大教堂与针

1. 一件从失败中提炼的工具

本文提出一件小小的工具。我们面前有一个现象（世界上真实发生的某件事）；我们想在其上建立一种思想、一个框架、一套理论。多数时候，这套理论确实照亮了现象。但有时，我们竖起的建筑过于沉重，现象无法承载：一个看似宏伟、却没有说出任何新东西的框架。本文给出的工具，不过是用来区分这两者的几个问题。当你遇到一个被披上理论的现象时（无论那理论是别人搭建的，还是你自己搭建的），你都可以提出这些问题。这件工具不是从某个抽象之处得来的，而是从我们自身的失败中提炼的；因此，必须先讲那次失败。

有一段时间，我们研究关于人工智能的文字所遭遇的一种奇特命运。这样的文字往往在写下的那一刻就已经陈旧，因为它所描述的东西（模型的能力、局限、行为）在被人读到之前早已改变。这个观察是真实的。但我们没有满足于此。我们在这个观察周围织起一座越来越大的建筑。我们把作者定义为一位“同时代的历史学家”：一个在自己所处的当下尚在发生时便将其记录下来的人。随后，我们从历史哲学中引来一批概念：时间的层次、视域的位移、事件与其自身叙述之间的距离。每一个新概念都在为前一个辩护，每一次辩护又召唤出一个新概念。

在某一刻，这座建筑在自身的重量下坍塌了。坍塌的原因不是来自外部的反驳；它来自建筑内部。一段讲述易逝性的文字，其自身也是易逝的，于是这个命题自我否定了：“每一篇人工智能的文字都会陈旧”这句话本身也是一篇人工智能的文字，它同样会陈旧。我们试图用一个区分来挽救这个矛盾（建筑是持久的，只有例子会陈旧），但这个用来挽救的概念本身也只在搭建它的那一刻才有意义，它同样是易逝的。剩下的只是一个朴素的诊断：我们给一件工具披上了一件它无法承载的、过于庞大的哲学外衣。这个现象（关于人工智能的文字很快陈旧）真实而平常；它不配得到多于一句话的提醒。把它变成一套理论，不是解释，而是搭台唱戏。

这段经历留下了一个问题；而这也是本文的主题：一个现象在什么情况下配得上一套理论，又在什么情况下给它披上理论只是一场戏剧化？有没有一种办法把这两者区分开来？

必须一开始就说明，这个问题不是私人的。我们之所以选择自身的失败作为例子，不是因为它特殊，恰恰相反，是因为它有代表性。同样的错误，即给一个想法配上比它所需沉重得多的框架的倾向，在学术文字和当下的人工智能讨论中都屡见不鲜。近距离考察一个单独的个案，就其自身携带证据而言，比从远处收集的大量例子更可靠：在这里，我们从内部知道什么出了错、又是怎样出错的。

2. 病症之名：过度理论化

首先要把概念收紧，因为一旦放松，它就会把每一种建立理论的努力都囊括进来，从而无法区分任何东西。在本文中，过度理论化指的是给一个现象披上一个缺失以下三种属性的框架：

注意：只有当这三条标准同时缺失时，我们才谈论过度理论化。靶子不是每一个宏伟的概念，而仅仅是那个不做任何工作的概念。这三种属性的缺失并非偶然；它们合在一起，在解释的外表之下藏着一次单纯的改名。也就是说，人们没有对现象说出任何新东西，而是给它取了一个更时髦的名字。两个古老的诊断合起来照亮了这一点。

