3.326. 三生万物
3.326.1. 介绍
之前写的AI架构设计入门（以下简称《入门》）给一些同事分享后，有一位同事提了这样一个问题：
关于“可穷举”这一点，想请教一下，设计阶段，该如何判断一个视图已经考虑了所有要素的所有可能性呢？如果引入一个“影响因子”很小的要素来深入分析，会存在过设计风险；如果忽视了一个“影响因子”很大的要素的可能性，就会导致设计遗漏或不完备。有什么有效方法论来避免以上两种情况吗？还是需要凭借架构师的经验或者踩过足够多的坑才能形成职业嗅觉？
这是一个很好的问题，我觉得其实我已经在原文说了，但没有这么一个交互的问答过程，我还是强调不出这里的要点是什么。
本文就着回答这个问题，尝试强化原文表达的概念。
3.326.2. 三生万物
道德经说，一生二，二生三，三生万物。这里包括几个名？或者说几个分类？它想要表达的是一万个分类。但其实从信息论的角度说，这里只有4个分类：
1
2
3
1，2，3之外的其他一万个
或者更严谨一点，这里的万，是泛指，表示无穷，反正多到说不了，你认为除了1，2，3之外还有很多就行。
所以，《入门》里面反复强调：Token（逻辑）是数字化的，是穷举出来的。就是这个意思，我们从来没有记住“全部”，我们记住的是有限的分类，其他都是逻辑推理。
这个问题在《逻辑哲学论》里是这样表述的：
5.2 5 2 2 Accordingly I use the sign ‘[a, x, O’x]’ for the generalterm of the series of forms a, O’a, O’O’a, . . . .Thisbracketed expression is a variable: the first term ofthe bracketed expression is the beginning of the seriesof forms, the second is the form of a term x arbitrarilyselected from the series, and the third is the form of theterm that immediately follows x in the series.
简单说，就是所有的“无穷”，都可以表达为一个三元组：[a, x, O’x]，初值是a，如果x是这个集合中的一个成员，那么它的下一个成员是O’x。
这个定义和前面那个几乎是一样的。
所以，我们认为9比7大，这是我们的神经网络（不可描述的隐层数据）记住的，但13968比999大，我们是推理出来的。我们是先看到13968包含“超过三位”（注意，我甚至没有归类为“5位”这个精细集合），而999是三位，我们又记住了“位数越多的正整数越大”，所以我们才推理出13968比999大。
我们是先出一些基本结论，然后组织成有限的集合，然后用“逻辑”进行推导的。逻辑，从来都是在“穷举”。所以，CPU在机器学习上逻辑上就没法比GPU快，CPU就是用来算这种因果的，前面的步骤没有完成，后面的步骤就开始不了。GPU是并行计算的，但你看它到了蹦Token的时候，它也慢了，因为前面的没出来，后面的蹦不出来。
逻辑这么慢，为什么还要用逻辑呢？因为它推理（穷举）快啊。13968的位数比999多，我直出结论：13968比999大，我不需要管13969，13970这些是不是比999大的。
但慢就是原罪，如果你推理不完，你也是要出结论的，所以，道德经说：道曰大，大曰逝，逝曰远，远曰反：你加的逻辑越多，逻辑就变成感性认识了。我们就把那东西当作一个黑盒了。一旦它成了黑盒，它里面的东西你就看不见了。
你分析一只猫，认为它会抓老鼠，这形成一个逻辑判断。但你现在面对一万只动物，熙熙攘攘站在你面前，这些动物抓不抓老鼠？这就说不清楚了，我现在给你“总结”说是动物，其实我又没有一只只点过，谁知道是不是都是动物，说不定里面还有一个洋娃娃呢？
所以，一旦我们开始用统称，什么“道”，什么“那堆”，“就那些”，“你知道的”……这些名字的时候，我们其实不在说某个特征了，我们在说另一个特征：“大”，大到“我看不见特征”，这叫“逝”。逝到一定的程度，你看到的特征就会相反，相反，再相反，不再具有稳定性了。
