一句话说不清的问题
「人是怎么认识世界的」，这句话听上去是一个问题，其实是四个。
第一个问世界里究竟存在什么。第二个问我们凭什么认为某个关于世界的判断算是知道，而不只是猜对了。第三个问机制：光、声音、压力、气味这些物理刺激，怎么进到神经系统里变成感觉。第四个问数量：一次观察到底带了多少关于真实状态的信息，这些信息经过编码、压缩、噪声和推断以后，还剩下多少。
这四层谁也替代不了谁。一个哲学家可以讨论「什么是知识」，不必知道视网膜里离子通道的细节。一个神经科学家可以把视觉通路描述得很准确，却没有因此回答「为什么某种神经状态就构成有正当理由的知识」。一条信息论公式可以算出两个变量之间的关联有多强，却不能凭数值告诉我们这条消息是不是真的、有没有意义、值不值得相信。
所以只能分层讲，再在相邻两层之间找可靠的桥。这样做是为了避免概念跳跃。很多宏大理论出错，都是从「信息必须有物理载体」一步跳到「宇宙本质就是信息」。
资料：SEP — Epistemology · SEP — Information · MIT 6.441 — Information Theory
这个问题不是欧洲人先问的
认识论不是近代欧洲哲学才开的头。古希腊已经在系统地分开知识、意见、感觉与理性。古典印度形成了延续近两千年的 pramāṇa-śāstra，也就是对「有效认识手段」的系统研究。中国哲学则把知与行、主体与环境、语言与实践放进一个更强调关系的框架里考察。术语差得很远，但三边都在回答同一个基本问题：一个人凭什么能从经验、推理或者别人的转述里，得到关于世界的可靠知识。
西方这一路的线索比较为人熟悉。柏拉图分开知识与真意见；亚里士多德把感觉、经验、归纳与演绎摆进科学知识形成的过程里；笛卡尔把怀疑推到方法论的极端，想找一个不可怀疑的起点；洛克与休谟强调经验，也强调经验的边界；康德给出一个结构性的转折——经验不是原样进入心灵的，它要先在感性形式与理解范畴里成形，才成为「对我们而言的世界」。二十世纪以后，讨论从「知识是什么」转向正当化、可靠性、证言、社会制度和概率更新。
古典印度这一路尤其值得看，因为它干脆把「知识从哪来」当成正当化的核心。各学派对 pramāṇa 到底有几种争了很久，但感知、推理与证言长期处在争论中心。佛教认识论里的 Dignāga 与 Dharmakīrti 传统，非常重视直接感知与推理的区分，并且认真分析概念构造是怎样介入经验的。这里跟现代认知科学有可比较的地方，但不能把古代术语直接翻成今天的神经科学概念——那是两套问题意识，只是碰巧在某些位置对得上。
中国这一路的显著特点，是知识往往不被当成一个孤立主体对客体的静态镜像，而更强调学习、实践、分辨、关系与行动。《庄子》不断暴露视角的有限性；墨家更强调辨别、标准与可用性；儒家传统把知与行、学习与人格实践紧密连在一起。所以研究者提醒：如果只拿「有正当理由的真信念」这一个框去套所有中国思想，关系性和实践性的那一整个维度就丢了。
把三边放在一起看，人类认识论其实有一个共同结构：来源问题、可靠性问题、概念化问题、证据问题、他人问题、行动问题。现代科学没有消灭这些问题，只是给其中一些环节添了仪器、概率、实验设计、统计推断和公共复现机制。
资料：SEP — Epistemology in Classical Indian Philosophy · SEP — Epistemology in Chinese Philosophy · SEP — Epistemology
凭什么算「知道」
现代讨论的起点，是把知识拆成三样东西：这句话是真的；你相信它；你的相信不是毫无根据。哲学里管这三样叫 justified true belief，翻成中文是「有正当理由的真信念」。
1963 年 Gettier 提出的反例说明，这三条全满足，人仍然可能只是碰巧答对。他的例子重要，不在于是个逻辑游戏，而在于把两件事分开了：结果正确，和产生这个结果的过程可靠。
这个区分在今天特别好懂。一个预测模型连着猜中几次，可能只是因为样本有偏。一个人在网上看到一条真实结论，可能来自一个不可靠的账号偶然发对了。知识要的不只是那个输出，还包括生成这个输出的路径。为了排除这种「认识上的运气」，后来才有了可靠主义、因果理论、安全条件、敏感性条件这些方案。
由此可以排出一条越来越强的阶梯：数据是可以记录下来的状态；信息是状态之间的差异和统计关联；信念是一个人对某句话的态度；知识要求更强的真理与正当化条件。
