第12章 测量装置与判断的封装
12.1 输出之前已经作出的选择
按下按钮，屏幕给出一个数，这种简洁是测量技术的重要成就。使用者不必重新理解每一根导线、每一步校准和每一种算法，便能完成日常工作。但装置的易用性也会造成一种认识错觉：结果似乎直接来自对象，判断只发生在读数之后。实际上，在屏幕出现数字以前，什么变化可以进入系统、什么变化将被过滤、什么时间段被汇总、什么响应算作异常，往往已经被决定。装置把这些判断转化为能够反复执行的操作。
这里的装置不限于物理仪器。问卷将可说的话变成选项，考试将可以展示的能力变成规定时段内的作答，经济核算将复杂活动变成能够入账的类别，软件将原始数据变成可读取的特征。它们都在某种意义上规定了结果的入口。进入入口并不意味着结果虚构，而意味着结果的可靠性依赖入口怎样与任务相连。判断的封装既是知识积累的形式，也是某些假设不再被日常看见的原因。
设想一台用于生产过程的温度监测器。为了避免短时尖峰不断触发警报，系统对过去若干秒的读数取平均。若目标是控制缓慢变化的整体温度，这种处理可能非常有效；若目标是发现会损伤材料的短时过热，平均却可能隐藏关键事件。系统在两种任务中都忠实执行同一算法，差别来自算法所服务的判断。称它为“更稳定的仪器”并不足以决定它是否更适合当前用途。
这个例子揭示封装的双重结构。第一层是材料与信号的转换，某个物理变化成为电信号或数字；第二层是信号与判断的转换，数字被解释为温度、异常、合格或风险。两层之间还可能存在滤波、校正和模型反演。每一步都可以增加准确性，也可以改变能够看见的变化类型。打开封装不是要求所有使用者同时掌握全部工程细节，而是使重要选择在需要时能够被追溯。
封装还会改变劳动分工。制造者设计响应规则，校准者建立对应关系，使用者决定放置位置，分析者选择汇总方法，管理者规定行动阈值。最终读数却常常以一个机构或一个人的判断出现。若发生错误，只追问最后按键者是否谨慎，就可能遗漏已经进入系统的前提。认识责任需要沿着转换链分配，而不能被屏幕的单一出口集中到一个虚构的全知主体身上。
这并不意味着每次测量都需要一场全系统审计。成熟装置的价值，恰在于大量条件已经得到验证并可以重复利用。关键是区分能够继承的验证与必须重新检验的用途变化。当对象、速度、材料范围或决定后果改变时，过去的可靠性是否仍然适用，需要新的论证。封装的边界应当与其适用证据一起保存，使工具既能稳定运行，也能在越界时暴露自己的有限性。
12.2 校准建立的是哪一种对应
校准通常被理解为把不准的仪器调准，但从认识上看，它首先建立指示与参考之间的对应，并说明这种对应的不确定性。调节仪器可以随后发生，却不是对应关系本身。一个未经校准的指示可能非常稳定，只是持续偏离参考；一个经过校准的系统也可能在特定范围之外失去适用性。稳定与准确因此不能被同一个词吞没，重复出现同一数字不等于测到了所需目标。
考虑两个传感器都读取同一变化中的环境。一个输出随真实量线性改变但始终多出一个偏移，另一个在低范围准确、在高范围逐渐饱和。用单一参考点调整二者，可能使它们在该点完全一致，却不能证明整个范围上的一致。不同偏差结构需要不同校准设计。多个参考点、变化方向、等待时间和重复过程，分别提供不同约束；选择哪些约束取决于预期用途，而不是参考点越多就必然越好。
校准也不是获得了不受条件影响的绝对值。参考标准有其实现方式和不确定性，环境与连接过程会引入变化，被校准对象也可能随时间改变。可靠的结果来自这条对应链被说明并适当控制。测量不确定度指南明确处理输入之间的相关性，并不将一切误差都看成独立白噪声。[7] 对发生学而言，这意味着不能靠批评一个过于简单的误差模型来宣布既有计量学失效；必须说明某种新的历史或回写关系在现有预算中为何没有得到充分表达。
