本页目录
六条判断准则：从反馈结构到认识论约束
科学方法论教科书通常教你"怎么做"：怎么归纳、怎么演绎、怎么设计实验。金观涛追问的是另一层：这些方法为什么有效？在什么条件下有效？它们之间的共同结构是什么？
下面六条是把《控制论与科学方法论》的方法细节全忘了之后，仍然能帮你判断"该怎么认识一个问题"的持久约束。前两条是核心——它们组织了全书的论证方向；后四条是支撑——它们保护核心原则不被误用。
面对复杂问题，先定位反馈结构，再追究因果链
多数人遇到问题的第一反应是找原因。但在复杂系统里，因果链往往太长、太纠缠、甚至根本不存在单一原因。金观涛给出的替代路径是：先问"谁在影响谁？调节信号从哪里来？信号方向是纠偏还是放大？"——也就是先画反馈结构。
常见误读：把"先看反馈"理解成"不用找原因"。反馈分析不替代因果分析；它提供一个先于因果分析的结构化入口。因果分析在反馈结构清晰之后做，精度更高。
边界：当系统足够简单（变量少、关系线性、时滞短），直接找原因比画反馈回路更快。这条原则主要服务于变量多、关系非线性、或存在延迟反馈的场景。
黑箱方法不是退路，对某些对象它就是最合理的认识路径
面对不透明的系统，本能反应是"拆开看"。但金观涛指出：当系统复杂度超过你的解析能力时，强行拆解要么做不到，要么看到的是假结构。通过观察输入-输出关系推断系统行为规律，在控制论框架里是一种正当且高效的认识方法。
常见误读：把黑箱方法等同于"不求甚解"或"放弃理解"。黑箱方法有严格要求——你需要系统地变化输入、精确记录输出、建立输入-输出之间的稳定映射。它不是猜，是一种结构化的间接认识。
边界：黑箱方法的前提是输入-输出关系相对稳定。如果系统本身在快速变化，同样的输入在不同时刻产生完全不同的输出，黑箱方法的可靠性会急剧下降。
信息的价值不取决于正确性，取决于消除了多少不确定性
一条信息"对不对"和"有没有用"是两件事。金观涛用信息论的定义重新衡量知识价值：一个假说、一次实验、一条反馈，它的认识论价值等于它消除的不确定性量。
这条原则保护核心原则不被信息过载淹没。在定位反馈结构或运用黑箱方法时，你需要决定"下一步获取什么信息"。按消除不确定性排序，比按"什么看起来最重要"排序更可靠。
区分稳态内调整和结构性失效——负反馈能维持稳态，但维持稳态不等于解决问题
负反馈让系统回到平衡。但平衡本身可能已经不合理。金观涛的提醒是：当调整越来越频繁、幅度越来越大、但效果没有改善时，你面对的不是"调整不够好"，而是"稳态本身已经不成立"。
这条原则约束反馈分析（原则一）：不要因为反馈机制还在运转就认为系统健康。反馈机制正常但系统持续恶化，说明需要改变的是系统结构，不是调节参数。
系统的层级结构决定了哪些问题可以在当前层级解决，哪些必须跨层处理
很多问题在当前层级反复出现但无法解决，因为问题的根源在更高或更低的层级。金观涛强调：控制论视角下，每个系统都嵌套在更大的系统中，也包含更小的子系统。判断一个问题在哪个层级处理，是方法选择之前的必要步骤。
这条原则保护黑箱方法（原则二）：你选择在哪个层级画黑箱边界，直接决定你能看到什么、会忽略什么。层级选错，输入-输出关系的解释力就会崩塌。
方法之间不是选择题，而是反馈回路的不同环节
归纳、演绎、假说-检验，传统教科书把它们当成三种可以分别使用的工具。金观涛的论证是：它们分别对应反馈回路的不同环节——归纳是从输出到假说的信号提取，演绎是从假说到预测的逻辑推导，检验是预测和实际输出的比较。
这条原则约束方法切换的判断：当一种方法失效时，不要随机换方法，先判断反馈回路在哪个环节断了。信号提取有问题换归纳策略；逻辑推导有问题修演绎框架；比较环节有问题改实验设计。