直觉的算法：随机思维何以破解认知僵局

本文目录：

核心观点

一些临床工作者拥有近乎“巫性”的直觉：能预知患者未言之事，能从看似无关的联想（如一句歌词、一个文化典故）出发，可靠地触及患者急需表达却无法自行触及的内容。
人工智能（AI）的发展镜像了这种直觉：
- 例如，RETFound模型能从用于青光眼检测的视网膜图像中，预测帕金森病或心脏病发作，这是人类无法通过常规检查做到的。
- 在防范错误的前提下，AI有望将这种“意外发现”系统化，把临床预感转化为可规模化的发现。

一项发表于《集体智能》的研究（Dubova等人，2026）可能首次为这类直觉为何有效提供了形式化的计算解释。

研究设计：模拟科学社区，让采用不同哲学策略（选择实验的方式）的智能体与一个简单基线策略——随机选择实验——进行对比。
核心发现：在超过9000次模拟中，随机实验者发展出了明显更好的现实理论。
机制分析：
- 理论驱动型智能体：无意中筛选了证据，只从现有理论能解释的范围内采样，收集的数据越来越窄，且恰好易于用现有理论解释。他们从未收集到的数据，正是能迫使理论成长的数据。
- 随机实验者：其策略结合了两个难以刻意达成的特性——观察的多样性与对底层现象的代表性。这对构建能捕捉现实（而非其便利子集）的理论至关重要。
极具心理学意义的发现：自我评估成功率最高的策略，实际成功率最低。
- 理论驱动者认为自己做得很好（数据与理论完美契合），但实际上对世界的理解存在重大偏差，且其经验无法告知他们这一点（这与AI的“成就幻觉”结构相似）。
- 随机实验者按自身标准看似乎最不成功（数据更混乱、更难解释），但实际上学到了最多。

“巫性”治疗师的实践类似于随机策略：跟随自己 unbidden 的联想（思维漫游、歌词、诗歌、旧电视节目、遐想中的梦境般场景），这几乎总能引向那些固守预期治疗主线永远无法浮现的材料。
相反，严格遵循理论驱动路线的治疗师，可能正在运行杜博娃研究中的“确认策略”：只从患者心理中现有理论已能解释的区域采样。
随机策略意味着更广泛的搜索和更具代表性的采样，能比定向方法更好地探索可用空间，并开辟新空间。这与西格蒙德·弗洛伊德最初的理论一致：患者被建议进行自由联想，分析师则以均匀悬浮的注意力倾听，不对数据进行过滤。

波士顿变化过程研究小组描述的“相遇时刻”——某些事物发生转变、双方都能识别的充电瞬间。
临床体验中，这些时刻伴随独特的现象学特征：
- 感知增强：身心有一种“嗡嗡”感。
- 视野变亮。
- 注意力狭窄地锁定于患者，同时 paradoxically 对自身的意识有广阔的感知。
这或许对应着特定的神经动力学过程：默认模式网络与任务正相关网络可能被短暂共同激活（这两者通常相互抑制），既非完全无焦点的遐想，也非纯粹的集中分析，或许是两者同时发生。

“卡住”感是人类最常见的困扰之一，其结构与杜博娃研究中“确认型智能体”的自我限制完全相同。
- 例如：陷入自我攻击的人，只采集证实关于自身最糟糕理论的证据。
- 强迫性思维反复遍历同一狭窄领域。
通常有助于打破僵局的方法——思维漫游、音乐、接触自然、采取新视角、接触不熟悉的事物——在结构上类似于随机策略：拓宽采样空间，让系统遇到其当前模型无法预测的观察。
- （注：大脑的输出并非真正随机，而是受到诸多约束……是混沌、确定且复杂的，但通常并非真正随机。）

本文论点并非主张信赖直觉、神秘主义或超自然直觉。
“巫性”治疗师并非在通灵，而是在运行一种计算上更优越的搜索算法。这正是AI所擅长之事。
漫游的思维并非非理性，而是对于人类生活实际呈现的高维度、多因果现实而言的最优策略。这并无神秘之处，尽管它令人惊叹。
一个元层面的讽刺：建立在证伪零假设之上的科学方法，在此被一种方法所补充，后者有效地拒绝了“证伪零假设是首要且最佳探究模式”这一零假设。
两种方法是互补的。对于在思维模式、关系或职业中感到“卡住”的人，关键问题是：我们是否在自己的生活中运行着“确认程序”？是否在重复采集相同证据，构建更自洽但更狭隘的叙事，并对这个日益狭窄的图景感到越来越确定？这项研究为依赖神秘化提供了一种有用的替代方案。