一个容易被忽视的情形是共享参考造成的相关误差。两台仪器若使用同一个偏移了的参考源，它们可能彼此高度一致，却共同偏离目标。将二者平均并不会像平均独立误差那样大幅降低不确定性。若把一致当作独立验证，便会高估证据强度。这不是说共同参考不可用，而是说共同来源需要进入误差结构。所谓多通道验证，只有在通道提供新的约束时才真正增加认识。
这个关系可以用一个简单模型说明。两次读数分别等于目标值、共享偏差和各自噪声之和。平均以后，各自噪声可能部分抵消，共享偏差却原样保留。若只观察两次读数之差，共享偏差还会完全消失，使差值看起来非常小。因此“差值接近零”回答的是两次指示是否相容，不能独自回答二者是否接近目标。发生条件决定哪个问题被数据约束，不能由日常语言中的“互相证实”替代。
把校准放进读数事件，并不会使每次使用都重新发明标准。它要求记录对应关系来自何处、何时取得、在哪个范围内得到检验，以及哪些变化会触发复核。校准因此具有历史性，却不因此失去客观效力。恰恰因为关系能够被继承和重建，来自不同时间与机构的读数才有可能连接。客观性在这里表现为有根据的共同尺度，而不是没有来源的数字一致。
12.3 算法把什么留下又把什么丢掉
任何实用装置都进行压缩。连续信号被离散采样，大量观测被汇总成特征，多个特征又可能被转化为一个分数。压缩并不天然损害知识，因为任务本身通常只需要世界的某些方面。若要计算一批产品的平均重量，保存每件产品的装饰图案可能无关紧要；若要研究装饰工艺与重量偏差的关系，同一信息就变得必要。压缩是否恰当，必须相对于任务和允许误差判断。
设想两组数列拥有相同平均数，一组每个点都接近平均，另一组交替出现很高和很低的值。只保存平均数，足以回答总体平均水平，却不能回答是否存在危险峰值。这里没有一种摘要能够在不附加条件的情况下支配所有任务。若研究者事后换了问题，旧摘要就可能不够。这种不足不能追溯性地证明原摘要错误，但它能够说明外推的边界：为一种任务验证的压缩，不能自动继承另一种任务的合法性。
可以把这种关系理解为事件之间的任务等价。若两个完整事件对某项行动给出同样判断，并且在允许误差内具有同样后果，就可以在该任务下用同一摘要代表。等价并不宣称事件本身相同，只宣称当前问题不需要区分它们。当任务由均值估计改为极端事件识别，原来的等价类可能必须拆开。这一思想让发生学获得建设性方向：不是拒绝归约，而是研究怎样建立可以说明的归约。
压缩还存在顺序效应。先平均再做非线性转换，通常不等于先转换每个值再平均。例如某项损失随偏差平方增加，正负偏差在均值中可以相互抵消，实际损失却不会抵消。如果装置先把偏差压成零，再据此判断损失很小，它已经丢掉了任务需要的信息。研究者需要追踪每个变换的顺序，尤其在阈值、比例、对数和分类规则介入时，不能把整个处理链视为无害的记账。
路径信息也会在压缩中改变意义。一条先升后降的曲线和一条持续平缓的曲线可能有相同终点；若系统记住峰值，终点并不足以预测下一轮。相反，若已经证明某个状态摘要包含未来所需的信息，保存全部轨迹就可能没有额外价值。状态摘要的合法性因此是一个经验与形式共同承担的问题：形式模型说明在什么条件下摘要充分，实际资料检验条件是否近似成立。
对于复杂软件，压缩往往分散在多层处理之中。原始数据清理、异常值删除、特征选择、模型训练和阈值设置，都可能改变哪些差异最终可见。一个在训练资料上表现良好的评分系统，也可能依赖某些仅在训练环境中成立的关系。使用者只看输出时，很难知道这种依赖已经改变。因此至少应保存关键变换版本和适用范围，使失败能够回到具体环节，而不是将所有问题归咎于“模型不理解现实”。
12.4 判断怎样变成标准操作
当一项研究程序被反复使用，它常会从有争议的选择变成默认操作。最初选择某个阈值的人可能清楚它是成本与误报之间的折中，后来使用者却可能把阈值当作对象自身的边界。最初为方便协作规定的分类，也可能逐渐被理解为自然界已有的分区。封装不仅保存技术，还保存某些规范选择；随着其来源被遗忘，规范便获得了类似事实的外观。
