第17章
第十七章 问题升维：从寻找答案到改变问题的生成方式
一 一个问题在被提出之前，已经接受了哪些安排
“怎样更快得到答案”预设问题已经成立。对象是什么，什么变化值得解释，哪些条件被固定，怎样的结果算作回答，这些安排通常先于求解进入活动。它们可以非常合理，也可以包含未被看见的限制。工具如果只接到一个已经固定的问句，最出色的执行也可能只是在错误问题中提高效率。
设想一项校园研究要找出“最不愿参加讨论的学生”。调查表只记录发言次数，于是问题被组织为谁的次数最低。现在即使使用强大系统整理访谈、生成图表，研究也未必认识了不参与的原因。沉默可能来自准备不足，也可能来自讨论时间、语言条件或发言规则；更可能有人以书面方式参与，却没有进入计数。这里只是说明一种可能的测量错位，不是在报告真实学校的数据。
若研究者改变问题，追问“什么样的讨论安排使不同学生能够参与”，研究对象便从一种被归给个人的固定属性，转向参与发生的条件。新的问题并不必然比旧问题更正确，它仍需清楚定义与证据。但它改变了哪些变量可以被修订，也改变了学校能够采取什么行动。问题升维在这里表现为解释单位变化，而不是问句长度增加。
这使我们看见问题的构成至少涉及对象界定、目标选择、条件划分与回答规则。它们不是四个彼此独立的开关。把参与定义为当众讲话，会改变可接受的数据；把目标定义为提高总次数，又会改变评价何种课堂安排。问题不是一个纯粹主观愿望投向外部对象，而是在共同活动中形成的可研究结构。
人工智能可以帮助显露这些安排，也可以把它们隐藏得更深。一个系统可能主动提示发言次数无法代表全部参与；另一个系统可能为了快速完成任务，直接生成学生排名。区别不在是否使用人工智能，而在互动是否允许改变题目本身。若用户只接受支持原问句的输出，系统再丰富也可能成为确认既有前提的机器。
同样，要求人永远负责提问并不能保证问题开放。人可以提出很狭窄的问题，工具可以带来使问题改变的反例。有效提问有时发生在双方都没有预先完整拥有新问题的情况下：一次错误答案暴露术语混淆，一张异常图促使重新分类，一项无法执行的要求显示目标互相冲突。问题在反馈中形成，不必拥有单一的起源时刻。
因此，本书不以提问权的形式归属作为主体性的充分证明。用户拥有输入框，不代表他能够改变平台组织问题的方式；导师最后批准题目，也不代表问题最重要的改变来自导师。真正需要观察的，是谁和什么活动使原来不可见的条件进入讨论，并使它们有机会得到重建。
问题升维的第一个标志，是某种原来被当作背景的安排能够成为研究对象。但不能因此把一切背景都同时打开。一次研究的资源有限，必须选择哪些前提最可能影响当前结论，哪些可以暂时保留。无边界地追问一切，可能使活动无法开始；把所有前提都封死，则可能使活动无法改变。研究需要有理由的开合。
这里也需要区分问题来源与问题质量。一个问题由人、模型、偶然错误或共同讨论引出，不直接决定它有无价值。需要检查它是否指向真实的认识缺口，是否能够得到相应证据，是否改变了后续探索。来源应当诚实记录，质量应当单独评估。不能因为不是本人最先说出，就拒绝进入有价值的问题。
由此，封装提供的并非仅仅是答案服务。它还可能使原本被执行成本压住的前提比较得以开展。只要可靠执行能够承接一部分工作，研究者就有机会研究题目本身。但这一机会需要在制度上被允许：问题发生改变，不能永远被当作学生没有坚持原计划的缺点。
二 一个交替的数列，怎样迫使问题改变
回到小林的网络问题。两个节点起初分别取零与一，每轮完全接收对方上一轮的数值。第一轮变成一与零，第二轮又回到零与一。两节点相互连接，数值却没有趋于一致。这个例子不需要大规模计算，也不依赖复杂统计；按照更新规则逐轮写出，就足以否定“只要连通便必然趋同”的一般说法。
它的认识价值不在于让人惊叹模型发现了一个反例，而在于迫使原问题分裂。连接使信息能够传递，却没有保证旧差异会被消散。两节点把差异完整交换回来，整个过程具有周期。若只统计每一轮平均值，平均始终为二分之一，看起来十分稳定；若观察两者差异，其符号不断反转，大小没有减少。观察单位改变，稳定的含义也随之改变。
小林原来的失败，因而不只是缺少一个技术条件。她把三种不同问题压成了一个：信息能否到达，状态是否收敛，以及收敛到什么值。反例把被压缩的差异重新打开。接下来的研究不应只让系统搜索一个能够修补原句的形容词，而应说明三种性质分别由什么条件支持。
