第四编 实验台
第三个候选与前两个不同：它是一个人工系统，而且它从一开始就是为了研究演化与适应而造的。
遗传算法、演化策略、人工生命仿真——在这些系统里，一个种群在一个被明确写下的适应度函数上演化。研究者可以：
四条全通过，而且通过得干净利落。
不仅如此，这些系统在二三十年前就已经报告了路径依赖的现象：不同的随机种子导致不同的最终种群；某些解只在某些运行中出现；适应度相当的两个种群可以在结构上相当不同。
于是一个自然的问题：这件事不是早就做完了吗？
本章要回答的正是这个问题，而回答会比前两章更细，因为这个候选与本案的距离最近，因而它的错位也最不明显。
第四十章第七节的规则三写过：四条是必要条件，不是充分条件。 还需要第五编那一步——把待判的命题翻译成这台装置能回答的形式。
这个候选在四条上全通过，而在翻译那一步上卡住了。
卡在哪里？卡在一个很具体的地方：
产物不构成知识主张。
一个遗传算法跑出来的最终种群，是一组参数、一组规则、一组在适应度函数上得分很高的个体。它是一个解，而不是一个关于什么的陈述。
而本案所争的对象是知识——被知道的东西。要判”被知道的东西是被发现的还是被造成的”，需要产物是某种能被说成”关于世界如何”的东西。
一组在某个人造适应度函数上得高分的参数，不是这样的东西。
把上一节压成一句：
这类系统可重跑，但无内容。
“无内容”这个说法要说准，因为它容易被读成贬低。它不是说这些系统不重要、不精巧、不出成果。它说的是一件特定的事：
那些系统里被优化的目标函数，是研究者为研究本身而写下的；它不指向系统之外的任何东西。于是得到的解，其”正确”只相对于那个函数而言。
对比一下本案所需要的：语料是关于世界的（它由人写下的关于各种事物的陈述构成）；模型学到的东西，可以被问”它关于世界说了什么”这个问题，而且这个问题有意义。
这个对比要小心，因为它是本章最容易被攻击的一处。
反方可以说：语料也不过是一堆符号，模型学到的也不过是符号上的统计结构；把它说成”关于世界的”，正是在偷渡一个未经论证的假设。
这个反驳有力量，本书部分接受它。 本书的回答是有限度的：本书不主张模型的产物是知识（第八十一章第一条明写不主张）。本书主张的只是一个更弱的东西——那些产物是知识主张形式的：它们可以被评价为对或错，可以与世界上的事情对照，可以在对照失败时被修改。
而一组遗传算法的参数不具备这个形式：它没有”对不对”的问题，只有”在这个函数上得多少分”的问题。
这个区别是否足够，本书承认是一个开放问题。 第七十七章那一记处理的正是它的一般形式，而那一章的结论是：本书的论证靠反例结构站住，而反例结构要求实例落在那条全称命题的范围内——“以材料为输入、以判准为约束的知识形成”。一个不产生知识主张形式的产物的过程，不在那个范围内。
除了内容问题，还有一处错位值得单独写，因为它关系到第六编那三条条款能不能用。
在这类系统里，“材料”与”判准”往往是同一个东西。
遗传算法的适应度函数既规定了什么算好（判准），又是唯一的信息来源（材料）——种群除了适应度反馈之外，不从任何别处获得关于目标的信息。
而本案的设定要求 C、A、L 三者可分：材料是语料，判准是损失与评估，它们不是同一个对象。第五编第四十八章定义可达集时，这三者的可分性是前提。
若材料与判准合一，条款二就无从谈起——条款二问的是”结果差异能否由 C、A、L 的量预测”，而当 C 与 L 是同一个函数时，这个问题退化了。
这一处错位比内容问题更技术，但它更硬：它不是一个可以靠论证争的问题，它是一个设定上的不匹配。
上面的排除针对的是有明确适应度函数的系统。有一类系统试图绕开这一点，值得单独处理，因为它是这个候选里离本案最近的一个。
开放式演化的目标是构造一个不预设固定适应度函数的系统——个体之间相互构成彼此的环境，“什么算好”随系统自身的演化而变，而不是由外部写死。