第一个诊断：reduplication error（复制谬误）。Gilbert Ryle（二十世纪英国哲学的重要人物之一，其心灵哲学的代表作是1949年的《心的概念》）指认了一种在行为科学中至今仍根深蒂固的谬误。这谬误是：为了解释一个现象，人们虚构出该现象的一个想象的副本，然后把这个副本当作现象的原因（Ryle，转引自 Holth，2001）。经典的例子来自莫里哀。在莫里哀的一部剧作中，一位医科考生被问及鸦片为何使人入睡；他的回答是，鸦片中含有一种“催眠效力”（dormitive virtue）。这不是解释；这是用一个更堂皇的词把问题重复了一遍。用“因为它能催眠”来回答“它为什么使人入睡”，并不增添任何新知识。达尔文的告诫指向同一方向：当我们仅仅在重新表述一个现象时，可能以为自己给出了一个解释（Holth，2001）。我们自己的坍塌正是如此：我们把“文字会陈旧”这个现象命名为“同时代的历史主义”，然后又把这个名字当成了现象的深度。

第二个诊断：theory stretching（理论拉伸）。Frankenhuis、Panchanathan 与 Smaldino（2023）描述了社会科学中一种极为普遍的做法：把一个含糊的主张越解释越宽，宽到把原本适用范围之外的数据也一并吞下（theory stretching，即拉伸理论）。正如作者们所强调的，这可能是一种反复出现的模式；每一次被扩大的主张都为下一次扩大铺好了地基，越来越多适用范围之外的数据被纳入进来（Frankenhuis 等，2023）。我们自己的建筑也是这样长起来的：每一个新概念都是为了填补前一个所打开的空缺而被召唤来的。

复制谬误与理论拉伸是同一病症的两面。一个朝内用力（把一个想象的副本安放到现象内部），另一个朝外用力（把框架拉伸到现象的适用范围之外）。二者共同的结果是：手中的证据显得比它实际上更有力。

3. 罗盘：三个问题，外加第四个

单凭诊断还不够；为了得到一个有用的区分，需要一些当你遇到一个现象时可以提出的具体问题。以下三个问题，从不同的文献汇聚而来，用以检验一个框架究竟是一套正当的理论，还是一次过度理论化。必须一开始就指出，这些问题是一个罗盘，而不是一台断头台；也就是说，它们指示方向，而不砍人的脑袋。原因我在第五节说明。

问题一。内部一致性：框架是否只是被它所解释的现象的一次更宏伟的改名？

如果一个框架的原因与结果是同一件事的两个名字，那就没有解释。像“痴呆导致健忘”这样主语与谓语重复同一现象的陈述，是一面红旗；因为痴呆本来就基本上意味着健忘，这句话没有说出一个原因，而是把同一件事说了两遍（Holth，2001）。同样的问题还以一种更隐蔽的形式出现。Popov（2023）描述了记忆研究中一种常见的循环（这里用他自己给出的名字，称为“double dipping（双重代入）”）：研究者先看着从受试者那里收集来的数据来设定模型的参数，然后又把这个模型对同一批数据的良好拟合当作理论的证据。可拟合从一开始就是有保证的，因为模型本就是照着那批数据校准的。具体地说：如果你看着一个学生的考试成绩说“这个学生很用功”，然后又把同样的成绩拿出来说“看，他的用功解释了他的考试分数”，那你什么也没解释；你只是把从分数上揭下来的标签又贴回了分数上。Frankenhuis 及其同事（2023）为此又加上一个时间维度：必须追问一套理论是否在一篇篇论文之间保持一致，因为最有害的习惯之一，就是在不同的研究中把同一个标签用于不同的主张。一致性不仅要在一篇文字内部寻求，也要在一个概念随时间展开的诸种用法之间寻求。

问题二。救援概念：框架是否动用了一个吸收一切不利数据的万能概念？

一套理论禁止了哪种观察？如果它什么也不禁止，也就是说，如果它与每一种可能的结果都相符，那它就没有解释价值。这里的原理很简单：一个模型所允许的越少，当它所允许的果真发生时就越令人印象深刻；一个与一切相符的模型什么也没说（Roberts 与 Pashler 的原理，经 Popov 2023 转述）。举个例子：一则说“明天要么下雨要么不下雨”的天气预报永远不会错，但也正因如此毫无价值；它不排除任何可能。有价值的预报，是那个甘冒出错风险的预报。

