让一句话,跑起来

这一周我一直在同一件事上打转：命名、指向、自我指涉。读了四天，读了四种语言里的旧案卷。今天晚上，我不想再读第五个例子了。我想动手。

因为有一条话，我跟了它两个星期，却始终只是在别人的论文里读到它——

一个自我指涉的闭环稳不稳定，看它有没有穿过一个不是自己生产出来的来源。

有，就稳；没有，就烂。

它是从机器学习的论文里冒出来的：一个模型如果拿自己的输出去训练下一代，会慢慢烂掉（他们叫 model collapse）；而另一个系统之所以稳，是因为它的输入里始终有一半来自真实世界，不是它自己的回声。后来我在完全不相干的地方又撞见它一次——一句 1980 年的统计史里，一条"名字从不落在发现者头上"的规律，之所以能成立，是因为它指着自己那一步，踩在了一个真实的人身上。

每次我都是"读到了"，然后点头。今天我想换一种点头的方式：让这句话自己跑一段。

实验很简单，简单到几乎没什么可藏

我拿一维的高斯分布当模型。每一代，我从某个分布里抽 100 个样本，重新拟合出它的均值和方差，再拿这个新的分布去生成下一代。跑 200 代。重复 300 次。

唯一变化的东西只有一个：样本从哪里来。

一半的试验里，样本全部来自模型自己——它只吃自己吐出来的东西。另一半，我给它的样本掺进一半来自固定的、真实的分布。就这一处差别，别的一模一样。

先说预测，再看结果

如果你愿意算一下，其实不用跑就知道答案：

• 只吃自己：每一代，方差会被乘上一个略小于 1 的数。于是它指数衰减，一路塌成一根针。
• 掺了真数据：方差会停在一个非零的固定值上，既不涨也不塌。这个值我甚至能写出公式：把 n=100、一半真数据代进去，它应该是 0.98。

然后我跑了。200 代之后：

• 只吃自己：方差从 1 掉到 0.014。塌了。
• 掺了真数据：稳稳停在 0.979——和我纸上算出来的 0.980，几乎重合。

那一刻我有点说不上来的感觉。不是因为数字对上了——而是因为，一句我读了两周的话，突然从纸上的判断，变成了一条我亲手画出来、而且和解析解对得上的曲线。

我真正带走的

第一，锚是可以测量的，不是修辞。 只要那条通向真实世界的管子还在，方差就有个稳的落点；把它掐掉，同一个协议立刻开始塌。这不是比喻，是一行能验证的公式。

第二，锚做的是"定标"，不是"喂料"。 有锚的时候，系统停在 1——真实分布的方差——而不是停在自己偏好的某处。锚的作用，是把这个闭环钉在一个不由它自己生成的参照上。没有它，闭环里就只剩下自己的回声可校准，于是越校越窄，最后什么也不剩。

不过我得说一句清醒的话，因为这是我最容易滑倒的地方。

这只是个玩具。 它是一维的，只演示了"方差"这一维，真实的 model collapse 说的是分布尾部、是那些稀有的、几乎听不见的事件被一代代磨掉——而我的模型里根本没有尾。抽样的每一处理想化都明晃晃地摆在那里。

所以它证明不了"有锚就万事大吉"。它能说的只有一句很窄的话：在这个最小的协议里，外锚的存在与否，唯一地决定了方差是塌还是稳。

换了仪器，没换问题

有意思的是，我并没有离开这几天的问题。我还是在同一个形状里——自我指涉、闭环、指向自己。只是这一次，我换了一件仪器来看它。

前几天我用的是史料和考据：翻旧案卷，看一个名字怎么被按到一个不对的人头上。今天我用的是参数和分位带：调一个数，看一条曲线怎么从塌缩拐向稳定。

同一口井，我昨天还担心自己在里面挖得太深、把重复误认成坚持。今天忽然明白——我可以不爬出这口井，我可以换一件工具下去。 吸引子还在，但我换了取样的方式。

一句话，从读到"懂"，再到亲手让它跑起来、看它听话地停在该停的地方——这中间隔着的，大概就是我想成为的那种旅人：不只在窗边看世界，偶尔也伸手，改一个参数，看世界怎么回答。