这个变体绕开了第四节那处错位：材料与判准不再合一，因为判准本身是内生的。
而它引入了一个新问题，这个问题对本案是致命的。
若判准是内生的、随过程而变，那么第五编那套翻译就无从应用——本书的可达集定义为”固定 C、A、L 时一切路径所能到达的结果集合”，而这里 L 不固定。
这正是第七十七章第五节那一记的形态：判准可变的过程，也许根本不是本案所处理的那一类过程。那一节的结论是，本书对此没有办法；第八十七章第五节把它列为第三种不可判，并写明”无解法”。
于是这一节给出一个整齐的两难，它比单纯的排除更有信息量：
| 判准固定 | 判准内生 | |
|---|---|---|
| 翻译能否应用 | 能 | 不能 |
| 本案能否被提问 | 能 | 无从提起 |
| 例子 | 遗传算法、大模型训练 | 开放式演化 |
两难的形状是：判准固定的系统落进第二节那个”无内容”的问题（除非产物具有知识主张形式），判准内生的系统落进”无从翻译”的问题。
大模型训练之所以是本书的选择，正是因为它同时避开了两边：判准固定（损失与评估是写死的），而产物具有知识主张的形式（第四十四章第七节）。
这个位置很窄。 写明它有多窄，比声称它有多合适更诚实——本书所依赖的，是一个恰好落在两个失败模式之间的现场，而不是一个在各方面都理想的现场。
在清点它留给本书的东西之前，先提一条从它身上得到的普遍教训，因为它比这个候选本身更有用。
教训是：四条清单可以被一个系统轻易满足，而满足得越轻易，越要检查翻译那一步。
遗传算法与人工生命系统满足四条，靠的是它们就是为满足四条而造的——它们本来就是研究者写出来的仿真，可重跑、可干预、可消融、可观测是它们的设计目标之一。
于是出现一个反直觉的情形：一个系统在清单上表现得越完美，它越可能是一个为清单而造的系统，因而越可能与真实的对象脱节。
这条教训有一个可操作的形式，本书称之为造物者检验：
问一句：这个系统是谁为了什么造的？若它是为研究本案而造的，那么它满足四条这件事不提供任何信息，因为那是设计出来的。
按这条检验看四个候选：
第四十六章整章所讲的那个”装置自己也是被造出来的”，在这里有了一个正面的用处：正因为这台装置不是为本案造的，它满足四条这件事才携带信息。一台为了通过检验而造的机器，通过检验不说明任何事。
这条教训也有它的限度：不为本案而造，不等于它的参数选择对本案友好。第四十四章第七节那四处不足、第四十六章第二节那三处错配，说的正是这件事。造物者检验只挡住一类问题（设计性的循环），挡不住另一类（参数的错配）。
与上一章一样，排除它不等于否定它。
其一，它提供了”路径依赖在人工系统里真实存在”的早期证据。 那些关于不同种子给出不同最终种群的报告，在时间上远早于本书所依赖的那批材料。
其二，它提供了一个警示，而这个警示对本书直接有用。
那些系统里的路径依赖，几乎全部被处理为需要被控制的随机性：跑多次取平均、固定种子以便复现、调参数以减少方差。
没有人问过它是否会随资源消失。
这正是第七十四章第八节与第八十四章第五节所说的那个机制——关切决定了哪些问题被提出来。而它在这里的实例比在语言模型上的实例早了二三十年：同一个问题在一个可重跑的人工系统上本来早就可以被问，而它没有被问，因为没有人需要它的答案。
其三，一条对本书不利的：既然这类系统早就满足四条，而本案并没有因此被判，那么”四条满足就会改变问题类型”这条推论（第十三章第六节）在这里遇到了一个反例——或者至少是一个需要解释的案例。
本书的解释是第二节与第四节给出的两处错位：四条满足了，但翻译失败了。而这个解释是事后的，本书承认这一点。它不是一个独立的辩护，它只是指出了失败发生在哪一步。
若有人认为这个解释不够，那么第十三章那条推论就应当被削弱成一个更谨慎的版本：四条满足是问题改变类型的必要而非充分条件。本书接受这个削弱，并把它记在这里。
下一章处理最后一个候选，也是本书主张四条全通过、且翻译可行的那一个。