这种吸收还有一套修辞上的解剖结构。Frankenhuis 及其同事（2023）用 Shackel 所给的名字称之为“motte-and-bailey（内堡外郭）”的把戏。这名字来自中世纪的一种城堡：bailey（外郭）是下方宽阔却难以防守的场地；motte（内堡）是上方土丘之上那座狭小却易于防守的塔楼。当攻击来临，你从场地退守塔楼，危险过去，你又重新向下方铺开。它在辩论中的对应物是这样的：说话者先抛出一个雄心勃勃却难以防守的主张（宽阔的外郭）；一旦被反驳，就退守到一个与之相似、却谦逊得多、也好守得多的主张（土丘上的塔楼）；危险过去，便说“我真正的主张并没有被驳倒”，又回到那个雄心勃勃的主张。我们自己的挽救之举，即“建筑是持久的，只有例子会陈旧”，正是这样一座土丘上的塔楼：当那个真正的大命题遭受压力时，我们所逃入的一个更小、更好守的避难所。

这一危险还有它的反面。一个为挽救框架而被动用的概念，有时携带着一个正当的核心，但一旦被无限制地施用，就会使理论变得不可反驳。Dalton（2016）在反对 Pennycook 及其同事对伪深刻的测量时，动用了“超越”这一概念：也许连随机生成的句子也能在读者心中催生一个真正的洞见时刻。这一反对有其正当的一面。但当“超越”被留得足够宽、宽到能吸收一切不利数据时（句子若显得有意义，“这就是超越”；若显得毫无意义，“是你对超越不够开放”），它自身就变成了一个救援概念。因此，这一检验既要施用于别人的理论，也要施用于我们自己的反对。

问题三。适用范围的透明性：框架是否把现象压缩为少数原理并产生新的预测，它对自己的适用范围是否诚实？

这个问题起初是“这个现象配得上一套理论吗？”Frankenhuis 及其同事（2023）的贡献使它更有用了。他们的着重点是：不确定性在早期阶段是不可避免的，甚至是有用的；问题不在于不确定性本身，而在于被隐藏的不确定性。只要一位作者对自己理论的适用范围（在哪些条件下有效、在哪些条件下无效）保持公开，不确定性就是一个诚实的开端。可一旦他把它藏起来，竖起一道清晰的门面，就出现了一座“波将金村”。这名字的由来是：相传俄国政治家格里戈里·波将金在女皇将要经过的路旁，用远看像村庄的彩绘门面代替了贫穷的村落；走近了，那不过是一张背后空无一物的脸。一套呈现得过于齐整的理论也可能如此：远看坚实，近看空洞。

压缩与新预测，给这个问题填上了内容。对 Popov（2023）来说，一套理论的价值，取决于它把种类繁多的现象归约为少数原理的程度；一套只把所有观察一一罗列的理论毫无价值（一本电话簿承载着大量信息，却什么也没解释）。一套好的理论同时是一张“inference ticket（推理券）”（这个词出自 Ryle，经 Popov 2023 转述）：它预先说出，在一个尚未见过的情形中会发生什么。其中最美的例子之一是海王星的发现。十九世纪，天文学家 Urbain Le Verrier 观察天王星轨道上的微小偏差，仅凭计算便说出了一颗尚无人见过的行星应当恰好位于天空的何处；当望远镜转向那一点，海王星就在那里。一套好的理论正是给出这样一张“券”：它把你手中的信息，兑换成通往一个你尚未到达之处的通行权。Pennycook 及其同事（2015）从传播的一侧抓住了同一个区分：一段文字（或一套理论）是想告知，还是想震慑？pseudo-profound bullshit（伪深刻的空话）是一种暗示意义却不含意义、与其说要教导不如说要引诱的语言。我们自己的坍塌在这一检验下显得分明：“同时代的历史主义”只是用一个华丽的概念重复了一个单一的现象，它没有把任何东西归约为少数原理，也没有产生任何新的预测。

