接口说明 这是本编的核心，也是全书导论第三节”第一层，测量层”那一段的严格形式。导论只说”系统看不见占住”，本章给出为什么看不见：当成果是个人资源与外部资源的共同函数、而外部资源未被独立约束时，成果改善与个人能力增长之间不存在唯一对应。占住的不可见不是测得不细，是不可辨识。
这里必须处理一处看似的冲突：本章说作品与记录都不足以识别个人能力，而第十章提出的支配读数 k_self 又声称占住可以被抽测。两者不矛盾，因为 k_self 不是从成果推断出来的，它是现场索取的——要求学习者当场说出一个被排除的候选及其依据。命题一约束的是从 Y 反推 U 的推断，不约束直接在 U 上取一次行为读数。不可辨识性因而不是终点，而是一条指令：停止用作品去猜能力，改成直接向能力要一次动作。
设学习者在时点t、任务q、评价条件c下的表现为Y。它可以被概括为：
Y(t,q,c) = f(H(t), A(v), R(t), X(q), c) + ε。 （1）
其中H表示学习者相关能力与策略，A表示指定版本工具，R表示可调用记录与互动历史，X表示任务条件，ε表示测量及未建模因素。式（1）是研究结构的示意，不是已估计的心理定律。它要强调的是，同一表现可以由多个来源共同形成；当我们只看到Y变化时，不能默认H一定改变。
研究者真正需要估计的，往往不是某次产出的绝对水平，而是指定训练相对于对照对后续结局的平均影响。这要求处理选择偏差、重复测验与任务难度，并规定哪些工具条件保持一致。即使这些条件得到满足，实验首先识别的也是指定结局的因果效应，不是脱离测量任务的一切内在能力。
命题一可以表述为：当成果是个人资源与外部资源的共同函数，且外部资源变化未被独立约束时，成果改善不是个人能力增长的充分证据。
证明采用一个反例即可。考虑仅用于说明的加性模型Y=U+V。训练前U=1、V=0，故Y=1。训练后有两种解释：解释甲中U仍为1，V增加到1；解释乙中U增加到2，V仍为0。两者都产生Y=2，但关于个人部分是否增长给出不同答案。因此，从Y由1变为2不能唯一推出U增长。此处的数字不是认知量表分数，加性关系也不被主张为真实的人机合作机制；它只提供一个合法的逻辑反模型。
若真实系统具有非加性交互，归属未必更简单。一个人的训练改变了系统如何调用材料，工具也可能根据历史改变反馈。此时，将作品分成”人贡献百分之多少、AI贡献百分之多少”往往缺乏唯一分解。教育研究可以识别某种训练是否改善协作，却不必假装能够把每一句话的价值拆分为精确份额。
完整对话记录也不能自动消除不可辨识性。同样一句”请检查前提”，可能来自真实识别，也可能来自模板；同样一份修订说明，可能反映理解，也可能由系统代写。这不是说过程记录无用，而是说它必须与行为任务、现场追问及条件变化结合。记录支持归属，但不独自保证归属。
设有两个可能情境：在情境甲，某结论得到真实材料支持；在情境乙，关键材料不成立，但系统给出相同的结论和解释。若判断者只能看到这段相同输出，而不能接触任何能区分两种情境的证据，那么同一判断规则在两种情境中会作出相同决定。它不可能仅凭相同可见信息，同时正确地区分两种真实性状态。
这一论证不意味着任何AI输出都无法验证，也不意味着所有答案都需要重新逐步计算。它说明的是，认证需要能区分”确实到达”与”只是宣布到达”的证据。数学证明对象、程序测试、原始观测和独立测量都可能提供这样的证据；有些任务甚至存在比生成方案容易得多的检查方式。但是否存在、能够检查哪些错误，必须逐项说明。
在开放性问题中，终点可能不是一个唯一真值，而是一组满足约束的可接受结果。这时认证应检查约束、依据和竞争解释，而不是强行制造标准答案。教育上可以允许多种目的地，但不能因此允许任意地点都被称为到达。开放性取消的是唯一答案的预设，不取消给出理由的要求。
由第十二章的思想实验可知，提高对象尺度G与任务层级L，并不必然提高有效判断J。更进一步，如果任务复杂度增长超过学习者可用的判断资源，而系统又持续提供完整裁定，那么对象层级上升可以与个人有效参与减少同时存在。后一情形是机制可能性，不是本书已证明的普遍趋势。
相反，适当封装也可能解除无关负担，使人把有限资源投入模型比较与反例检验。因此，本书不提出”封装越多，学习越少”的单调规律，而提出一个条件匹配问题：委托的内容、保留的操作和反馈方式是否与学习目标相容？它可以通过改变封装深度、时间顺序与检验要求来研究。
三个命题共同构成一种有限的证伪结论：自动增益所依赖的充分性推断不成立。然而，它们不能决定某项具体教学的效应方向。理论论证负责排除不合法推导；经验研究负责估计条件化结果。两者只有分工清楚，才不会把逻辑可能误写成实证事实，也不会把一次正向实验包装成必然规律。