这种过程在质量检验中尤其容易看清。产品某项指标超过阈值被判不合格，并不意味着阈值两边存在一道绝对自然断裂。阈值可能来自可接受风险、生产成本、客户用途和测量不确定性的综合判断。它可以非常合理，也可以具有公共约束力，但合理性需要依据。若用途改变，或者测量误差大到足以改变临界附近的分类，制度就应重新考虑如何处理边界个案，而不能仅重复“标准就是标准”。
阈值还会反过来影响被测对象。生产者知道检验规则以后，可能把资源集中在刚好越过合格线的指标上；学生知道评分方法以后，可能改变学习策略；机构知道考核指标以后，可能重组记录和服务。由此产生的行为不是外加的小噪声，它可能改变标准最初依据的资料分布。测量规则作为信息进入系统以后，规则与对象便共同演化。能否持续有效，需要在新的行为环境中检验。
不过，行为响应并不总是规避或损害。公开标准也能协调努力，减少不必要的不确定性，并使改进有明确方向。一项指标若推动了所重视的能力与服务，就实现了制度目的。问题在于指标所奖励的行为与目的是否仍然相连。不能因为存在策略性调整便宣布评价无效，也不能因为平均指标提高便认定目的已经实现。要追踪的是从标准到行为、从行为到结果的具体路径。
这要求把测量判断与行动判断适当分开。前者询问结果在给定程序下是否可信，后者询问依据结果采取某项行动是否合理。一个分数可以测得可靠，却不足以决定一个人的全部机会；一个存在不确定性的测量，也可能在比较行动代价后足以支持谨慎决定。两种判断互相联系，但各有证据责任。装置把它们合并成一个红灯或绿灯时，使用者尤其需要知道合并依赖什么前提。
封装的透明也不等于把每个参数同时展示给所有人。过量技术细节可能使真正重要的选择更难辨认。面向不同使用者，应提供与其责任相匹配的说明：操作者需要知道有效范围和异常处理，研究者需要知道变换与误差，决定者需要知道用途限制和行动后果。透明的目标是使相关判断可以被理解与质疑，而不是让文档数量成为无需回答问题的挡箭牌。
12.5 打开封装需要改变哪一层
前述压缩和阈值经由装置稳定执行以后，打开封装需要确定从哪一层开始。对一个监测器，可以改变输入信号、处理规则或行动阈值，三种改动分别检查传感、汇总和决策。若三者同时更新，警报改善便很难归到具体环节。装置分析的工作是保留可逐项比较的接口，让一处改动先与其余部分连接，再判断旧验证能否继续使用。这里检验的是判断如何被封装，不必立即扩展为整个对象系统的机制实验。
打开哪一层，取决于争议发生在哪里。若两个装置面对同一参考输入仍不同，应先查传感与校准；若保存的输入相同而摘要不同，应检查窗口和转换；若摘要相同却启动不同动作，则需要回到阈值与用途。材料是否真正变热是另一项判断，不能由软件版本差异代答。把争议定位到接口，可以使成熟部分继续使用，让修订集中于尚未合格的环节，也避免每次出现异常都推倒整套测量安排。
在温度监测器的构造例子中，可以先把同一段已保存的输入分别送入两个滤波版本。由于输入完全相同，输出差异能够定位到处理链，尚不涉及材料变化。随后把两个版本并行用于新输入，检验原先定位的差异是否在现场仍存在。最后才让警报进入控制行动，检查动作是否反过来改变输入。三个阶段逐步打开封装，分别保留离线变换、现场测量和投入行动的证据，避免把软件差异与对象响应混写成一次“升级效果”。
改变输入时也应选择能够触及假设的形状。若旧滤波窗口只为缓慢变化验证过，适当的检查应包含持续时间不同而峰值相近的信号；若担心饱和，则需要覆盖高范围而非只增加低范围重复。各项输入须处在设备允许范围内，并保留发生器或参考记录。输出未随短时尖峰改变，可以符合平均任务的设计，却同时表明该版本不足以担任峰值警报。相同结果因此能批准一项用途并限制另一项用途，封装的边界由此成为可执行的使用条件。
