没有发生，我能承受什么？

如何分析一个期望？

遇到“我期望……”时，可以继续追问：

1. 期望的主体是谁？
2. 对象是什么结果？
3. 这是希望、预测，还是要求？
4. 如果是预测，证据和概率是什么？
5. 如果是要求，谁有权提出，谁承担代价？
6. 哪些条件受主体控制？
7. 期望是否已经转化成目标、决策和行动？
8. 什么新证据会使这个期望改变？

对“期望”的最终定义

可以把期望定义为：

期望是主体在结果尚未确定时，对什么可能发生、什么值得发生或什么应当发生所持有的态度。

这个概念之所以容易混乱，是因为它横跨了三个不同层次：

事实判断：什么会发生
价值判断：我想让什么发生
规范判断：什么应当发生

把这三者分开，才能让期望成为可检验的判断、可讨论的价值和可执行的行动起点。

参考

• Stanford Encyclopedia of Philosophy: Hope
• APA Dictionary of Psychology: Expectancy
• APA Dictionary of Psychology: Behavioral Confirmation

系统是在某个边界内，由相互关联的要素及其关系构成，并在环境中通过持续运行和状态变化表现出整体行为的对象。

系统的重点不是“包含很多东西”，而是：

• 有哪些要素；
• 要素怎样相互作用；
• 哪些要素属于系统；
• 系统与外部环境怎样交换；
• 这些关系如何使整体产生某种行为、能力或结果。

例如，一堆汽车零件只是集合。零件按照特定结构连接，能够传递能量、控制方向、制动并运送乘客时，才构成汽车系统。

“系统”这个词是什么意思？

现代技术语境中的“系统”通常对应英文 system。

system 来自希腊语 systēma，含义接近“由多个部分共同组成的整体”。词根包含“共同”和“使之站立、组织起来”的意思。因此，它从一开始强调的就不是单个部分，而是多个部分怎样共同成立为一个整体。Etymonline: system

中文“系统”在日常语言中还有“全面、条理化”的意思，例如“系统地学习”。这是一种形容方式，表示内容彼此连接、形成完整结构。

本文讨论的是名词意义上的系统。

系统至少包含什么？

一个系统通常需要三个最基本的部分：

要素
+ 要素之间的关系
+ 系统边界

如果还要解释系统怎样运行，就需要继续加入：

状态
+ 变化规则
+ 环境
+ 输入与输出
+ 时间

对于人为设计的系统，通常还要加入：

目标
+ 约束
+ 评价标准

所以可以用一个分析式表示：

系统
= 要素
+ 关系
+ 边界
+ 状态变化
+ 环境交互

对于工程系统，还可以写成：

工程系统
= 系统结构
+ 设计目的
+ 运行约束
+ 评价标准

ISO/IEC/IEEE 的工程定义通常把系统描述为为了一个或多个目标而组织起来的相互作用要素组合。ISO/IEC/IEEE 42020:2019

但“具有目标”主要适用于工程、组织和行动系统。太阳系、生态系统或者气候系统可以表现出稳定规律，却不一定拥有主观目的。

要素为什么不能单独解释系统？

系统首先包含组成要素。

例如，一个在线内容发布系统可能包含：

• 作者；
• 文章；
• Markdown 文件；
• Git 仓库；
• 构建程序；
• 网站服务器；
• 域名；
• 发布权限；
• 搜索引擎；
• 读者。

但是，列出这些要素还没有解释系统。

真正重要的是关系：

作者 ──撰写──> 文章
文章 ──保存为──> Markdown
Git ──记录──> 版本
构建程序 ──转换──> 网页
部署服务 ──发布──> 网站
读者 ──访问──> 页面
搜索引擎 ──索引──> 内容

如果没有这些关系，它们只是同时存在的一组对象。

因此：

系统不是要素的清单，而是要素经过组织后形成的关系整体。

系统与集合有什么区别？

集合只要求成员被归在一起，不要求成员相互作用。

例如：

• 一个仓库里的一百把椅子，可以构成椅子的集合；
• 一支球队的球员、教练、规则、训练和比赛关系，构成一个球队系统；
• 一份联系人名单是人的集合；
• 这些人形成沟通、分工、权限和反馈，才可能构成组织系统。

可以这样区分：

系统也可以被看作一种集合，但它还具有关系、边界和运行结构。

系统为什么需要边界？

如果没有边界，任何东西都可以和整个宇宙发生某种联系，“系统”就会失去分析价值。

系统边界回答：

哪些要素和关系属于当前研究对象，哪些属于环境？

例如，研究一家咖啡店时：

• 分析出杯速度，可能包括顾客、点单、咖啡师、设备和排队规则；
• 分析盈利能力，还要包括租金、供应商、平台佣金和价格；
• 分析食品安全，还要包括仓储、温控、清洁和监管；
• 分析品牌，则可能包括社交媒体、顾客认知和公共评价。

咖啡店并没有突然变成不同事物。变化的是我们为了回答不同问题而采用的系统边界。

INCOSE 将系统环境理解为系统之外、但会与系统发生重要交互并影响系统的部分；理解系统需要同时界定边界和环境。INCOSE: Systems Thinking 101

系统边界具有两面性：

• 它是一种认识和建模选择；
• 它也必须服从现实中的因果关系。

不能为了让模型简单，就把真正影响结果的要素排除出去。

系统与环境是什么关系？

系统边界以外不是“无关世界”，而是环境。

环境可能向系统提供：

• 信息；
• 能量；
• 资源；
• 用户请求；
• 法律约束；
• 市场价格；
• 风险；
• 干扰。

系统也会向环境输出：

• 产品；
• 内容；
• 行为；
• 决策；
• 废弃物；
• 风险；
• 社会影响。

因此可以表示为：

环境
  ↓ 输入
系统内部处理
  ↓ 输出
环境发生变化
  ↓ 新输入
系统再次响应

大多数现实系统都是开放系统：它们与环境持续交换信息、物质、能量或价值。

“封闭系统”通常是为了研究而作出的理想化。它表示某类交换可以暂时忽略，不表示系统真的与外界毫无联系。

系统具有状态，并且随时间变化

系统不是一张静态结构图。

同样的要素和连接，在不同状态下可能产生不同结果。

例如，一个网站可能处于：

• 正常运行；
• 构建中；
• 部署失败；
• 域名解析异常；
• 内容已更新但缓存未刷新；
• 仓库提交成功但生产环境尚未发布。

这些状态决定系统接下来能够发生什么。

因此，理解系统还需要知道：

当前状态
+ 状态变化条件
+ 变化所需时间
+ 历史状态

系统行为可以表示为：

当前状态 + 输入 + 规则
             ↓
         下一状态 + 输出

时间延迟尤其重要。

例如，内容已经发布，搜索引擎可能几天后才完成索引。产品已经改进，用户认知可能几个月后才改变。把延迟误认为“系统没有反应”，会造成错误判断。

什么是反馈？

当系统的输出反过来影响后续输入或行为时，就形成反馈。

负反馈

负反馈抵消变化，使系统保持在某个范围内。

例如：

室温下降
  ↓
暖气启动
  ↓
室温上升
  ↓
暖气停止

它的作用通常是稳定。

正反馈

正反馈放大原有变化。

例如：

内容获得更多互动
  ↓
获得更多推荐
  ↓
接触更多用户
  ↓
产生更多互动

它可能带来增长，也可能放大错误和风险。

这里的“正”“负”不是价值判断，而是：

• 正反馈放大变化；
• 负反馈抵消变化。

系统还可能具有延迟反馈。反馈来得太晚，会导致系统过度调整、振荡或者失控。

系统整体为什么不同于部分相加？

人们经常说：

整体大于部分之和。

这句话表达了系统的直觉，但不够精确。

真正增加的不是某种神秘力量，而是：

部分之间的关系、组织和相互约束。

氢和氧按照不同结构组合，可以形成水，也可以形成过氧化氢。相同的人进入不同制度和激励结构，可能形成完全不同的组织行为。

系统整体呈现而单个部分不具备的性质，通常称为涌现性质。

例如：

• 单个水分子没有“水温”，大量分子的运动状态可以形成温度；
• 单辆汽车不会形成拥堵，大量车辆相互影响可能形成交通堵塞；
• 单个神经元不会独立产生完整认知，大量神经元的组织活动形成更高层能力；
• 单个用户没有市场价格，众多供需行为及制度共同形成价格。

系统生物学强调，研究整体能力时，必须把组成部分放回相互作用和整体约束中。Stanford Encyclopedia of Philosophy: Philosophy of Systems and Synthetic Biology

“涌现”并不意味着无法解释。它意味着解释不能只列出部分，还必须说明：

• 部分怎样排列；
• 怎样相互作用；
• 哪些反馈存在；
• 整体怎样约束部分；
• 行为怎样随时间形成。

系统一定有目的吗？

不一定。

需要区分三种情况。

人工设计的系统

支付系统、交通系统、内容发布系统和 AI Agent 系统，通常有设计目的。

但设计目的不等于实际结果。

一个推荐系统可能以提升用户满意度为目标，却实际优化点击率；提高点击率又可能带来沉迷、极化或者低质量内容。

所以还要区分：

宣称的目的
设计者的目的
系统实际优化的指标
系统产生的真实结果

生物系统

心脏具有泵血功能，免疫系统具有防御作用。

这里的“功能”可以通过生物结构和演化解释，并不要求心脏具有主观意图。

自然系统

太阳系、气候系统和河流系统呈现规律性行为，但没有必要假设它们在追求某个目标。

因此：

系统可以具有功能和稳定行为，不一定具有意图。

系统和结构、机制、流程有什么区别？

这些概念彼此相关，但关注的问题不同。

一个系统可以同时拥有结构、机制和流程。

例如，一个内容发布系统：

• 仓库、构建器和服务器的连接是结构；
• Markdown 被转换为 HTML 是机制；
• 写作、审核、提交、构建和部署是流程；
• 稳定发布并让读者访问是功能；
• 对整个对象的抽象表示是系统模型。

系统是研究对象，模型是我们对系统的表示。地图不是道路，系统模型也不等于系统本身。

系统与实体、本体论是什么关系？

“实体”回答：

我们正在谈论哪一个可以持续识别的对象？

“系统”进一步回答：

多个对象怎样通过关系和变化形成一个整体？

因此可以表示为：

实体：可被识别的对象
关系：对象之间怎样连接
系统：对象和关系怎样组织并随时间运行
本体论：系统承认哪些对象、类别和关系

一个系统本身也可以作为实体。

例如，“支付系统”可以被当作一个整体实体，拥有名称、版本、所有者、状态、服务范围和生命周期。进入它的内部以后，它又可以分成账户、订单、支付渠道、风控和结算等子系统。

所以：

在一个层次上是系统的对象，在更高层次上可以成为另一个系统中的组成要素。

关于实体与本体论本身，可以分别参见《什么是实体？从身份、指称到 AI 的行动对象》和《什么是本体论？从存在者到 AI 的领域模型》。

什么是子系统和系统的系统？

复杂系统通常具有层级。

组件
  ↓
子系统
  ↓
系统
  ↓
更大的系统

例如：

支付接口
  ↓
订单与支付子系统
  ↓
电商平台
  ↓
商业与物流生态

子系统在上一级系统中承担部分功能，但它本身也可能拥有内部要素、边界和运行规则。

多个能够独立运行、拥有各自管理权和目标的系统，再通过合作形成更大能力时，常被称为“系统的系统”。

例如城市交通可能连接道路系统、公交系统、地铁系统、导航系统、支付系统、交管系统以及出租车和网约车平台。它们不能简单由一个中心完全控制，却共同影响城市出行。

系统是真实存在，还是人的建模方式？

两者都有。

现实中确实存在相互作用、依赖、反馈和组织结构。交通拥堵、生态循环、组织协作和软件调用并非完全由观察者想象出来。

但系统的边界、层次和描述方式通常由研究问题决定。

例如，一个人可以同时被放进生物系统、家庭系统、企业系统、法律系统、经济系统和信息系统。这些划分不是说现实中存在六个互不相干的人，而是从不同关系观察同一个人。

所以系统具有双重性质：

关系和作用受到现实约束；边界和抽象层次由认识目的选择。

系统不是纯粹客观地摆在世界中的盒子，也不是可以任意划分的主观想象。

系统分析中隐藏着价值与权力

系统边界并不只是技术选择。

当我们决定：

• 谁属于系统；
• 谁只是外部环境；
• 什么被计算为收益；
• 什么被视为成本；
• 优化什么指标；
• 谁能修改规则；
• 谁承担外部后果；

我们也在作出价值和权力选择。

例如，一个配送系统如果只优化每小时完成订单数量，可能把骑手安全、等待压力和交通风险排除在评价之外。

从平台内部看，效率提高了；从更大的社会系统看，成本只是被转移给了其他人。

因此，系统分析不能只问“运行效率如何”，还要问：

系统为谁优化，谁承担成本，哪些结果被边界排除？

AI 中的系统是什么？

在 AI 中，系统通常不是单独一个模型。

以大语言模型应用为例，完整系统可能包括：

用户
+ 界面
+ 提示词和上下文
+ 大语言模型
+ 检索与知识库
+ 记忆与状态
+ 工具
+ 任务编排
+ 身份和权限
+ 运行环境
+ 日志与评测
+ 人工确认
+ 结果反馈

大模型只是其中负责部分推断和生成的组件。

OECD 把 AI 模型描述为 AI 系统的核心组件之一，而 AI 系统从输入中推断如何生成预测、内容、建议或决策，以影响虚拟或物理环境。OECD: Updated Definition of an AI System

NIST 进一步强调，AI 系统具有社会技术性质：结果和风险来自技术组件、使用方式、操作者以及部署环境的共同作用。NIST AI Risk Management Framework

大模型与 AI 系统有什么区别？

大模型主要完成：

输入 token
    ↓
概率计算与推断
    ↓
输出 token

AI 系统还要完成：

理解用户任务
    ↓
解析具体实体
    ↓
读取当前状态
    ↓
制定行动步骤
    ↓
调用工具
    ↓
检查身份与权限
    ↓
执行操作
    ↓
验证现实结果
    ↓
根据反馈修正

例如，大模型可以生成一篇文章。

但要把文章发布到网站，还需要：

• 确定目标文章和语言版本；
• 读取网站规范；
• 修改真实文件；
• 运行构建验证；
• 使用正确 Git 身份；
• 提交并推送；
• 等待部署；
• 检查线上页面；
• 验证 sitemap、canonical 和语言关联。

这些部分共同构成发布系统。

因此：

模型能够生成答案，不等于系统能够可靠地完成任务。

如何分析一个系统？

可以按以下顺序进行。

1. 明确研究问题。 究竟要解释、设计、改进还是评价什么？没有问题，系统边界就无从确定。
2. 确定边界。 哪些属于系统，哪些属于环境？边界为什么划在这里？
3. 找出要素。 包括人、物、软件、制度、规则、数据、资源和环境条件。
4. 画出关系。 谁依赖谁？信息、物质、资金和权力怎样流动？
5. 识别状态和变化。 系统有哪些状态？什么事件使它从一种状态进入另一种状态？
6. 找到反馈回路。 哪些结果会反过来加强或抑制原来的行为？
7. 检查时间延迟。 输入和结果之间有多长延迟？短期和长期结果是否相反？
8. 区分目标与指标。 系统真正想实现什么？实际优化的又是什么？
9. 检查约束和权限。 谁可以改变哪些部分？哪些规则不能由系统内部决定？
10. 检查外部后果。 哪些成本、风险和受影响者被排除在当前边界之外？

对“系统”的最终定义

可以把“系统”定义为：

系统是在一定边界和环境中，由相互依赖的要素按照某种结构与规则持续作用，并通过状态变化表现出整体行为、能力或结果的对象。

这个定义包含六个部分：

要素
关系
边界
环境
变化
整体行为

对于人工系统，还需要补充：

目的
约束
指标
权限
责任

系统不是“很多东西放在一起”，也不是一张漂亮的架构图。

真正的系统意味着：

部分的行为会影响其他部分，关系会改变整体结果，整体状态又会反过来限制各个部分。

理解实体，是辨认系统里有什么；理解系统，则是解释这些实体怎样共同运行，以及为什么最后产生了现在看到的结果。

参考资料

• Etymonline: system
• ISO/IEC/IEEE 42020:2019
• INCOSE: Systems Thinking 101
• Stanford Encyclopedia of Philosophy: Philosophy of Systems and Synthetic Biology
• OECD: Updated Definition of an AI System
• NIST AI Risk Management Framework

中文里的“实体”容易让人想到实体门店、实体经济或有形物品。但在哲学、信息科学和人工智能中，实体并不等于物质对象，也不只是一个名词。

实体是在某个讨论、认知或计算系统中，被赋予相对独立身份，因而可以被持续指称、识别、描述、关联、追踪或操作的对象。

这个定义的核心不是“摸不摸得到”，而是“能不能把它当作同一个东西继续谈论”。一个人是一种实体，一家公司可以是一种实体，一篇文章、一次会议、一份合同和一个虚构人物也可以成为实体。它们的存在方式不同，身份标准也不同。

“实体”究竟指什么？

现代哲学与技术语境中的“实体”通常对应英文 entity。这个词来自中世纪拉丁语 entitas，又与表示“是”或“存在”的 esse 相连。它原本接近于“某个存在者”或者“某个可以被算作某物的东西”。American Heritage Dictionary: entity

因此，entity 的范围远大于中文日常表达中的“实体物品”。它可以包括：

• 具体对象，例如人、树、手机；
• 社会和制度对象，例如公司、国家、账号；
• 事件和过程，例如会议、交易、学习；
• 抽象对象，例如数字、集合和命题；
• 心理状态，例如信念、欲望和意图；
• 作品和虚构人物，例如一部小说和小说中的角色。

哲学家不会一致承认这些对象都以相同方式存在。有些理论承认抽象对象，有些理论否认；有些理论把事件视为基本存在者，有些理论试图用对象及其变化解释事件。但只要一种理论允许某个东西成为指称、量化或者解释的对象，它就在某种意义上把这个东西当作实体。Stanford Encyclopedia of Philosophy: Object

实体不等于物体、实质或者真实存在

实体不等于物体

物体通常指具有物质结构和空间边界的对象。实体的范围更广。

一家公司没有像石头一样固定的物质边界，却可以有名称、法律身份、资产、权利、责任和生命周期。一次会议不是一件物品，却可以有参与者、时间、地点、议题和结果。二者都可以被系统持续识别，所以都可以成为实体。

Entity 不等于 substance

英文 entity 与哲学中的 substance 也不能直接等同。

entity 泛指可以作为某个存在者来讨论的东西。substance 则通常强调相对独立、能够承载属性或者构成事物基础的存在。事件、关系、数字和属性可以被称为 entity，却未必是传统哲学意义上的 substance。Stanford Encyclopedia of Philosophy: Substance

中文都可能把二者译成“实体”，所以阅读哲学文本时需要回到原词和具体理论。

被谈论不等于真实存在

福尔摩斯可以被明确命名、拥有性格、住所和人物关系，因此是文学叙事与知识库中的实体。但这不能证明现实中曾经存在一位对应的侦探。

至少要区分三个判断：

一个名称出现在文本中，只能证明文本出现了这个名称。它被模型识别为实体，也只说明模型作出了某种表示。现实存在需要另外的证据。

一个东西凭什么成为同一个实体？

实体概念最困难的部分不是给对象起名，而是确定它的身份。

一个人改名以后，通常仍是同一个人。一家公司更换员工和办公地址以后，法律身份可能继续存在。一篇文章修改正文以后，可能仍由同一条版本历史保持身份。一个商品更换包装以后，是否仍是同一 SKU，则取决于交易系统采用的规则。

这说明不同类型的实体具有不同的同一性条件：

名称不是身份。两个人可以同名，同一个人也可以使用多个名称。属性也不等于身份：人的年龄和地址会变化，却不因此每天变成另一个人。

更准确的实体表示通常需要：

身份标识
+ 实体类型
+ 属性
+ 关系
+ 时间与状态
+ 来源
+ 身份置信度

实体为什么离不开本体论？

实体不是脱离认知框架后自然摆放好的一张清单。一个系统必须决定什么值得被当作独立对象、对象分成哪些类型，以及什么变化仍允许它保持身份。

这已经进入本体论：什么存在，存在者有哪些类别，又如何保持身份和彼此关联。

实体是系统承认的某个存在者；本体论规定什么可以成为实体，以及这些实体怎样组织起来。

例如，“上海”在一份简单用户表中可以只是地址字符串；在城市知识图谱中则可能成为拥有行政区划、地理位置和人口属性的独立实体。不同表示没有脱离任务的绝对优劣，关键在于系统是否需要持续识别上海，并围绕它建立更多关系。

哲学本体论研究现实中有哪些存在者。AI 和知识工程中的本体，则把一个领域中的类别、实体、属性、关系和约束明确写出来。关于本体论本身，可以参见《什么是本体论？从存在者到 AI 的领域模型》。本文只保留与实体身份直接有关的部分。

AI 中的实体是什么？

在 AI 中，实体通常指系统为了理解、检索、记忆、推理或行动，而从文本、图像、数据库或现实环境中区分出来的对象。

但“实体”在不同任务中承担的角色不同。命名实体识别、实体链接、知识图谱、数据库和 AI Agent 谈论的并不是完全同一个层次。

自然语言处理先识别的是“实体提及”

看一句话：

苹果计划明天在上海发布一款新手机。

模型可能从中找出：

• “苹果”；
• “明天”；
• “上海”。

这些首先是文本中的实体提及，也就是看起来在指向某个对象的词语片段。

命名实体识别，Named Entity Recognition，简称 NER，通常负责找出这些片段并标注类型。例如把“苹果”标为组织，把“上海”标为地点，把“明天”标为日期。spaCy 的实体识别组件把这项任务表述为识别互不重叠并带有标签的 token 片段。spaCy: EntityRecognizer

但是，NER 只回答：

1. 哪段文字可能在指向实体；
2. 这个提及大概属于什么类型。

它还没有证明“苹果”究竟指水果、Apple Inc.、某个品牌，还是其他同名对象。“新手机”也可能只是一个产品类别，而不是已经拥有名称和身份的具体产品实体。

所以必须区分：

实体提及 ≠ 实体身份
实体名称 ≠ 具体实体
实体类型 ≠ 现实存在

实体链接把名称连接到具体身份

如果系统进一步判断句中的“苹果”指 Apple Inc.，并把它连接到知识库中的唯一标识，这一步称为实体链接。

文本中的“苹果”
        ↓ 消歧
Apple Inc.
        ↓ 规范化
知识库实体 ID：company/apple-inc

实体链接通常包含两个问题：

• 消歧：同一个名称在当前语境中指哪个对象？
• 共指与规范化：“苹果公司”“Apple”和“Apple Inc.”是否指同一个实体？

如果只识别名称而不确认身份，系统很容易把同名人物合并，或者把同一公司的不同写法当成三家公司。

实体链接仍然不是现实验证。链接成功只表示文本提及被连接到某条知识库记录。那条记录是否正确、最新，是否真的对应现实对象，还要检查来源和时间。

知识图谱把实体放进关系网络

在知识图谱中，实体通常表现为节点，关系表现为连接节点的边。

苹果公司 ──总部位于──> 库比蒂诺
苹果公司 ──发布──> iPhone
iPhone ──属于──> 智能手机

这里可以区分：

• 实体：苹果公司、库比蒂诺、iPhone；
• 类别：公司、城市、产品；
• 属性：名称、成立时间、发布日期；
• 关系：总部位于、发布、属于。

RDF 等知识表示方式使用“主体—谓词—客体”三元组描述信息。W3C 的 RDF 模型允许资源指向物理对象、文档、抽象概念和其他可以进入讨论领域的对象。W3C: RDF 1.1 Concepts and Abstract Syntax

本体规定哪些类型和关系可以出现，知识图谱则记录具体实体与事实：

本体：公司可以发布产品
事实：苹果公司发布 iPhone

类别、概念、实体和记录不是一回事

“公司”与“苹果公司”处在不同层次。

公司：类别或概念
苹果公司：一个具体实体
“苹果”：文本中的名称或实体提及
company_001：系统中的实体标识
数据库某一行：关于实体的一条记录

可以用下表进一步区分：

同一个实体可以有多个名称和多条数据记录。一条记录也可能同时混合多个现实对象。建立 ID 能够减少歧义，却不能自动保证数据正确。

什么时候应当把一个东西建模为实体？

并不是句子中的每个名词都必须成为独立实体。可以检查六个问题：

1. 它是否具有独立身份？ 系统需要区分这个对象与其他对象吗？
2. 它是否会被重复指向？ 不同文本、记录或任务是否会再次谈到它？
3. 它是否有自己的属性？ 是否需要记录名称、状态、时间或位置？
4. 它是否参与关系？ 是否需要表达它属于谁、影响谁或者与谁互动？
5. 它是否跨时间持续？ 属性变化后是否仍要把它视为同一个对象？
6. 系统是否会对它行动？ 是否需要查询、修改、发送、授权、购买、删除或追踪？