Data ≠ Information ≠ Belief ≠ Knowledge ≠ Truth
还要补一句：信息量大不等于是真的。一条错误但出人意料的消息，同样可以携带大量信息。
再往下就绕不开一件事：现代人的知识高度依赖别人。绝大多数人没有亲自量过光速，没有测序过人类基因组，也没有跑过大型强子对撞机的实验，却仍然合理地相信这些结果。凭什么？凭的是科学机构、同行评议、公开数据库、仪器校准、专家网络和重复研究。社会认识论研究的正是这种依赖：什么时候该信任别人的说法，怎么认出真专家，一群人各自掌握一部分证据时该怎么合起来，以及制度到底是在减少错误还是在放大错误。
所以「人类认识世界」从来不是单个大脑对外界的直接映射，而是一个多层的分布式系统。个体的感官接收信号，语言把内部状态说出来，制度保存和筛选记录，共同体通过批判与复现淘汰掉一部分错误，技术又把公共知识变成新的观测能力，反过来喂给下一轮。这个系统里任何一层松了，上面几层都会跟着歪。
资料：SEP — The Analysis of Knowledge · SEP — Social Epistemology · National Academies — Reproducibility and Replicability in Science
刺激是怎么进来的
ALITA 是在这条通道的哪一步介入的
先说清楚位置。从真实状态 X 到感官与仪器这一段，是世界把自己交出来的那一步；从感官与仪器到观测 Y，是这些信号被读成可以处理的东西的那一步。
ALITA 不是在最后才出场的。它介入的是上下文这一步，也就是在这一次的观察真正被读之前。它把你过去做过的事、你在这些事上的偏好、25 个维度对你这一路的判断，一起放进这一次的上下文。所以最后读到观测 Y 的，不只是模型，是你和模型一起在读；读的时候，手里已经带着关于你的那一份先验。
这不是修辞。后面一节会讲到，在贝叶斯更新、预测编码这类框架下——它们是解释力很强的研究框架，不是已经坐实的定律——有限而含噪的输入之所以能得出稳定判断，靠的正是先验。一个智能体如果每次都从零开始，它就只能拿到这一次的输入；带着你的历史，它才可能从同样的输入里看出更多。
三处限制，和 ALITA 已经介入的地方
人看不到所有波长。对应到一个人自己身上，是他也看不清自己：哪几件事上他其实越来越快，哪个毛病反复出现，接下来最可能往哪个方向长。25 个维度记的就是这些。它带着你过去的全部记录，把你自己看不见的那一段显出来——你有哪些本事已经成型，这些本事之间可能连成什么，将来还有哪些可能性。这一层今天已经在跑。
人听不到所有频率。做事过程里的差别，很多本来是听不见的：这一次用了哪些工具，中间成没成，验证过几次，碰到了哪几个维度但没到调动的程度。这些今天都在记，一轮一条。日子越久，记下的差别越细——这一层不是将来要做，是它一直跟着你在跑。
仪器扩展通道，说的是把感官摸不到的量变成可记录的信号。在人这一侧，对应的是把一个人练出来的本事变成别人能直接用的东西。走通过的一次经过可以整理成一套做法，存成你自己机器上的文件，拷给别人；别人拿到就能直接用。这一步今天已经在做。往下走，是让这些本事真正流通起来——我们说的技能经济，还在长。
再往前一步是协作：两台 ALITA 之间直接派活、回传、拉群，让一个人的通道接上另一个人的通道。往下追到生物机制，第一个绕不过的环节，是把外面的刺激换成神经系统能用的电信号。这一步有个名字，叫感觉转导，英文写作 sensory transduction。经典的《Neuroscience》教材把它明确称为所有感觉处理的关键第一步。
视觉最直观。物体本身不会「进入」大脑，到达视网膜的只是来自环境的光。光子改变视杆细胞和视锥细胞里的分子状态，触发光转导级联，改变膜电位和递质释放，再经视网膜神经节细胞、丘脑和视觉皮层，形成复杂的神经活动。
别的感觉走的是同一个套路，只是换了物理量。听觉接的是空气里的压力波，它推动耳蜗中的毛细胞，把机械运动变成电信号。触觉接的是机械形变，皮肤和皮下分布着一批不同的躯体感受器，形变把它们的膜电位推离静息值，成为感受器电位。嗅觉和味觉接的是分子本身——气味分子或者食物里的化学物质与受体结合，触发一串信号级联，才有了「闻到」和「尝到」。四类感觉的入口完全不同，转成电信号这一步却是共同的。