她尝试让每个节点保留自身的一部分，再接收对方的一部分。设保留比例为α，其中零小于α小于一。两数之差每轮乘以二α减一，其绝对值因此逐步缩小。当α等于二分之一，差异一步消失；当α非常接近零或一，差异虽然最终缩小，却可能收敛很慢。这些结论直接来自两项更新式相减，不需要把模拟次数当作证明。
此时，一个新问题出现了：使系统不再振荡的修改，是否同时改善收敛速度？在这个两节点例子中，某个中间比例最快，但不能未经证明就外推到所有网络。局部修补使研究进入参数与结构的关系，而不是停留在成功或失败两个标签上。封装计算提供了材料，问题改变来自对材料中关键差异的重新组织。
接着，她把权重改成不对称。若第一个节点每轮取自身的十分之九与对方的十分之一，第二个节点取第一个的五分之一与自身的五分之四，二者差异每轮乘以十分之七，会逐渐缩小。但从零与一起步，共同极限是三分之一，而不是初始算术平均二分之一。可直接检查，二倍第一个数加第二个数在更新中保持不变。
这说明趋同并不保证影响相等。数学问题中的不变量，决定了什么结果在变化中得到保存。若模型被用于解释某种真实协商活动，不能把“最后相同”直接写成公平；那需要额外说明权重、目的与参与条件。数学证明可以排除某些逻辑错误，却不能替代价值选择。小林因此获得了一条新边界，而不是一个更万能的答案。
这个过程展示的问题升维，不是从小问题逃向大词语。她仍在研究很小的矩阵，但能够区分原来混同的性质，提出不同证明义务。对象没有越来越庞大，认识却更有结构。所谓高维，不应只意味着复杂度增加，也可以意味着对相同对象建立更有区分力的坐标。
这些数学性质并非本书宣称的新发现。它们被用作公开可检验的训练场，使读者能够看见问题究竟在哪一步改变。若换成尚未解决的前沿问题，结论不能预先写好，发生机制却仍需要类似证据：什么冲突迫使分类改变，什么新条件进入，哪些旧断言被放弃，哪些新的探索因此可以开始。
反例的作用也不必由人独自承担。它可以由程序枚举、模型建议或同伴质疑引出。人的成长要看他如何进入随后的研究，而不是看反例是否先在脑内出生。若他只是记住一个新答案，变化仍然有限；若他形成区分连通、收敛与守恒的能力，后续问题空间才真正被重新组织。
三 从问题清单到问题生成器
要求系统一次列出一百个研究问题，得到的可能只是一百种问法。许多条目共享同一前提，彼此区别仅在对象名称；有些问题没有明确回答条件；有些把现有知识换成疑问语气。数量能够支持初步探索，却不能单独证明问题空间已经扩大。真正值得封装的，不只是问题清单，还包括能够持续辨认新问题的活动条件。
本书将这种条件称为问题生成器，但它不是一个保证创新的神秘模块。一个最小生成器可以包含对象集合、可变化条件、比较方式、失败记录与退出规则。它使研究者知道可以在哪些方向扰动，以及什么变化值得进一步研究。生成器也必须允许修改，否则它会把新问题限制在预设模板中。
在小林的例子里，节点数、权重对称性、自身保留比例和更新次序构成几类可变条件。分别改变它们，可以形成不同问题族。然而，条件并非全部相互独立；某种权重约束可能限制另一个参数的可取范围。生成器必须保留这种关系，不能把所有选项任意拼接后把无意义组合当作创新候选。
问题生成还需要已有答案的定位。如果某个问题早已得到标准解决，个人重新发现仍可能有学习价值，但不能作为公共原创贡献宣传。工具可以帮助检索近邻，研究者需要核对具体结论。检索没有找到，不等于世界上不存在；一篇相似文献出现，也不等于当前问题完全相同。比较应当落实到对象、条件和主张，而不是题名相似度。
这里有一种值得保留的张力：近邻知识既可以减少无谓重复，也可能过早压制新想法。若一看到相关研究就宣布没有必要探索，可能错过对旧问题的新表达；若完全不看近邻，又可能反复制造已经解决的问题。较好的安排是先明确自己看见了什么差异，再用近邻检验差异是否真实，而不是只寻找支持新颖性的材料。
一个有效的问题生成器还应当记录被放弃的问题。为什么不再追问，因为什么证据停止，是否因为条件错误、价值不足或资源暂时不允许？这些记录能够使后来者避免重复进入同一死路，也能在条件改变后重新打开被暂停的方向。停止不是研究的羞耻，含混地遗忘停止理由才容易造成重复劳动。
