KSC:知识、结构与约束——人类—AI 差异与协同的功能框架

摘要

当前 AI 已能够广泛调用知识并快速生成复杂结构,但不同任务中的能力表现仍具有显著差异:有些问题主要受可用信息限制,有些问题要求形成新的问题表征、关系或方案,还有一些任务即使局部生成质量很高,也会在长链条、多条件和强状态依赖过程中逐渐丢失目标、前提、边界或验收标准。仅以单一的“智能强弱”描述这些差异,难以解释当前 AI 的能力边界及人机协同方式。 本文提出知识—结构—约束框架(Knowledge–Structure–Constraint Framework,简称 KSC),将复杂目标任务中的智能活动描述为三个递进的功能坐标:K 表示系统当前可访问或可调用的信息与状态;S 表示基于 K 形成问题表征、关系、方案和行动路径的结构生成;C 表示已有目标、前提、边界、不变量和验收标准对 S 及其引发的状态转换持续发挥约束作用。KSC 提供的是理解智能能力结构的低维坐标,而不是把具体行为或失败排他地归入 K、S 或 C 的诊断工具。 本文进一步分析 C 在有限的推理与生成过程中的作用。任何一次实际模型调用及其内部推理过程都有实际边界,复杂工作因而往往需要跨越多次调用、多个推理阶段和多次状态转换。单次调用内部的约束遵循与多次调用之间的一致性保持,可以理解为 C 在不同时间尺度上的表现:有限推理过程不仅形成新的结构,也需要使已有目标、前提和边界继续影响新的生成。约束信息进入 K 并不意味着 C 自动成立;只有这些条件在推理、行动和状态转换中实际发挥约束作用时,才构成 C。这里讨论的是功能关系,不预设独立的 C 模块、固定资源分区或特定搜索机制。 基于 KSC,本文提出一个阶段性比较判断:以当前大语言模型为核心的 AI 系统,在知识调用广度以及候选结构生成的速度、规模和迭代能力上具有明显优势;典型的人类工作系统则因长期处于现实环境、承受责任与行动后果,并借助文档、制度、测试、权限和状态记录等外部机制,在许多复杂任务中通常具有更稳定的约束保持条件。在目标、边界和验收标准相对明确的工程任务中,人的关键增量经常集中在 C;在问题表征和探索方向尚未形成的开放问题中,人类也可能直接参与 S。人类、AI 与外部系统可以共同承担 K、S、C,由此形成不同的人机协同结构。KSC 不涉及意识、主体性、价值起源或模型底层计算机制的完备解释。