这带来一个根本限制：神经系统只能接触到由环境、身体结构和感受器共同决定的那一份输入。人看不到所有波长，听不到所有频率，也没有天生就能感知中微子或者强子结构的器官。科学仪器的意义，正是把人的感官摸不到的变量，转换成可记录、可显示、可比较的信号。仪器没有让我们脱离通道，只是把通道拓宽了。
第二个限制来自编码。神经系统必须把连续而高维的环境变化，压缩成有限的活动模式。编码不是把世界每个细节一比一存下来，而是按照身体结构、任务和经历，对某些差异特别敏感，对另一些干脆忽略。这就解释了知觉为什么既可以极其稳定，又会出现错觉：稳定来自模型和编码策略，错觉则暴露出这些策略并不是现实的完整复制。
到这里，认识问题第一次有了可以和信息论接上的接口：真实状态 X 经过一条物理—生物的通道，产生观测 Y。这条通道一次能过的东西有限，会混进干扰，还有挑拣，会丢掉大量细节。
World state X → sensory channel P(Y|X) → neural observation Y
资料：NCBI — Cutaneous and Subcutaneous Somatic Sensory Receptors · NCBI — Phototransduction · NCBI — The Chemical Senses
大脑不是照相机
既然感觉输入既有限又含噪，知觉就不可能只是被动照相。现代认知科学里大量模型把知觉理解成推断：大脑把当前证据和过去经验合起来，去估计到底是什么外部原因造成了这些信号。
先有一个猜测，再拿新证据去调整它，这种做法叫贝叶斯更新，写成 Bayesian。它给出的形式很清楚：
P(H|D) ∝ P(D|H) · P(H)
这里 H 是关于外部世界的假设，D 是新的观察。先验 P(H) 说的是没看到新证据之前你原本怎么想，它不等于「偏见」，可以来自长期经验、统计规律、遗传结构或者更高层的模型。似然 P(D|H) 描述的是「如果这个假设为真，眼下这个观察出现的概率有多大」。
还有一种思路是高层先猜，低层只把猜错的那部分送上去，这叫预测编码，英文写作 predictive coding。Rao 与 Ballard 1999 年的经典模型提出：高层视觉区域向低层发送对神经活动的预测，低层把实际活动和预测之间的差值送上去。这解释了视觉皮层里一部分「经典感受野之外」的效应，也成了后来预测加工研究的重要起点。Friston 的自由能原理则把感知、学习与行动放进更广的生成模型和变分自由能框架里。
必须说清边界。「大脑就是贝叶斯机器」「自由能原理统一了全部脑科学」，这两句都太强了。这类模型在很多任务上解释力确实很好，但存在模型不可辨识、先验从哪来、神经上怎么实现、实验能不能区分开这些问题。它们更适合被当作研究框架，而不是像热力学定律那样的成熟定律。
即便如此，这一类理论仍然重要，因为它把两件事分开了：感觉提供证据，内部模型决定怎么解释证据，而新的预测误差不断地修改模型。认识因此不是一次性的输入，而是一个连续的循环。
资料：SEP — Bayesian Epistemology · Rao & Ballard (1999), Nature Neuroscience · Friston (2010), Nature Reviews Neuroscience
这对一个智能体意味着什么
上面这几节讲的限制，对一个智能体同样成立，而且更严。ALITA 对一个人的了解，只能从它真正拿到的观察里来。它没有看到的部分，就是没有看到；它由此推出来的部分，就是推出来的。这两者必须分得干干净净——把猜的说成看见的，代价不会在说的那一刻结账。
代价推到什么时候？推到信息真的开始调度物质与能量的时候。信息本身不提供能量，它决定的是已有的能量往哪里去。温度计读到 28 度，不会自己发出一度电，它只是决定要不要把电送进压缩机。错的信息导致错的动作，动作花掉的能量和物质是真的花掉了，收不回来。
所以让信息的来源可以被追溯和核对、让记录不被事后悄悄改掉，不是道德口号，是省下真实的物理代价。这也是为什么记忆归用户自己、记录留在用户自己的机器上、身份由用户自己生成——信息要跟着人走，这是前提。信息留在别人的系统里，人换个地方就带不走。
ALITA 记的不是标签，是一个人一路是怎么走过来的。
一个诚实的智能体，第一件要做对的事，是知道自己的通道有多宽。
资料：MIT OpenCourseWare — 6.302 Feedback Systems · IBM Research — The Physical Nature of Information