如果大多数答案是“是”，通常适合把它建模为实体。否则，一个属性值、标签或者临时文本片段可能已经足够。

行为、事件和状态也能成为实体吗？

语言中的名词、动词和形容词，与信息系统中的实体、事件、关系和属性并不一一对应。

“张三签署合同”可以先表示为关系：

张三 ──签署──> 合同

但如果系统需要记录签署时间、地点、版本、见证人和法律效力，就可以把这次签署建模为事件实体：

签署事件 E1024
├── 签署人：张三
├── 对象：合同 C36
├── 时间：2026-09-24
├── 地点：上海
└── 状态：已生效

同样，“意图”可以被当作一种心理状态；当系统需要记录是谁的意图、指向什么目标、依据什么证据推断、在什么时间成立时，也可以把一次意图判断建模为有来源和置信度的对象。

实体化是一种建模选择。它让系统能够围绕某个对象保存更多信息，也增加了身份、时间和一致性管理的成本。

大语言模型怎样表示实体？

标准大语言模型直接接收的是 token。它从训练数据和当前上下文中学习名称、类别、属性与关系之间的统计模式。

模型可能知道“Apple”经常与公司、产品、iPhone 和库比蒂诺共同出现，也能在上下文中区分它与水果。但这并不意味着模型内部必然保存着一条像传统知识库一样清楚、唯一并可查询的 Apple Inc. 实体记录。

模型参数中的知识通常是分布式和概率性的。因此，大模型可能：

• 在一个上下文中正确消歧，在另一个上下文中混淆；
• 把公司、品牌、产品和网站合并为一个对象；
• 记住旧属性，却不知道状态已经变化；
• 生成一个语言上合理、现实中不存在的人物或机构；
• 无法稳定说明某条事实的来源。

需要可靠行动的 AI 系统，通常不能只依赖模型参数。它还需要显式的实体系统：

语言模型
+ 领域本体
+ 实体标识与解析
+ 当前状态数据
+ 时间和来源
+ 权限与行动规则

语言模型负责理解模糊表达，本体规定对象类型和关系，实体系统确定具体指向，事实系统验证当前状态，权限系统决定可以对什么做什么。

AI Agent 为什么尤其需要可靠的实体身份？

看一个看似简单的提示词：

把昨天那篇需求文章更新到 Moonment。

系统至少要解析：

AI 即使正确识别了“更新”这一意图，也可能因为实体解析错误而修改错文件、操作错项目、使用错账号或者覆盖错版本。

因此，从提示词到行动通常需要经过：

原始语言
    ↓
实体提及识别
    ↓
类型判断与指代解析
    ↓
实体链接和消歧
    ↓
关系、事件与意图理解
    ↓
现实状态、来源和权限验证
    ↓
对确定实体采取行动

识别出名称只是开始。真正可执行的理解，必须知道它指向哪个对象、对象当前是什么状态，以及用户是否授权对它行动。

AI 能断定一个实体真实存在吗？

不能仅凭语言断定。

AI 可以判断一个表达看起来像人名、公司或地点，也可以计算它最可能对应哪条知识库记录。但现实存在需要外部证据，例如：

• 官方登记和权威资料；
• 当前数据库记录；
• 文件系统中的真实文件；
• 可验证的网站和接口；
• 身份与权限系统；
• 传感器或人工确认。

下面几步不能合并：

文本提到一个对象
≠ 模型正确识别它
≠ 系统找到对应记录
≠ 记录内容准确且仍然有效
≠ 现实对象当前存在
≠ 用户获准对它行动

大模型的置信度也不等于存在证明。它只描述模型在给定信息和计算方式下的判断强弱，不能替代证据来源。

如何检查一个 AI 系统的实体设计？

可以使用下面这组问题：

1. 系统中的实体类型有哪些，为什么需要它们？
2. 名称、类别、实体和数据记录是否被明确区分？
3. 每类实体的同一性条件是什么？
4. 别名、同名、改名和重复记录怎样处理？
5. 属性和关系是否带有时间与来源？
6. 事件和状态是否被错误压缩成静态属性？
7. 模型识别、知识库链接和现实验证是否分开？
8. 虚构对象、计划对象和现实对象能否区分？
9. 实体发生合并或拆分后，旧记录如何解释？
10. 对实体采取行动前，如何验证身份、状态和权限？

一个系统即使能抽取大量实体，如果没有稳定身份、时间、来源和权限，仍然无法可靠地连接语言与现实。

实体是语言通向行动的接口

实体可以把现实、语言、知识和行动连接起来：

现实中的对象、事件和状态
          ↓
语言中的名称与描述
          ↓
AI 识别实体、属性和关系
          ↓
系统连接到具体记录和现实证据
          ↓
理解需求、意图与行动对象
          ↓
在权限范围内执行并记录结果

实体回答的是“正在谈论谁或什么”。属性回答“它是什么样”，关系回答“它与什么相连”，事件回答“发生了什么”，意图回答“主体试图让什么发生”。

所以，实体不是一个名词标签，而是一项身份判断。它至少包含：

可区分的身份
+ 明确的类型
+ 可变化的属性
+ 与其他对象的关系
+ 时间和状态
+ 信息来源

AI 最危险的实体错误，不是漏掉一个名词，而是把一个模糊名称过早地当作已经确认身份、已经证实存在并且可以直接操作的现实对象。

参考资料

• American Heritage Dictionary: entity
• Stanford Encyclopedia of Philosophy: Object
• Stanford Encyclopedia of Philosophy: Substance
• Stanford Encyclopedia of Philosophy: Logic and Ontology
• spaCy: EntityRecognizer
• spaCy: Linguistic Features—Named Entity Recognition
• W3C: RDF 1.1 Concepts and Abstract Syntax
• W3C: OWL 2 Web Ontology Language Primer

本体论研究的是：

世界中有什么，这些存在者属于哪些基本类别、以什么方式存在、怎样保持身份，又彼此具有什么关系。

它最著名的问题是“有什么存在？”但列出存在者只是开始。完整的本体论还要说明：人、物体、事件、属性、关系、数字、公司和意图是不是同一种存在；一个东西发生变化后为何仍是同一个东西；某些存在能否独立成立，还是必须依赖物质、制度或人的共同承认。

例如，一块石头和一家公司都可以被说成存在。石头主要以物理结构持续存在，公司则依赖法律登记、组织规则、合同、人员和社会承认。二者都能成为实体，却拥有不同的存在条件与身份标准。

因此，本体论不是给所有事物寻找一种共同材料，而是研究现实中可以承认哪些存在者，以及它们构成怎样的总体结构。

“本体论”这个名称从哪里来？

英文 ontology 由表示“存在者”的希腊语词根 on、ontos 与表示研究或论述的 logos 构成，可以直译为“关于存在者的研究”。这个术语作为学科名称形成于近代欧洲，并不是古希腊已经固定使用的现代学科标签。Stanford Encyclopedia of Philosophy：Metaphysics

中文把它译为“本体论”，容易产生两个误解。

第一，它不只研究藏在现象背后的“终极本体”。现代本体论也研究普通对象、事件、属性、关系、社会制度、抽象对象与身份条件。

第二，它不只是寻找事物的“本质”。本质问题追问一个东西成为该种东西必须具有什么；本体论的范围更大，还要追问这种东西是否存在、如何存在，以及它与其他存在者是什么关系。

“存在论”有时更能直接呈现 ontology 的问题意识，但现代汉语学术表达通常仍使用“本体论”。理解这个词时，重点应放在“存在者及其结构”，而不是把“本体”预先理解成唯一、隐藏而不变的根基。

本体论包含哪些问题？

什么存在？

最直接的本体论工作，是说明一种理论承认哪些存在者。

有些理论只承认物理对象是基础存在，数字、价值或社会组织只是描述物理世界的方式。另一些理论认为，数字、属性、制度或心理状态也具有不能被简单消去的存在地位。

一套理论谈到电子、基因、意识、市场或者概率时，不只是使用几个名词，也承担了相应的存在承诺：它把这些对象当作解释世界时不可缺少的单位。现代哲学因此会把本体论理解为对“有什么”及其存在承诺的研究。Stanford Encyclopedia of Philosophy：Logic and Ontology

存在者有哪些基本类别？

本体论还要区分不同种类的存在：

这些类别不是一张已经得到所有哲学家同意的最终清单。争论恰恰在于：类别是现实自身的分界，还是人的认知与语言为了处理现实作出的划分？

它们以什么方式存在？

不同存在者可能拥有不同的存在方式。

• 物理对象依赖物质结构；
• 生物依赖生命过程；
• 公司依赖法律和制度；
• 货币依赖集体承认及支付体系；
• 一段软件依赖代码、运行环境和实例化过程；
• 一个虚构人物可以存在于作品和讨论中，却不因此成为现实中的历史人物。

所以，“能被指称”“被模型表示”和“在现实中存在”是三个不同判断。福尔摩斯可以是文学和知识库中的实体，但这不能证明现实中存在一位对应的侦探。

什么使它保持为同一个东西？

本体论还研究同一性条件：什么变化不会使一个对象变成另一个对象？

• 人改名后通常仍是同一个人；
• 公司更换员工后，法律身份可能继续存在；
• 文章修改正文后，可能仍由同一条版本历史维持身份；
• 商品更换包装后，是否还是同一 SKU，要看交易系统的规则；
• AI 模型更新参数后，是同一个产品版本，还是一个新模型，要看讨论采用的身份标准。

不同种类的实体需要不同的同一性规则。只有名称相同，不能证明两个记录代表同一个实体；属性发生变化，也不必然意味着旧实体已经消失。

它们怎样相互依赖？

本体论不只列清单，还研究依赖结构。

一次购买依赖购买者、交易对象、时间和交易关系。一家公司依赖制度，却不能被简单等同于任何一个员工。一种颜色可能依赖某个具有颜色的对象，也可能被理论当作可重复实例化的抽象属性。

这种问题关心的不是普通因果顺序，而是：如果支撑条件不存在，这种存在者还能否以原来的方式成立？

本体论与相邻概念有什么区别？

本体论与本质

本体论问：公司这种存在者是否存在，以什么方式存在？

本质问题问：一个组织要成为公司，哪些条件不可缺少？

本质可以成为本体论的一部分，却不能覆盖本体论关于类别、身份、依赖和关系的全部问题。

本体论与认识论

本体论问：有什么？

认识论问：我们如何知道？

“用户是否具有意图”首先涉及心理状态是否以及如何存在；“AI 如何根据提示词判断用户意图”则涉及证据、推断和知识边界。前者偏向本体论，后者偏向认识论。真实研究通常需要同时处理两者：先说明要寻找什么，再说明凭什么认为找到了它。

本体论与形而上学

二者高度重叠，但通常不能完全互换。

本体论集中研究存在者、类别、身份和基本关系。形而上学的范围通常更广，还讨论因果、时间、空间、可能性、必然性、自由意志以及现实的基础结构。本体论可以被看作形而上学的重要组成部分。

本体论与分类法

分类法主要回答“它属于哪一类”。本体论还要说明：

• 这些类别意味着什么；
• 类别之间是否互斥或包含；
• 实体能拥有哪些属性；
• 哪些关系可以成立；
• 什么规则限制这些关系；
• 依据什么判断两个记录是同一实体。

因此，拥有一棵类别树，并不等于已经建立了完整本体论。

AI 中的本体论是什么？

在哲学中，本体论试图说明现实有哪些基本存在者。在 AI 和知识工程中，这个概念被转化为一项更明确的建模工作：

用可共享、可检查的方式，规定一个领域中允许出现哪些类别、实体、属性、关系和约束。

Thomas Gruber 在知识共享研究中把计算本体描述为对一种概念化的明确规定：系统为了共享知识，需要共同的表示词汇，以及对类、关系、函数和其他对象的定义。A Translation Approach to Portable Ontology Specifications

例如，一个商业系统可以定义：

用户 ──具有──> 需求
品牌 ──提供──> 产品
商品 ──实现或包装──> 产品
商家 ──销售──> 商品
用户 ──购买──> 商品
用户 ──使用──> 产品
订单 ──包含──> 商品

这张图只是起点。系统还需要明确：

• “产品”是能力设计、具体型号，还是每一个实物？
• 价格属于产品、商品，还是一次报价？
• 同一产品由两个商家销售时，是一个还是两个商品？
• 商品下架以后，产品是否继续存在？
• 用户购买商品是否足以证明需求得到满足？

这些定义决定了数据怎样关联、模型怎样推理，以及系统究竟能对什么采取行动。

一个计算本体包含什么？

类别与个体

“公司”“产品”和“人物”是类别；Apple Inc.、某一款手机和某个具体用户是个体。

OWL 2 等本体语言把类理解为个体的集合，并通过属性表达对象之间或对象与数据之间的关系。W3C：OWL 2 Primer

属性与关系

属性描述一个对象，例如名称、状态和发布日期。关系连接不同对象，例如“任职于”“属于”“发布”和“购买”。

同一个信息可以有不同建模方式。“上海”可以只是用户记录中的字符串，也可以是拥有地理位置、行政归属和其他关系的独立实体。选择取决于系统是否需要持续识别并进一步推理这个对象。

公理与约束

本体论不仅列出允许的词，还规定哪些陈述能够同时成立。

例如：

• 每个订单必须有购买者；
• 已取消订单不能同时被标记为待支付；
• 人与组织是不同类别；
• 若“研究员”属于“员工”，系统可以推出每位研究员也是员工；
• 某个关系可能具有对称性、传递性或唯一性。

规则使系统能够检查矛盾并推出没有直接写出的结论。

身份与来源

现实数据经常出现同名异人、别名、重复记录和状态变化。本体需要与实体解析、唯一标识、时间和来源共同工作，才能回答：两个名称是否指向同一个对象，这条属性在什么时候成立，又由什么证据支持。

本体论不等于数据库结构

数据库结构规定数据怎样存储，本体论规定数据代表的世界是什么。

数据库可以有 product_id、brand_id 和 price 三个字段，却仍没有回答：价格属于产品本身、某个商品，还是一次随时间变化的报价。如果概念边界没有澄清，系统依然可以运行，但不同团队会逐渐使用不同口径，AI 也会在错误对象之间建立关系。

可以将两者区分为：

数据库模式：数据放在哪里、使用什么类型
本体论：这些数据指向什么、彼此为什么能够这样关联

一个本体可以由关系数据库实现，也可以由知识图谱、文档或程序类型系统实现。是否使用图数据库，不决定系统是否拥有清楚的本体论。

大语言模型有本体论吗？

大语言模型从文本中学习到大量隐含类别和关系。它可以生成“公司发布产品”“用户购买商品”这样的合理表达，也能根据上下文区分许多实体类型。

但模型参数中的知识通常是分布式、概率性的，不等于一套明确、稳定且自洽的领域本体。模型可能在不同上下文中：

• 把公司与品牌混为一谈；
• 把产品与商品当成同一个对象；
• 把名称直接当成已经确认的实体；
• 把语言中可谈论的对象当成现实中已证实的存在；
• 对同一概念采用不同身份条件。

因此，需要可靠行动的 AI 系统通常要组合：

语言模型
+ 领域本体
+ 具体实体与状态数据
+ 来源和时间
+ 权限与行动规则

语言模型处理模糊表达，本体规定系统承认哪些对象和关系，数据记录当前现实状态，权限系统决定可以对什么做什么。只理解“更新文章”这一动作还不够；系统还必须确定是哪篇文章、哪个语言版本、哪个修订，以及用户是否授权发布。

本体论是发现还是建构？

本体论既包含对现实的发现，也包含服务于任务的建模选择。

同一杯咖啡可以在不同系统中被表示为：

• 物理对象：液体、温度和容器；
• 商品：SKU、价格和库存；
• 营养对象：成分和热量；
• 消费体验：味道、场景和感受；
• 环境对象：原料、运输和碳排放。

这些模型关注不同关系，不能仅凭视角不同就说其中一个必然错误。但模型的用途也不能使所有划分都同样正确：错误合并两个身份不同的人、把一次报价当成产品永久价格、忽略时间和来源，都可能造成现实后果。

评价一个本体论，可以检查：

1. 它服务于什么问题？
2. 它承认哪些实体，又遗漏了什么？
3. 每类实体的身份标准是否清楚？
4. 属性、关系、事件与状态有没有混淆？
5. 规则能否支持所需推理？
6. 时间、来源和不确定性是否得到表达？
7. 模型修订后，旧数据怎样继续解释？

本体论是一张关于“什么存在以及怎样关联”的地图。它必须接受现实检验，却不能被误认为现实本身。

实体与本体论的关系

实体是一个系统能够持续指称、描述、关联或操作的存在者。本体论则规定：

• 什么可以成为实体；
• 实体有哪些类型；
• 怎样判断实体相同或不同；
• 它能拥有哪些属性；
• 它能参与哪些关系和事件；
• 哪些条件限制它的存在与变化。

因此可以用一句话概括二者：

实体是系统承认的某个存在者；本体论是系统关于哪些存在者可以被承认，以及它们怎样组织起来的总体说明。

两个概念确实重叠，但观察角度不同。

产品强调供给方组织出了什么能力；商品强调这套能力以什么形式和条件进入交换。

先把产品和商品讲清楚，才能进一步讨论它们与需求的关系，以及客户真正购买了什么。

什么是产品？

产品不只是生产线上制造出来的实体，也不只是软件中的一组功能。

产品是供给方围绕特定使用者和使用情境，把功能、内容、服务、流程与体验组织成一个可以交付和使用的对象。

产品可以是一件实体物品、一个数字系统、一项持续服务、一门课程，或者硬件、软件、人员和服务的组合。

美国市场营销协会采用宽口径，把产品理解为可以交换或使用的一组属性，包括功能、利益和用途；它可以是实体、服务、观念，或者几者的组合。AMA: Definitions of Marketing

一项产品通常需要形成几个基本结构：

1. 谁会使用，谁会购买，谁会受到影响；
2. 它发生在什么使用情境；
3. 使用者试图完成什么任务或改变什么处境；
4. 哪些能力、内容和服务共同完成交付；
5. 人怎样获得、理解、使用、求助、迁移和退出；
6. 如何判断实际结果、成本和风险。

一项技术只有变成可以被理解、获得和使用的结构，才形成产品。大语言模型是一种技术能力；模型、界面、账户、上下文、文件处理、安全规则和支持服务被组织起来，才形成一个面向用户的 AI 产品。

产品不等于功能、技术和项目

代码完成、功能上线或者项目验收，都不能单独证明产品已经成立。产品还要进入真实使用，形成稳定的交付对象和结果验证。

什么是商品？

商品不是单纯“做出来的东西”，而是进入交换关系的对象。

商品是按照某种价格、数量、期限、权利和责任条件，可以被购买、出售或交换的提供物。

一件产品成为具体商品，需要回答：

• 卖的是什么单位；
• 价格是多少；
• 客户取得所有权、访问权还是使用许可；
• 使用范围和期限是什么；
• 包含哪些服务与保障；
• 如何交付、退款、维修、续费和退出；
• 出现损失时谁承担什么责任。

因此商品不只是“产品加价格”，而是完整的交易结构：

商品或商业提供物
= 产品能力
+ 交付范围
+ 所有权、访问权或使用许可
+ 数量和期限
+ 价格与支付条件
+ 服务与质量承诺
+ 退款、维修和退出规则
+ 风险与责任分配

同一个知识管理产品，可以形成免费个人版、按月订阅的专业版、按成员计费的团队版、包含迁移服务的企业年度方案和私有部署合同。核心能力相近，交易对象却不相同。

中文“商品”为什么不能一律翻译成 commodity？

中文“商品”可以泛指市场中出售的物品、产品或服务。英语则根据对象和语境使用不同词：

一部手机通常是 a product 或 goods，不会因为它被出售就自然称为 commodity。原油、黄金和小麦等高度标准化的交易对象，才是日常经济英语中典型的 commodities。

政治经济学中的“商品”强调的是社会关系。一个物品具有用途，不代表它一定是商品；当它为了他人而生产并通过交换进入社会时，才获得商品形式。商品身份不是只由材料决定的，也由交换关系决定。

产品和商品到底是什么关系？

产品与商品既不是完全相同，也不是两个互不相干的东西。

能力、材料和技术
        ↓ 组织
      产品
        ↓ 定价、包装、订立交易条件
      商品
        ↓ 购买或交换
   权利和责任转移
        ↓ 使用
   体验、结果和后果

同一个对象在不同关系中会有不同身份。

一台电脑在研发中是设计对象，完成后是产品，被标价出售时成为商品，交易后成为客户的财产，在工作中又成为生产工具和企业资产。

也存在只有产品、没有直接商品交易的情况：

• 企业内部工具可以是产品，但没有对外出售；
• 开源软件可以形成成熟产品，但用户免费获得；
• 公共服务可以被产品化管理，但不一定由最终使用者付费；
• 原型具有产品假设，却还没有形成稳定商品。

某种产品即使已经成为商品，也不说明它是一项好产品。能被标价和成交，只证明交换条件在某些情况下成立，不证明使用结果成立。

实体、服务和数字产品怎样成为商品？

实体商品通常转移所有权。购买一把椅子后，买家取得这件物品，并在法律和合同允许的范围内使用、转售或处置。

服务商品通常购买一段活动、时间或履约承诺。理发、运输和咨询不会把服务本身作为一个物件交给客户，而是在供应者与客户互动中完成。

数字商品经常转移访问权或许可，而不是底层软件的所有权：

• 音乐会员提供期限内的内容访问；
• SaaS 提供账户和功能使用权；
• 云服务按照容量、次数或时间计费；
• 游戏可能出售本体许可、订阅、虚拟物品或使用额度。

现行 ISO 9000:2026提供了质量管理的术语框架，并区分产品、服务、顾客要求和交付过程。市场营销可以用“产品”统称实体、服务和组合；质量管理为了确定生产与交付责任，会采用更具体的分类。讨论时必须先说明采用哪个语境。

衣食住行中的产品与商品

买自行车通常取得实体所有权；使用共享单车购买的是一段使用权；乘坐地铁购买的是一次运输服务；步行也能完成位移，却没有发生商品交易。

同一个生活领域可以包含实体产品、服务产品、公共基础设施和不经过市场的解决方式。因此，产品和商品的边界不由“衣食住行”决定，而由能力怎样组织、交换怎样发生决定。

产品怎样关联需求？

产品和商品讲清楚以后，才能进入需求。

需求描述的是：某个主体在特定处境中，为了实现目标、维持状态、避免损害或守住价值，需要什么条件、能力、资源或改变。

产品把企业对需求的理解，组织成一种可以被使用和检验的供给。

产品并不是需求本身。“我需要一辆车”已经把需求和方案混在了一起。继续追问，可能得到不同层次：

想买汽车
  ↓
需要每天通勤
  ↓
希望准时、舒适地到达
  ↓
需要在家庭、工作和时间限制下保持行动自主

汽车只是候选方案。地铁、骑行、搬家、拼车、远程办公和调整时间，都可能回应同一处境。

因此，更准确地说：

产品是供给方关于怎样回应需求的一项可检验假设。

用户是否看见产品、能否理解和使用、是否产生预期结果，都会检验这项假设。

商品怎样关联市场需求？

人的需要不会自动变成商品交易。

现实处境
  ↓
认识需要和目标
  ↓
形成行动意图
  ↓
寻找并比较解决方式
  ↓
理解产品能力
  ↓
接受具体商品的价格和条件
  ↓
购买

一个人可能非常需要医疗帮助，却没有支付能力；可能认可某项产品，却无法获得；也可能愿意使用，却不接受订阅、数据政策或退出条件。

商品与需求之间需要同时满足多层条件：

1. 问题匹配：产品回应的确实是相关处境；
2. 能力匹配：产品能够提供所需条件；
3. 情境匹配：真实环境允许它发挥作用；
4. 认知匹配：用户和客户能发现并理解它；
5. 交易匹配：价格、渠道、期限和合同可接受；
6. 信任匹配：客户相信来源和承诺；
7. 结果匹配：使用后处境确实改善。

