news 2026/9/22 4:21:16

未知 = 确定性?

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
未知 = 确定性?

未知 ≠ 确定性,但未知中可主动构建确定性
将“未知”等同于“确定性”是逻辑谬误;而真正的工程智慧,在于在混沌中建立可验证、可重复、可积累的微确定性


一、哲学层面:未知与确定性的辩证关系

▶ 1.未知的本质
  • 客观存在
    未知是信息缺失的状态(如“明天是否收到 offer”)
  • 中性属性
    未知本身无好坏,仅是未被观测的可能空间
▶ 2.确定性的本质
  • 主观建构
    确定性不是外部赋予,而是通过行动压缩可能性空间的结果
    • 例:每日修复 1 个 N+1 查询 → 技术能力确定性 ↑
  • 工程定义
    确定性 = 可重复验证的因果链
    (输入 A → 输出 B,且可复现)

💡核心区分
未知是“未观测”,确定性是“已验证”


二、认知机制:大脑如何从未知走向确定?

▶ 1.预测编码理论(Predictive Coding)
  • 大脑机制
    不断生成对世界的预测 → 用感官输入修正预测
  • 程序员类比
    • 预测:“这段代码能优化 QPS”
    • 验证:Blackfire 显示 QPS ↑ 3x
    • 结果:确定性增强
▶ 2.控制感(Perceived Control)
  • 心理学研究
    • 高控制感者:将未知视为挑战 → 行动力 ↑
    • 低控制感者:将未知视为威胁 → 焦虑 ↑
  • 关键杠杆
    微小但确定的行动(如每日 Git Commit)→ 提升控制感

三、工程化实践:在未知中构建确定性

▶ 策略 1:定义最小可验证单元(MVU)
未知MVU(微确定性)验证方式
“市场是否认可我?”修复 1 个 N+1 查询GitHub Commit + QPS 提升
“能否找到工作?”发布 1 篇技术笔记社区互动/点赞
“技能是否过时?”用 Blackfire 分析 1 个接口性能报告
▶ 策略 2:建立确定性飞轮

微行动

可验证结果

确定性增强

行动意愿↑

  • 示例
    • Day 1: 修复商品列表 N+1 → QPS 80 → 320
    • Day 2: 修复订单创建 N+1 → QPS 50 → 200
    • 结果“我能优化性能”成为确定性信念
▶ 策略 3:量化确定性仪表盘
## 2024-07-25 确定性日志 - ✅ GitHub Commit: a1b2c3d (N+1 修复) - ✅ Blackfire 报告: Wall Time ↓ 75% - ✅ Laravel China 帖子: 10 赞 - 🔜 明日 MVU: 分析用户登录接口

四、避坑指南

陷阱破局方案
追求绝对确定性接受“概率性确定”(如 QPS 提升 3x 是强信号)
混淆行动与结果聚焦可控行动(Commit),而非不可控结果(offer)
忽视身体信号每日记录静息心率/睡眠(生理确定性)

五、终极心法

**“未知不是深渊,
而是待耕的土壤——

  • 当你定义 MVU
    你在播种确定性;
  • 当你验证结果
    你在收获信心;
  • 当你积累日志
    你在构建反脆弱系统。

真正的确定性,
始于对未知的敬畏,
成于对微行动的坚持。”


结语

从今天起:

  1. 写下 1 项今日 MVU(微确定性单元)
  2. 完成并记录验证结果
  3. 用事实替代对未来的猜测

因为最好的确定性,
不是等待答案,
而是亲手创造证据。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/9/21 14:57:05

Meta-Llama-3-8B-Instruct案例展示:打造个性化AI助手

Meta-Llama-3-8B-Instruct案例展示:打造个性化AI助手 1. 引言:为什么选择Meta-Llama-3-8B-Instruct构建对话系统? 随着大模型技术的快速演进,如何在有限算力条件下部署高性能、可交互的AI助手成为开发者关注的核心问题。Meta-Ll…

作者头像 李华
网站建设 2026/9/11 9:09:31

5分钟部署Whisper-large-v3:多语言语音识别Web服务一键启动

5分钟部署Whisper-large-v3:多语言语音识别Web服务一键启动 引言:快速构建多语言语音识别服务 在人工智能应用日益普及的今天,语音识别技术已成为智能客服、教育平台、会议记录和内容创作等场景的核心组件。OpenAI推出的Whisper系列模型凭借…

作者头像 李华
网站建设 2026/9/20 21:13:13

AI开发者必看:DeepSeek-R1-Distill-Qwen-1.5B开源部署实战推荐

AI开发者必看:DeepSeek-R1-Distill-Qwen-1.5B开源部署实战推荐 1. DeepSeek-R1-Distill-Qwen-1.5B模型介绍 DeepSeek-R1-Distill-Qwen-1.5B是DeepSeek团队基于Qwen2.5-Math-1.5B基础模型,通过知识蒸馏技术融合R1架构优势打造的轻量化版本。其核心设计目…

作者头像 李华
网站建设 2026/9/5 16:39:05

PDF智能提取全攻略|基于PDF-Extract-Kit镜像快速实现布局与公式识别

PDF智能提取全攻略|基于PDF-Extract-Kit镜像快速实现布局与公式识别 1. 引言:PDF内容智能提取的挑战与需求 在科研、教育、出版和企业文档处理等场景中,PDF文件作为信息传递的重要载体,广泛用于论文、报告、教材和技术手册的发布…

作者头像 李华
网站建设 2026/9/5 16:38:13

从架构到部署:AutoGLM-Phone-9B实现手机端低延迟多模态推理

从架构到部署:AutoGLM-Phone-9B实现手机端低延迟多模态推理 1. AutoGLM-Phone-9B的架构设计与核心价值 1.1 面向移动端的多模态融合挑战 随着智能终端对AI能力需求的持续增长,如何在资源受限的设备上实现高效、低延迟的多模态推理成为工程落地的关键瓶…

作者头像 李华
网站建设 2026/9/14 15:55:22

BERT智能填空避坑指南:常见问题与解决方案汇总

BERT智能填空避坑指南:常见问题与解决方案汇总 1. 引言 随着自然语言处理技术的不断演进,基于预训练模型的应用已广泛渗透到各类语义理解任务中。其中,BERT 智能语义填空服务凭借其轻量化架构与高精度推理能力,成为中文掩码语言…

作者头像 李华