《人机互哺双螺旋进化、实证门禁稳健棘轮与共生创作复利母典》各章定量结论
人机协作写作流传着三条说法:AI 自产自学就能无限进化;有了 AI,人只要点确认;人类直觉靠不住,全交给数据。本书逐条证伪或立界。模型拿自己的产出一代代回喂,期望方差每代乘以 (n-1)/n,尾部比方差先消失;每代掺进真源,方差就有稳态,每代 100 个样本时真源比例下界约为 0.0909。核对原文后本书做了蓝图修正:Gerstgrasser 等人显示,真实数据累积而不替换时误差有上界,所以坍缩是条件命题而不是宿命;锯齿边界一文先是哈佛商学院工作论文,后刊于 Organization Science。书中参数为示意,全部计算由书中程序生成。本书不是软件工程意见,也不是投资意见,不对任何具体商业模型的内部机制下断言。
DOI 待发布 · 专著页正式发布后上线(本站暂无专著页) · 5DL-B-374 · English version
- 第 1 章 · 自产回喂的方差坍缩:尾部为什么先消失
自产回喂让期望方差每代乘以 (n-1)/n,典型路径缩得更快,中位半衰期约为期望半衰期的一半。尾部比方差先走:方差缩两成,千分之一尾部就丢掉将近八成。每代掺进真源,方差就有稳态;不扔掉旧的真实数据,误差就有上界。坍缩是条件命题,不是宿命。 - 第 2 章 · 锯齿边界:只点确认为何掉分,个体变好为何集体变窄
第二章算锯齿边界:示意参数下,边界外只点确认的正确率是 0.604,低于独立作答的 0.800,先证伪再比对在两侧都领先。 - 第 3 章 · 异常值注入增益:平均更差的候选为何能抬高最优解
第三章算人类异常值的注入增益:20 条候选全是模型产出时最优值期望 0.934,掺进两条人类假说升到 1.186,但增益只在假说可检验时成立。 - 第 4 章 · 证伪门禁:序贯检验的边界、样本量与漏网率
第四章写证伪门禁:序贯检验在同样错误率下平均只要 98 到 118 个案例,固定样本要 211 个,并按候选来源算出漏网率。 - 第 5 章 · 稳健棘轮:带误判的随机游走、回退审计与复利条件
第五章把棘轮写成带误判的随机游走,加上回退审计,并给出复利条件:示意参数下反馈强度要大于 0.0556。 - 第 6 章 · 多代理证伪:多数票的误判率与相关误判下的有效票数
第六章算多代理证伪:同源代理相关时,多投票不等于多保险,五票独立预测的误判率 0.0579 只在独立时成立。 - 第 7 章 · 原典考辨:学记论教学相长、劝学论青出于蓝、培根四假象与波普尔猜想反驳
更麻烦的是闭环。若每一轮的共识成为下一轮的先验,共享偏差会逐轮累积。没有外部锚点时,偏差 10 轮后是 0.500,50 轮后 2.500,200 轮后 10.000,没有上限。每轮有 0.05 的比例锚定在外部证据上,偏差最终稳定在 0.950;锚定比例 0.20,稳定在 0.200;锚定比例 0.50,稳定在 0.050,也就是单轮偏差本身。 - 第 8 章 · 实战工具与检查器规格:每日棘轮台账、红黄绿判据与预注册证伪
第八章给出实战工具与检查器规格:每日棘轮台账、红黄绿判据、蒸馏小工具「人机互哺棘轮门禁与坍缩警戒试算器」与预注册证伪方案。书中以标注框区分已发表的证据、可运行的 Python 计算(20 段程序)、原典与作者的假说。
模型示意算例,非实时报价