有需要，不代表存在有效市场需求；产品有用，不代表商品条件成立；商品成交，也不代表需求最终得到满足。

一个需求为什么会对应很多产品？

需求和产品是多对多关系。

“与远方家人保持联系”可以通过见面、电话、视频、书信和共享相册实现。一部手机又可以同时回应通讯、工作、导航、支付、娱乐、创作和身份表达。

一个需求 → 多种解决方式 → 多种产品
一种产品 → 多种使用情境 → 多种需求

企业竞争的范围因此大于同类商品。航空公司的替代方案可能包括高铁、远程会议和取消出行。用户提出一个功能，也只说明他能够想象这种方案，不证明它是唯一或者最好的方案。

用户、客户和买家为什么要分开？

产品的使用者与商品的购买者经常不是同一个人。

儿童玩具中，父母可能是决策者、买家和付款者，孩子是用户和受益者。企业软件中，管理层决定购买，采购执行交易，财务付款，员工使用，IT 和法务评估风险，组织承担结果。

产品需要让用户愿意使用，商品需要让客户和决策者接受交易。能卖出去但没人愿意使用，是交易成立、产品失败；用户喜欢但客户不愿付费，则是使用价值存在、商业交换没有成立。

客户真正购买了什么？

这个问题必须分成交易对象和购买动机两层。

在交易层，客户购买权利、交付物和承诺

客户可能取得实物所有权、软件许可、期限内的访问权、一定数量的服务、维修和售后权利、质量承诺、数据处理条件及责任安排。

购买 AI 订阅，客户获得的是期限内访问系统和功能的权利，以及额度、服务和数据条款。客户没有直接买到“正确答案”或者“工作成功”。

在交易层，客户购买的是由交付物、权利、服务承诺和风险分配组成的交易组合。

在动机层，客户期待处境发生变化

客户愿意交易，可能是为了完成任务、节省时间、降低风险、获得体验、表达身份、保留选择或者避免损失。

Jobs to Be Done 框架把产品理解为被客户“雇来”完成某项任务的对象，强调用户在具体处境中试图取得的进展。Harvard Business School Online

但“客户购买的是结果”仍不够准确。

产品为什么不能直接出售结果？

课程可以提供知识结构、练习和反馈，不能单方面保证学生掌握；健身房提供设施和训练条件，不能直接出售健康；医生提供诊断和治疗，不能保证所有疾病治愈；AI 提供生成和分析能力，不能保证所有结论正确。

产品提供的能力和条件
+ 用户的行动与投入
+ 具体环境及其他限制
= 实际结果

服务主导逻辑因此强调，企业提出价值主张并提供资源，价值在使用和具体情境中形成。Vargo 与 Lusch

客户购买的是一个被认为能够提高预期结果发生概率的条件组合，而不是必然兑现的结果本身。

购买能够证明什么？

购买能够证明：在当时的信息、价格、替代方案和限制下，客户接受了这项交易。

它不能自动证明产品解决了问题、用户长期满意、价格公平、决定完全理性，也不能证明产品没有把成本转移给其他人。促销、误解、冲动、从众、锁定和缺少替代方案都可能促成成交。

因此需要分别观察：

被看见
→ 被理解
→ 被考虑
→ 被购买
→ 被启用
→ 被持续使用
→ 产生预期结果
→ 长期仍被认可

商品成交验证交换，产品使用验证采用，结果证据才进一步检验需求是否得到回应。

品牌在产品和商品之间做了什么？

客户在购买前无法完整验证未来质量，只能根据来源、过去经验、他人评价和承诺判断风险。

品牌把这些信息压缩成一个识别和预期系统。它让产品更容易被认出，降低搜索成本，影响客户是否愿意尝试和付费，也让问题发生后更容易找到责任主体。

品牌可以提高商品的交换能力，却不能代替产品交付。它形成预期，产品进入使用，实际结果再确认或推翻这种预期。

品牌帮助识别和形成预期
          ↓
商品规定交易条件
          ↓
产品提供使用能力
          ↓
结果重新塑造品牌判断

怎样判断产品和商品是否成立？

1. 产品面向谁，发生在什么使用情境？
2. 它组织了哪些能力，而不只是堆积了哪些功能？
3. 用户能否获得、理解、使用、求助、迁移和退出？
4. 商品具体出售什么单位、权利、期限和服务？
5. 价格、渠道、合同和风险条件是否可接受？
6. 谁使用、谁购买、谁付款、谁决策、谁受益？
7. 产品试图回应什么需求，还有哪些替代方案？
8. 哪些结果由供给方控制，哪些依赖用户和环境？
9. 交易后产品是否真正被采用？
10. 使用后原来的处境是否改善，成本和副作用由谁承担？

这组问题先判断产品和商品是否各自成立，再判断它们是否与需求匹配。

结论

产品和商品的区别，不只是“没有出售”和“已经出售”。

产品组织能力，使某种价值能够在使用中发生；商品组织交换，规定客户以什么条件取得产品、服务和相关权利。

需求与它们的关系是：需求提出需要改变的处境，产品给出一种可检验的供给方案，商品把这种供给变成具体交易对象。

客户在交易中购买的是交付物、权利和承诺；他愿意购买，是因为期待这些条件帮助自己完成任务或改善处境。是否真的实现价值，还要等待产品进入使用，并用结果重新检验。

参考

• American Marketing Association — Definitions of Marketing
• ISO 9000:2026 — Quality management: Fundamentals and vocabulary
• ISO 9241-115:2024 — User needs and user requirements
• Harvard Business School Online — Jobs to Be Done
• Vargo and Lusch — Service-dominant logic: continuing the evolution
• Karl Marx, Capital, Volume I, Chapter One — Commodities

“思维模型”在中文商业和个人成长内容中，经常指第一性原理、机会成本、贝叶斯更新、二阶思维、安全边际或 OODA。它们被放在同一份清单里，好像都是同一种认知工具。

但这些工具承担的功能并不相同：有些帮助定义问题，有些解释因果，有些更新信念，有些比较行动，还有些组织反馈循环。

可以先给出一个宽泛的工作定义：

思维模型，是主体为了表示、理解、解释、预测或回应现实，对对象、关系、机制和可能结果形成的可重复使用、可以操作并能够修正的简化结构。

其基本过程是：

复杂现实
→ 选择相关信息
→ 建立对象、关系与机制
→ 在模型中推断或模拟
→ 形成判断与行动
→ 用现实反馈修正模型

模型不是现实的缩小复制品。它会主动忽略信息。忽略使模型可用，也构成模型犯错的来源。

“思维模型”与 mental model 是同一个概念吗？

不能直接画等号。

认知科学中的 mental model 通常指人为了理解语言、情境或系统而构造的内部表征。Johnson-Laird 的心智模型理论研究人怎样通过表示可能情形进行推理，而不是只依赖形式逻辑规则。Cambridge University Press：Mental Models and Reasoning

现代中文“思维模型”还常被用来指一套可以主动调用的分析工具。这种用法更宽，可能包括：

• 心理内部形成的情境模型；
• 从科学理论中提取的因果结构；
• 形式化的概率与决策模型；
• 帮助行动的检查表和循环框架；
• 经验总结形成的启发式规则。

所以，本文讨论的是广义的实用思维模型，同时保留它与认知科学 mental model 的区别。英文对应文章会从英语内部的 mental model、model-based reasoning 和决策工具边界重新展开，而不会把“思维模型”逐字译成 thinking model。

模型为什么不是现实？

模型至少进行四种处理：

1. 选择：保留与当前问题有关的对象；
2. 压缩：省略大量细节；
3. 组织：建立类别、关系、顺序和机制；
4. 模拟：改变条件，观察模型会推出什么。

地铁图不保存街道的真实形状，却适合规划换乘；地形图更接近空间关系，却未必适合快速选线路。模型的好坏不是看它是否包含最多信息，而是看它在指定任务中保留了什么、忽略了什么，以及这些取舍是否合理。

科学哲学把模型的一项重要作用称为替代性推理：研究者操作模型，从而学习它所代表的系统。Stanford Encyclopedia of Philosophy：Models in Science

思维模型不等于什么？

不等于概念

概念帮助识别和分类对象。模型进一步组织多个概念之间的关系。

“用户”“需求”“产品”“结果”是概念。下面的结构开始成为模型：

用户在特定处境中产生需要
→ 产品提供一种解决方案
→ 使用结果检验需要是否得到满足

不等于理论

理论通常包含一组系统主张、解释和证据要求。模型可以由理论支持，也可以只是为特定任务建立的局部表示。同一个理论还可以产生多个模型。

不等于框架

框架规定从哪些维度观察问题；模型还应说明要素怎样关联、变化或共同产生结果。“人、货、场”可以是观察框架，只有进一步说明三者的关系和机制，才成为更完整的模型。

不等于方法

模型表示事情怎样构成或运行；方法规定具体怎样操作。因果图是一种模型，随机对照试验是一种识别因果的方法。

不等于启发式

启发式是减少搜索成本的简化规则，例如“先排除不可逆且最坏损失无法承受的选项”。它可能来自某个模型，但不一定解释现实机制。

不等于决策模型

决策模型是思维模型中面向行动选择的一类。

思维模型：这个世界或问题怎样构成和运行？
决策模型：在这些证据、目标和限制下，应该选择什么？

六类思维模型

下面不是按流行名称分类，而是按模型在思考过程中承担的功能分类。同一个模型可能跨越多类。

1. 表征与结构模型

它回答：

当前对象由什么构成？边界在哪里？要素之间是什么关系？

常见形式包括层级、网络、地图、流程、分类和系统边界。例如商业模式把用户、价值、渠道、收入和成本组织起来；心理表征则说明心智怎样承载关于对象与情境的内容。

这类模型首先帮助人看见问题，而不是直接作出决定。

2. 解释与因果模型

它回答：

为什么发生？什么因素通过什么机制产生结果？

因果链、激励结构、供需关系、反馈循环、路径依赖和瓶颈模型都属于这一层。

解释模型的危险，是把容易讲述的故事当成已经验证的机制。相关性、时间先后和有说服力的叙事都不能自动证明因果。

3. 推理与信念更新模型

它回答：

根据现有前提和证据，应该相信什么？

演绎、归纳、溯因、贝叶斯更新、基础概率、反事实和证伪都可以作为推理结构。

贝叶斯更新主要改变信念：

先验判断
+ 新证据
→ 后验判断

它还没有决定行动。只有加入结果价值、约束和决策规则，才进入决策模型。

4. 预测与模拟模型

它回答：

如果条件改变，接下来可能发生什么？

情景分析、敏感性分析、趋势模型、二阶效应、系统动力学和蒙特卡洛模拟都服务于这一问题。

预测不只是给出一个点估计。较好的模型还应暴露范围、假设、关键变量和不确定性。一个无法说明适用条件的准确预测，很难被可靠复用。

5. 评价与决策模型

它回答：

面对多个可行方案，怎样比较并选择？

机会成本、期望效用、多目标决策、最小化最大损失、安全边际、决策树、可逆性和探索—利用权衡都属于这一层。

它们把关于世界的判断连接到行动，却必然引入价值：什么算收益，什么代价不可承受，谁的结果应被计算。

6. 行动与反馈模型

它回答：

怎样把决定变成行动，并根据结果修正？

OODA、PDCA、假设—实验—反馈、控制回路、小步试错和复盘都在处理行动的连续性。

这类模型提醒我们：生成计划、执行动作、观察结果和验证目标是不同状态。没有反馈，模型只是对现实的想象；反馈进入下一轮以后，模型才可能学习。

六类模型怎样连接？

表征模型
告诉我们正在面对什么

解释模型
告诉我们为什么发生

推理模型
告诉我们应该相信什么

预测模型
告诉我们可能发生什么

决策模型
告诉我们准备选择什么

行动模型
告诉我们怎样执行和修正

这是一种功能关系，不是强制流程。真实思考会来回移动：新的行动反馈可能迫使人重新定义对象；价值冲突可能让人寻找新的选项；预测失败可能暴露错误的因果模型。

一个真实问题通常需要多个模型

以“是否停止一个产品”为例：

1. 用结构模型界定产品、用户、市场和成本；
2. 用因果模型解释增长停滞；
3. 用基础概率和新数据更新判断；
4. 用情景模型预测继续、缩减和停止的后果；
5. 用机会成本、最坏损失和可逆性比较方案；
6. 用阶段试验和反馈检验决定。

不存在一个名称响亮的模型能够替代整条链。模型选择本身也是判断：当前最缺的是事实、机制、预测、价值比较，还是执行反馈？

为什么流行的思维模型大多像决策模型？

商业和个人成长内容通常围绕行动问题展开：该不该做、先做什么、何时停止、怎样减少错误。因此，它们会集中介绍最靠近行动的模型。

但“服务决策”和“本身是决策模型”不同：

• 第一性原理主要用于重新构造问题和前提；
• 系统思维主要用于识别结构与反馈；
• 因果模型用于判断干预可能改变什么；
• 贝叶斯更新用于修正信念；
• 机会成本直接比较行动；
• OODA 连接观察、判断、行动和反馈。

所以，更准确的关系是：

决策模型是思维模型中面向行动选择的一类；很多其他模型为决策提供表征、证据、解释和预测。

怎样评价一个思维模型？

对象是否清楚

模型表示的是什么系统、处境或问题？它的边界在哪里？

用途是否明确

它用于描述、解释、预测、评价、决策还是控制？不能因为一个模型擅长分类，就假定它也能证明因果。

假设是否可见

模型忽略了什么？哪些条件变化后，它就不再适用？

能否产生可检查的推论

一个模型如果可以解释任何结果，就很难被证据修正。

是否优于更简单的替代方案

复杂模型需要带来额外判断价值。更多变量和术语不必然意味着更接近现实。

是否接受现实反馈

模型错误时，是修改模型，还是不断为它增加例外？能够失败，才可能真正学习。

思维模型的哲学边界

人无法脱离所有模型直接获得“未经解释的完整现实”。概念、语言、感知和测量本身已经进行选择与组织。但这不意味着所有模型同样正确。

现实仍然通过预测失败、行动受阻、反例、测量和他人经验限制模型。模型可以多元，却不能因此免于证据。

模型也不是价值中立的。选择哪些对象、结果和风险进入模型，会影响谁被看见、谁被忽略以及什么行动显得合理。

结论

思维模型不是一组需要背诵的聪明术语，而是人用来压缩现实、组织关系、进行推断和指导行动的可修正结构。

它们至少承担六种功能：

表示结构
解释机制
更新信念
预测可能
比较行动
组织反馈

模型的价值不在数量，而在于是否适合当前问题、是否公开假设、是否区分事实与价值，以及是否能够被现实修正。

模型帮助我们在有限认知中接近现实；决策使我们在这种有限理解之上承担行动。

延伸阅读

• 决策是什么？从判断、选择到行动承诺
• 心理表征是什么？人如何在头脑中表示世界

参考资料

• Cambridge University Press：Mental Models and Reasoning
• The Mental Models Global Laboratory：Publications
• Stanford Encyclopedia of Philosophy：Mental Representation
• Stanford Encyclopedia of Philosophy：Models in Science
• Stanford Encyclopedia of Philosophy：Thought Experiments

人会感知问题、判断事实、想象未来，也会形成愿望和目标。但这些活动不会自动产生行动。一个人只有在若干可能方向之间作出取舍，使其中一个方向获得行动优先权，才进入决策。

可以先给出一个定义：

决策，是主体面对一个需要回应的处境，在多个可能行动、价值冲突或不确定后果之间，形成并承诺一条行动方向的过程及其结果。

决策最关键的变化是：

多个仍然开放的可能
→ 判断、比较与取舍
→ 一个方向获得行动优先权
→ 进入计划和执行

这里的承诺不表示决定永远不能修改，而是主体暂时结束部分犹豫，开始按照这个方向配置注意力、时间、资源和行动。新证据、环境变化和执行失败，都可能要求重新决策。

决策不等于什么？

很多与决策相邻的概念会在同一过程中出现，但它们回答的问题不同。

其中最容易被混淆的是判断与决策。

这个方案成功的概率较高。

这是判断。

在现有证据和风险限制下，选择执行这个方案。

这是决策。

从前一句不能直接推出后一句。即使成功概率已经知道，行动者仍要考虑收益、损失、替代方案、风险承受能力以及伦理边界。

一个完整决策包含什么？

需要回应的处境

为什么现在需要作出回应？如果没有需要改变的状态、冲突或分岔，就没有明确的决策问题。

问题框架

同一现实可以被表达成不同问题：

• 要不要继续这个项目？
• 怎样降低项目失败的概率？
• 哪个目标值得优先保留？
• 是否应该把资源转移到其他项目？

框架决定哪些选项和证据会进入分析。后续计算即使精确，也无法补救一个被错误定义的问题。

主体与权限

谁能够让决定生效？谁只提供建议？谁承担后果？个人、家庭和组织的决策结构不同。讨论形成共识并不自动等于形成有效决定，还需要授权、程序和责任机制。

目标、价值与约束

目标说明希望达到什么状态，价值说明它为什么值得，约束说明哪些手段、风险和代价不可接受。

困难决策经常不是缺少数据，而是多个价值无法同时满足，例如收益、安全、自由、公平、速度和关系之间发生冲突。

可行选项

“成功”和“失败”是可能结果，不是行动选项。“继续”“停止”“缩小范围”“先试验”“延期并获取信息”才可能是选项。

不行动、延迟、委托和维持现状也会产生后果，因此也应进入选项集合。

后果、因果与概率

决策需要判断：如果采取行动 A，哪些结果会因此改变？这需要因果模型，而不只是相关性。

概率表示结果有多可能，却不能说明结果有多值得。把概率与价值混为一谈，是决策中最常见的错误之一。

取舍规则

行动者可能选择：

• 最大化期望收益；
• 避免无法承受的损失；
• 保护不可替代的价值；
• 选择最坏情况下仍可接受的方案；
• 先进行低成本、可逆的试验；
• 达到“足够好”的门槛后停止搜索。

不同规则可能产生不同答案。规则本身也需要理由，不能把公式当作没有价值前提的结论。

承诺、执行与反馈

决定使一个选项获得行动优先权，但还要转化成计划、资源、权限和实际执行。现实结果随后进入下一轮：

决定
→ 执行
→ 观察结果
→ 比较预期
→ 修正信念、目标或规则
→ 新的决定

决策理论研究什么？

决策研究至少有三个不同目标。

描述性决策理论

心理学研究注意力、记忆、情绪、默认项、框架、社会影响和启发式怎样塑造实际选择。APA 将 decision making 概括为在两个或更多方案之间进行选择的认知过程。APA Dictionary of Psychology

描述一种行为常见，不能证明它合理。

规范性决策理论

规范理论研究信念、偏好和选择应当满足哪些一致性要求。经典的期望效用模型是：

EU(A) = Σ P(Oᵢ | A) × U(Oᵢ)

其中，P(Oᵢ | A) 表示采取行动 A 后结果 Oᵢ 的概率，U(Oᵢ) 表示结果的效用。规则要求比较不同行动的期望效用。Stanford Encyclopedia of Philosophy：Expected Utility

效用在现代决策理论中常表示偏好结构，不必等于金钱或快乐。模型也不会自动告诉我们有哪些选项、概率是否可信、价值能否统一换算，以及谁承担代价。

处方性决策方法

处方性方法把规范标准与人的现实限制连接起来，例如：

• 把事实、推断、概率、价值和未知分开；
• 寻找被当前框架遗漏的选项；
• 设置停止、退出和复查条件；
• 使用外部基准而不只依赖内部感觉；
• 通过小规模试验降低关键不确定性；
• 记录决策时的信息，避免事后只按结果评价。

有限理性：为什么不能永远寻找最优？

现实中的人没有无限信息、时间、注意力和计算能力。有限理性不是简单地说“人不理性”，而是研究有限主体怎样在具体环境中使用可承受的程序。

Herbert Simon 提出的“满意化”思路，不要求遍历所有可能方案并找到绝对最优，而是在搜索成本与结果质量之间取舍，达到足够好的门槛后停止。Stanford Encyclopedia of Philosophy：Bounded Rationality

所以，还要评价：

继续获得信息的预期价值
是否高于
搜索、等待与错失机会的成本

花无限时间寻找最优答案，本身可能成为一个糟糕决定。

人实际怎样偏离形式模型？

人的风险选择会受到参照点、损失感受、表述方式和概率权重影响。Kahneman 与 Tversky 的前景理论用这些因素解释了部分系统性选择模式。2002 年诺贝尔经济学奖材料将这项贡献概括为把心理学研究引入不确定条件下的经济判断和决策。Nobel Prize 2002

不过，“偏差”不能成为给所有不同于公式的决定贴标签的工具。必须先确认所采用的规范标准适用于当前问题，并考虑信息成本、环境结构和行动者的真实目标。

决策为什么不只是计算技术？

事实不能单独推出行动

事实和概率描述世界可能怎样，却不能单独说明什么值得追求。决定必然引入目标、价值或规范前提。

价值不一定可以统一换算

一个选项可能更赚钱，另一个更自由；一个更安全，另一个更符合承诺。把所有价值压缩成一个数字能够帮助比较，也可能掩盖无法替代的差异。

真实选择不只取决于选项数量

表面上存在多个选项，不代表主体具有同等能力选择。贫困、信息控制、权力关系、成瘾、习惯和制度设计都会改变可行选项和责任条件。

程序本身可能具有价值

在集体决策中，即使结果有效，程序也可能不公正。谁能发言、谁有否决权、信息是否公开、受影响者是否参与，都可能成为决定正当性的一部分。

好决策与好结果必须分开

一个合理决定可能因低概率事件产生坏结果；一个草率决定也可能因为运气获得好结果。复盘必须回到作出决定时能够获得的信息，而不能用后来发生的事情重写过去。

怎样检查一个决定？

1. 真正需要决定的问题是什么？
2. 是否因为错误框架而解决了错误问题？
3. 不行动、延迟和先试验是否也是选项？
4. 哪些是事实，哪些是推断、概率、价值和未知？
5. 行动与结果之间是否有合理的因果解释？
6. 优化什么、保护什么、愿意放弃什么？
7. 最坏结果能否承受，决定能否逆转？
8. 谁获得收益、承担风险并拥有决定权？
9. 决定是否已经进入计划、资源和行动？
10. 什么新证据会触发重新决策？

决策在思维与行动之间的位置

处境与需求
→ 认知和思维形成表征
→ 判断事实、因果与概率
→ 价值和立场规定什么重要
→ 目标与意图形成行动方向
→ 决策处理具体分岔和取舍
→ 计划与战术组织行动
→ 行动产生结果
→ 反馈修正下一轮决策

这不是固定的单向流水线。决策可以形成意图，既有意图也会约束后续决策；行动结果还可能改变原来的目标。

好决策不是保证得到好结果，而是在当时可获得的信息、价值和限制下，形成可解释、可执行、可承担并且能够修正的行动承诺。

延伸阅读

• 思维模型是什么？人怎样简化现实并指导行动
• 思维是什么？人如何形成理解、判断与行动

参考资料

• APA Dictionary of Psychology：Decision Making
• Stanford Encyclopedia of Philosophy：Normative Theories of Rational Choice—Expected Utility
• Stanford Encyclopedia of Philosophy：Descriptive Decision Theory
• Stanford Encyclopedia of Philosophy：Bounded Rationality
• Nobel Prize 2002：Psychological and Experimental Economics

专题：思维、意图与行动（2/4） 上一篇：人的思维；下一篇：AI 如何理解用户意图

AI 是否在“思考”？

当人们说 AI 在思考，通常混合了三个不同问题：

1. 它能否完成推理、规划、比较和判断等任务？
2. 它内部是否存在可以称为思维的计算过程？
3. 它是否像人一样具有意识、体验、理解和自主意图？

对第一个问题，可以肯定回答：现代大语言模型能够完成许多过去需要人类思考才能完成的任务。

对第二个问题，可以使用功能性的说法：

AI 的“思考”，是系统根据输入、上下文、内部参数和外部工具，对信息进行表示、转换、预测、比较与选择的计算过程。

但第三个问题不能从任务表现直接推出。一个系统能够解释概念、写出论证、规划步骤，并不能证明它具有人的主观体验，也不能证明它以人的方式理解自己正在做什么。

因此，讨论 AI 思维时，最好区分：

功能表现
≠
内部机制
≠
主观体验

本文讨论的是前两层：AI 怎样形成输出、怎样处理复杂任务，以及怎样从语言生成走向外部行动。

大语言模型的基本工作是什么？

大语言模型的基础任务是：根据已有文本，预测接下来最可能出现的语言单位。

可以简化为：

P(下一个 token | 当前输入、上下文、模型参数)