正因为如此，逻辑空间一旦不可穷举，我们对它的认识就会“恍惚”，我们的结论就不可信了。好比之前网上有个热梗，很多人看不出来“2.9 > 2.10”。因为他们脑子中形成的Token是这样的：2点9和2点十谁大？2是一样的，9比10小，当然是2.10大了。
这个问题，只要你穷举一下逻辑空间，马上就有正确的答案。但如果你不穷举一个逻辑空间，那么这个判断就会停留在恍惚上，很可能就判断错了。
架构设计的所有方法和技巧，都是让逻辑变得非常复杂的时候（比如做一个包含数百万行代码的软件），怎么维持你的判断还是理性的，而不会停留在恍惚上。
3.326.3. 架构设计的逻辑
当我们面对一个复杂的系统，我们就是面对一个“道”，一个“大”。我们很难判断怎么做才行。为了让我们可以穷举，我们可以进行分类。但怎么分类，你会有完全不同的结论。
这就是为什么《入门》中强调“视图”，视图就是一个分类方法。而且一种分类方法控制不住，我们就用更多的分类方法，但如果视图太多，视图本身又变成“大”了，它又没用了。
那视图怎么用呢？我们还是用例子来说，比如还是那个电话交换机作为例子。我们先这样建模：
用户先拉一条线到交换机上，我们用一块单板和它通讯，这块板，我们叫“用户板”。
用户板总结用户的要求，把要找谁发到中央CPU上，中央CPU负责找他要求的那个被叫是谁，定位到对应的另一个“用户板”上。
被叫的用户板找到另一个用户，中央CPU把这两个用户的通道在网板上连接在一起，让他们接通。
这个抽象层次，是不是就“有逻辑”了？是不是“都说通”了？是不是“穷举空间有限”了？这建立了“可以思考”和“沟通”的基础。
但别急，我们可以思考和沟通了，但我们还没有思考和沟通呢。
用户拉一条线到交换机上，用一块单板做通讯，然后我们“在沉默中传递”这个结论：这个单板就可以把用户的请求发给中央CPU了。
这个结论可信吗？
一种可能是：完全可信。为什么？因为“友商就是这么做的，这是行业通例”；因为“我们在另一个产品已经这样做了，我们有成熟经验”；因为“有一份论文，某某学校有经过验证的实验数据说明这是可行的”……
现在你可以选择是否“相信”这些条件了。也可以开始和你的伙伴“沟通”这些条件的置信度了。
第二种可能：完全不可信。为什么？因为“这种方法在另一个产品中就试过，那个产品就因为多了这个用户板导致时延增加，用户没法接受这样的时延的，你这个产品卖不出去”，因为“友商使用这个用户板是因为他们可以拿到这个用户板的供货，我们和那个供货商是竞争对手，我们也没有这种产品线，用毛去做啊？”……
你看，这些你也可以用来“思考”和“沟通”的。架构设计的目的就是把所有这些条件全部给你摆上来，每个都有一定的置信度，你要选择“相信”，还是“不信”。这些信息也许你平时也听到这样一些，那样一些，但你建模到一个视图中，你就从恍惚变成理性了。你就不再认为2.9比2.10小了。
除了条件和结论，视图的另一个判断空间就是，“可以说的都可以说清楚”的逻辑了：还是上面那个视图：你用的条件我们都信，我们相信你可以做用户板，相信你可以在交换机控制用户板的信道互通。现在你告诉我，一个交换机你打算插几块用户板？64块？好，每块10个用户，你可以支持640个用户，我们的设计目标是万门机，你告诉我：你打算怎么实现这个需求？
这就是《入门》中提到的逻辑“天网”了：你说的我全信，但做完了你还是没有实现需求。你打算怎么“躲”开这个结论？
3.326.4. 结论
现在我们可以回到最初的问题了：那位同事问如果忽略了一个影响因子怎么办？架构设计的一切目的都是为了帮助你看到这个影响因子啊：我们帮你找出你有可能掌握的每个要素，无论是你的经验，还是参与你的方案交流的每个人的经验，然后我们用逻辑方法对每个可能性空间都进行推导，看看有没有遗漏的部分，把你的所有恍惚变成理智。剩下的，看不到的东西，那就是那句话总结的：
到老方知非力取，三分人事七分天
世界是所有要素综合的结果，结果怎么可能因为你这一个要素就改变呢？
你看，这句话本身，也是一个高层判断的逻辑。