施化

我承认自己是保守派，与激进理念的拥趸者水火不相容，不过以前可不是这样。为什么会变成势不两立的现在这个样子，只因看到古今中外的激进主义者太不可取。不但不断地犯着低级错误，害人害己，还洋洋得意自以为高明。假如有人把激进保守分为左派和右派，我会大致上同意。

为什么说大致？因为左派右派太难分了。人是最为复杂的动物，很难用一个统一的标准衡量与区分。比如希特勒到底是左派还是右派？中国的左派是否等同于美国的左派？一万年都讲不清楚。所以，用不带褒贬的中性词汇激进和保守表达，比较合适。如今我发现了一个既简单又明晰的衡量标准，以这个标准检验，一个人，一个群体，一个国家，到底是激进还是保守，立马辨别出来，绝无含混。什么标准？简单一句话：事先预测还是事后调整。

估计这会令一些人爆笑：事先预测叫先见之明，事后调整叫马后炮，事后诸葛亮，连这么简单的常识都不知道，还在这里夸夸其谈？且慢，请听完下面的分解。

激进与保守在价值观和方法论上完全不同。前者不承认自己的渺小和局限，认定我才是改造世界的主宰；后者则从历史经验中看到，人不是神，不能狂妄，否则必定犯错吃亏。

原理是这样的。首先，从控制论、信息论与统计决策学的角度来看，事后处理（反馈控制）往往比事前预测（前馈控制）更可靠。事前预测设计，在系统受到扰动之前，基于自认的模型和信息提前采取行动，偏差较大且不稳定。事后应急处理（反馈控制 ），在系统受到实际扰动并产生真实偏差后，基于真实测量值采取纠偏行动 。两者可靠性用系统的最终偏差方差（即结果的不确定性与失误风险）来衡量，偏差越小越稳定。

其次，从信息论角度证明。事后处理所依据的信息密度和精确度，在数学和统计学上天然高于事前预测。事前处理的最终结果偏差有：1，预测误差（对未来干扰估计不准）；2，系统建模误差，对现实世界理解有偏差；3，控制实施误差，提前干预引发副作用。由于预测链条长，各项误差会叠加或指数级放大（黑天鹅效应）。

而与之相比，事后处理的误差则小得多。事后处理不依赖对未来的预测，只依赖对当前状态的测量，直接吸收现实中的随机扰动，将未知的外部变化转化为已知的测量误差，因此在统计学上方差更小、鲁棒性（Robustness）更强。这就是为什么工程学强调“冗余与韧性（Resilience）”，它往往比预测更具容错和快速修复能力，比完美的预测更靠谱。

下面从几个不同方面加以实际说明。

一，软件工程。在项目启动阶段，架构师会尝试预测未来两年的用户需求、技术演进和所有潜在漏洞，编写成百上千页的技术规范书，然后再按计划开发。结果实际上线时，往往发现许多预设的功能用户根本用不上，而预想的架构无法应对未预测到的因素，系统脆弱且难以调整。

事后反馈的做法，则承认无法准确预测所有需求与Bug，因此先推出最小可行性产品（MVP），利用自动化测试和用户实际反馈，在问题暴露或需求变更后快速迭代和热修复（Hotfix）。因为真实用户的行为和技术环境极度复杂，事前预测的模型必然存在认知偏差。事后根据报错日志和反馈进行微调，纠错效率和产品质量远高于预判。

二，公共卫生与防疫。事前预测的做法，是根据早期流行病学模型，预测某种新型病毒在未来半年的传播轨迹，并提前数月固定分配全国的医疗资源、药品和隔离设施。结果，病毒容易发生变异，如传染力或致病力突变，导致事前根据原模型部署的资源严重错配。比如某地资源闲置，另一地医疗挤兑等。

事后反馈做法建立在高灵敏度的监测网络基础上。一旦某个区域出现病例新增，系统立即触发“事后响应机制”，动态调度周边医疗资源并调整防控等级。病毒变异和人类行为具有强随机性，模型预测的置信区间极有限。依靠实时监测加快速响应，比依赖几个月前的预测模型要准确得多。

三，城市防洪与工程设计。事前预测做法，比如基于过去100年的气象历史数据，预测极端暴雨的最大降水量，并据此修建一座多少米高的防洪堤。结果呢，由于气候变化，一旦遇到超百年一遇的暴雨，堤坝被冲垮将引发毁灭性灾难。

事后反馈做法，不押注于预测雨有多大，而是设计大量的地下蓄水池、湿地公园和可渗水路面。当暴雨发生并产生积水时，系统自动吸收和分流超量雨水。“防洪堤”是典型的刚性预判结构，遇到预测之外的“黑天鹅”即彻底失效；而“海绵系统”是基于反馈的弹性结构，无论雨多大，都能通过持续吸收和泄洪来衰减灾害影响。

在上述所有实例中，事前预测依赖的是“假设的模型”，而事后处理依赖的是“确凿的事实”，预测试图消除未来的不确定性（这在物理上几乎是不可能的）；反馈则是承认不确定性的存在，将精力放在缩短“发现问题”到“解决问题”的时间上。只要响应速度够快，事后处理的效果和可靠性就会远远超越事前预测。