模型在训练中接触大量文本，通过调整参数，学习词语、句法、语义、文体、事实陈述和推理形式之间的统计关系。它得到的不是一本逐条查询的词典，也不是一组人工写好的全部规则，而是一套分布式的参数结构。

生成答案时，系统反复执行：

读取当前上下文
→ 计算候选 token 的概率
→ 选择一个 token
→ 把它加入上下文
→ 继续预测

这个描述很重要，但不完整。因为“预测下一个 token”并不意味着模型只能机械续写。要准确预测技术解释、数学证明、程序代码或行动计划，模型必须形成能够支持这些输出的内部结构和中间计算。

问题在于：这些结构究竟多大程度上对应稳定的概念、世界模型和推理过程，仍然是正在研究的问题。

为什么预测语言可以产生推理能力？

语言记录了人类对世界的描述，也记录了大量推理、解释、计划和纠错过程。模型学习语言规律时，也会学习这些结构之间的关系。

例如，一个有效的回答需要处理：

• 哪些信息与当前问题相关；
• 哪些概念应当区分；
• 前提能否支持结论；
• 哪个步骤必须先完成；
• 哪种工具适合取得缺失信息；
• 新证据是否推翻原来的判断。

这使大模型能够表现出归纳、演绎、类比、因果解释、程序模拟和任务分解等能力。

但能力并不稳定。模型可能在熟悉形式上表现良好，在轻微改写、长链推理、分布外问题或需要精确状态跟踪时失败。语言上流畅的结论也可能没有足够证据。

所以，不能把“能生成推理文本”直接等同于“始终执行了可靠推理”。

模型输出前发生了什么？

输入文本首先被切分为 token，并转换成向量表示。Transformer 通过注意力机制计算上下文中不同位置之间的关系，经过多层变换形成新的内部状态，最后输出候选 token 的概率分布。

可以概括为：

提示词与上下文
→ token 与位置表示
→ 多层注意力和非线性变换
→ 当前上下文的内部状态
→ 候选输出分布
→ 生成结果

这里的内部状态不是可以直接翻译成人类句子的“内心独白”。研究者可以分析激活、注意力和中间表示，但不能简单地把某个神经元或向量当作一个完整、透明的思想。

模型有时会输出“思考过程”或逐步解释。它们可以帮助系统分解问题，也能让人检查答案，但这些文字不必然忠实记录了导致答案的全部内部计算。研究表明，链式思维解释可能遗漏真实影响因素，甚至为已经形成的答案补写看似合理的理由。Turpin 等：Language Models Don’t Always Say What They Think

因此：

可读的推理过程是工作界面和证据之一，不是模型内部过程的完整扫描。

基础模型为什么会服从指令？

单纯进行下一词预测的基础模型，主要学习“什么文本可能接在后面”。但助手还需要判断“用户要求我完成什么”。

常见的训练过程包括：

• 在大量文本上进行预训练；
• 使用示范数据进行指令微调；
• 根据人类或模型反馈进一步调整行为；
• 通过系统规则和工具协议约束运行时行为。

GPT-3 展示了大模型通过上下文示例完成多种任务的能力；InstructGPT 则说明，仅仅扩大模型并不会自动使其更符合用户意图，指令微调和人类反馈能显著改变模型的行为方向。GPT-3 · InstructGPT

这意味着，AI 助手的回答不是只由用户最后一句话决定。它同时受模型参数、系统规则、对话历史、可见环境、工具返回值和解码策略影响。

推理、决定和行动不是一回事

在一个 AI 系统中，可以区分四个环节：

语言模型可以生成一个行动建议，却没有实际执行它；也可能调用了工具，却没有充分推理。把这四层分开，才能定位错误发生在哪里。

“删除文件”是行动。“这个文件可能是重复的”是判断。“删除它最节省空间”是决策理由。“用户允许删除”则是权限事实。它们不能相互替代。

AI 怎样从模型变成 Agent？

大语言模型本身主要接收上下文并产生输出。要成为可以持续完成任务的 Agent，通常还需要外部系统提供：

• 目标与任务状态：现在要完成什么，进展到哪里；
• 规划机制：把较大的目标拆成可执行步骤；
• 工具：搜索、读取文件、执行代码、调用服务；
• 记忆：保存当前任务状态、既往结果和长期约定；
• 环境观察：读取工具结果和外部状态；
• 权限边界：哪些操作允许执行，哪些需要确认；
• 反馈与终止条件：怎样判断成功、失败或需要修正。

典型回路是：

观察环境
→ 解释当前状态
→ 选择下一步
→ 调用工具
→ 读取结果
→ 更新计划
→ 继续或停止

ReAct 把推理轨迹与行动交错起来：模型根据当前信息提出下一步，通过工具取得观察结果，再据此继续处理任务。ReAct

这里真正行动的不是一段孤立文本，而是“模型 + 工具 + 状态 + 权限 + 执行环境”组成的系统。

AI 有自己的目标和意图吗？

工程系统可以具有目标变量、奖励函数、任务说明和停止条件。但这些“目标”不必等同于人的欲望、承诺或行动意图。

可以区分：

模型生成“我打算先检查文件”时，这句话通常描述系统接下来的操作计划，不能单凭第一人称表达证明它具有人的主观意向。

这一区分也解释了为什么一个 Agent 可以表现出持续目标导向，却仍需要外部权限、监控和责任主体。

行动为什么必须依赖反馈？

一次生成无法保证计划与现实一致。工具可能报错，网页可能改变，文件可能不存在，早先假设也可能被新证据推翻。

可靠的行动系统需要闭环：

提出假设
→ 执行动作
→ 观察结果
→ 比较预期与实际
→ 修正解释或计划
→ 再次行动

没有反馈，AI 只能把行动当成语言中的想象；有了反馈，它才能发现自己是否真的改变了外部状态。

这也要求系统区分不同证据：

• “命令已生成”不等于“命令已成功执行”；
• “代码通过构建”不等于“用户界面符合预期”；
• “已经推送仓库”不等于“线上版本已经部署”；
• “用户没有反对”不等于“用户授权了高后果行动”。

AI 推理与行动的主要局限

语言流畅会掩盖证据不足

模型可以用完整句子表达错误判断。表达质量与事实可靠性不是同一指标。

上下文有限且具有选择性

系统只处理当前可见的信息。遗漏的文件、隐藏的环境状态和未表达的用户目的，都可能改变正确行动。

长任务会产生状态漂移

任务越长，越需要外部记录、检查点和明确的完成条件。否则模型容易重复、遗漏或把计划误认为结果。

工具结果也需要解释

工具返回的内容可能不完整、过期、错误或恶意。调用工具并不会自动消除不确定性。

目标可能冲突

用户要求、系统规则、现实约束和不同子目标之间可能不一致。AI 需要识别冲突，而不是把任何一句指令都当作最高目标。

行动后果由整个系统承担

模型选择工具调用，执行器改变现实，平台决定权限，人承担或分配责任。不能只评价模型文本而忽略整个行动链。

怎样判断一个 AI 系统是否真的完成了任务？

不能只看它是否给出自信的回答。更可靠的判断需要逐层核验：

是否理解了正确对象？
→ 是否引用了足够证据？
→ 推理是否支持结论？
→ 是否拥有行动权限？
→ 工具是否实际执行？
→ 外部状态是否按预期改变？
→ 结果是否满足原始目标？

复杂任务还需要保留可回退的中间状态，让错误能够被发现和修正。

结论

AI 的“思考”可以在功能上理解为：系统对输入和上下文进行表示、转换、预测与选择，从而产生判断、计划和输出。它与人的思维存在可比较的功能，却不能因此被断定为具有同样的意识和体验。

AI 的“行动”也不是模型单独完成的。它来自一个更大的系统：

模型
+ 上下文
+ 工具
+ 状态
+ 权限
+ 环境反馈

所以，理解 AI 不能只问“模型想了什么”，还要问：

• 它依据了什么证据；
• 它怎样形成和检查计划；
• 谁赋予它行动权限；
• 工具实际改变了什么；
• 结果如何被验证；
• 错误怎样进入下一轮修正。

AI 推理是生成行动方案的计算过程；AI 行动是受权限约束、接受现实反馈并能够修正的系统过程。

参考资料

• Brown 等：Language Models are Few-Shot Learners
• Ouyang 等：Training Language Models to Follow Instructions with Human Feedback
• Yao 等：ReAct: Synergizing Reasoning and Acting in Language Models
• Turpin 等：Language Models Don’t Always Say What They Think

专题：思维、意图与行动（4/4） 从第一篇开始阅读：思维是什么？人如何形成理解、判断与行动

人与 AI 之间真正要连接什么？

人类与 AI 的协作常被描述成：

人给出提示词
→ AI 给出答案

这个结构只描述了一次语言交换。它没有解释人为什么提出请求、AI 怎样理解请求、谁决定可以采取什么行动，也没有说明现实结果怎样反过来修正双方的判断。

更完整的结构是：

人的处境、需要与目的
→ 人形成暂时意图
→ 用语言表达请求
→ AI 构造任务解释
→ 双方校准目标、对象与边界
→ AI 形成计划并在授权内行动
→ 观察现实结果
→ 人评价结果，AI 更新解释
→ 进入下一轮

人机协作不是一次准确翻译，而是双方围绕共同任务持续校准、行动和纠错的过程。

人的意图为什么不能完整进入提示词？

人在行动以前，并不总有一个完整、固定、清晰的目标等待表达。很多意图是在表达、比较和尝试中逐渐形成的。

一个请求至少可能包含四层：

提示词通常只显式表达其中一部分。其余信息可能存在于前文、当前文件、既往约定、组织规则和用户自己尚未说清楚的判断中。

所以，“把提示词写得足够长”不能从根本上消除意图问题。表达长度会增加信息，也可能增加冲突、噪声和虚假的精确感。

AI 理解的不是完整的人，而是当前任务

AI 能接触的只是证据：

• 当前语言；
• 对话历史；
• 可见文件和页面；
• 工具返回结果；
• 已保存的偏好与规则；
• 用户对中间结果的确认和修正。

据此，AI 构造的是一个工作性的任务模型：

当前对象是什么？
期望产生什么变化？
有哪些约束？
哪些事实仍然未知？
哪些行动已经获得授权？
怎样判断完成？

这个模型可以很准确，却仍然不是用户全部心理状态。把任务理解限制在当前可观察证据上，反而有助于防止 AI 把猜测写成事实。

三种“理解”需要分开

语义理解

AI 能否识别词语、句子和上下文的含义？例如，“使用第一种”中的“第一种”指向前面哪一个选项。

操作理解

AI 能否把语言转化成具体任务？例如，它是否知道要修改哪篇文章、生成哪些语言版本、使用什么格式。

结果理解

AI 是否知道什么结果才算满足人的目的？例如，文件已经生成，是否还需要提交仓库、部署网站，并验证线上地址。

三者并不自动同时成立。

听懂一句话
≠
知道该做什么
≠
知道怎样才算做完

很多人机协作失败并不是模型完全没有理解语言，而是操作对象、完成条件或结果标准没有对齐。

共同任务模型怎样形成？

双方需要逐步建立一个共享但可修正的任务模型。它通常包含六个部分：

这不是要求人把所有内容一次性写进提示词。AI 可以先利用已有上下文完成低风险、可逆的工作，再在真正影响行动边界的地方取得必要信息。

良好的协作会保留已经确认的决定，避免每一轮都从头询问；也会在新证据出现时允许旧解释被推翻。

澄清、假设与行动怎样选择？

AI 面对歧义时，不应只有“猜”或“追问”两个选项。更合理的策略取决于三个变量：

歧义程度 × 出错代价 × 可逆性

低代价且可逆

可以说明合理假设后先做。例如先生成一个文章草稿，用户可以直接修改。

中等歧义

可以保留多个候选、先完成共同部分，或者给出可比较的方案。

高代价或不可逆

需要确认关键对象、权限或范围。例如公开发布、向他人发送消息、支付、删除不可恢复数据。

关键不是让 AI 永远等待，而是让确认发生在真正决定后果的边界上。

提示词是证据，不是完整契约

提示词对当前任务具有直接约束力，但它仍需要与上下文、权限和现实条件一起解释。

同一句话在不同位置具有不同作用：

• “这个能发布吗？”是在询问可行性；
• “准备成可发布版本”是在授权编辑；
• “发布到网站”是在授权外部行动；
• “我以后可能发布”只是陈述计划。

AI 需要识别请求、讨论、假设、背景和授权之间的差别。

对话也会形成承诺。用户已经选择方案、批准发布或规定格式以后，系统应当把这些决定带入后续步骤。共同理解并不只存在于最后一句提示词里，而存在于整个交互历史中。

行动怎样成为理解的检验？

单靠复述不能证明双方已经对齐。行动会把隐藏差异暴露出来。

例如，人说“把文章更新到网站”。AI 可能完成了本地 Markdown，却没有提交；完成提交，却没有部署；线上页面出现了，却缺少英文版本或 sitemap。

因此需要逐层验证：

任务解释正确
→ 产物内容正确
→ 行动实际执行
→ 外部状态改变
→ 用户目标得到满足

每一层都提供新的证据。失败不是单纯的终点，也会告诉双方此前的任务模型哪里不完整。

一个完整的人机行动回路

可以把共同回路分成八步。

1. 人感知问题

人从需要、阻碍、机会或不满意的结果中发现需要改变的状态。

2. 人形成初步意图

人确定一个大致方向，但目标、手段和判断标准可能仍然模糊。

3. 人表达请求

语言把部分意图外化为提示词，并带入背景、材料和限制。

4. AI 构造候选解释

AI 识别对象、动作、约束和缺失信息，并比较可能的任务解释。

5. 双方校准

AI 利用历史决定、复述、草稿、选项或必要追问，使任务达到足以行动的清晰度。

6. AI 在授权内行动

AI 规划步骤、调用工具、保存中间状态，并对高后果边界检查权限。

7. 系统观察结果

读取文件变化、命令结果、线上页面、用户反馈或其他外部证据。

8. 双方修正

用户可以改目标、指出偏差或接受结果；AI 据此更新任务模型，继续行动或结束。

这构成：

意图
→ 表达
→ 解释
→ 校准
→ 行动
→ 观察
→ 评价
→ 修正后的意图

谁负责什么？

共同回路不意味着人的责任和 AI 的责任完全相同。

人主要提供

• 需要改变的现实处境；
• 价值判断和最终目的；
• 私人背景与未公开限制；
• 对高后果行动的授权；
• 对结果是否值得接受的最终判断。

AI 主要提供

• 对当前证据的结构化解释；
• 候选方案、推理与风险差异；
• 可执行的步骤和工具使用；
• 对不确定性、权限和完成状态的显式记录；
• 根据新证据快速修正计划。

系统与组织必须提供

• 身份和权限控制；
• 数据与隐私边界；
• 日志、版本和可回退机制；
• 失败处理和责任分配；
• 对外部行动的可验证状态。

AI 不能替人决定所有价值；人也不能把一切错误归因于一个孤立模型。结果来自整个社会技术系统。

常见的断裂位置

人把感觉直接当成明确目标

用户知道“不对”，却还不知道要变成什么。此时 AI 应帮助比较结果，而不是假装存在唯一正确答案。

AI 把最可能解释当成真实意图

概率最高只说明现有证据更支持某种解释，不证明它就是用户内心的完整目的。

双方只确认内容，不确认行动

一篇文章得到认可，不自动等于获得公开发布的权限。

AI 把计划当成完成

“将会更新网站”不是更新证据。本地文件、提交、部署和线上验证是不同状态。

人只评价输出，不评价过程

一个偶然正确的答案可能来自不可靠方法；一个暂时失败的尝试也可能暴露关键未知。长期协作需要同时评价结果、证据和纠错能力。

反馈没有进入下一轮

如果用户的修正没有被保存或使用，同一种偏差会重复发生，协作就无法形成真正的闭环。

怎样提高共同回路的质量？

对人而言：

• 先说希望改变什么，而不只是给出一个动作词；
• 区分探索、草拟、修改、批准和发布；
• 在关键地方说明不能接受的结果；
• 用具体反馈指出哪一层理解错了；
• 允许意图在获得新信息后改变。

对 AI 而言：

• 把明确要求、推断和未知分开；
• 利用已确认的上下文，不重复索取信息；
• 在低风险任务上用可逆产物推进；
• 在高后果边界核对对象和权限；
• 报告实际结果，不把计划写成完成；
• 让反馈更新任务模型和后续行为。

结论

人类先在现实处境中形成需要、目标和意图，再通过语言把其中一部分交给 AI。AI 根据可见证据构造任务模型，通过推理与工具采取行动。现实结果和人的评价随后反过来修正这个模型，也可能修正人原来的意图。

所以，人机之间需要建立的不是一次性的“正确提示词”，而是一个能够持续校准的共同回路：

人提供目的、价值与授权
+
AI 提供解释、方案与执行
+
环境提供结果与证据
+
反馈推动双方修正

真正可靠的人机协作，不要求 AI 读懂一个不可见的“真实内心”；它要求双方把当前任务、行动边界和完成证据逐步变得清楚。

延伸阅读

• AI 能断定用户的真实意图吗？
• AI 如何推理并行动？
• 思维是什么？人如何形成理解、判断与行动
• EMNLP 2024：让语言模型显式处理歧义

人可以想到不在眼前的人，回忆已经结束的事件，想象不存在的动物，判断明天可能下雨，也可以在行动以前比较几种未来。这些能力都提出了同一个问题：当对象没有直接出现在眼前时，人的心理活动怎样仍然能够关于它？

在表征主义的工作框架下，可以先给出一个定义：

心理表征，是心理系统用来指向、描述或代替某个对象、状态、关系或可能情境的具有内容的心理状态。

这里的“代替”不是说头脑里一定存放着现实的微型复制品，而是说某种心理状态能够在认知活动中代表别的东西。例如：

• 看见桌上的杯子，形成关于杯子位置和形状的知觉表征；
• 离开房间以后，仍然记得杯子放在哪里；
• 想象杯子摔碎后的样子；
• 相信杯子里装着水；
• 计划伸手拿起杯子。

对象、事件、关系、规则、虚构人物、尚未发生的未来和不可能实现的情境，都可以成为心理表征的内容。

心理表征不只是“脑中的图像”

“表征”容易让人想到一幅内在图像，但心理表征不只有图像形式。

同一个内容也可能由不同形式承载。“明天可能下雨”可以表现为一句内在语言、一幅乌云的图像、天气概率，或者出门时带伞的行动准备。

所以，不能把心理表征简单等同于图像、语言、符号或某个单独神经元。它是一个功能概念：某种心理或神经状态以一定方式承载内容，并在感知、记忆、推理或行动中被使用。

一个心理表征包含什么？

为了避免把几个问题混在一起，可以区分四个方面。

被表征的对象

表征关于什么？它可以关于一只真实的猫，也可以关于独角兽、明天的会议、两个数字之间的关系，或者“如果当时没有作出那个选择”的反事实情境。

哲学中的“意向性”常用来表示心理状态的这种“关于某物”的性质。这里的意向性是 intentionality，不等于日常所说的行动意图 intention。Stanford Encyclopedia of Philosophy：Intentionality

表征的载体

内容由什么承载？候选答案包括神经活动模式、分布式网络状态、心理意象、内部语言、身体准备状态，以及主体与环境形成的动态关系。

“载体”是实现表征的状态，“内容”是这个状态所表示的东西。纸上的地图是载体，地图表示的地形是内容；两者不能混为一谈。

表征的形式

信息怎样被组织？有些表征像句子，可以由成分组合并参与逻辑推理；有些保留空间、颜色、距离等连续结构；有些更像概率分布、技能倾向或行动方案。

不同形式适合不同任务。路线图便于处理空间关系，命题便于判断真假，动作模式便于快速控制身体。

表征的作用

它在系统中做什么？心理表征可以支持识别、回忆、预测、推理、计划、交流和行动。仅仅把一个状态与外界事物相关联还不够；还要说明它怎样进入整个认知过程。

因此，一项完整的表征理论至少要回答：

它表示什么？
由什么承载？
以什么形式组织？
怎样在认知和行动中发挥作用？

表征不是现实的完整复制

人不会把外部世界原样搬进头脑。心理系统会选择、压缩和重组信息。

当人看见一把椅子时，通常不会保存每一道木纹和每个精确光值，而会抓住与当前任务有关的结构：它是可以坐的物体、在桌子旁边、可能挡住通道。换一个目标，同一对象的表征也会变化。搬家的人关心重量和尺寸，设计师关心比例与材料，疲惫的人首先注意它能不能坐。

心理表征因而具有几个特点：

• 选择性：只保留部分信息；
• 任务相关性：目标影响哪些特征被突出；
• 可变性：经验、情境和情绪会改变表征；
• 可组合性：旧内容可以组合成从未出现过的新情境；
• 可修正性：新的感知和行动结果可以改变原来的表征。

这解释了心理表征为什么有用，也解释了它为什么可能失真。

为什么误表征很重要？

一个系统如果只能在正确时才“表示”，就很难解释错觉、错误记忆、虚假信念和失败预测。

人在昏暗处把绳子看成蛇，是知觉误表征；记错约会时间，是记忆误表征；相信一项未经证实的传闻，是信念内容与事实不符；把他人的沉默理解为敌意，则可能是社会情境的误表征。

误表征说明：

表征的内容与现实中实际存在的情况可以分离。

正因为能够分离，人才能想到不存在的对象、设想反事实、计划未来，也会误解现实。想象力与错误并不是两个毫无关系的能力，它们都依赖心理内容不必被眼前事实完全决定。

误表征也是检验表征理论的关键。如果一个理论只能解释心理状态如何与真实对象相关，却不能解释它为何会以某种特定方式出错，那么它还没有充分说明“内容”从何而来。

心理表征与概念

概念通常参与稳定的分类和推理。看到麻雀、企鹅和鸵鸟时，人可以把它们归入“鸟”；即使它们外形不同，也能进一步推断它们与羽毛、繁殖方式和动物类别有关。

一种重要理论把概念理解为心理表征：概念是可以进入判断、推理和学习的基本内容单位。但这不是唯一理论。哲学中还存在两类主要看法：概念是一种认知能力，或者概念是独立于个别心理事件的抽象对象。Stanford Encyclopedia of Philosophy：Concepts

两者的关系可以先这样处理：

• 心理表征是较宽的概念，包括图像、空间模型、命题内容和动作表征；
• 概念是其中与分类、识别和推理密切相关的一类结构或能力；
• 一个概念怎样在具体时刻被调用，是概念理论与心理表征理论相交的问题。

因此，不能简单地说“所有心理表征都是概念”，也不能未经论证就认定“概念一定是脑内符号”。

心理表征与语言

语言能够表达、组织和传播心理内容，但心理表征不等于语言。

婴儿和动物能够识别对象、记住位置、预测行动，却未必拥有成熟语言。成年人也会使用难以完全说出的面孔识别、空间感觉、音乐期待和动作技能。这些现象表明，至少一部分心理表征不是自然语言句子。

另一方面，语言会深刻改变人的表征能力。它提供稳定名称，让复杂关系可以反复调用；它允许人表示高度抽象的对象，组合长推理链，并把个人心理内容变成公共、可检查的表达。

“思想语言”理论进一步主张，一部分思考依赖具有句法和组合结构的内部表征系统。但即使接受这一方向，也不等于头脑中的思考全部使用汉语或英语这样的自然语言。Stanford Encyclopedia of Philosophy：The Language of Thought Hypothesis

心理表征与行动

心理表征不是只供观察的内在档案。它还参与行动。

一个人接住飞来的球时，不必先写出关于速度、轨迹和手臂角度的命题，再开始运动。视觉系统、身体状态和动作控制会持续协调。此时起作用的表征可能更接近可行动性、方向、时间和运动准备，而不是完整的客观描述。

可以把表征与行动的关系写成一个循环：

感知当前处境
→ 表征与目标有关的对象和关系
→ 预测可能结果
→ 形成行动准备
→ 执行动作
→ 用反馈修正表征

这也说明，准确的表征不一定要求记录最多信息。对行动有用的表征，往往是恰当地选择了信息。例如，驾驶者需要知道前车是否正在逼近危险距离，不需要同时计算它表面每一处反光。

