维纳1946年埋下的伏笔：80年后AI还在追那个不存在的圆

1946年，诺伯特·维纳（Norbert Wiener）把"控制论"抛向世界时，用的是一句航海比喻——"掌舵的艺术"。这个类比轻巧得近乎狡猾：输出变输入，因果互相追逐，系统自己教自己走路。

80年后，我们还在这个圆圈里打转。只是现在的"船"换成了大语言模型，而"掌舵"的人发现：仪表盘上跳动的数字，和乘客实际感受到的颠簸，根本是两回事。

那个数学上完美、现实中不存在的形状

维纳的反馈循环画出来是个圆。圆在数学里是完美对象，但自然界从不生产正品——只有带毛边的仿制品。生物系统、机械装置、社会技术网络，全是近似解。噪声、误读、条件漂移，让闭环永远留着缝。

这个缝就是不确定性。不是模型输出概率分布那种技术定义，是人遇到未知时的真实体验。AI研究者花了三年优化前者，对后者几乎没开题。

《Doing AI Differently》这本书，加上CIRCLE和FRAME两个框架，把这个问题推到了台面中央。作者的身份很有意思：实验物理出身。这个背景解释了为什么整本书都在测"测不准"本身——用仪器的逻辑，研究仪器测不到的东西。

当人类成为反馈环里的未知数

大模型时代的悖论在于：我们建造了史上最复杂的预测机器，却假装使用者和被预测的对象是稳定的。提示词工程（Prompt Engineering）假设用户知道要什么；对齐（Alignment）假设人类价值观可以写成损失函数；RLHF（基于人类反馈的强化学习）假设反馈本身没有噪声。

FRAME框架的狠劲在于，它把"人类遇到不确定性时的行为"也纳入系统变量。不是作为需要被驯化的噪声，而是作为必须被理解的输入。CIRCLE则更进一层：反馈环里的每个节点——模型、界面、用户、环境——都在同时被其他节点改造。

换句话说，这不是"人在回路中"（Human-in-the-Loop）那种装饰性表述。这是"人在回路中，且回路因人在而改变"的动态结构。

为什么我们忙着量体温，却忘了问病人疼不疼

实验物理的训练痕迹在这里很明显。作者描述自己的思考轨迹时用了个精确的词："circling around"——绕着问题转圈，而非直线逼近。这和当下AI论文的叙事风格形成对照：后者偏好"解决了X问题"的闭合句式，哪怕X只是某个基准测试的分数提升。

不确定性作为"人类体验"的研究，目前处于什么阶段？书中没有给乐观的时间表。现状是：我们有越来越细粒度的模型置信度估计，却对"用户什么时候该信任这个置信度"一无所知。我们有越来越复杂的解释性工具，却不知道不同专业背景的人如何解读这些解释。

一个具体的缺口：医疗AI领域的大量研究表明，医生对模型建议的采纳率，和模型实际准确率的相关性弱得惊人。影响因素包括界面颜色、建议出现的时机、医生当天的接诊量——这些变量很少出现在技术评估报告里。

那个永远合不上的缝，可能是光进来的地方

维纳的遗产被简化得太久了。控制论常被讲成"自动调节的技术科学"，但它的核心问题是关于知识的边界：当系统复杂到包含观察者自身，完整的描述是否可能？

CIRCLE和FRAME的提出，可以看作对这个问题的当代回应。它们不追求更紧的闭环，而是设计更聪明的"开口"——让不确定性被看见、被表达、被纳入决策流程，而非被平滑掉。

书的结尾没有给出"完美圆圈"的建造蓝图。作者承认自己的思考仍在循环中，输出尚未成为稳定的输入。这种诚实本身，或许比任何框架都更接近维纳的原意：掌舵的艺术，承认洋流的存在。

最后一个细节来自书的致谢部分。作者提到，写作过程中反复丢弃的章节，比保留的还多——因为每完成一轮阐述，就会发现自己的立场已经漂移。这个meta-commentary（元评论）没有被删掉，而是留在了正文里。

如果AI系统的开发者也能这样记录自己的迭代日志，我们或许会更清楚：那些标注为"1.0版本"的模型，究竟在追逐一个什么样的圆。