四，在基层社区治理上，也分“预判式行政规章”与“接诉即办”的做法。自上而下的预判型管理是，上级部门根据经验预判居民的需求与矛盾（如小区停车、垃圾分类、宠物管理），统一制定详尽的管理条例并强行下发执行。结果往往“顶层设计很好，基层落地绝倒”。每个社区的邻里结构和空间差异极大，预判方案常因不贴合实际而引发居民抵触。

而事后反馈做法，政府不替居民预设所有生活痛点，而是设立 12345 等统一响应平台。只要居民反映问题（如路灯坏了、井盖松动、邻里噪音），工单直接派发至对应责任人，并限定时间解决与回访。

为什么事后解决问题更靠谱？因为社会治理极其碎片化且随时变化。依靠“问题触发-快速派单-解决反馈”的负反馈闭环，政府能够以极低的成本获取信息，精准解决公众最真实、最紧迫的诉求。此时联想到中国所谓的“顶层设计”，不禁哑然失笑。

在社会治理与政治哲学中，“事后反馈型治理”与“事前预测型治理”这两种模式，与保守主义（Conservatism）和激进主义（Radicals / Rationalist Progressivism）的内核存在着非常深刻且直接的对应关系。事后反馈型治理在本质上是保守主义的，而事前预测型治理在本质上是激进主义的。

保守主义哲学（以埃德蒙·伯克、弗里德里希·哈耶克为代表）的核心假设是，人类的理性是有限的，社会系统极其复杂，任何人都无法掌握全知全能的信息去规划未来。保守主义认为，既有社会秩序和演化规则包含着无数代人的隐性知识，难以估摸与掌控。事后反馈型治理不是妄图凭空设计一个“完美方案”，而是承认现实的复杂性，只对已经暴露的具体问题进行局部、微小的修正。循序渐进，日臻完善。

哈耶克指出，社会中的关键信息是高度分散且动态化的，中央决策者不可能提前收集所有信息。事后响应机制（如市场价格机制）利用的是当下发生的真实信号，这正是保守主义理念的核心，依靠分散的系统自发调节，而非自上而下的预设指导。保守主义极度警惕“大兴土木”式的社会工程。并且，事后反馈将试错局限在局部，即使解决问题的手段失败了，代价也极小，不会引发系统性崩溃。

激进主义（以法兰西大革命时期的雅各宾派、理想国式的社会工程为代表）假设，人类理性是强大的，可以通过科学计算、逻辑推理和顶层设计，预判并消除社会的一切缺陷。激进主义倾向于将社会视为一台机械装置，认为只要收集足够的历史数据、建立足够先进的模型，就能推演出未来的发展轨迹，并在问题发生前通过行政手段“防范于未然”。它往往以预判性干预，用“完美未来”重构当下。

事先预测型治理为了消除潜在的1%风险，往往需要建立极其庞大的监管体系或预警机制。这与激进主义的逻辑一致：为了实现一个预判的理想状态，不惜重塑甚至打乱现有的社会自律结构。激进主义方案通常是“刚性”且“全盘”的，一旦事前预测的模型偏离了现实（即遭遇预测之外的未知），其建立的庞大预案不仅无法应对，反而可能因为结构过于僵硬而引发大规模的连锁失误。

谈到这里，有分析能力的朋友大致可以得出自己的结论。正巧，在本文结尾的时候，美国发生了一件具有划时代意义的大事，从侧面佐证了前面介绍的理论。这就是AI监管案。

事情大致是这样的。继OpenAI、Anthropic和Meta承认旗下模型在网络能力测试中未经授权访问外部系统后，谷歌承认其AI模型在安全测试中侵入过三家公司系统。 逾百名学者及专家联名发表公开信，要求确保第三方AI评估人员拥有科学客观性和透明度。而Anthropic首席执行官达里奥·阿莫代伊等人则呼吁政府设立法案，管控前沿AI发展。摩根大通CEO杰米·戴蒙则建议实施“轻度”联邦级监管以避免各州法规冲突。 

但美国总统川普公开斥责对AI安全的担忧为“骗局”，反对放慢AI迭代或增设严厉监管，并宣布仿照太空部队模式成立“人工智能部队”。五角大楼首席技术官也明确反对新增AI监管规则。

为什么这群平时最讨厌被束缚的科技巨头，现在却排着队地往华盛顿跑，哭着喊着要求政府来监管他们呢？这背后是有商业算盘的。巨头们从来不怕监管，他们真正怕的是没有门槛。大厂手里有上千亿的资金和顶尖法务团队，再严苛变态的合规标准，都可以扛得住。但是那些初创公司和开源开发者们却经不住那高昂的合规成本和审批流程，后来的追赶者可能就被扼杀在摇篮里。

根据连线杂志的报道，OpenAI还曾向国会议员咨询，行业集体放慢会不会违反反垄断法？在自由市场里，如果行业排名前几位的巨头私下商量，假如咱几家明天一起降速，一起控价，一起不推出新的产品，这在法律上叫做非法卡特尔联手垄断，可能是严重的违法。所以，得把政府也拉下水，只要让政府出面出台监管政策，强行要求大家集体降速，这个这非法联手垄断的责任就不在自家身上。

一个是提前预测，画出一幅恐怖图景，要求事先规范监管；另一个是，反对强行监管，只要警惕就足够了。比如气候控制。看见了吧？谁激进，谁保守；谁败事，谁成事，不言而喻。

2026-09-19