逐层打开也会暴露记录的分辨率限制。若旧版只保存每分钟均值，维护者便无法据此检查秒级峰值是否丢失；需要另行取得更细输入，再判断值得保留何种摘要。反过来，如果任务只是缓慢调节，永久保存全部高频输入可能徒增维护负担。可以在验证窗口保留较细轨迹，确认摘要合格后恢复常规压缩，并规定何种越界重新开启细记录。封装由此具备可恢复的层次，而不必在全量记录和不可追踪之间二选一。
装置检查的结果还应转成使用者能够执行的规则。某个窗口适合慢变控制，就说明有效变化速度；某个阈值附近分类不稳，就保留复测或待定状态；某个版本在高范围饱和，就要求越界提示，避免继续显示貌似精确的结果。这样的规则把试验所得接回日常操作。封装的成熟表现为已验证选择可以被放心继承，而在未验证位置及时暴露判断需求；使用者无需重做全部研究，却能知道何时应暂停自动结论。
12.6 版本更换为何改变了测量身份
装置会升级，软件会更新，题库会调整，核算规则也会修订。版本更换常被描述为精度提升，仿佛它只把同一个对象看得更清楚。然而更新可能改变采样频率、异常处理、分类边界和目标定义。两个版本给出不同结果时，首先需要判断变化发生在哪一层：是减少旧偏差，还是改变了被测量，或者只是重新表达同一信息。三者的历史意义完全不同。
设想一个评分软件旧版将遗漏答案记为错误，新版将其中一类技术中断记为缺失。新版平均分提高，不能直接解释为学生能力提高。改变的是记录与汇总规则。若研究者没有保存版本，跨时期比较会把软件变化混入对象变化。反过来，如果新规则纠正了确实存在的误记，也不能为了保持数字连续而拒绝改进。需要做的是建立旧版与新版之间的桥接分析，并说明哪些历史比较仍然成立。
桥接并不总能通过一个固定换算式完成。若版本差异对不同群体或条件有不同影响，单一校正可能掩盖新的不公平或失配。可以在重叠样本上同时运行两个版本，观察差异怎样随条件改变；也可以保留一段并行记录，以区分对象真实变化与工具变化。若无法并行，则应明确不可恢复的部分，而不能用平滑曲线制造看似完整的历史。
版本还包含分析选择。原始信号不变，改变滤波参数或分类算法，也可能得到不同的属性描述。研究者应保存从原始资料到结果的变换，使他人能够判断差异来自资料还是处理。只保留最终表格，会使方法更新看起来像对象自行改写了过去。一个可继承的档案应能重现旧结果，也能说明为什么新结果取代旧结果；两者的并存是认识演进的记录，不是必须清除的混乱。
对持续学习系统，版本问题更加复杂。系统可能在运行中更新参数，今天与明天不再是同一测量安排。若更新依赖昨日输出和使用者反馈，模型本身就进入回写环。此时只报告软件名称已经不够，需要说明更新何时发生、使用了哪些信息、哪些任务受到影响。无法保存全部内部状态时，也应保留足以支持关键比较的检查点和更新日志，使变化具有可追踪的边界。
版本治理的目的不是阻止修订，而是使修订成为公共知识。一个系统能够快速纠错是优点，但如果纠错抹掉了旧错误的条件，其他使用者便无法学习。记录失败版本及其撤回原因，可以帮助后来研究者判断相似情形，避免把同一种失配不断重新发现。测量历史由此从一个仅供追责的附属物，转变为理解工具怎样获得和失去适用性的研究材料。
12.7 封装能否保留恢复历史的入口
所有资料都长期完整保留并不现实。存储、整理、权限维护和解释成本会不断增长，某些原始记录还包含不宜保留的敏感内容。因此，封装的理想不是永不丢弃信息，而是在可能重要的地方保留恢复入口。这个入口可以是原始数据的有限样本、校准记录、版本说明、关键状态摘要，或能够重新执行的程序。它使未来问题出现时不必完全从零开始。
