复杂系统

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。

没有中央指挥，也不需要持续直接通信：个体读取并修改共享环境，让此前行动留下的痕迹自然引导下一步。这张信息图呈现 Stigmergy 的基本循环、经典案例、现实应用与设计原则。

协作不一定依赖参与者持续对话。蚂蚁的信息素、染色质上的化学标记、Git 提交和共享任务状态，都可能让后来者从环境中读取此前行动留下的痕迹，并据此继续工作。Stigmergy 描述的正是这种由环境介导的间接协同机制。

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。