心理表征存在于哪里？

“心理表征在大脑中”是一个有方向但不够完整的回答，因为它仍然留下三个问题：

1. 哪些神经活动实现了这种表征？
2. 为什么这些活动具有特定内容？
3. 内容是否完全由个体内部状态决定？

神经科学可以寻找与知觉、记忆和决策相关的活动模式；计算理论可以说明系统怎样编码和转换信息；功能解释可以说明某个状态怎样参与识别、推理和控制。但从脑区被激活，不能直接推出它表示什么。

外在主义理论进一步主张，至少某些心理内容部分取决于主体与环境、语言共同体或历史之间的关系。两个内部状态相同的人，如果与世界建立了不同关系，它们的内容可能并不相同。

所以，“表征在哪里”不能只理解为空间定位。它也是一个关于实现方式、因果角色和内容来源的问题。

所有认知都需要内部表征吗？

传统认知科学常用“表征结构加处理过程”解释思维：系统形成内部状态，再对这些状态进行转换。这个框架对记忆、规划、推理和离线想象尤其有解释力。Stanford Encyclopedia of Philosophy：Cognitive Science

具身认知、生成论和生态取向则提出挑战：有些智能行为可能主要依赖身体与环境的实时耦合，不需要先建立一份详细的内部世界模型。人在熟悉环境中移动时，会利用可见线索、身体技能和外部工具，把一部分认知工作留在世界中。Stanford Encyclopedia of Philosophy：Embodied Cognition

争论不一定要求在“所有认知都有丰富内部表征”和“任何认知都没有表征”之间二选一。更有用的问题是：

• 哪类任务需要脱离当前环境思考？
• 哪类任务可以依靠实时感知和身体协调？
• 表征需要多详细，才能完成任务？
• 外部文字、图表和工具承担了多少表征工作？

对缺席对象的回忆、长期规划和反事实推演，很难只依靠当前环境；快速身体控制则可能不需要完整的内部描述。

心理表征与 AI 的内部表示

机器学习也使用“表示”这个词。模型会把词、图像和其他输入转换为向量与中间激活，并利用这些状态完成预测、生成或控制任务。

AI 的内部表示与人的心理表征有某些功能相似性：

• 都能保留输入中的部分关系；
• 都通过压缩和抽象支持分类与预测；
• 都可能遗漏信息或形成系统性错误；
• 都会因训练经验、任务和上下文而变化。

但不能因为两者都叫“representation”，就断定它们拥有相同的心理地位。AI 中间状态可以用计算和行为功能描述；人类心理表征还涉及主观经验、身体需要、长期记忆、自我、社会生活以及责任。模型内部出现可解释结构，也不自动证明模型具有意识、理解或第一人称体验。

因此，比较时应分开三个问题：

1. 结构问题：系统内部是否形成了可用于其他计算的状态？
2. 功能问题：这些状态能否稳定支持识别、推理和行动？
3. 心灵问题：这些状态是否构成有主体经验的心理内容？

前两个问题可以用模型分析和实验研究，第三个问题不能由向量相似性直接解决。

结论

心理表征不是现实在头脑中的缩小照片，也不是某个词在脑中的简单对应物。

它是心理系统能够关于对象、关系、事件和可能情境的基础机制之一：

世界或可能情境
→ 被选择、压缩和组织
→ 形成具有内容的心理状态
→ 参与记忆、推理、想象与行动
→ 根据现实反馈继续修正

心理表征使人能够摆脱眼前刺激，回忆过去、设想未来、理解他人并计划行动。它也使错误、偏见和虚假信念成为可能。

理解这个概念的关键，不是追问头脑里是否藏着一幅图片，而是连续问四件事：

它表示什么，由什么承载，以什么形式组织，又怎样进入认知和行动？

这四个问题共同构成了心理表征研究的主干。至于所有认知是否都依赖内部表征、内容是否完全存在于个体内部，以及人工系统的表示是否能成为心理内容，仍然是认知科学与心灵哲学中的开放问题。

参考资料

• APA Dictionary of Psychology：Mental Representation
• Stanford Encyclopedia of Philosophy：Mental Representation
• Stanford Encyclopedia of Philosophy：Intentionality
• Stanford Encyclopedia of Philosophy：Concepts
• Stanford Encyclopedia of Philosophy：The Language of Thought Hypothesis
• Stanford Encyclopedia of Philosophy：Cognitive Science
• Stanford Encyclopedia of Philosophy：Embodied Cognition

在企业语境中，可以先用两个工作定义建立边界：

产品是企业为特定使用者和使用情境组织起来、能够被交付、使用或交换的一组能力与体验。

品牌是围绕一个可识别来源，在利益相关者心中形成、并由企业持续行为不断更新的一组区别性认知、期待、联想与信任。

产品主要回答：人能够使用什么，使用后会发生什么变化？

品牌主要回答：谁提供、谁负责，人们在接触和使用前后可以对这个来源形成什么预期？

产品是价值交付系统，品牌是围绕可识别来源形成的预期与记忆系统。两者不是两个互不相干的企业部门：产品经验不断为品牌提供证据，品牌又影响产品被看见、被理解、被尝试和被评价的方式。

“品牌”是什么？

品牌最初必须让人识别来源，但它不会停留在识别层。名称、Logo、颜色、包装和声音让人认出一个来源；实际产品、服务、人员、价格、渠道、传播和公共行为，则持续告诉人们这个来源意味着什么。

因此，一个较完整的品牌包含四层：

1. 识别：这是来自谁的？
2. 区别：它和其他来源有什么可辨认的不同？
3. 预期：下一次接触它，大概会发生什么？
4. 关系与后果：人是否愿意相信、选择、支付、复购、推荐、加入或抵制？

ISO 20671和中国国家标准 GB/T 29185把品牌称为无形资产，定义中同时包括名称、用语、符号、形象、标识和设计等识别要素，以及它们在利益相关者意识中形成的独特印象和联想。这个定义比“品牌就是 Logo”更完整，但仍需进一步说明：品牌之所以成为资产，不在于符号本身，而在于这些符号能够稳定唤起某种预期，并影响未来行为。

品牌不只存在于消费者脑中

“品牌存在于消费者心智中”指出了一个重要事实：企业不能用内部文件直接决定公众怎样理解自己。但如果只说品牌在消费者脑中，又会忽略企业的身份选择、真实能力、制度权利和持续行动。

品牌更适合被理解为一种关系性社会对象：

• 企业选择名称、身份、定位和承诺；
• 产品与服务提供可以被体验的证据；
• 顾客、员工、渠道、媒体、投资者和监管者分别形成理解；
• 商标和其他法律制度确认一部分来源权利；
• 社会传播与时间把分散经历变成共同记忆；
• 这些认知再反过来影响企业的机会、成本和责任。

任何一方都无法独自构成完整品牌。企业可以管理输入和行为，却无法完全控制解释；公众能够重塑品牌，却不能随意取消企业真实提供过的东西和已经承担的法律责任。

品牌、商标、形象、声誉和品牌资产有什么区别？

美国专利商标局明确把 trademark 解释为识别商品或服务来源的词、短语、符号或设计，并提醒商标权与特定商品和服务相连，而不是对一个词在所有场景中的占有。世界知识产权组织也区分了商标的法律工具属性与品牌更广泛的商业和认知属性。

这一区分有一个直接后果：注册商标不能注册出信任，强烈声誉也不能自动代替权利登记。企业需要同时处理法律上的可保护性、认知上的区别性和行为上的可信度。

品牌为什么能产生经济作用？

任何购买都发生在信息不完全中。人不可能在每次选择前重新测试全部质量、比较全部替代品、调查整个企业。品牌能够把以往经验、他人评价和来源信息压缩成一个判断线索，降低搜索成本和感知风险。

当这种线索被反复证实时，品牌可能：

• 让产品更容易进入考虑范围；
• 降低新产品的解释与尝试成本；
• 在质量尚未完全可见时提供信任；
• 增加复购、推荐、合作和人才吸引；
• 支持一定的溢价或品类扩展。

但品牌不是质量保证的逻辑证明。它只是基于过去证据形成的未来预期。旧声誉可能滞后于现实，强传播也可能制造没有能力支持的预期。因此，品牌既是降低不确定性的工具，也可能成为遮蔽证据、放大偏见和操纵判断的工具。

“产品”是什么？

日常经营中，人们常把产品等同于“公司卖的东西”。这个说法过宽，也忽略了产品形成的条件。

产品不只是生产结果，而是围绕特定使用者和情境形成的可交付结构。它至少包括：

1. 谁会使用、购买、影响或承担后果；
2. 他处在什么情境，试图完成什么任务；
3. 企业承诺改变什么处境；
4. 哪些功能、内容、服务和流程共同完成交付；
5. 人怎样获得、理解、使用、付费、求助和退出；
6. 实际效果、成本、风险和外部性是什么。

一台设备是产品，一套持续运行的软件可以是产品，一项金融服务也可以作为市场提供物被管理成产品。产品的物质形态不是唯一标准；是否形成了稳定的使用对象、价值主张、交付结构和验证方式更关键。

为什么不同学科对产品的定义不一样？

美国市场营销协会采用宽口径：产品可以是观念、实体、服务或它们的组合，只要它能够进入交换或使用并帮助满足目标。这种定义适合讨论市场供给。

现行 ISO 9000:2026 质量管理体系则把产品和服务区分开。产品是组织能够在不发生组织与顾客之间交易的情况下生产出来的输出，通常以有形要素为主；服务至少包含一项必须发生在组织与顾客之间的活动，通常以无形体验为主。这种定义便于质量过程和交付责任的分类。中国现行 GB/T 19000—2016 仍承接 ISO 9000:2015 的质量管理术语体系，因此国内标准版本与国际标准最新版本需要分别标明。

互联网行业又经常把持续在线、不断更新的软件服务称为产品。这不是谁对谁错，而是分类目的不同。严肃讨论时需要说明采用哪一套边界，否则“服务是不是产品”会变成无意义的词语争执。

产品与功能、项目、技术、解决方案和商业模式的区别

把技术称作产品，容易跳过使用者和交付；把项目交付称作产品成功，容易跳过长期采用；把解决方案口号称作产品，容易跳过效果证据。

产品价值不是一个单一数值

至少要区分四层价值：

交换价值

是否有人愿意在特定价格、渠道和条件下交易。它证明交换发生，不证明长期使用结果。

使用价值

产品进入真实情境后，是否让人完成任务、节省成本、获得体验或改变处境。企业能够提出价值主张并提供实现条件，价值往往要在使用中完成。

企业价值

产品是否形成收入、学习、技术能力、渠道能力、数据、规模效应或战略位置。一个对用户有用的产品也可能无法支持可持续经营。

社会价值与代价

交易之外的人是否承担隐私、环境、劳动、安全、注意力或制度成本。一个有利润、有人使用的产品，仍可能在更大范围内造成净损害。

因此，“卖得出去”“用户多”“留存高”“用户喜欢”和“产品是好的”不是同一命题。每一步都需要补充评价标准和因果证据。

产品在哲学上是什么？

产品首先是人为目的组织起来的对象或系统。技术哲学把人工物理解为同时具有结构属性和功能属性：它由什么组成，以及它被设计和实际用来做什么。

只看结构，无法解释为什么相同材料构成的是手机而不是一堆零件；只看设计意图，又无法解释用户改造、误用和社会制度怎样改变它的功能。产品身份由材料或代码、设计目的、真实使用、组织维护和社会规则共同维持。

数字产品让这个问题更明显。一个平台可能同时是软件、服务、市场、规则系统和公共交流空间。它不是发布后完成的物件，而是被持续维护、更新和治理的社会技术系统。

产品什么时候还是“同一个产品”？

软件版本、配方、界面、价格和目标用户都可能变化。产品同一性通常由多种连续性共同维持：名称与来源、核心任务、用户关系、数据与兼容性、主要能力、组织承诺和历史叙事。

如果一个产品只保留原名，核心用途、用户、能力与责任都已经改变，称它为同一个产品更多是一种品牌和制度选择，而不是物理事实。

品牌与产品是什么关系？

二者构成一个持续反馈关系：

品牌形成先验预期
       ↓
影响产品被注意、理解、尝试和容忍的方式
       ↓
产品在真实使用中交付结果
       ↓
实际体验确认、修正或推翻原有预期
       ↓
新的记忆、评价和传播进入品牌

产品为品牌提供可体验的事实，品牌把分散经验压缩成对未来的预期。品牌能为新产品借出信任，却不能永久替弱产品偿还体验债务；好产品能让用户满意，却不一定让人记住来源、理解区别或形成跨产品信任。

好产品为什么不自动成为强品牌？

可能因为来源没有被识别，差异无法被表达，产品只在狭窄渠道中被动使用，体验无法迁移到下一次选择，或者产品提供的价值很容易被视为品类标准。用户可以满意，却不知道该把满意归给谁。

强品牌为什么可以暂时承载弱产品？

既有认知会提高尝试率、容忍度和解释善意，人们可能把一次失败视为例外。但如果承诺和经验反复不一致，信任会被消耗；强品牌还可能放大失望，因为它事先建立了更高预期。

品牌能否脱离产品存在？

服务企业、平台、机构和个人品牌不一定以传统实物为中心，但仍需要某种可体验的行为、服务、内容、关系或结果作为证据。完全不提供可验证经验的品牌，只能依靠传播维持表面认知，难以形成稳定信任。

四种企业状态

“强”和“弱”都必须由证据限定。产品强可能指可靠、有效、易用或经济可持续；品牌强可能指高知名度、独特性、信任、偏好或经济影响。不同指标不能混为一个总分。

企业品牌与产品品牌怎样选择？

企业品牌以组织为来源，向顾客、员工、合作方、资本和社会同时形成预期。产品品牌围绕一项具体提供物或产品族形成预期。

采用统一企业品牌时，新产品可以继承已有知名度和信任，传播也更集中；相应地，单个产品事故更容易传导至整个组织。采用独立产品品牌时，不同品类可以建立各自意义，风险认知也较隔离；代价是每个品牌都需要单独积累识别和信任。

这不是纯粹的命名问题，而是企业希望怎样分配信任、资源与责任。

法律、管理和会计为什么不能混在一起？

企业常说“品牌是一项最重要的资产”，这在管理上可以成立，却不能直接推出它能以某个金额出现在资产负债表上。

• 法律问题：名称和标识受到什么权利保护，在哪些商品、服务和地域有效？
• 管理问题：品牌目前具有怎样的识别、联想、信任和行为作用？
• 估值问题：在交易、许可、诉讼或管理目的下，未来收益的货币价值怎样估算？
• 会计问题：是否满足可辨认、控制、可靠计量等确认条件？

IAS 38明确规定，内部生成的品牌通常不能确认为无形资产，因为相关支出难以与整体业务发展和内部商誉区分。企业收购中识别出的品牌则可能按相应规则单独计量。管理语言中的“资产”、估值报告里的“价值”和会计报表中的“资产”，属于不同判断制度。

两个概念背后的哲学问题

存在：它们是物，还是关系？

产品通常有某种可交付结构，品牌则更明显地依赖共同认知和制度。两者都不能只从物理材料中得到完整解释：产品依赖功能和使用，品牌依赖识别、记忆和社会承认。

认识：企业和顾客怎样知道价值？

企业对需求的理解、顾客对品牌的信任、投资者对未来的估计，都属于不确定条件下的判断。品牌提供启发式线索，产品使用提供更直接证据；两者都可能受选择偏差、宣传、锁定和历史惯性影响。

价值：付费能证明什么？

付费证明某次交换在给定条件下发生。它不自动证明产品改善了处境，也不证明价格公平、外部性可接受或品牌值得信任。价值判断必须说明主体、时间范围和代价承担者。

身份：变化之后是否还是同一个？

品牌可能跨越几代产品继续存在，产品也可能在持续更新中保留同一名称。身份来自物理、功能、关系、制度和叙事连续性的组合，没有一个指标能解决全部案例。

权力：谁定义问题和选择？

企业可以通过产品结构限制行为，通过品牌叙事塑造问题的解释框架。好的设计减少理解和行动成本；操纵性设计可能制造依赖、隐藏代价或把企业利益伪装成用户利益。

责任：承诺和后果由谁承担？

品牌让来源可追溯，产品让后果真实发生。企业不能只为传播内容负责，而把产品结构、供应链、数据使用和社会后果排除在品牌责任之外。

这两个概念预设哪些“观”？

• 企业观：企业是组织能力、持续交付并承担责任的关系系统，不只是制造和销售单位。
• 人的观念：用户是有目标、限制和解释能力的主体，不是需求容器或流量数字。
• 认识论：品牌和产品判断都要基于分层证据；知名、上线、使用、收入、满意和长期价值不能互相替代。
• 价值观：市场成功是一类事实，不自动等于人的处境得到改善或企业行为正当。
• 技术观：技术提供能力，产品把能力嵌入实际行动；能力本身不决定用途和伦理。
• 时间观：产品通过迭代更新，品牌通过重复经验积累；两者都有路径依赖和遗留责任。
• 社会观：价值与意义由企业、使用者、员工、伙伴、规则和文化共同形成。
• 伦理观：企业获得注意、信任和收入时，也承担信息真实、风险分配、可退出性和外部性责任。

企业怎样分别判断品牌和产品？

判断产品

1. 为谁服务，发生在什么真实情境？
2. 使用者试图完成什么，现有替代方式是什么？
3. 产品承诺产生什么具体变化？
4. 哪些能力、服务和流程共同交付？
5. 使用者能否获得、理解、使用、求助和退出？
6. 有什么证据证明实际结果，而不只是功能上线？
7. 交付成本、风险和外部性由谁承担？

判断品牌

1. 谁是需要被识别和追责的来源？
2. 哪些利益相关者在什么情境下需要认出它？
3. 他们现在想到什么，期待什么，相信什么？
4. 企业想建立的区别是否由真实能力支持？
5. 产品、服务、人员和公共行为是否持续一致？
6. 认知是否实际影响选择、忠诚、合作或抵制？
7. 商标权利、品牌评价、估值和会计确认分别成立到哪一层？

常见错误

1. 先做 Logo 和口号，再寻找品牌要代表的真实区别；
2. 用传播曝光代替品牌认知，用知名度代替信任；
3. 用功能数量代替产品结果，用发布代替采用；
4. 把收入全部归因于品牌，忽略产品、渠道、供给和锁定；
5. 把好产品自动等同于强品牌，忽略来源识别和经验归因；
6. 把服务、支持和退出体验排除在产品之外；
7. 把商标注册、品牌估值和会计资产当成同一件事；
8. 把企业想表达的身份，当成公众已经形成的形象；
9. 只研究购买者，忽略使用者、员工、合作方和承担外部性的人；
10. 把缺失证据记为零或成功，把一次指标变化解释成因果证明。

结论

品牌和产品的边界，不是“虚的”和“实的”之间的边界。产品也包含功能意图、服务流程和使用关系；品牌也通过法律、行为和经济后果真实存在。

更准确的区别是：

产品组织能力，让价值能够在使用中发生；品牌组织识别、预期和记忆，让一个来源能够在不确定环境中被理解、选择并追责。

企业先要用产品提供经得起使用的事实，再让这些事实稳定地归属于一个可识别来源。品牌能够放大产品证据，却不能永久代替产品；产品能够兑现价值，却不自动保证来源被记住和信任。

两者共同构成企业与社会的长期关系：产品决定企业实际让什么发生，品牌记录人们因此相信这家企业以后还会让什么发生。

参考

• GB/T 29185—2021《品牌 术语》
• ISO 20671-1:2021 Brand evaluation — Fundamentals and framework
• American Marketing Association: Brand and Branding
• American Marketing Association: What is Marketing?
• WIPO: Branding in the Global Economy, Chapter 1
• WIPO: The Economics of Trademarks and Brands
• USPTO: What is a trademark?
• 中华人民共和国商标法
• IAS 38 Intangible Assets
• GB/T 19000—2016《质量管理体系 基础和术语》
• ISO 9000:2026 Quality management — Fundamentals and vocabulary
• Stanford Encyclopedia of Philosophy: Artifact
• Stanford Encyclopedia of Philosophy: Social Ontology
• Etymonline: brand
• Etymonline: product

词源说明

英语 brand 与古英语、古诺斯语中表示燃烧、火把或烙印的词相关，后来用于指示所有权和来源的烙印，再扩展为商业上的来源识别以及围绕来源形成的整体认知。英语 product 来自拉丁语 producere 和 productum 所表示的“带出、产生、生产的结果”，后来成为商业与经济中的供给概念。

这些英语词史说明英语概念的演变，不能直接充当中文“品牌”和“产品”的词源。“品牌”和“产品”作为现代中文专业术语的确切形成、早期用例和传播路径，目前没有足够一手证据，暂标待考；中文现代专业义与英语营销、质量管理和国际标准体系密切相连，但这不等于已经证明了逐词翻译关系。

观点、事实和立场经常被放在同一句话里，例如“不要只讲立场，要尊重事实”“这只是你的观点”。但三者不是同一种东西，也不是从低到高或从主观到客观的三个等级。

可以先用一条关系链理解：

现实中存在或发生某种情形
            ↓
人通过证据形成对它的描述与解释
            ↓
观点在特定价值、角色和责任中形成
            ↓
立场影响人关注什么、接受什么理由以及怎样行动
            ↓
行动产生新事实，新事实反过来修正观点与立场

这条链不是单向流水线。立场会影响人最初选择观察什么，已有观点也会影响证据解释；但这种影响不等于事实由立场创造，也不等于所有观点同样可靠。

一、事实

事实是什么？

日常语言中的事实，是事情的真实情形。教育部《国语辞典简编本》直接释为“事情的真实情形”；《重编国语辞典修订本》还列出《韩非子·存韩》和《史记·老子韩非列传》的早期书证。因此，“事实”是有古代中文用例的本土词，不需要先从英文 fact 才能理解。教育部《国语辞典简编本》：事实、教育部《重编国语辞典修订本》：事实

哲学中，“事实”至少有两种常见理解：

1. 真实成立的事态：例如“杯子在桌上”这一实际情形；
2. 真实的命题或陈述内容：例如“杯子在桌上”这个为真的命题。

哲学家并不一致同意事实究竟是哪一种。主要理论把事实理解为真的真值承担者、已经成立的事态，或由对象、属性与关系构成的一类特殊实体。Stanford Encyclopedia of Philosophy：Facts

为实际分析，可以采用一个不预设完整本体论的工作定义：

事实是实际成立的情形；事实陈述是声称某种情形实际成立的命题。

这样可以避免把世界本身与描述世界的句子完全混在一起。

事实、陈述、真理、数据与证据

数据不自动等于事实。传感器可能故障，表格可能录错，样本也可能偏斜。数据只有经过来源、测量、语境和推理的检查，才成为某项事实判断的证据。

证据也不等于结论。同一证据可能支持多个解释；证据能够支持到什么程度，取决于候选解释、背景知识和推理方法。

已发生的事实与已确认的事实

事实是否成立，与人是否已经知道它，是两个问题。

某事确实发生
≠ 已有人观察到
≠ 已留下可靠记录
≠ 已被共同确认
≠ 已能完整解释原因

一个事实可能尚未被发现；一个被广泛相信的说法也可能不是事实。因此，“大家都认为如此”最多是关于群体信念的事实，不能自动证明被相信的内容为真。

在科学、历史和司法中，人通常只能通过规则化证据认定事实。这里的“已认定事实”表示在当前材料、程序和标准下被接受的结论，不表示认识永远不会修正。

观察带有视角，是否意味着没有客观事实？

观察依赖概念、仪器和选择。例如温度读数依赖温标、仪器校准、测量位置与时间。哲学科学中的“理论负载”讨论说明，数据并不是世界不经任何中介直接说话。Stanford Encyclopedia of Philosophy：Theory and Observation in Science

但由此不能推出“事实只是观点”。更合理的结论是：

• 现实对判断施加约束；错误测量不会改变真实温度；
• 人对现实的认识需要概念、证据和方法；
• 客观性不是没有任何视角，而是让观察接受校准、复核、反例、公开方法和不同视角的检验。

事实不是什么？

• 不是“我亲眼看见的，所以一定没有错”；
• 不是多数人同意的说法；
• 不是未经核验的数字、截图或转述；
• 不是对事实的原因解释；
• 不是从事实直接推出的价值结论；
• 不是完整现实。一个真实事实也可能因为遗漏背景而造成误导。

