COGNITION / J-SYSTEM15 SEP 2026
认知 82｜学得多快，看现实多快回你
上一篇从一台只有望远镜的机器讲起。它能自己推到开普勒，推到平方反比，却卡在「万有」上。卡住它的不是脑子不够，是它等答案要等太久。这一篇单讲这件事：一个会学习的东西，进步的速度由什么决定。
学得多快，不看你多聪明，看现实多快批改你。批改者越快、越不讲情面，进步越快；没有批改者的地方，聪明只会让错误更圆。
批改者 01 现实，不是自己 |
延迟 02 回路越短学得越快 |
自造 03 写下、写错误条件、切短 |
COGNITION / 01
一、望远镜就是老师
那台机器没有课本，也没有人给它打分，它照样能学，因为它有一个批改者：天。
它算出一颗行星明年此时在哪里，明年望远镜对过去，在，就是对了；不在，就是错了。这个批改者有两个好处。一是不讲情面，算得再漂亮，星星不在那儿就是不在。二是不会被说服，你没法跟一颗行星解释为什么它应该在那儿。
人学东西也一样。学开车学得快，是因为方向盘打错了，车马上偏；学下棋学得快，是因为一步臭棋，几步之后就输。这些地方，现实回你回得又快又准。
COGNITION / 02
二、等得越久，学得越慢
望远镜这个批改者也有毛病：慢。一颗行星转一圈要几年、几十年，彗星要几十年才回来一次。人类从巴比伦人记录星位，到牛顿写出引力定律，中间隔了两千年，很大一部分时间花在等数据上。
转折发生在机器有了手脚之后。它不再只是看，而是能问：把两个东西从塔上扔下去，看谁先落地。等答案的时间从几年、几百年，降到几秒。出题的人也变了，从等天给题，变成它自己出题。
所以一个系统学得多快，有个很朴素的公式：同样聪明的两个学习者，一个一秒钟能被批改一次，一个一年才被批改一次，前者一年里能犯几千万次错、改几千万次，后者只能改一次。差别不在脑子，在回路有多短。
COGNITION / 03
三、没有快批改者的地方
可是很多事做不了实验。一个人该不该换工作，一家公司值不值得长期持有，一个孩子该怎么教，你不能把同一个人生过两遍，看哪一遍更好。
在这些地方，批改者只剩两个：时间，和当事人。时间批得准，但很慢，等它批完往往已经来不及改。当事人批得快，但不可靠，因为当事人最想听到的是「你没错」。
这就是软领域里聪明人反而容易错得更久的原因。在硬领域，聪明让你更快找到对的答案；在软领域，没有快批改者，聪明会被用来做另一件事：给已经下了的判断，找更圆的理由。理由越圆，越听不见那个慢吞吞的批改者。
COGNITION / 04
四、给自己的判断造一个批改者
既然天然的批改者又慢又不可靠，能做的就是自己造一个。办法有三步。
第一步，写下来。判断只在脑子里，事后一定会被悄悄改写成「我早就知道」。写下来，就有了一个时间留不住、自己赖不掉的旧值。
第二步，在下判断的同一刻，写清楚出现什么就算错。比如判断一家公司的护城河宽，就写：如果两年内对手用低价抢走了它的核心客户，我就承认看错了。这一句把模糊的「时间会证明」，变成一个到点就能核对的具体信号。
第三步，把回路切短。大判断要等五年，就拆出能在三个月里验证的小判断，先让小的被批改。望远镜等不及，就先去塔上扔两块石头。
这三步都做到了，还有最后一条：信号出现的时候，真的认。前面三步造出来的批改者，只有在你服从它的时候才算数。
COGNITION / 05
五、出现什么，说明这篇错了
如果能找到一批人，长期在没有反馈、也不写下判断的领域里工作，判断却稳定地越来越准，并且准确度和反馈速度没有关系，那「学得多快看批改多快」这条就要改。
COGNITION / 06
六、遇事三问
—我有没有在下判断的时候，写下「出现什么就算我错」？