人工智能

指标能让复杂现实变得可比较，却也可能在成为目标后改变人的行为。本文从工作效率、教育、科研和 AI 奖励投机等例子出发，解释古德哈特定律为何发生，以及如何用多维评价和反馈机制降低单一指标失效的风险。

奥卡姆剃刀并不是“最简单的解释一定正确”，而是在解释力相当时控制假设成本的启发式原则。本文讨论它在科学、机器学习、复杂性科学与神经科学中的价值和边界。

从感官输入、预测编码与康德的先验结构出发，追踪感觉如何成为经验，语言如何搭建主体间的公共空间，以及大语言模型从语言中获得了什么、又缺少什么。

不同语言的声音、文字和语法各不相同，为什么仍能传递相近的思想？本文从康德的空间、时间与知性范畴出发，把翻译理解为认知状态的重建，并结合语言相对论、核心认知与大模型的跨语言表征，讨论共同认知基础如何使翻译成为可能，以及文化差异为何仍会造成不可避免的损失。

信息并不会自动转化为智慧。本文从杜威对信息与智慧的区分出发，讨论为什么信息过载时代反而更需要模型、结构与约束意识。真正决定理解力的，不是一个人掌握了多少事实，而是他能否把事实组织成可解释、可预测、可行动的认知结构。