入口的设计应由失配风险决定。若一个摘要用于高频日常控制，可以只保留稳定运行的汇总，而在异常触发时保存较细轨迹；若研究关注罕见事件，就应警惕只保存“异常”的规则是否已经以旧模型筛掉未知结构。两种安排各有盲区，需要通过抽样保存正常时期和不确定事件来补充。否则，档案只能证明系统如何处理它已经知道的异常，无法支持发现新异常。
历史恢复还需要解释资源。即使原始信号全部存在，如果没有单位、设备状态和处理说明，未来使用者也可能无法重建结果。一段数字序列并不会自动告诉人们哪次重启改变了基线，哪段缺口来自设备停机。元资料因此不是低于数据的附属品，而是数据能够进入推论的条件。但元资料同样应避免无边界扩张，优先保存能够改变目标身份、误差解释或后续行动的信息。
一个可操作的判断是比较恢复代价与重新取得资料的代价。对可以廉价重复的普通测量，有限保存可能足够；对无法重现的历史状态、一次性事件或长期训练过程，提前保留关键轨迹更有价值。这个判断也提醒我们，不同领域不宜强行使用同一档案强度。一次实验中的可逆操作与一项制度实施后的社会变化，恢复条件差异很大，记录责任应随之改变。
恢复入口还要经得起实际重建。设想维护者从某个警报回查，至少应能取得当时窗口中的输入摘要、所用滤波版本、阈值以及触发时点。如果为了降低存储只保留了均值，便不能再声称可以恢复已经丢弃的峰值；此时入口只能支持均值核验，其他问题需要重新测量。恢复能力应按可重建的判断明确声明。若后来修改异常标签，则保存旧标签及其产生规则，让使用者分清重新解释历史与重新取得观测。
封装与开放于是形成一种持续张力。完全开放会使工作难以运行，完全封闭又会使失败难以解释。成熟方法在两者之间建立分层：日常使用保持简明，重要争议能够下钻，必要修订能够重新部署。它既不把技术便利等同于认识充分，也不把复杂透明当作天然优越，而是在具体任务中比较成本、可靠性和修复能力。
12.8 从装置可靠性到发生条件的可靠性
一台装置经过多次重复仍给出近似结果，可以证明它在某些条件下可靠，却不能独自证明这些条件代表所有用途。可靠性必须具有对象、范围和时间。一个在实验室内表现稳定的系统进入现场以后失效，可能是对象范围改变，也可能是使用者策略改变，还可能是装置通过自身输出改变了过程。只有将这些解释区分，改进才有明确方向。
如果问题来自已知偏差，重新校准可能足够；如果问题来自任务变化，应调整目标或摘要；如果问题来自跨轮反馈，则需要重新理解装置怎样参与系统。三种修复的层次不同，不能一律靠增加测量精度解决。更高精度可以使一个不适当目标被更精确地读取，却不能使目标自动变得适当。另一方面，也不能在精度不足时急于诉诸宏大理论，把本可通过工程改进解决的问题写成存在论困境。
发生条件的可靠性，指向工具与用途之间的关系能够在变化中被说明、监测和修订。它不要求系统永远不变，而要求变化能够触发相应判断。一个能够报告适用范围、识别越界并保留恢复入口的装置，即使偶尔需要停用，也可能比一个始终输出确定数值的装置更可靠。确定性不是可靠性的唯一外观，适时暴露不确定性同样是功能的一部分。
回到监测器，发现短时过热被平均掩盖以后，可能的修订包括缩短窗口、增加独立峰值通道，或承认现装置仅用于慢变控制。这些方案改变不同关系，也有不同代价：缩短窗口可能增加误报，增加通道需要维护，缩小用途则需要其他工具补位。选择必须围绕材料保护的任务展开。SDE所要求的相互规定，在这里落实为输出、处理路径与使用规则的联合修订，并由后续警报表现检验；无需另加一层抽象标签来证明修订已经发生。
本章得到的封装结构包括三项可继承内容：指示与参考的校准关系、信号到摘要的任务条件、摘要到行动的判断规则。版本更换必须说明修改了哪一项，恢复入口则保证争议出现时能够返回相应依据。由此，屏幕上稳定的数字既有工程来源，也有用途边界。剩下的困难是，打开封装后发现的散布、不可辨识或预测失配究竟限制什么；第13章需要为这些不同失败规定数学对象，才能决定应提高精度、增加约束，还是改变模型目标。