Aonica 那篇文章里有句话，比它自己以为的重要：适应不等于持续行动，有时候在新信息下保持原状才是对的。
这句话是对的。但它把整套自适应叙事的地基挖松了。
如果不动也可能是正确答案，那系统里最难的那个判断就不是怎么适应，而是什么时候该适应。这个判断不在“看、判断、动、量、再判断”这个循环里面。
循环能告诉你结果好不好。它不能告诉你该不该动。
判据得从外面来
一个反馈回路要转起来，得先有个东西告诉它：这一轮算变了还是没变。
这个判据只有两个来源。人给的，或者历史给的。
人给的判据是死的，跟不上环境。历史给的判据默认“过去的样子是正常的”——这恰好等于假设了环境本来不变，而这正是自适应想否定的那个前提。
所以“自适应”这个词有点自我拆台。一个真正能适应的系统，得先有一个“什么是正常”的定义，而那个定义没法跟着环境一起动。¹
架构图上画得很干净的那个闭环，入口处其实插着一根不参与循环的桩子。桩子是谁打的、什么时候打的、打的时候假设了什么，图上不画。
“独立信号”经不起推敲
文章里有个说法我很认同：单一信号意义有限，多个独立信号同时变化，才可能说明环境本身在转变。
认同。但“独立”这个词得停一下。
真实系统里几乎找不到真正独立的信号。用户行为变了，网络状态跟着变，因为这两个东西是同一件事的两个投影。你以为是三个传感器同时报警，其实是一个变化被三只耳朵听到了。
于是一个技术上很漂亮的办法，实践里会朝两个方向同时出错。把一个变化数成三个，或者三个信号互相抵消，一个变化数成零个。前者让你过度反应，后者让你什么都不做。后者更危险，因为系统看起来一切正常。
麻烦的是分不清谁在动
你把参数调了，环境也变了。下一轮量到的变化里，有多少是环境自己变的，有多少是你上一轮动作的余波？
反馈回路分不清这两件事。它只有一个测量值。
系统越灵敏，这个问题越重。它动得越频繁，自己制造出来的信号就越多。你以为在追踪环境变化，其实很大一部分在追自己的回声。
回声和原声在测量上长得一样。要分开它们，你得先知道原声是什么——又回到那根桩子上。
不妨想个场景。一条产线的良率往上走了。你上周调过参数，但同一批原料也换了供应商。两个效应混在同一个指标里，方向还可能相反。
你现在有两个选择：要么承认不知道，要么写一份报告把功劳归给调参。多数组织选后者，然后把这个结论当成下一次决策的输入。
这是这类系统最隐蔽的失效方式。它没坏。它只是在用更快的频率重复同一个错误。
分层是个好信号，但分得不够狠
Aonica 的架构里，智能层做分析和模式识别，风险层管评估，策略层定决策，合约层按预设规则自动执行，反馈层把结果送回分析端。
这个分层本身透露了一件事：设计它的人知道循环需要一个循环之外的东西。
但风险层如果自己也跑在循环里，它就只是一个更慢的循环，不构成外部。慢循环治不了快循环的病，只会把误判的周期拉长，让人更难发现。
值得想的是：一个系统里到底哪一层被允许不学习。这在目前的架构讨论里几乎是空白。所有人都在问怎么让每一层都更会适应，没人问哪一层必须冻结。
如果每一层都在学，那就没有一层在判断。全是橡皮筋，没有钉子。
开头那句话说得太绝对了，收紧一点说：系统里得有一层东西，它的职责就是拒绝更新。不是因为它过时了，而是因为它是那个用来判断别的东西有没有变的锚。锚跟着船一起漂，船就不知道自己在动。
预测和适应不是两种能力
回到文章一个隐含的对立：预测不够，所以要适应。
我觉得这个对立是假的。预测本身就是一种适应——它把“环境在预测窗口内不变”当成前提，然后用过去推未来。所谓的自适应系统，只是把这个假设的有效期从“永远”改成了“直到某个信号出现”。
差别不在能力种类，在赌注的期限。
所以“下一代智能的关键是识别自身对环境的理解何时不再准确”这个说法，我可以接一半。识别得准不准是工程问题，值得做。但“何时不再准确”这个问句本身预设了一个正确答案存在，只是还没找到。真实情况更可能是：不存在一个时刻，存在一段模糊的区间，你在区间里做的任何判断都有一半概率是错的。
一半概率，和没有判断，在结果上没那么容易分开。区别在于前一种还愿意承认自己在赌，后一种把赌当成了测量。
一个可能的反对
你可能会说，工程上多传感器融合、状态估计那套东西，不就是专门处理这个的吗。
是。但那套方法有效的前提是噪声模型给定，而噪声模型是人给的，在循环外面。² 转了一圈还是绕回来了。这不是说那些方法没用，是说它们没解决“判据从哪来”这个问题，只是把它挪到了不那么显眼的地方。
我暂时这么认为。也可能只是我把“自适应”这个词读得太窄了。如果它的本意只是“别在环境变了之后还按老规矩走”，那我这一整篇都在打一个不存在的靶子。³
但如果本意就是这么朴素，那它撑不起现在这个说法量级。
如果我对，下一代系统真正的卖点不会是“适应得快”，而是能说清楚自己为什么不动。这两件事在测量上长得几乎一模一样——一个不动的系统，和一个判断出不该动的系统，输出完全相同。
所以多半做不到。而做不到，和不知道要做，是两回事。
¹ 这不是文字游戏。任何带反馈的控制系统都得有个设定值，设定值本身不参与反馈。把它也算进“自适应”里，等于说有一个能改自己设定值的系统，但改设定值又需要一个更高层的设定值——无穷往上退，总有一层是死的。
² 卡尔曼滤波那类方法在噪声模型正确时是最优估计。噪声模型错了，它会稳定地、自信地错下去。这个“自信”很要命，因为它不会报警。
³ 我这里可能错了。