第四问。范畴的适配：现象是否真的属于被强加于它的那个框架的范畴？

Ryle 本人的贡献，即“category mistake（范畴错误）”（Holth，2001），在这里添上一样东西：用一个现象并不属于的范畴的语言去对待它。范畴错误，就是把一样东西放进了错误类型的盒子。经典的例子：你带某人参观一所大学，给他看图书馆、各个院系、宿舍，他却问“可是大学在哪里？”大学不是一座与其他建筑并立的单独的建筑；它是这些建筑被组织起来的整体。他把问题提在了错误的范畴里。我们所做的正是如此：我们把一件工具（人工智能的文本生成）放进了历史哲学的范畴。这件工具不是一个历史主体；给它披上历史理论的概念，并没有照亮现象，而是在错误的架子上寻找它。

4. 看罗盘运转：一只玻璃杯

到此为止，我们大多是在自己的坍塌上试验这个罗盘。但我们自己的失败既是一个沉重、又是一个复杂的例子；为了更赤裸地看清这件工具如何运转，让我们看一个与理论毫无关系的寻常现象：一只玻璃杯的破碎。

我们手上有一只破了的玻璃杯；来比较这样两句话：

乍一看，两句话似乎在说同一件事。然而一句通过罗盘，另一句卡住。让我们把四个问题逐一运转一遍（此例依据 Ryle，经 Holth 2001 转述）。

内部一致性。（B）句为了解释“破了”这个事实，虚构出一种叫“易碎性本质”的内部物质，然后把破碎系于这一物质。可“易碎性”本来就意味着“容易破碎的倾向”；于是（B）说的是：“它破了，因为它倾向于破碎。”这就像鸦片的“催眠效力”一样，只是把问题更华丽地重复了一遍。（A）则不主张任何内部物质；它只是命名了杯子的一种倾向。二者之差细微却是决定性的：（A）谈的是一种行为倾向，（B）把这种倾向变成一种实体，再把它当作原因来呈现。

救援概念。（A）禁止了哪种观察？如果我说“这只杯子易碎”，我就预期把它掉在地上时它会破；如果它掉下去却没破，那我错了；我得收回“易碎”这个称谓。所以（A）是可证伪的；它禁止某些观察。那么（B）呢？如果我说“它内部含有易碎性的本质”，那么杯子破了，我说“看，它的本质显现了”；没破，我又可以说“它的本质尚未苏醒”。没有任何观察能反驳这句话，因为它把一切结果都纳入其中。这就是救援概念：一个看似在解释、实则什么也不排除的万能牌。

适用范围的透明性（压缩与新预测）。（A）用一个词就打包了一大堆预测：这只杯子掉下去会破，被硬物撞到会裂，遇到骤然的温度变化可能崩裂，被踩上去会碎。你一说“易碎”，就预先读出了你尚未做过的实验的结果；这是一张推理券。（B）则不产生任何新预测；它只是用更沉重的词把已经发生的那单一事件（“破了”）重复了一遍。（A）压缩并朝前说话；（B）只为过去改名。

范畴的适配。“易碎”是一个倾向之名：它说的是一件物体在特定条件下将如何行动。把它当作一种倾向来用（A）是正确的范畴。但（B）把这种倾向挪进了一种物质、一种内部实体的范畴（仿佛玻璃里溶着一种像糖一样的“易碎性”）。倾向与实体是不同的范畴；用其中一个的语言去说另一个，就是范畴错误。

从这个例子里得出两条教训。第一，罗盘的任务不是筛选现象，而是筛选围绕现象搭建起来的框架。杯子的易碎性是真实的；（A）与（B）是关于同一个事实的两句不同的话，但罗盘只筛掉其中之一。也就是说，这件工具不说“玻璃不易碎”；它说“把易碎性变成一种实体并不增添任何解释”。第二，同一个词（易碎性）在一个语境里可以是一张正当的推理券，在另一个语境里却可以是一次空洞的改名。可见，裁断不是针对词本身，而是针对词的用法。这两条教训也是下一节的核心：罗盘不是断头台。