二、观点

观点是什么？

教育部《重编国语辞典修订本》把“观点”解释为研究、分析或批评问题与事象时所依据的立场或角度。教育部《重编国语辞典修订本》：观点

日常语言中，“观点”还常指一个人形成并表达出来的看法或主张。结合这两种用法，可以给出工作定义：

观点是主体从某个角度，对对象作出的描述、解释、评价或规范判断。

观点不是头脑中任意飘过的念头。一个可讨论的观点至少包括：

主体：谁持有？
对象：在谈什么？
内容：具体主张是什么？
类型：描述、解释、评价，还是规范？
理由：依据什么证据和价值？
范围：在什么条件下成立？
确信度：断定、倾向，还是暂时假设？

观点有不同类型

1. 描述性观点

声称世界是什么样，例如“远程办公提高了这个团队的交付效率”。它可以被数据支持或反驳，但需要说明团队、时间、效率指标和比较基线。

2. 解释性观点

声称某件事为什么发生，例如“交付效率提高，主要因为会议减少”。事实是效率和会议时间发生了变化；“主要因为”则是因果解释，需要额外证据。

3. 评价性观点

判断对象好坏、重要与否，例如“这种工作方式更健康”。它需要事实材料，也包含对健康、自由、效率或关系的价值权衡。

4. 规范性观点

主张应当怎样，例如“公司应该允许员工选择远程办公”。事实能够说明后果和条件，但“应该”还依赖公平、权利、效率或责任等规范前提。

同一句话可能混合多种类型。“这是一次失败的改革”既可能包含结果描述，也包含因果解释、评价标准和责任判断。分析时要拆开。

“这只是你的观点”为什么不够？

把一个说法称为观点，只说明它由某个主体提出，不决定它是否正确。

观点可能：

• 与事实相符或相冲突；
• 证据充分或薄弱；
• 推理有效或跳跃；
• 价值前提透明或隐藏；
• 范围清楚或过度概括；
• 能被反例修正，或被设计成无法检验。

所以，评价观点不能只问“是不是个人看法”，而要问它属于哪种主张、证据是什么、推理怎样、价值前提是什么。

观点能否成为事实？

这里要区分两个命题：

甲认为这项政策不公平。
这项政策不公平。

如果有可靠记录，“甲持有这种观点”可以成为关于甲的事实；但这并不自动证明政策确实不公平。第二句仍需要说明公平标准、相关事实和论证。

类似地，“我感到疼痛”既是第一人称体验的表达，也可能被当作关于心理状态的事实主张。第一人称拥有特殊的信息位置，却不意味着自我报告在所有情况下都绝不会错。

观点不是什么？

• 不等于事实的反面；有些观点正是在陈述事实；
• 不等于立场；观点是具体主张，立场是形成判断与行动的较稳定位置；
• 不等于情绪；情绪可以影响或成为观点的理由，但二者逻辑类型不同；
• 不等于论证；观点是结论或主张，论证是支持它的理由结构；
• 不因“人人有权表达”便获得同等可信度。

三、立场

立场是什么？

教育部《重编国语辞典修订本》把“立场”解释为批评、观察或研究问题时所处的地位和所保持的态度。教育部《重编国语辞典修订本》：立场

这里同时包含两个部分：

1. 所处的位置：角色、利益关系、经验、知识条件、权力与责任；
2. 所持的取向：价值优先级、原则承诺、风险态度和行动方向。

因此可以把立场定义为：

立场是主体在某个问题关系中所处的位置，以及由该位置、价值和责任形成的判断与行动取向。

立场由什么组成？

社会或制度位置：员工、管理者、消费者、研究者、当事人
认识位置：知道什么、看不到什么、拥有何种经验与方法
利益关系：哪些结果会由自己或他人承担
价值承诺：优先自由、公平、安全、效率，还是其他价值
责任范围：对谁负责，承担什么义务
行动取向：支持、反对、中立、观望或提出条件

这些要素不必总是方向一致。一个管理者可能因职位重视效率，因伦理承诺重视员工权益，又因证据不足而暂缓结论。立场不是由身份标签机械决定的。

立场与角度、态度、利益有什么区别？

立场会不会让知识失去客观性？

立场会改变可见性。汽车维修人员由于实践角色，可能比普通车主更容易识别故障；长期承受某项制度后果的人，也可能看到制度设计者忽略的经验。

立场认识论进一步提出，某些社会位置在特定问题上可能产生认识优势。但一个完整主张必须说明：哪种位置、对哪个问题、凭什么形成优势、优势属于准确性还是问题发现，以及相对于谁更有优势。处在某个位置本身既不是知识的充分条件，也不是对全部问题的普遍特权。Stanford Encyclopedia of Philosophy：Feminist Epistemology and Philosophy of Science

所以应同时避免两个错误：

• 假装没有立场：把自己的选择、价值和利益包装成唯一自然的看法；
• 用立场代替论证：因为自己属于某个群体，便认为具体主张无须证据和推理。

说明立场的作用，是让判断条件更透明，而不是宣布事实由身份决定。

中立是不是没有立场？

中立通常也是一种立场。它可能表示：

• 当前证据不足，因此暂缓判断；
• 对冲突双方适用同一规则；
• 角色要求不偏向任何一方；
• 不愿承担选择成本；
• 默许现有安排继续运行。

这些含义的理由和后果不同。“我保持中立”不能自动证明公平，也不能自动证明逃避责任；必须继续问中立针对什么、采用何种规则、会维持什么结果。

立场不是什么？

• 不等于偏见；立场可能被反思、公开并接受证据约束；
• 不等于身份标签；身份不能替代具体价值和理由；
• 不等于利益计算；人能够依据原则反对自身利益；
• 不等于事实真假；同一事实可以被不同立场承认；
• 不等于永远不变的阵营；新事实、责任变化和价值反思都可能改变立场。

四、三者怎样发生关系

同一事件中的三个层次

假设一家企业宣布裁员 20%。

事实层

• 企业是否真的宣布裁员？
• 20% 的分母是全部员工、某个部门，还是某个地区？
• 时间范围是什么？
• 实际完成多少，补偿和岗位变化如何？

这些问题需要公告、人员记录、时间范围和统计口径。

观点层

• “裁员是公司应对现金流压力的必要措施。”
• “裁员主要源于此前扩张错误。”
• “裁员会损害长期组织能力。”

这些是因果、预测或评价性观点。它们可以共享同一组基础事实，却因模型、时间尺度和价值标准不同而产生分歧。

立场层

• 管理层可能优先考虑公司存续和投资人责任；
• 员工代表可能优先考虑程序公平与受影响者保障；
• 债权人可能优先考虑偿付能力；
• 公共管理者可能考虑就业与地区影响。

这些位置影响问题优先级和行动要求，但不能允许任何一方捏造人数或省略关键口径。

三者不是彼此隔绝的

1. 事实约束观点：观点若与可靠事实冲突，应当修改或放弃。
2. 观点组织事实：现实包含无数细节，观点选择哪些事实相关，并提出解释关系。
3. 立场影响选择：角色、价值和利益会影响关注的问题、证据门槛与行动建议。
4. 事实检验立场后果：一种立场宣称保护某种价值，实际行动是否做到，需要结果事实检验。
5. 反思可以改变立场：人发现旧立场持续产生无法接受的后果时，可以调整价值排序或责任理解。

为什么“只讲事实，不讲立场”仍可能误导？

事实本身不虚假，选择却可能有方向。只报告“本季度利润增加”，不报告负债、裁员和一次性收益，前一句可能完全为真，整体表达仍会误导。

这说明必须区分：

单个陈述是否真实
整体材料是否完整
选择这些材料的理由是什么
这些材料能否支持给出的结论

承认选择存在，不是放弃事实，而是要求选择规则公开并可质疑。

为什么“立场不同，所以没有事实”同样错误？

不同立场可能造成：

• 关注不同事实；
• 对同一风险赋予不同权重；
• 使用不同解释模型；
• 提出不同规范主张。

但如果双方对日期、人数、文本内容或测量结果提出互相矛盾的事实陈述，不能仅以“立场不同”结束讨论。仍需检查来源、定义、方法和证据。

五、一套实际可用的分析方法

面对一句话，先不要急着贴“事实”或“观点”的标签，可以依次检查：

1. 把句子拆成最小主张

“这个产品因为团队傲慢而彻底失败了”至少包含销量或使用结果、因果解释、人格归因和“失败”的评价标准。

2. 判断主张类型

• 描述：发生了什么？
• 因果：为什么发生？
• 预测：之后会怎样？
• 评价：好坏、成败、重要与否？
• 规范：应该怎样？
• 行动：准备支持或反对什么？

3. 补齐事实口径

对象、时间、地点、单位、分母、来源、测量方法和版本是否明确？

4. 分开证据与推断

哪些材料被直接观察或记录，哪些是从材料推出的解释？有没有其他解释同样符合证据？

5. 说出立场

主体处在什么角色？谁承担收益和损失？优先保护什么价值？对谁负有责任？

6. 检查论证

事实是否真的支持观点？中间是否缺少因果或价值前提？结论是否超出证据范围？

7. 寻找修正条件

什么新事实会改变观点？什么后果会使人重新考虑立场？如果没有任何可能的修正条件，这个主张更像身份宣告，而不是开放的判断。

可以把表达整理为：

目前可确认的事实是……；我据此形成的观点是……；这个判断依赖……理由；我所处的立场与优先价值是……；若出现……证据，我会修改判断。

结论

事实说明实际成立什么；观点说明主体怎样描述、解释或评价它；立场说明主体从何种位置、价值和责任出发判断与行动。

事实不是不需要证据的“客观标签”，观点不是免于检验的“个人自由”，立场也不是决定真假的身份通行证。

成熟的讨论不是消灭观点和立场，而是让三层各自清楚：

事实接受证据核验
观点接受逻辑与反例检验
立场接受价值、责任和后果检验

来源

• 教育部《国语辞典简编本》：事实
• 教育部《重编国语辞典修订本》：事实
• 教育部《重编国语辞典修订本》：观点
• 教育部《重编国语辞典修订本》：立场
• Stanford Encyclopedia of Philosophy：Facts
• Stanford Encyclopedia of Philosophy：Theory and Observation in Science
• Stanford Encyclopedia of Philosophy：Scientific Objectivity
• Stanford Encyclopedia of Philosophy：Feminist Epistemology and Philosophy of Science

在这次讨论中，三者不是并列的企业概念：

• 用户意图位于需求侧：用户打算改变什么处境、完成什么行动；
• 产品位于供给侧：企业用什么能力和体验回应这种处境；
• 品牌位于供给侧与认知连接处：它帮助用户识别提供者、理解区别、建立预期并降低选择风险。

严格地说，企业才是供给主体，产品是企业提供的价值载体，品牌是围绕这个来源形成的识别与预期系统。品牌本身不会完成用户任务，产品才进入使用并产生结果。

三个概念的关系是：

用户意图提出行动方向，产品提供实现方向的能力，品牌帮助用户在不确定环境中发现、识别和判断这种能力。

真正的问题因而不是品牌和产品能否一次“读懂”用户，而是供需双方能否通过表达、发现、使用和反馈，逐步形成足够好的匹配。

需求、欲望、需求量、目标和意图不是同一个概念

用户自己找不到“真实意图”，企业也抓不准需求，常常不是因为缺少更多数据，而是因为一开始就把几个层次混在一起。

“用户说想要一个按钮”可能只是方案表达，不是底层需要；“用户点击了购买”是行为，不足以证明长期满意；“用户需要专注”也还没有形成行动意图。企业必须知道自己正在匹配哪一层。

用户是否存在一个唯一的“真实意图”？

有时存在比较稳定、可以清楚表达的意图，例如“我要订明天去上海的火车票”。此时产品主要需要准确理解条件并完成任务。

另一些情境中，所谓真实意图并不是藏在内心深处、等待被准确读取的固定答案：

• 用户同时具有互相冲突的意图，例如既想保持联系，又想减少社交干扰；
• 用户知道不满意，却还不知道希望怎样改变；
• 用户表达的是熟悉方案，而不是最终目标；
• 用户的意图会因信息、成本、产品体验和社会情境变化；
• 用户可能事后才理解自己为什么选择；
• 长期价值与即时冲动可能指向不同方向。

所以，“真实意图”至少有三种含义：

1. 当下行动意图：此刻准备做什么；
2. 反思后认可的意图：了解信息、代价和后果后，仍愿意认领什么；
3. 更深层需要的行动表达：这项行动是否真正回应了造成困扰的处境。

这三者可能不一致。用户能够逐渐澄清意图，但不能保证通过一次自省找到一个永恒不变的答案。意图既可以被发现，也会在比较、尝试、承诺和行动中形成。

更合适的问题不是“这是不是我唯一真实的意图”，而是：

在我当前的处境、信息和价值约束下，这是不是一个经过反思、愿意承担后果、并能指导行动的意图？

品牌方能否抓住用户需求？

可以提高理解的准确性，不能获得绝对确定性。

企业接触到的是证据：访谈、搜索、投诉、客服记录、购买、使用、放弃、替代方案和情境观察。它需要从这些证据推断用户的需要与意图。这个过程与此前讨论的大模型意图识别相似：都是从可见信号比较多个候选解释，而不是直接读取内心。

用户说了什么

访谈和问卷能够获得用户的语言、理由与自我理解，但会受记忆、表达能力、社会期待和问题设计影响。

用户做了什么

点击、购买、留存和流失能够证明行为发生，却不能单独说明行为原因。购买可能源于需求，也可能源于促销、惯性、没有替代品或误解。

用户处在什么情境

观察目标、任务、资源以及技术、社会和组织环境，通常比孤立收集“想要什么功能”更接近问题结构。ISO 9241 的人本设计框架也把用户、目标、任务、资源和环境共同放进使用情境。

什么随着时间保持稳定

一次表达可能是临时偏好，反复出现的障碍、替代行为和付出成本更能说明需求强度。企业还要研究当前需求和未来需求，而不是只响应现有功能请求。市场导向研究把企业能力概括为：生成市场信息、在组织内传播理解，并作出响应。

因此，所谓“抓住需求”实际包含四种能力：

1. 从用户语言和行为中形成多个需求假设；
2. 区分表层方案请求与底层处境；
3. 在不同用户、时间和情境中验证；
4. 把理解传入产品、品牌、渠道和服务，并根据结果修正。

企业怎样构建满足需求的产品？

需求洞察不会自动变成产品。中间至少经过六次转换：

用户处境
  ↓ 解释
需求假设
  ↓ 选择
目标用户与价值主张
  ↓ 设计
产品能力与使用流程
  ↓ 交付
真实使用体验
  ↓ 测量
结果与代价
  ↓ 学习
修正需求和产品假设

每一步都可能失真：

• 企业理解了问题，却选择了错误人群；
• 找到了需要，却提供了用户无法理解的方案；
• 产品功能有效，但获取成本、价格或风险不可接受；
• 产品解决即时问题，却制造更大的长期问题；
• 使用者获得价值，购买者却没有购买理由；
• 平均用户得到改善，一部分用户却承担严重伤害。

产品匹配不能只看“有没有这个功能”。至少要同时检查：

1. 问题匹配：它解决的是用户真实处境中的问题吗？
2. 功能匹配：产品能力能造成需要的变化吗？
3. 情境匹配：在用户实际时间、环境、能力和流程中能用吗？
4. 认知匹配：用户能理解它是什么、为何相关、怎样使用吗？
5. 经济匹配：价格、获得成本、学习成本和退出成本可以接受吗？
6. 价值匹配：产品方式与用户身份、价值和长期利益相容吗？
7. 信任匹配：用户相信提供者会兑现，并合理处理风险吗？
8. 结果匹配：真实使用是否改善目标，而不只是产生点击和停留？

只有这些层面达到“足够好”，产品才与特定用户、特定情境和特定时间形成匹配。不存在脱离对象和场景的抽象“满足全部需求”。

品牌在匹配中承担什么作用？

产品解决“能不能做到”，品牌主要解决“用户能不能发现、理解并相信”。

帮助用户找到相关类别

品牌通过命名、定位、语言和使用情境告诉用户：这项提供物和哪类问题有关。用户若无法把品牌与自己的处境连接起来，即使产品有能力，也不会进入考虑范围。

降低识别和搜索成本

用户无法逐项验证所有产品。品牌把来源、过去体验和他人评价压缩为判断线索，使选择更快。但这种线索只是概率性预期，不能代替当前产品证据。

形成可检验的价值主张

好的品牌表达应帮助用户判断：这是为谁、在什么情境、解决什么问题、为什么与替代品不同。表达越明确，越容易被实际产品证实或证伪。

让经验归属于明确来源

如果用户获得价值，却不知道是谁提供、为何有效，产品可能成功，品牌资产却没有形成。来源识别让一次经验能够进入下一次选择。

承担承诺和追责

品牌把多个产品和行为连接到同一来源。用户因此能够累积信任，也能够在承诺落空时追责。

品牌不会直接创造底层需要，但会命名、突出和解释某些需要。它可以帮助用户理解模糊处境，也可能为了交易，把正常不安重新包装成必须消费才能解决的缺陷。因此品牌既具有发现价值，也具有塑造和操纵欲望的能力。

用户怎样找到自己的意图？

用户自我理解也需要一个循环，而不是等待内省给出一次性答案：

感到问题或吸引
      ↓
描述当前处境
      ↓
区分需要、欲望、目标和现成方案
      ↓
形成暂时意图
      ↓
比较品牌承诺与产品能力
      ↓
低成本尝试并观察结果
      ↓
保留、修改或放弃原意图

可以依次问：

1. 我现在具体遇到了什么，而不是先想买什么？
2. 我希望什么状态发生变化？
3. 这是我的目标，还是别人提供给我的目标？
4. 我想要的是结果，还是已经提前锁定某一种方案？
5. 如果没有这个品牌或产品，我仍会想解决这个问题吗？
6. 我愿意承担哪些金钱、时间、数据和机会成本？
7. 使用之后，处境真的改善了吗？
8. 了解长期后果后，我仍认可这项选择吗？

这不是寻找一个完全纯粹、不受社会影响的内心答案。人的语言、欲望和选择本来就会受到文化、他人和市场影响。关键是让影响变得可反思，让用户有比较、试用、拒绝和退出的能力。

双向匹配模型

供给侧与需求侧各自存在一个学习循环。

企业的循环

观察用户处境
→ 提出需求假设
→ 建造最小可验证产品
→ 观察实际使用和结果
→ 修正产品与品牌表达

用户的循环

感知自己的处境
→ 形成暂时意图
→ 发现并比较提供物
→ 使用和承担结果
→ 修正自我理解与选择

两个循环在四个接触点发生匹配：

1. 表达匹配：用户能否说清问题，品牌能否用用户理解的语言回应；
2. 发现匹配：有相关需要的人能否在正确时间找到产品；
3. 使用匹配：产品是否进入真实情境并产生价值；
4. 学习匹配：双方是否能从成功、失败、误用和退出中修正判断。

匹配不是企业单方面把产品推给用户，也不是用户先拥有完整需求说明书。它是双方在不完全知识下，通过证据逐步校准的过程。

为什么匹配经常失败？

把用户说出的方案当成需求

用户说“我要更多提醒”，底层问题可能是害怕遗漏，也可能是任务系统失控。直接增加提醒可能加剧干扰。

把行为当成意图

高点击可能来自误导性标题，高停留可能来自操作困难，无法直接证明用户想要更多内容。

把平均数据当成所有用户

不同人可能用同一产品满足完全不同的意图。平均指标会掩盖细分情境和少数人的严重损失。

品牌表达过宽

“适合所有人”“解决一切问题”的品牌承诺无法帮助用户判断相关性，也无法被清楚验证。

产品满足即时冲动，损害长期意图

用户当下想获得刺激，长期又想保持注意力和健康。企业若只优化即时行为，可能获得增长，却破坏用户反思后认可的目标。

企业只有洞察，没有组织响应

研究部门理解了需求，如果信息没有进入产品决策、资源配置和服务流程，需求洞察仍不会变成价值。市场导向不是“听见用户”，而是全组织形成信息、共享理解并作出响应。Kohli 与 Jaworski 的市场导向研究

用户没有真实选择条件

锁定、信息不透明、默认授权和缺少替代品，都可能让使用行为失去表达偏好的意义。此时“用户选择了”不能承担完整的正当化作用。

企业能否创造需求？

企业可以创造新的解决方式、使用习惯、类别语言和具体欲望，也可以让原本模糊的需要变得可见。但“创造需求”需要区分：

• 发现原有但未被满足的需要；
• 提供过去不存在的实现能力；
• 通过教育让用户理解新的可能；
• 借助身份、焦虑和社会比较制造具体欲望；
• 设计依赖，让产品自身不断制造继续使用的需求。

这些行为在伦理上并不相同。判断标准不是需求是否由企业影响，而是用户是否获得真实能力、是否理解代价、能否拒绝和退出，以及长期结果是否符合其反思后仍认可的利益。

最终判断

品牌方能否抓住用户需求？

能够形成越来越可靠的需求假设，不能完全读取所有人的真实需要。有效做法是组合语言、行为、情境和长期结果证据，覆盖信息生成、组织共享、产品响应与持续验证。

企业能否构建满足需求的产品？

能够在特定用户、情境、价格和时间条件下形成足够好的匹配，不能一次性证明永久满足。产品需要通过真实使用结果验证，并允许失败证据修正原有判断。

用户能否找到自己的真实意图？

用户能够通过描述处境、区分目标与方案、比较选择、实际尝试和反思后果，形成更清楚、更愿意认领的意图。但不一定存在一个固定、纯粹、等待被发现的唯一真实意图。

结论

品牌、产品与用户意图之间的契合不是一次命中，而是双向认识和反复校准：

用户从模糊处境走向可行动的意图；企业从不完整证据形成需求假设；产品让假设接受真实使用检验；品牌帮助双方发现彼此、形成预期并保存经验。

最好的匹配，不是企业最准确地操纵了用户行为，而是：

• 用户能够更清楚地理解自己；
• 产品确实改善了具体处境；
• 品牌表达与产品事实保持一致；
• 双方都能根据结果修正判断；
• 用户始终保有知情、比较、拒绝和退出的能力。

参考

• 需求是什么？从人的缺口到产品与市场
• 意图是什么？从行动、目的到责任
• 品牌与产品：企业怎样交付价值，又怎样形成预期
• AI 能断定用户的真实意图吗？
• American Marketing Association: Definition of Marketing and Marketing Research
• ISO 9241-210:2019 Human-centred design for interactive systems
• ISO 9241-115:2024 Context of use, user needs and conceptual design
• Kohli & Jaworski, 1990: Market Orientation
• Stanford Encyclopedia of Philosophy: Intention

专题：思维、意图与行动（1/4） 本文解释人的思维怎样形成理解、判断与行动。下一篇：AI 如何推理并行动？

思维是什么？

“思维”同时指向一种心理活动、一组能力、一个正在进行的过程，以及这个过程形成的内容和结果。

可以先给出一个工作定义：

人的思维，是人在感知、记忆、情绪、语言和既有知识的基础上，对信息进行表征、联系、比较、转换、推断和评价，从而形成理解、判断、想象、计划与行动方向的心理过程。

可以简化为：

获得信息
→ 形成心理表征
→ 建立关系
→ 进行转换与推断
→ 形成判断、想象或行动方案
→ 根据结果继续修正

真实思维并不总是线性展开。人经常在感知、情绪、记忆、判断和行动之间来回循环。

“思维”这个词在指什么？

中文里的“思维”至少有五种常见用法。

思维作为过程

“我正在思考这个问题”说的是正在发生的心理活动，例如比较方案、回忆经验、寻找原因或推演结果。

思维作为能力

“人具有抽象思维能力”说的是形成概念、理解关系、进行推理和解决问题的能力。

思维作为方式

“系统思维”“逻辑思维”“批判性思维”说的是相对稳定的处理问题的方法或倾向。

思维作为内容

“他脑中有一个想法”指向具体的思想、判断、观念或者心理内容。

思维作为结果

“这是思考以后形成的结论”指向心理过程最终形成的解释、模型、判断或方案。

因此，讨论“思维”时首先要说明：现在是在谈过程、能力、方法、内容，还是结果。

“思”和“维”不能直接当作现代定义

“思”在汉语中长期表示思考、思念、考虑和内心活动。“思惟”也是古代汉语和佛教汉语中已经存在的表达。

但现代心理学、哲学和认知科学中的“思维”，不能只靠拆字解释成“思考的维度”或者“维持思想”。这种拆字解释容易产生看起来合理、实际上没有历史依据的词义。

现代“思维”大致承担了英语中几个相互关联但不完全相同的概念：

中英文之间不存在一个词完全覆盖另一个词的简单对应关系。

思维是怎样发生的？

思维不是大脑里自动出现一句完整的话。它通常涉及表征、操作、约束和评价四个相互作用的环节。

表征

人不能把外部世界完整搬进头脑，只能形成某种心理表征。

表征可能是：

• 概念；
• 图像；
• 声音；
• 内在语言；
• 空间关系；
• 身体感觉；
• 情境模型；
• 对他人意图的理解；
• 对未来的模拟。

例如，一个人想到“明天要下雨”，脑中可能出现一句话、一幅乌云图像、天气预报数字，也可能只产生需要带伞的行动准备。

心理表征理论把思考、推理和想象理解为一系列具有内容的心理状态；但表征究竟是什么，以及所有思维是否都必须依赖内部表征，仍存在哲学和认知科学争论。Stanford Encyclopedia of Philosophy：Mental Representation

