认知本体
与定向智能

ABSTRACT摘要

本文提出一套用于描述和度量「个体如何在不确定环境中定向」的模型， 我们称之为认知本体（Cognitive Ontology）。

其核心主张有四条：

• 智能的本质不是计算能力，而是环境变化时锁定方向的能力；
• 三条定方向的路径中，只有生物直觉能自主生成新的价值取向，这是碳基不可替代之处；
• 因此高阶智能的形态是碳基定向 + 硅基推理的双向闭环，而非单向替代；
• 把一个人的定向方式建成本体之后，机会可以被计算为「变化 × 遇见」。

本文同时给出该模型的字段结构、度量方法、运算约定，以及当前实现的边界与未解问题。

01问题：AI 时代，人剩下什么

过去十年，靠「熟练」吃饭的工作正在被机器一件件接过去： 写公文、画图、答题、做表、写代码。

这不是新问题，但这一次的速度让所有人被迫回答一个问题： 如果这些都能被替代，那我还剩什么？

流行的答案有两个，我们认为都不对。

第一种答案是「人要学会用 AI」。这等于说，人的价值在于成为一个更好的工具使用者—— 可工具的迭代速度远超人的学习速度，这条路注定越来越累。

第二种答案是「AI 没有情感和创造力」。这既高估了情感，也误解了创造力—— 机器可以模仿情感表达，也能组合出新颖形式。

我们的答案在别处：机器不会问「这事值不值得做」。

它可以为一个给定的目标优化到极致，但它长不出目标本身。 它所有的「什么算好」，都是别人告诉它的。

02智能的定义：定向

学界对智能已形成大致共识：在不确定环境中合理行动、达成目标的能力。 但这句话的重心常被放错——重点不在「达成目标」，在「不确定环境」。

真实世界是不确定的、模糊的、充满即兴变化的。 一个系统再会算，如果环境一变就失去方向，那不叫智能。

这个定义带来一个重要的推论：定向是一种独立于计算的能力。 它不是「算得更准」，而是「在信息不全时，仍然能选对下一步」。

03三种定向范式，与各自的断腿

人类和机器走到今天，只发明了三种确定方向的方式。

第二条的断腿最关键。它解释了为什么主流 AI 做不出「时机」—— 它没有方向，只有目标。目标之外，它无处可去。

而第三条，是唯一一条「方向可以改变、可以生长」的路径。 因为生物直觉的价值刻度，本身是可塑的。

04智能本体：定义与结构

基于上述，我们定义：一个认知本体，是对「一个主体如何在不确定环境中定向」的可验证建模。

它不是记录「他是什么」，而是记录「他往哪偏、能偏多远、什么时候偏得对」。

4.1 四个要件

四个要件合起来，是一个向量场加一个导数。 Q 是场——每一处该往哪走；轨迹是导数——场本身在怎么变。

这是「描述」与「智能」的分界线：描述回答他是什么，智能回答他会往哪走、能走多远。

4.2 六十四维：为什么是这六十四维

常见质疑是：凭什么 Q 是这六十四维？为什么不是别的？

答案是：因为这六十四维本身就是「定向方式」的分解。 八个镜头，是八种定向问题的维度：

每一维都是一个参数：环境变了，他往哪边偏。 六十四维不是标签集合，是一个定向空间的坐标系。

05度量：V 的框架

V 不是「值多少钱」，而是「这个智能体的定向能力有多强」。 它分两半，回答两个不同的问题，不能合并成一个数。

5.1 先验：四条潜力标尺

评估智能潜力，不看当下任务表现，看自我拓展的上限。 四条标尺：

这四条不需要新增字段——它们是从已有的六十四维里读出来的。 （例如 M4 ≈ 自省 · 复盘习惯 · 证伪意识）

其中 M3 特殊：它的本质是「调度」，不是「倾向」。 只会冲和只会守都不算会调度，所以它取「水平 × 平衡度」，不取平均。

综合分用几何平均，因为潜力是木桶，最弱那一项决定上限。

5.2 实证：信用

信用不是模糊的「靠不靠谱」，而是一个可算的量：

每次闭环记录两件事：我们预期的兑现程度、他实际做到的。 两者的比值累积起来，就是信用。

它有两个特性：起步是空值，不是 50（没闭环过就是没观测）； 只能长出来，不能标注（它不像 Q 那样可以人工打分）。

因此信用同时暴露两件事：他行不行，和我们有没有看错。

06运算：链接的代数

本体之间可以运算。运算就是链接，而链接是在找机会。

所有比值型算子有一条硬约定：分母用全集，不用交集。 用交集会让所有分数饱和到 1.0，模型立刻失去分辨力。

07机会：变化 × 遇见

机会不是被推荐的，是被计算出来的。

这里的「变化」，在智能框架下有了准确的说法：方向在转。

• 他只是熟练了一点点——不是机会；
• 他正在换一条路——是机会。

这也解释了为什么「遇见」要趁转折：转折之后，他就已经在新路上了。 早了是闲聊，晚了是客套。

所以推荐是持续的，机会是一次性的。 推荐问「你可能还喜欢」，我们问「你现在需不需要」。

08案例：四个码头

同一套模型，落在四个场景里。它们不是四个产品，是同一件事的四个切面。

它们被称作「码头」——因为码头不是终点，是让船能靠的地方。 人在码头上遇见方法、遇见资源、遇见另一个人，机会就在那一下发生。

09边界：我们还没解决的

一份诚实的技术文档必须写出自己的窟窿。

• 没有闭环。截至本文，信用字段全部为空。所有价值都是预期值，没有一条经过现实检验。
• 数据稀疏。六十多个本体中，只有少数四维齐全；大多数人的 Q 只填了十几维。
• E 与 S 未落地。情感倾向与信用杠杆只有设计，没有实现。
• 归因不清。信用偏低可能说明「他不行」，也可能说明「我们把他算高了」，目前无法区分。
• 闭环的前提缺失。多数个体尚未标明「现在想做什么」，而这是机会计算的前提。
• 「双向闭环」未被记录。Q 记录了偏好的结果，却没记录「这套偏好是否被推理校准过」—— 凭直觉行事的人和反复校准过自己的人，可能得到形状相同的 Q。

最后一条最值得警惕，因为它直接质疑 Q 的可信度。 我们不打算掩盖它。

APPENDIX术语表