5. 罗盘为何不是断头台

这四个问题很容易变成一台拒绝的机器：“不压缩，那就扔进垃圾桶。”这样就落进了诊断自身的错误。至少有四个独立的来源给出同一个告诫；这个告诫也是罗盘的一部分。

Dalton（2016）提醒我们，当我们不能立刻为某物赋予意义时就自动把它当作荒谬，这本身就是一种错误；深度有时要靠读者的参与和缓慢的凝视，才会在稍后显现。Haslam、Tse 与 De Deyne（2021）表明，一个概念的扩展并不自动是坏事；有些扩展识别出一个真实但此前被忽视的现象，因而可能是一种渐进的收获。例如，“霸凌”这个概念从校园扩展到职场、再扩展到线上领域，如果它使此前未被命名的真实伤害变得可见，那就不是一次稀释，而是一次收获。Frankenhuis 及其同事（2023）用取自“二十个问题”游戏的一个美妙比喻主张，不确定性在早期的理论建构中可能是不可避免且有用的。在那个游戏里，一个人心里记着一样东西，其他人用是/否的问题去把它找出来。“这是一个人吗？”是一个宽的问题，“这是 Ringo Starr 吗？”是一个窄的问题；但两者同样清晰。可见，清晰与狭窄是不同的轴：一个框架之所以有问题，不是因为它宽，而是因为它含糊（对自己的适用范围不诚实）。最后，Popov（2023）承认，把他自己的标准（物理定律层面的数学精确性）直接搬到人文科学是错误的；如果把门槛设得太高，什么也过不去，一切都会被当作“不足的理论”而遭到拒绝。

这四个告诫的共同教训是：罗盘的任务不是把一个现象砍作“不配拥有理论”，而是及早察觉一个把自己看得过重的框架。它指示方向，不执行死刑。这里的平衡很重要，因为工具本身也可能走向极端：一个把每一个宏伟概念一上来就判处死刑的读者，恰恰落进了草率拒绝的错误。

6. 为何普遍：两种机制，一个未经测量的主张

说过度理论化常见，这很容易，但这必须停留为一个观察，而不应作为一个被测量过的事实来呈现。Haslam 及其同事（2021）给出的教训在这里是一个警示：一个凭直觉预期的扩散，经过仔细测量，也可能被证明是假的（在他们自己的研究中，“精神障碍诊断随时间发生了一种总体的‘通胀’”这一预期，就数据来看总体上并未得到证实）。因此，我不说“流行病”，而只满足于指出可能助长这一倾向的两种机制。

在学术这一侧：激励的选择。Frankenhuis 及其同事（2023）用一个简单的逻辑说明含糊的理论为何得以存活。因为一个含糊的理论能吸收每一个结果，所以它失败的风险低、也更容易生产；一个精确的理论由于可被反驳，所以有风险、也更费力生产。当可见度与引用受到奖励，即便无人有意选择，激励结构也会把含糊理论的生产者推到前面。这必须被理解为一个选择过程：不是一种有意的恶，而是一个环境奖励并喂养了某一类型。关键在于，这一过程并不要求任何意图；即便善意的研究者，也可能在这种压力下滑向含糊。

在当下讨论这一侧：guru effect（大师效应）。Frankenhuis 及其同事（2023）触及了一个他们留在自己范围之外的可能性：Sperber 所称的“guru effect”。人们倾向于把自己无法把握的东西看作深刻；含糊生出一种不解之感，这种感觉唤起敬佩，敬佩又反过来加速一个想法的传播。因为在当下关于人工智能的随笔和通俗写作中，奖赏不是一份“事业”，而正是这种可见度，所以大师效应比通过学术激励模型更直接地传到了这个领域。不可理解被当作深刻；而被当作深刻的东西便传播开来。