操作

形成表征以后，人会对其进行分类、比较、组合、分解、排序、概括、抽象、联想、推断、模拟、评价、否定和替换。

理解“鸟”不仅是记住若干鸟的图像，还可能包括从麻雀、乌鸦和鹰中提取共同结构，区分典型与非典型成员，并判断企鹅为什么仍然属于鸟。

约束

思维不是自由漂浮的。它受到当前感知、过去经验、记忆容量、注意力、语言、情绪、身体状态、社会规范、已有概念、当前目标和可用时间的共同约束。

同一个人在疲惫、恐惧、愤怒和平静时，对同一件事的理解和选择可能不同。

评价

思维还会检查自己产生的内容：

• 这是真的吗？
• 这与已有事实一致吗？
• 推论成立吗？
• 还有其他解释吗？
• 这样做会产生什么后果？
• 这个结果值得追求吗？

这种对自身思考进行观察、控制和修正的活动，属于元认知。

思维包含哪些活动？

美国心理学会对 thinking 的概括包括对观念、意象、心理表征等内容的体验与操作，并把想象、回忆、问题解决、自由联想和概念形成等都包括在内。APA Dictionary of Psychology：Thinking

因此，思维不只等于推理。

逻辑推理只是思维的一种活动，不是思维的全部。

思维与认知有什么区别？

认知比思维更宽。

认知是主体获取、组织、保存和使用信息的一组过程；思维是其中对信息进行较主动的组织、转换、推断、模拟和评价的部分。

可以大致表示为：

认知
├── 感知
├── 注意
├── 记忆
├── 学习
├── 语言理解
├── 思维
├── 判断
├── 决策
└── 元认知

这个分类不是绝对分割。思维需要调用感知、记忆和语言，而感知和记忆也可能受到概念与预期影响。

走进一个房间时，人会自动识别桌子和门。这个过程属于认知，但通常不会被称为主动思考。当人开始判断桌子是否能通过门口、应该怎样搬运时，就进入了更加明确的问题解决过程。

所以可以近似写成：

思维 ⊂ 认知

但二者边界并不总是清楚。

思维与意识有什么区别？

意识涉及主体正在经历什么，以及某些心理内容是否以主观体验的形式出现。思维则涉及信息怎样被组织、转换和使用。

两者重叠，却不相同。

人可以清楚意识到自己正在计算、判断或想象。但许多影响思考的过程并不会直接进入意识，例如记忆提取、语言加工、模式识别、情绪评价、自动联想、偏见与习惯。

我们经常只能意识到“答案出现了”，却不知道答案具体怎样形成。

意识到一个想法
≠
知道这个想法是怎样产生的

元认知能够改善人对自己思维的观察，却不能使所有心理过程都变得透明。

思维与语言是什么关系？

语言是人类思维的重要工具，但思维不能完全等同于语言。

语言可以帮助人：

• 给经验命名；
• 稳定概念；
• 组合复杂命题；
• 保存推理步骤；
• 与他人共享思想；
• 把模糊感觉变成可以检查的表达；
• 构造过去没有直接经验过的可能世界。

没有语言时，人仍可能进行图像想象、空间旋转、音乐预期、身体动作规划、面孔识别以及部分非语言的问题解决。

因此，比较稳妥的说法是：

语言扩展、组织并外化人的思维，但人的思维不只由语言构成。

“思想语言假说”提出，某些思维过程可能依赖具有组合结构的内部表征系统。但这是一种理论，不是所有心智理论都接受的定论。Stanford Encyclopedia of Philosophy：The Language of Thought Hypothesis

思维与概念是什么关系？

概念使人能够把不同对象、事件和状态作为同一类事物来处理。

没有“原因”这个概念，人仍然可以感受到事件先后发生，却难以系统地区分先后关系、统计相关、共同原因、因果倒置和反馈循环。

概念可以被理解为思维的基本构件之一。它参与分类、推理、学习、记忆和决策。但概念究竟是心理表征、认知能力，还是抽象对象，仍存在哲学争议。Stanford Encyclopedia of Philosophy：Concepts

概念对思维有两种主要作用。

压缩经验

“产品”“品牌”“需求”“意图”把大量具体经验压缩成可以重复使用的认知单位。

规定边界

概念告诉我们哪些现象可以归在一起，哪些必须区分。

概念也会限制思维。如果分类错误，人会把不同问题误认为同一个问题；概念过于宽泛，任何证据都能被纳入；概念过于僵硬，又会忽略现实中的连续变化。

思维与逻辑是什么关系？

思维是人实际发生的心理过程；逻辑研究什么样的推论形式有效，或者哪些理由能够支持结论。

思维 ≠ 逻辑

人可以进行不符合逻辑的思考，也可以通过想象、联想、情绪和直觉产生有价值的想法。逻辑主要负责检查：

• 前提是什么；
• 概念是否一致；
• 结论能否从前提推出；
• 是否存在矛盾；
• 推理是否遗漏其他可能性。

逻辑不能单独保证前提为真，也不能决定目标是否值得追求。

例如：

所有高价值产品都拥有大量用户。
这个产品拥有大量用户。
所以这个产品是高价值产品。

这个论证犯了肯定后件的问题。即使形式得到修正，还要继续检查“高价值”的定义、用户数量的证据以及其他解释。

所以，逻辑是思维的规范工具之一，却不是人的全部思维机制。

概念思维是不是逻辑思维？

两者高度相关，但不宜完全等同。

概念思维主要处理：

• 当前讨论的词是什么意思；
• 一个词是否混合了多个概念；
• 概念包含哪些条件；
• 相邻概念怎样区分；
• 概念之间是什么关系；
• 某个案例是否属于这个概念。

逻辑思维主要处理：

• 前提与结论怎样连接；
• 推论形式是否成立；
• 命题之间是否矛盾；
• 结论的强度是否超过证据；
• 反例是否推翻了一般判断。

例如：

用户购买了产品，所以产品满足了用户需求。

概念分析会区分：

购买行为 ≠ 使用结果 ≠ 需求满足

逻辑分析则会指出：从“发生购买”不能直接推出“需求已经满足”。

两者可以形成连续过程：

概念澄清
→ 确定推理使用的基本单位

逻辑检查
→ 判断这些单位之间的推论是否成立

概念不清，推理会在不同含义之间滑动；概念清楚，也不代表推论必然正确。

人的思维有哪些基本形式？

思维有许多分类方式，而且彼此会重叠。

具体思维与抽象思维

具体思维依赖可感知对象和具体情境；抽象思维能够处理类别、关系、规则和不可直接感知的结构。

直觉思维与分析思维

直觉通常快速、自动、整体；分析通常较慢，需要注意力，并能明确展开步骤。但这不是把大脑简单分成两个独立系统。熟练推理也可能变得快速，直觉也可能来自长期训练。

演绎、归纳与溯因

• 演绎从一般前提推出逻辑后果；
• 归纳从有限案例形成更一般的规律；
• 溯因从结果提出最可能的解释。

因果、反事实与系统思维

• 因果思维判断哪些因素通过什么过程改变结果；
• 反事实思维模拟“如果当时不同，会发生什么”；
• 系统思维研究多个因素、反馈回路、延迟和整体结构。

批判性、创造性与规范思维

• 批判性思维检查证据、假设、来源和替代解释；
• 创造性思维重组已有知识，产生新的关联或方案；
• 规范思维判断什么值得做、什么应该做，以及理由怎样支持行动。

这些不是互斥的“思维类型”。一个真实问题往往需要同时使用多种形式。

人的思维有什么特点？

人的思维不是一台只追求真理的逻辑机器。

它是有限的

注意力、工作记忆、知识和时间都有限。人必须压缩信息，依靠概念、经验规则和启发式方法。

它是具身的

疲劳、疼痛、饥饿、紧张和身体技能都会影响判断。思维不是脱离身体独立运行的纯粹符号活动。

它受到情绪影响

情绪会改变注意范围、风险评价、记忆提取和行动倾向。情绪不只是思维的干扰，也会提供关于重要性、威胁和价值的信息。

它具有目标性

人不是无目的地处理所有信息，而是根据当前需要、问题和目标选择注意什么、忽略什么。

它具有社会性

语言、教育、制度、工具和他人共同塑造人的思维。许多复杂思考实际上分布在：

个人大脑
+ 语言
+ 纸笔
+ 软件
+ 数据
+ 他人
+ 社会知识

它能够反身

人不仅能够思考对象，也能思考自己的思考：我为什么相信这个判断？我是否混淆了概念？哪项证据会让我改变观点？

这种反身能力使知识修正和方法论成为可能。

它会自我保护

人的推理有时服务于事实判断，有时也服务于身份、欲望、群体归属和情绪防御。一个推理听起来严密，不代表它没有受到动机影响。

人的思维是为了认识，还是为了行动？

两者都有，但从生物和现实功能看，思维与行动紧密相连。

人形成关于世界的模型，不只是为了拥有正确表述，也为了预测接下来会发生什么、选择怎样行动、避免危险、协调他人、实现目标并修正失败的方法。

可以把人的思维理解为一个循环：

感知处境
→ 形成理解
→ 预测可能结果
→ 选择行动
→ 获得反馈
→ 修正理解

但“有用”不能完全代替“真实”。一个错误信念可能暂时有利，一种准确理解也可能暂时没有直接收益。

所以思维同时面对两个标准：

• 认识标准：它是否更接近真实？
• 实践标准：它是否能指导有效且值得的行动？

哲学、科学、逻辑和伦理学分别帮助检查这两个标准的不同部分。

怎样判断一次思考是否成熟？

可以依次检查：

1. 当前思考的对象是什么？
2. 使用了哪些概念？
3. 概念边界是否清楚？
4. 哪些是观察事实，哪些是解释？
5. 哪些前提没有被说出来？
6. 使用了演绎、归纳、溯因还是类比？
7. 是否考虑了其他可能解释？
8. 情绪、身份和利益怎样影响判断？
9. 哪些证据会使结论需要修改？
10. 结论是在描述事实、解释原因、评价价值，还是指导行动？
11. 这次思考形成了什么行动？
12. 行动结果有没有反过来修正原来的理解？

成熟思维不等于想得复杂，也不等于对任何事情都保持怀疑。

成熟思维是在必要的地方区分，在能够验证的地方验证，在证据不足时保留不确定性，并允许结果修正原来的判断。

结论

人的思维不是单纯的逻辑运算，也不是脑中不断出现的语言。

它是一个由感知、记忆、概念、语言、想象、情绪、推理、目标和行动共同参与的动态过程：

人对世界形成表征
→ 对表征进行联系、转换和推断
→ 形成理解、判断、计划与行动
→ 再由现实结果修正自己的模型

认知比思维更宽，逻辑是思维的规范工具，语言是组织和外化思维的重要系统，概念是分类和推理的重要单位，意识则使其中一部分内容成为主观体验。

所以，研究人的思维不能只研究一个孤立的脑内对象。需要同时研究：

主体
+ 身体
+ 心理过程
+ 语言与概念
+ 社会环境
+ 目标与行动
+ 现实反馈

概念思维可以成为研究和改进思维的一种方法：先把词语背后的概念拆开，再检查概念之间的关系与推论。但它只是思维的一部分。人的思维还包含感知、想象、情绪、创造、价值判断和行动组织，不能全部还原为逻辑。

因果讨论的是一个基础问题：

一个事物的发生、变化或者消失，为什么会使另一个事物随之发生变化？

可以先给出一个工作定义：

如果一个因素的存在、缺失或者变化，通过一定条件和过程，使另一个结果的发生方式、发生概率或者具体形态发生变化，那么这个因素对结果具有因果作用。

可以简化为：

原因 → 作用过程 → 结果

原因不一定是一个瞬间发生的事件。它也可能是一种物理状态、一项长期条件、一次行为、一种心理状态、一套制度或一种社会结构。结果也不一定是确定发生的事件，它还可能表现为风险、程度或者发展方向的变化。

吸烟会增加肺癌风险，并不意味着每个吸烟者都会患肺癌。吸烟仍然具有因果作用，因为在其他相关条件相近时，它改变了肺癌发生的概率。

所以，因果不只表示“有 X 就必然有 Y”。它更一般地表示：

改变 X，会使 Y 的发生情况产生差异。

“原因”和“结果”不是事物的永久身份

语言会把过程切分成原因和结果，但现实变化通常是连续的：

睡眠不足
→ 神经与认知状态变化
→ 注意控制能力下降
→ 操作失误增加
→ 事故风险上升

在这条链条中，认知状态变化是睡眠不足的结果，又是注意力下降的原因。操作失误既是注意力下降的结果，又可能成为事故的原因。

因此，一个事物究竟是原因还是结果，取决于正在研究哪一段关系：

X → Y → Z

对于 Y 而言，X 是原因；对于 Z 而言，Y 又是原因。因果不是给事物贴上永久标签，而是在说明一个具体过程中的作用方向。

因果不等于时间先后

原因通常先于结果，但先发生不代表就是原因。

公鸡打鸣以后太阳升起，不能推出公鸡打鸣使太阳升起。时间顺序只能排除一部分不可能的关系：一个后来才出现的事件，通常不能成为此前事件的物理原因。但时间顺序本身不足以证明因果。

从“X 先发生”走向“X 是原因”，还需要进一步说明：

• X 与 Y 不是偶然相邻；
• 不存在同时产生 X 和 Y 的第三个因素；
• 改变 X 确实会改变 Y；
• X 与 Y 之间存在能够说明作用过程的机制。

因果不等于相关

两个变量经常一起变化，只能说明它们相关。概率上，如果：

P(Y | X) ≠ P(Y)

那么知道 X 是否发生，会改变我们对 Y 的概率判断；X 与 Y 并不独立。这仍然只描述分布关系，没有说明关系为什么出现。

相关背后至少可能存在五种结构。

例如，携带打火机的人患肺癌的概率可能更高，但打火机不是主要原因。吸烟同时影响携带打火机和肺癌风险，吸烟就是这里的共同原因或混杂因素。

选择过程还可能凭空制造关系。假设病情严重和缺乏家庭照护都会提高住院概率。如果研究只纳入已经住院的人，相当于先按照两者的共同结果筛选样本；在这个样本中，病情严重程度和家庭照护可能出现总体人群中没有的关联。这类问题通常称为碰撞变量或选择偏差。

样本过小、反复比较、指标定义改变和共同测量误差，也可能制造表面相关。

相关不是没有价值。它是需要解释的观察结果，却不是因果已经得到证明的结论。

因果也不等于预测

一个变量可以准确预测结果，却不是可以改变结果的原因。

气压计读数可以帮助预测天气，但调节气压计指针不会改变天气。公鸡打鸣可以预测日出，但阻止公鸡打鸣不会阻止太阳升起。

预测关心：

知道 X 以后，能否更准确地判断 Y？

因果关心：

如果主动改变 X，Y 是否会随之变化？

这一区别在数据分析和人工智能中尤其重要。模型可能依靠代理变量准确预测结果，但如果代理变量不是原因，依据它采取干预就未必有效。

例如，频繁联系客户支持可能准确预测用户流失，但真实结构可能是产品问题同时导致求助和流失：

产品问题 → 联系客服
产品问题 → 用户流失

关闭客服渠道可能降低“联系次数”，却不会消除产品问题，甚至会使流失更加严重。预测变量适合提前识别风险，不自动等于应该被改变的因果变量。

一个结果通常没有唯一原因

日常语言喜欢寻找“根本原因”，仿佛复杂结果背后总有一个最深、最真实的原因。但现实结果通常由多种条件共同形成。

一场火灾可能涉及可燃物、氧气、热量、人员行为、建筑材料、消防设施和管理制度。点火行为可能是触发因素，易燃材料是促成条件，消防系统失效扩大了结果，管理制度则可能是更远的结构性原因。

需要区分不同类型的原因：

必要条件不等于充分条件。氧气是普通燃烧的必要条件之一，但只有氧气并不会自动发生火灾。现实中的许多原因既非严格必要，也不足以单独产生结果，而是与其他条件组成一套足以产生结果的组合。

“哪个是原因”也与问题目的有关。事故调查、医疗干预、历史解释和责任追究可能关注同一因果网络中的不同节点。

原因怎样组合？

多个原因并不只是简单相加。

多因一果

X₁ + X₂ + X₃ → Y

一个产品失败可能同时涉及需求判断错误、分发不足、成本过高和竞争环境变化。

一因多果

X → Y₁, Y₂, Y₃

一项制度调整可能同时影响价格、行为激励、组织关系和长期预期。

因果链与因果网络

X → M₁ → M₂ → Y

中间的 M 是传递作用的环节，也称中介。现实系统还会有多条路径交叉，形成因果网络。

替代原因与抢先发生

两个原因可能分别足以造成同一个结果。即使移除其中一个，另一个仍会产生结果。也可能有两个过程都在启动，但其中一个先完成作用，另一个没有真正进入最终路径。

这些情况说明，简单的“没有 X 就没有 Y”能够识别许多原因，却不能覆盖所有因果结构。

原因不一定决定结果

在医学、心理学、社会科学和日常生活中，原因经常以概率方式起作用：

P(Y | X) > P(Y | ¬X)

这表示观察到 X 时，Y 的概率高于没有 X 时。但观察差异可能来自混杂因素，所以条件概率仍不能直接等于因果概率。

更接近因果问题的是：

P(Y | do(X)) > P(Y | do(¬X))

do(X) 表示主动把 X 设置为某个状态，而不是只观察哪些对象自然具有 X。Judea Pearl 的因果模型用这一差别区分“看到 X”与“改变 X”。Probabilistic and Causal Inference: The Works of Judea Pearl

概率因果意味着：

• 原因可以只提高风险；
• 原因存在时，结果不一定发生；
• 原因不存在时，结果也可能由其他路径产生；
• 单个案例不能完整证明或否定总体因果关系。

一个服药的人没有康复，不能单凭这一例证明药物无效；一个没有服药的人自然康复，也不能证明药物没有作用。因果作用可能表现为总体康复概率的改变。

因果关系和寻找原因是两件事

因果关系讨论现实世界：

什么因素实际参与产生了什么结果？

因果推断讨论人的认识：

我们凭什么相信这个因素是原因？

所以：

因果关系 ≠ 因果推断

真实原因可能已经存在，但我们尚未发现。我们也可能提出一个看似合理的解释，最后却发现它不符合真实情况。

因果是研究对象，“找原因”则是认识因果的方法。它涉及逻辑、认识论、统计方法和实验设计。

我们怎样从结果寻找原因？

人通常先看到结果，再向过去寻找可能原因。看到地面湿了，可以提出下雨、洒水车、水管破裂或有人泼水等假设。这个过程需要多种推理共同完成。

溯因：提出解释性假设

观察到 Y → 提出可能的 X

溯因也被称为“对最佳解释的推论”。它依靠解释能力提出假设，但一个解释生动、简洁，并不代表它已经得到证明。Stanford Encyclopedia of Philosophy: Abduction

演绎：从假设推出预测

如果假设水管破裂，可以推出积水应接近管道、关闭阀门后水流应减弱等预测。

如果 X 成立，就应观察到 Z

没有观察到 Z，假设可能需要修改；观察到 Z，也不能立即证明 X，因为其他假设可能产生相同预测。

归纳：从多个案例形成一般判断

归纳从重复案例中形成规律，但结论超出了已经观察的样本。它需要继续面对样本代表性、环境变化、共同原因和选择偏差。

排除竞争解释

因果调查不能只收集支持原假设的证据。更重要的问题是：

什么证据能够区分这个解释与其他解释？

贝叶斯更新

获得证据 E 后，可以更新对原因假设 H 的相信程度：

P(H | E) = P(E | H)P(H) / P(E)

贝叶斯方法能够比较原因假设，却不能仅凭概率计算确定因果结构。因果方向、变量关系和模型假设仍需独立论证。

完整的因果调查可以写成：

观察结果
→ 提出原因假设
→ 推出可检验预测
→ 比较竞争解释
→ 收集证据或实施干预
→ 更新判断
→ 修正因果模型

反事实：如果没有这个原因呢？

反事实因果从一个问题开始：

如果当时没有发生 X，Y 还会发生吗？

如果没有 X 时，Y 不会发生或者发生概率明显下降，X 更可能对 Y 具有因果作用。

困难在于，同一个对象在同一时刻只能经历一种情况。一个患者不能同时既服药又不服药，一个企业不能同时既执行某项战略又不执行。

因此，只能通过随机分组、相似对象、自然实验、历史比较、统计模型或结构因果模型，估计那个没有实际发生的结果。

反事实理论抓住了原因制造差异的直觉，但会在替代原因、过度决定和抢先发生等案例中遇到困难。Stanford Encyclopedia of Philosophy: Counterfactual Theories of Causation

干预：改变它以后会怎样？

观察研究问：

自然具有 X 的对象，其结果怎样？

干预研究问：

如果主动改变 X，结果会怎样？

例如，接受治疗的人病情可能平均更严重，因为严重患者更容易接受治疗。要判断治疗效果，需要减少病情程度等原有差异造成的干扰。

随机对照实验通过随机分配，使两组在平均意义上更可比较。但实验也会受到样本、测量、执行、周期和外部适用范围的限制。观察研究也不必然无效，关键在于研究设计是否识别并处理了主要竞争解释。

机制：原因怎样产生作用？

发现改变 X 会改变 Y，还没有完整回答“为什么”。机制研究展开中间过程：

X → M₁ → M₂ → Y

例如：

长期睡眠不足
→ 执行功能下降
→ 注意控制变差
→ 错误率提高

机制能够说明作用发生在哪个环节，帮助判断关系能否迁移到其他环境，也能找到更精确的干预点。

但一个听起来合理的机制仍然只是假设。人很容易在结果发生后编造流畅故事，机制本身同样需要证据。

三种方法回答不同问题：

因果方向与推理方向

现实中的因果方向可能是：

下雨 → 地面湿

人的推理方向却可能是：

观察地面湿 → 推测下过雨

从结果推测原因，不代表结果制造了原因。地面湿是认识下雨的证据，不是下雨的原因。

因果方向 ≠ 推理方向

医生从症状诊断疾病、工程师从故障寻找问题、历史学家从材料解释事件，都在从结果回溯原因。错误不在于从结果出发，而在于把“某个解释能够说明结果”直接当成“它已经被证明是真实原因”。

把结果当作原因

“把结果当原因”至少包含四种情况。

因果倒置

真实关系是 Y → X，却被判断成 X → Y。

病情严重导致更多治疗，却被理解为治疗导致病情严重；产品受欢迎产生更多评论，却被理解为评论数量完全造成了受欢迎。

反馈循环

结果可能进入下一阶段，成为新的原因：

Xₜ → Yₜ → Xₜ₊₁

压力导致失眠，失眠又增加下一阶段的压力。产品受欢迎带来评论，评论形成社会认同，又推动后续销量。加入时间以后，“到底是谁导致谁”的静态争论会变成可以分析的循环关系。

从成功结果倒推原因

“成功者普遍早起”不能直接推出“早起导致成功”。研究可能只选择了成功者，遗漏早起却未成功的人；成功也可能反过来改变生活安排；还可能存在自律、职业和健康等共同原因。