对跨学科问题，更需要防止语言上的假连接。例如，把数学收敛直接对应为社会共识，看似建立桥梁，实际上可能忽略参与者能够改变规则、退出互动和重新定义目标。数学模型可以帮助明确某种有限机制，却不能替代对社会对象的研究。真正的跨域升维，需要说明哪些结构可以迁移，哪些差异使迁移停止。
因此，问题生成器不只是增加提问速度，而是给问题以可以改变的发生条件。它把反例、近邻、对象差异和价值选择放进互动，使问题能够被修订而不是不断堆积。若平台只提供更多题目，却不允许检查来源、修改前提和保留失败，它更像一台问句生产机，而不是新的研究条件。
这样的生成器也可以是人、笔记、程序与讨论共同组成的组织，不必是单一软件。封装的对象是能够持续运行的一组活动，而不是一个漂亮按钮。其价值要通过后续问题的质量、可研究性与组织变化检验，不能只根据界面是否写着“创新引擎”来判断。
当一套问题生成条件能够被别人理解、接续和修改，个人探索才开始成为可继承能力。后来者不必从空白开始列题，也不必服从前人的全部偏好。他能够沿着已有差异继续追问，并在必要时改变差异本身。问题的封装由此不是关闭提问，而是让提问拥有一个可以继续改变的起点。
四 怎样判断一个新问题真正打开了研究
评价问题升维，首先要避免以宏大程度打分。“意识是什么”比“两个节点为什么振荡”更广泛，但并不因此在每项研究中更有推进力。一个问题的价值，需要相对于当前对象、已有认识与可展开活动判断。能够精确改变一个关键假设，往往比给同一困惑换一个世界性名称更有研究内容。
可以先观察问题是否产生了新的区分。小林现在能够把连通但振荡、收敛但不保平均、保平均但收敛缓慢分开，而原来只能说系统有效或无效。这个区分使不同情况需要不同证据，因而改变了实际工作。若所谓新问题没有改变任何可能的答案或后续行动，就需要怀疑它是否只是修辞。
再观察问题是否形成新的可检验路径。一个有价值的方向可以尚未解决，却应当说明怎样获得相关信息，哪类结果会支持或削弱当前理解。不能要求所有探索立即变成实验方案，但至少需要显示研究从哪里继续，而不是只留下一个令人赞叹的空洞。开放不等于没有约束，未知也不等于无法提出有效下一步。
第三，要看问题是否修订了原有承诺。研究者是否愿意承认最初问错，是否减少了过强结论，是否改变对象分类？如果每个新问题都只证明最初立场早已正确，所谓开放便值得怀疑。问题发生常常带来损失：放弃熟悉路线、重做部分材料、承认某项贡献没有原先想象的重要。没有任何可失去之物的提问，很难检验其真实性。
第四，要看问题是否允许他人进入。一个问题只能由提出者用私人直觉理解，就难以形成公共研究。必要的定义、例子、背景和未知边界应当足以让不同参与者提出异议。这不要求把所有探索经验翻译成公式，却要求关键主张能够接受共同讨论。问题质量不能只由提出者的兴奋决定。
个人侧的证据则在迁移中显露。面对新的案例，小林是否更容易发现目标与条件混淆，是否能借助资源形成不同解释，是否知道什么时候不该强行套用原框架？这种能力不必表现为独立于一切工具的天赋，而可以是稳定的复合参与方式。能够在新任务中持续改变问题，才比一次偶然好问更接近研究能力。
这里需要区分好奇的开启与兴趣的持续。在本书的发生性用法中，一处未被解释的差异可以使人开始追问，而持续投入还需要问题与自身活动建立意义联系。不能因为平台不断制造惊奇，就认定研究兴趣已经形成；也不能要求每一次新奇都必须转化为长期课题。教育应当允许试探、选择和放弃，而不是把所有好奇都变成生产任务。
问题升维因此也有退出权。某个方向在检验后没有价值，能够停止，是成熟研究的一部分。若课程按问题数量计分，学生可能不断维护本该放弃的题目；若平台按互动时长获益，也可能把尚无推进的追问保持为循环。制度需要奖励有依据的收束，不只是奖励更多开放。
本章提出的判断并不是新的万能量表。区分、可检验路径、承诺修订、共同进入和迁移，是需要结合内容分析的证据方向。它们不能被简单计数后自动生成创造力分数。评价应当服务于让问题更清楚，而不是把提问再次变成资格表演。
当旧执行方式不再占据全部研究，问题便有机会从不可更改的任务说明，变成可以比较和修订的对象。由此打开的不只是更多答案，还有不同问题之间的生成联系。不过，新问法仍须改变实际探索，才不只是换一个标题。问题形成的条件一旦改变，研究对象也可能随之重组：单个结论可以让位于一类证明机制，个别轨迹可以进入一组生成规则。知识于是能够在新的单位上继续发生。