两种机制都指向同一方向：含糊而宏伟的框架，比清晰而谦逊的框架更容易传播。但这一现象究竟有多普遍，是一个经验问题；本文也把它留作一个有待探究的开放式结尾，而不是一个假设。（一个结果的缺席也是一个结果：在物理学中，Michelson 与 Morley 那个著名的实验试图测量一种据信承载着光的、看不见的介质，却没有找到任何痕迹；这个“什么也没有”成了一个转折点，因为它表明所寻找的介质并不存在。在说“它很普遍”之前，为它也许并不普遍的可能性留出余地，是同一种诚实的一个小小的例子。）

7. 把罗盘转向本文

一篇批评过度理论化的文字，其自身也可能是一座大教堂。诚实要求把我所提出的罗盘施用于这篇文字本身。

内部一致性。我能否一致地使用“过度理论化”这个概念？这里真正的风险，是 Haslam 及其同事（2021）所称的“concept creep（概念蔓延）”这一过程：把一个概念伸向越来越弱、越来越不同的现象，直到它囊括一切、从而不再区分任何东西。因此，我一开始就把这个概念定义得很窄（第2节）：不是每一种建立理论的努力，而只是那个不压缩、不产生预测、且对自己适用范围含糊的框架。如果我把“过度理论化”贴到每一个宏伟的想法上，我就会落进自己所批评的那种稀释。

救援概念。这篇文字是否把自己的主张构造得能吸收每一个反例？“没必要就扔进垃圾桶”可能是一片宽阔的外郭（bailey），“可这是一个透明性的问题”则可能是一座土丘上的塔楼（motte）；也就是说，一受压，我就可能从大主张逃向小主张。为了不落进这个陷阱，我明确说出了哪一种建立理论是正当的：内部一致、压缩现象、产生新预测、并对自己的适用范围诚实的那一种。所以这篇文字并不裁断每一种理论；它显示自己禁止什么，也把那条界限之外的地带留作自由。

适用范围的透明性。罗盘显得太干净，这本身就是一种风险。Nguyen 的告诫（经 Frankenhuis 等，2023 转述）恰在此处切中要害：一种清晰之感，无论真实还是想象，都会终止追问。一个呈现得过于齐整的方法，恰恰可能妨碍我们看见它自己的界限。因此，我把罗盘的界限公开留着：这三个问题并不解决一切，它们由四个独立的告诫校准，而且也不是一台断头台。它们的存在不是为了砍削一个现象，而是为了让我转向自身，问一句：“我是不是正在这里竖起一座大教堂？”

8. 结论

建立理论不是罪；它是使人成其为人的事情之一。问题在于，竖起一座现象无法承载的建筑，而且是以一种对自己适用范围含糊的方式竖起。不会为了一根针那么大的需要去盖一座大教堂；但对于一个真实的需要（一个要驱散的谬误，或一束要点亮的光），我们欠它一件谦逊的工具。

本文提出的工具很小：四个问题和一次校准。当你遇到一个现象，就问：框架把它压缩了吗，说出了新东西吗，对自己的适用范围诚实吗，是在正确的架子上寻找吗？如果答案是薄弱的，而且在你把这份薄弱与相反的一极（草率的拒绝、过高的门槛）掂量过之后仍然薄弱，那你多半正站在一座大教堂面前。这往往意味着，认识到把一句话的观察当作一句话留下就已足够。这也正是我们自己的失败所教给我们的。

参考文献（APA 第7版）

版本与修订说明

本文是一篇活的文字；每一次重要的改动都会在此留下印记。

版本 1.0 · 首次公开发表 · 2026年8月31日。源草稿在作者的研究单元中产生（从 v1 到 v2 的一系列内部草稿）；这是该文本在网站上的首次公开发表。

翻译说明。本文的源语言为土耳其语。术语保留其英文的原始技术形式（dormitive virtue、theory stretching、motte-and-bailey、category mistake、concept creep、double dipping、inference ticket、guru effect、pseudo-profound bullshit）；著录格式（作者-年份、et al.、p.、&）遵循英文学术惯例。文中没有任何外语的直接引文；用于说明的形象（莫里哀、Le Verrier、Michelson 与 Morley、二十个问题）以其确立的形式给出。