事后合理化

结果发生后，人会按照结果重写此前的故事。成功以后，冒险被称为远见；失败以后，同样的冒险被称为鲁莽。

这涉及后见之明偏差、结果偏差和叙事偏差。一个好决定可能遇到坏结果，一个坏决定也可能因运气获得好结果。

决策质量 ≠ 最终结果

评价决策需要回到当时的信息、目标、概率和约束。

原因与证据

原因回答：

什么产生了结果？

证据回答：

我们凭什么相信某个判断？

“因为下雨，所以地面湿了”中的下雨是原因。“因为地面湿了，所以我认为刚才下过雨”中的地面湿是证据。

证据越符合某项假设，不代表该假设就是唯一原因。评价证据还要问：其他原因能否产生同样证据？如果假设不成立，这项证据是否也很常见？

原因与理由

中文里的“因为”还会混合原因和理由。

动机理由

因为我认为继续工作会损害健康，所以我辞职了。

这是行动者据以行动的考虑。它通过信念、欲望、情绪和意图进入心理过程，并可能成为行动的原因。

规范理由

长期损害健康，是一个支持辞职的理由。

它回答的不是这个人实际上因为什么行动，而是什么事实使这项行动值得做或者更合理。

解释理由

他长期失眠、压力过大，所以在会议中失控。

这些因素使行为变得可以理解，却不证明行为正确：

能够解释 ≠ 能够辩护

陈述出来的理由

一个人公开说出的理由，可能是真实动机、多种动机中的一部分、更容易被接受的表达、自我辩护或事后合理化。

说出的理由 ≠ 实际动机 ≠ 正当理由

当代行动哲学通常至少区分规范理由、动机理由和解释理由：它们分别回答什么支持行动、行动者据何行动，以及什么能够解释行动。Stanford Encyclopedia of Philosophy: Reasons for Action

Donald Davidson 进一步主张，以理由解释行动也可以是一种因果解释：当一个人的信念和欲望确实推动了行动时，他据以行动的理由也构成行动的原因。Stanford Encyclopedia of Philosophy: Donald Davidson

目的与未来结果

“我为了减肥而跑步”表面上像是未来变瘦导致现在跑步。但尚未发生的未来结果，不能直接返回过去产生现在的物理作用。

实际过程是：

希望变瘦
+ 相信跑步有帮助
+ 形成行动意图
→ 现在开始跑步

需要区分：

• 目的：希望实现什么；
• 预期：相信行动会产生什么；
• 意图：已经形成怎样的行动承诺；
• 计划：准备怎样实现目的；
• 行动原因：哪些当前状态实际推动行为；
• 实际结果：后来真正发生了什么。

未来结果本身不是现在行动的原因。行动者现在对未来结果的想象、评价和期待，才可能成为行动原因。

自我实现的预言也是如此：不是未来结果返回过去，而是现在的预期改变了当前行为，当前行为又提高了预期结果发生的可能性。

概率与贝叶斯在因果中的位置

概率处理不确定性，因果处理作用关系。

贝叶斯公式帮助回答：看到当前证据以后，哪个原因假设更值得相信？它更新的是认识主体对原因的信念，而不是直接证明现实中的因果作用。

贝叶斯更新 = 修正对原因的相信程度
因果验证   = 检验现实中的作用关系

概率能够表达判断有多可信、风险改变了多少；因果模型则要进一步说明变量之间怎样作用，以及改变一个因素是否会改变结果。

哲学怎样理解因果？

哲学中的因果理论并不是重复同一个答案，而是在处理因果的不同侧面。

亚里士多德：原因也是解释方式

亚里士多德区分质料因、形式因、动力因和目的因。这里的“原因”比现代自然科学中的动力因更宽，更接近回答“为什么”的不同解释方式：由什么构成、以什么结构存在、由什么推动变化、为了什么。

现代自然科学主要研究可检验的作用过程，但在生物、行动和制度研究中，结构、功能和目的仍然具有解释意义。

休谟：我们是否观察到了必然联系？

休谟指出，我们直接观察到的是一个事件发生，随后另一个事件发生，以及类似顺序反复出现。我们并没有像观察颜色那样直接观察到“必然联系”。

这使因果问题转变为：因果是世界中的必然联系，还是人从重复经验中形成的期待？这一质疑推动了规律、概率和反事实等不同理论。

康德：因果使客观经验成为可能

康德认为，因果不只是从经验中归纳出来的习惯。人要把连续感觉组织成客观事件，就必须区分“我的观察顺序改变了”与“对象本身发生了变化”。因果范畴参与了这种经验组织。

现代因果理论

这些理论不必被理解成只能选择一个。它们分别揭示因果的稳定性、差异制造、作用过程和可干预性。

心学与禅宗可以帮助理解什么？

心学和禅宗不能代替经验科学中的因果验证，但可以帮助澄清人的认识和行动。

心学关注意、知与行，可以用来思考信念、价值判断、意图和行动怎样连接，也提醒我们：一个人公开说出的理由，不一定等于实际推动行为的心理原因。但要证明某种心理状态普遍导致某种行为，仍需经验研究。

禅宗及佛教的缘起思想强调现象依赖条件而生。这可以提醒我们不要把复杂过程压缩成一个脱离环境的唯一原因，也不要把语言划分出来的对象误认为完全孤立、自足的实体。

但缘起、修行和宗教业果包含自己的哲学与宗教承诺，不能直接当作已经得到现代实验科学确认的因果模型。科学因果分析仍要求明确变量、证据、机制、干预和可检验范围。

怎样实际分析一个因果问题？

面对“为什么会这样”，可以依次进行以下检查：

1. 明确结果：需要解释的结果究竟是什么？
2. 标记时间：原因、过程和结果分别何时发生？
3. 列出候选原因：包括直接、背景、结构性和共同原因。
4. 画出因果结构：哪些变量是中介、混杂、反馈或结果？
5. 提出反事实：没有这个因素，结果可能怎样？
6. 寻找区分性证据：什么证据能排除竞争解释？
7. 寻找干预或对照：改变这个因素后，结果是否变化？
8. 检查机制：作用通过什么过程传递？
9. 区分原因与理由：现在说的是物理作用、行动动机、证据还是正当性？
10. 保留不确定性：结论成立于哪些假设和适用范围？

最后的结论未必是“X 就是 Y 的原因”，也可能是：

在当前证据和假设下，X 可能通过 M 提高 Y 发生的概率；Z 仍是尚未完全排除的混杂因素。

这种表达没有削弱结论，而是准确说明结论的可靠范围。

一个产品实验怎样分开逻辑、概率与因果？

假设产品团队想知道：推送提醒是否提高任务完成率。

第一步是检查逻辑和数据定义。只有存在完成时间戳，任务才被计为完成；进入实验的用户必须在提醒发出前拥有尚未完成且符合条件的任务。否则，分母、事件和时间窗口并不一致。

第二步可以观察概率关系：

收到提醒的用户完成率：60%
未收到提醒的用户完成率：40%

这说明两组概率不同，但还不能证明提醒造成了差异。活跃用户可能更愿意开启通知，也可能本来就更容易完成任务。

第三步才是因果识别。在符合条件的用户中随机分配“一次提醒”和“不提醒”，保持结果定义与观察窗口一致，再比较两组完成率。随机分配的目的，是让已知和未知的背景差异不再系统地集中于某一组。

同时需要检查机制：

提醒
→ 用户注意到任务
→ 打开应用
→ 查看任务
→ 完成任务

如果完成率提高，却没有相应的打开、查看或完成路径证据，就要寻找其他解释。即使实验显示平均效果，也仍需说明作用范围和副作用：效果持续多久，是否只是提前完成时间，提醒频率是否造成厌烦，关闭通知的人是否增加，以及不同用户群体是否存在差异。

因此，一个有边界的结论应当写成：

在本次符合条件的用户、提醒方式和观察窗口内，随机分配一次提醒使任务完成率提高了某个幅度；结果是否能迁移到其他频率、用户和时间范围仍需验证。

结论

因果所讨论的核心问题是：

一个因素的存在、缺失或变化，如何通过一定条件和过程，使另一个结果发生变化？

因果不等于时间先后、统计相关、准确预测、一个合理故事、行动者说出的理由，或者结果发生后的解释。

完整的因果理解包含：

时间顺序
+ 概率差异
+ 反事实比较
+ 主动干预
+ 作用机制
+ 竞争解释

寻找原因则需要：

溯因提出假设
+ 演绎推出预测
+ 归纳发现规律
+ 实验检验差异
+ 贝叶斯更新信念
+ 机制研究解释过程

因果关系属于世界中事物之间的作用结构；因果推断属于人认识这种结构的方法。

真正成熟的因果分析，不是为所有结果寻找一个简单的“根本原因”，而是建立一个能够被检验、干预和修正的因果模型。它需要说明：哪些因素参与产生了结果，通过什么过程产生作用，在什么条件下成立，改变什么可能改变未来，以及我们目前为什么有理由相信这一判断。

“哲学”在日常语言中可以指一门学科、一套思想体系、一种思考方式，也可以表示一个人的生活原则。这些用法彼此相关，却不是同一件事。

作为一门学科，可以先给出一个工作定义：

哲学是对人理解世界、形成知识、判断价值和采取行动时所依赖的基本概念、前提、理由与标准进行系统反思。

哲学既会提出关于世界、心灵、知识和价值的主张，也会反过来检查提出这些主张时使用的框架。

一项医学研究可以调查某种治疗是否减轻疼痛。哲学还会追问：疼痛是什么？怎样知道另一个人正在疼痛？如何比较治疗收益与副作用？谁有权决定是否承担风险？

这些问题不能代替医学研究。它们揭示的是医学证据发生作用时所依赖的概念、知识标准和伦理关系。

“哲学”这个名称从哪里来？

中文“哲学”和西文 philosophy 有两条不同的形成史。

philosophy 源于古希腊语 philosophia，通常解释为 philo-，即爱、追求或倾向于，与 sophia，即智慧的结合。它表达的是对智慧的追求，并不能单独定义今天的哲学学科。

现代汉语“哲学”则是近代形成的学科名称。“哲”和“学”都是古代汉语已有的字，但作为 philosophy 的通行译名，“哲学”与十九世纪日本思想家西周的翻译活动有关。在它固定下来以前，还出现过“理学”“性理学”“智学”等不同译法。“哲学”后来在日本成为通行名称，又进入中国知识界。《“哲学”的译语考》、清华大学出版社：《西周的哲学译词与中国传统哲学范畴》

因此需要区分三个层面：

1. 中国古代早已存在关于天、道、人性、名实、知识、伦理、政治和修养的系统思想；
2. “哲学”作为统一的现代学科名称和知识分类，是近代形成的；
3. 后人把古代思想写入“中国哲学史”时，也在使用现代学科框架重新组织材料。

没有现代“哲学”名称，不等于没有哲学思考；存在深刻思想，也不等于古代已经拥有今天的哲学学科制度。

哲学从哪里开始？

日常思考通常发生在一个没有被说出的框架里。

人会把某个事件称为原因，把一个观察当作证据，把一种选择称为自由，把一个结果评价为公平，却未必继续追问这些判断使用了什么标准。

哲学开始于这些标准本身变成研究对象的时候。

例如：

用户点击了购买按钮，所以用户想要这个产品。

点击是可以观察的行为；“想要”是对心理状态的解释；“产品满足了真实需求”是进一步推论；“这次购买对用户有益”又增加了价值判断。

一个简单句子压缩了四个层次：

行为事实
→ 心理解释
→ 需求判断
→ 价值评价

哲学分析会拆开这些层次，检查每一步凭什么成立，还有哪些可能的解释，以及什么证据会使原结论需要修改。

这也是哲学研究“根本问题”的含义。所谓根本，不一定宏大或遥远。一个问题只要涉及其他判断所依赖的概念、标准或理由，就可能具有哲学基础性。“什么算有效同意”可以和“什么存在”一样根本。

哲学研究的四类核心问题

剑桥大学对哲学的介绍也围绕知识、现实、道德和艺术等基本主题展开。King’s College Cambridge: Philosophy

什么存在？

形而上学和本体论研究现实的基本结构。

• 世界由哪些类型的存在构成？
• 人是身体、心灵、历史，还是某种连续关系？
• 数字是被发现的，还是被创造的？
• 一个事物持续变化时，为什么还是同一个事物？
• 因果关系存在于世界中，还是人的解释方式？
• 可能性和必然性是什么？

这些问题不只是列举世界中有哪些东西，还要考察人用什么类别理解事物、属性、关系、事件和过程。

什么能够被知道？

认识论研究知识、证据、合理相信、理解和怀疑。

• 知识与碰巧猜对有什么区别？
• 感觉、记忆和他人证言为什么值得相信？
• 面对不确定证据，应当保持多大信心？
• 观察能否完全独立于已有理论？
• 面对同样理性的反对者，是否应该降低自己的确信？
• 无知只是个人能力不足，还是也可能由制度造成？

认识论不仅记录人实际相信什么，还要说明什么使一种相信具有知识资格。

什么能够从什么推出？

逻辑研究推论、有效性、一致性以及命题之间的形式关系。论证理论还会研究理由在具体语境中怎样支持结论。

需要区分：

• 一个论证形式有效，不代表它的前提为真；
• 一个结论碰巧为真，不代表得出它的理由良好；
• 证据提高了结论的概率，不代表结论已经得到必然证明。

逻辑既是哲学分支，也与数学和计算机科学紧密相连。它能够分析形式推理，却不等于完整的良好判断。现实决策还依赖证据质量、不确定性、目标和价值。Stanford Encyclopedia of Philosophy: Logic and Ontology

什么值得追求？

伦理学、政治哲学、美学和价值论研究善、正当、责任、正义和价值。

• 什么使一个行为正确或错误？
• 人对他人负有什么责任？
• 自由、平等、福利和责任怎样发生冲突？
• 价值是被发现、被创造，还是在社会关系中形成？
• 什么使一件艺术作品具有价值？
• 什么样的生活可以称为过得好？

价值论既研究什么东西有价值，也研究价值是什么以及行动理由怎样产生。Stanford Encyclopedia of Philosophy: Value Theory

事实能够限制价值判断，却通常无法独立完成价值判断。数据可以说明一项政策可能产生什么后果，但哪些后果更重要、怎样分配后果，以及哪些权利不能被牺牲，还需要进一步论证。

一阶主张和二阶反思

哲学可以直接对研究对象提出主张：

• 意识依赖物理过程；
• 道德事实存在；
• 人格同一性依赖心理连续；
• 正义要求平等的政治地位。

这些是一阶主张。

哲学还会追问：

• 什么才算意识？
• 道德事实以什么方式存在？
• 为什么采用这种人格同一性标准？
• 正义是分配结果、人与人的关系，还是制度性质？

这些问题进入二阶反思：它们研究一阶主张所依赖的概念和判断标准。

哲学的特点正在于能够在两个层次之间往返。它提出关于世界的理论，也检查理论使用的工具；它提出价值原则，也检查原则为什么具有约束力。元哲学则继续追问哲学本身的目标、边界和方法。

哲学怎样工作？

哲学没有一种由所有传统共同采用的唯一方法。不同问题会使用不同方法。

概念澄清

“意义”可以指语句的含义、行动目的、个人重要性、主观意义感，也可以指宇宙是否赋予人生终极目的。“自由”可以指没有他人干涉、拥有实际能力、具有政治身份，也可以指能够控制自己的行动。

概念澄清要确定当前论证使用的是哪一种含义，并检查定义是否过宽、过窄、循环，或者暗中依赖某种有争议的理论。

分析一直是哲学的重要方法，但分析并不只有一种形式。现代哲学也不普遍认为每个重要概念都能被还原成一份完美的必要充分条件清单。分析还可以揭示结构、依赖、功能和概念之间的关系。Stanford Encyclopedia of Philosophy: Analysis

论证重构

自然语言经常省略前提。把论证整理出来，才能看清真正的分歧。

例如：

如果人生没有外部预设的目的，人生就没有价值。
人生没有外部预设的目的。
所以人生没有价值。

这个论证的形式可以成立，但第一个前提仍需论证：价值是否必须由外部赋予？价值能否来自经验、关系、实践与主体选择？

反例

反例用边界情况检验一般原则。

如果自由被定义为“做自己当下想做的事”，成瘾、操纵、胁迫和强迫行为就会对这个定义形成压力。反例未必直接给出正确的自由理论，却能说明当下欲望不足以构成完整定义。

思想实验

思想实验通过构造假设情境，把问题中的某些因素分离出来。它常用于讨论知识、身份、责任、正义和意识。

思想实验引发的直觉不是不可质疑的判决。更合理的用途是让隐藏假设显现出来，再把这些假设与理论和经验比较。自然主义与实验哲学也把直觉的可靠性、文化差异和表述效应纳入经验研究。Stanford Encyclopedia of Philosophy: Naturalism、Experimental Philosophy

反思平衡

原则、案例判断、背景理论和经验事实可能相互冲突。哲学思考会在它们之间反复修正：

• 缩小原则的适用范围；
• 重新解释案例；
• 质疑最初直觉；
• 修正事实前提；
• 重新划分概念边界。

目标不是保护第一个想法，而是形成更加一致、解释力更强且证据更充分的立场。

历史解释与谱系研究

有些哲学研究会问一个概念怎样获得今天的位置。

“主体”“正常”“效率”“成功”“财产”等概念在什么历史和制度条件中形成？它们揭示了什么，又排除了什么？谁能够从一种分类中受益，谁承担了后果？

历史解释、谱系研究、现象学和批判理论的方法并不相同，但都提醒人们：一个熟悉的概念可能具有历史、功能和现实后果。

形式工具与经验材料

哲学还会使用形式逻辑、概率、决策理论、博弈论、语义模型和科学研究。心灵哲学、科学哲学、医学哲学和技术哲学尤其需要与相关经验学科协作。

一个方法不会因为由哲学家使用，就自动成为哲学方法。关键在于它如何帮助检验当前的概念、推论、解释或规范主张。

哲学与科学是什么关系？

哲学和科学的边界一直在变化。物理学曾被称为自然哲学，心理学、经济学、语言学和政治科学也有一部分问题曾经属于哲学。

现代经验科学主要通过观察、测量、实验和模型解释世界。哲学则经常研究这些实践所依赖的概念和标准：

• 什么叫原因，而不只是相关？
• 模型代表了什么？
• 什么证据能够证实一项理论？
• 什么才是充分解释？
• 科学分类是被发现的，还是为研究目的建构的？
• 研究和应用中，什么风险可以被接受？

两者之间不存在绝对分界。关于心灵、社会和自然的哲学主张必须接受相关事实证据约束；科学研究也包含仅靠更多数据无法自动解决的概念选择和价值判断。

经验研究提供世界怎样运行的证据
→ 哲学检查概念、推理、解释和价值前提
→ 修正后的概念影响问题和研究设计
→ 新证据继续约束哲学理论

哲学不能坐在书桌前确定某种药物是否有效，实验数据也不能单独决定病人应该承担多大风险。完整判断可能同时需要两者。

哲学与相近概念的边界

日常所说的“我的人生哲学”，通常表示一组生活原则。它可以进入哲学讨论，但还需要说明这些原则的含义、理由、适用范围和潜在反例。

哲学也不等于拥有观点。一个哲学立场需要承担若干义务：

• 定义关键概念；
• 给出可被他人检查的理由；
• 回应相关反对意见和替代理论；
• 在相似案例中保持一致；
• 接受经验事实的约束；
• 说明什么证据或理由能够使立场改变。

完成这些工作之后仍然可能存在分歧。哲学要求的是对理由公开负责，不是保证所有人最后得出同一答案。

哲学有没有进步？

哲学争论可以持续数百年，因此不能只用共识数量衡量进步。

哲学进步还可以表现为：

1. 一个模糊问题被拆成多个可以分别研究的问题；
2. 隐藏前提得到明确表达；
3. 某种理论被矛盾或反例排除；
4. 形式研究确定了某个论证或系统的性质；
5. 经验证据排除了哲学理论中的事实假设；
6. 被忽视的经验暴露了原框架的局限；
7. 竞争立场的真正分歧和代价变得清楚；
8. 哲学概念推动了其他领域的研究。

哲学未必像实验科学那样不断积累统一答案。它经常改变的是“哪些答案仍然可能”以及“一个答案必须解释什么”。

人们可能仍然争论自由意志，但今天可以更准确地区分因果决定、外部胁迫、对理由的反应能力、行动控制和道德责任。这种澄清本身就是认识进展。

哲学怎样失败？

把用词差异当成世界分歧

两个人可能使用同一个词表达不同概念，也可能使用不同词表达相同判断。单纯规定一个定义，还可能把真正的实质分歧藏起来。

把直觉当成最终证据

思想实验中的判断会受到文化、教育、经验和问题表述影响。直觉可以成为需要解释的材料，不是永远正确的能力。

过度抽象

理论可以结构严密，却忽略历史、制度、身体条件、权力差异和真实后果。抽象只有在省略的因素不改变结论时才可靠。

用论证代替经验研究

关于人怎样思考、社会怎样运行和自然怎样变化的主张，需要相关证据支持。逻辑上可能，不代表现实中存在。

把一种传统当成全部哲学

古希腊、欧洲近现代、中国、印度、伊斯兰、非洲和其他思想传统的核心问题、文本形式与论证实践并不完全相同。比较研究需要避免把所有传统强行放入单一分类框架。

怎样对一个问题进行哲学分析？

面对一个概念或争议，可以依次提出十个问题：

1. **对象：**讨论的是事物、事件、过程、能力、关系、规则，还是评价？
2. **含义：**当前论证中的关键概念是什么意思？
3. **层次：**主张属于事实、因果、概念、解释、价值，还是规范？
4. **命题：**对方或自己究竟提出了什么明确判断？
5. **理由：**哪些前提和证据被用来支持结论？
6. **假设：**其中默认了怎样的世界观、认识论、主体观和价值观？
7. **替代：**还有哪些竞争解释或概念框架？
8. **反例：**定义或原则在哪些情况下会失败？
9. **后果：**采用这种理解会怎样改变行动和制度？
10. **修正：**什么证据或理由足以让原立场改变？

这套问题不会把所有现实问题都变成哲学问题。它识别的是现实问题中需要哲学处理的部分：人究竟提出了什么主张，为什么应该接受它，以及它的有效性到哪里结束。

哲学不是一套永恒格言，也不是赢得争论的技巧。它要求思考对自己的概念、理由和后果负责。

哲学地思考，就是知道自己在主张什么，为什么接受它，也知道它可能在哪里失败。

参考

• King’s College Cambridge: Philosophy
• 《“哲学”的译语考》
• 清华大学出版社：《西周的哲学译词与中国传统哲学范畴》
• Stanford Encyclopedia of Philosophy: Analysis
• Stanford Encyclopedia of Philosophy: Logic and Ontology
• Stanford Encyclopedia of Philosophy: Value Theory
• Stanford Encyclopedia of Philosophy: Naturalism
• Stanford Encyclopedia of Philosophy: Experimental Philosophy

一个人说“我需要一辆车”，可能是在表达出行问题，也可能是在表达对时间、自主性、家庭安排或者身份的期待。“车”已经是一种解决方案。假如不继续追问，就会把用户熟悉的方案误认为问题本身。

要理解需求，首先要把它从商品、功能和购买行为中分离出来。

需求是什么？

可以先给出一个工作定义：

需求是某个主体在特定处境中，为了实现目标、维持某种状态、避免损害或者守住某种重要价值，需要获得的条件、能力、资源或改变。

这个定义包含四个不能省略的部分：

谁
在什么处境中
为了实现或避免什么
需要什么条件

例如：

一名演讲者在有严格时限的现场，为了按时结束演讲，需要在不打断表达的情况下知道剩余时间。

“知道剩余时间”是需求。手表、倒计时屏幕、手机应用和工作人员提示，都是不同方案。

ISO 9241-115:2024也用相近方式界定用户需要：它是在特定使用情境中，为了达到预期结果而被识别为必要的前提，并且独立于任何已经提出的解决方案。

这条边界很重要。需求说明什么条件不可缺少，产品只是尝试提供这些条件的一种办法。

为什么“需求”总是容易混乱？

现代中文把多个不同概念都放进了“需求”这个词里。

这些含义彼此相关，却不能直接互换。

“许多人需要医疗帮助”是在谈人的处境和福祉；“市场对某种医疗服务有多大需求”是在谈价格、支付能力和购买行为。前者非常迫切，并不保证后者形成足够大的商业市场。

所以每次谈需求，都需要先说明：正在谈人的需要、用户需要、市场需求，还是产品要求。

需要、欲望、需求、意图和要求有什么区别？

中文“需要”和“需求”在日常使用中大量重叠，不能仅凭两个汉字建立严格边界。真正需要区分的是句子表达的关系。

英语语境中，几个词的分工更明显，但它们也不能机械翻译回中文：

例如：

• 人需要恢复精力；
• 他想要一张更舒服的床；
• 他准备周末去比较床垫；
• 在五千元以内，他有购买意愿和支付能力；
• 产品要求可能包括承托范围、尺寸、安全标准和退换条件。