衡量信号
统计模型把观察转化为估计、预测、比较和不确定性。假设与验证过程保持可见,而不是被压缩成一个分数。
定量模型衡量信号与不确定性。
语义 AI处理无法整齐装进数据表的证据。
人的判断负责背景、后果与最终决定。
我构建结合定量模型、语义 AI、不确定性与人的判断的可信赖决策支持系统。
目标不是为了自动化而自动化,而是让证据真正支持更好的决策:假设可见,不确定性被保留,人的责任明确。
有用的决策支持,需要把可测量的信号、可解释的语义证据、仍然存在的不确定性,以及人真正需要作出的决定连接起来。
统计模型把观察转化为估计、预测、比较和不确定性。假设与验证过程保持可见,而不是被压缩成一个分数。
并非所有有用信息都是数值。专门化 AI 可以整理文本、指南、审阅意见和代码,但这些输出是需要评估的证据,而不是自动获得权威的答案。
证据可以改变决定,却不等于替人作决定。背景、后果、价值取舍、升级、拒答和最终责任必须明确由人承担。
系统应保留足够证据,让人知道建议基于什么、还不知道什么,以及什么时候不应该行动。
数据,是现实的投影。模型,是数据与假设共同塑造的投影。而现实,大于两者。
这套结构可以用于预测、分析审阅、AI 辅助分析,以及由规则约束的智能体工作流。
系统要支持什么选择、升级、预测、审阅或行动?什么样的证据才真正有用?
已定义有哪些定量与语义证据?哪些信息缺失、有偏、不能安全暴露,或根本不在观察范围内?
有边界选择合适的统计、计算或语义模型,验证并比较它们,把不确定性、分歧与拒答继续传递到下一步。
已评估当推断要转化为有后果的行动时,把可审阅的证据和明确的边界交给人,由人保留最终决定权。
由人负责更好的自动化有价值;更好的判断才是目标。
这些项目不是彼此独立的方向。它们分别解决同一条链条上的问题:怎样把不完整的证据转化为有用的决定,同时不隐藏不确定性,也不把人的责任交出去。
PAGe 是一个按流行阶段对齐的传染病预测系统。它把预测当作决策支持问题:识别正在出现的阶段,估计下一步可能发生什么,保留概率不确定性,并把可解释的证据交给人,而不是只给一个不透明的预测值。
PAGe 支持传染病预测;Which 探索校准、拒答、模型比较和语义证据的显式决策与评估层;aiR 支持统计分析,同时把假设与解释留给分析者;SSC Review Agent 使用检索证据和结构化规则支持审阅,但最终判断仍由人作出。
DataGangeR 用合成替身减少源数据不必要的暴露;HMA 把证据和批准绑定到工作流阶段;AgentPorter 约束智能体可访问和可执行的范围;clientAgent 把请求转化为可审阅的候选成果,而不给智能体发布权。
OPCC 与 ONgeoR 让公共卫生链接和地理处理具备可复现、可追溯的证据链;Cranary 把确定性的软件包检查证据与语义审阅结合起来。重点不是一次性分析,而是让证据可以被检查、复用和维护。
AI 扩展了我们能表示的内容——不等于扩展了自动可信的范围。
统计提供明确的假设、校准、验证和不确定性;语义 AI 处理难以编码成传统变量的证据;工作流控制则保留溯源、边界和审阅。
共同的问题因此不是“哪个模型最聪明”,而是“什么证据支持这个决定、还不确定什么、什么时候系统应该拒答,以及谁有权采取行动”。
演示数据边界:这些公开演示不适合处理个人、健康、保密或客户所有的信息。请参阅隐私说明。ONgeoR:源码 · 文档。
这些哲学影响解释了为什么我的专业工作强调不确定性、证据、边界与人的责任。
我是生物统计师、公共卫生数据科学家、研究者和 AI 工作流构建者。统计训练让我习惯面对部分观察、抽样、偏差、假设与不确定性,也不断追问:现有证据究竟支持多强的结论。
道家把这个问题推得更远:能被命名、描述或建模的,不是存在的全部。佛家提醒我们,不要因为眼前的“相”足够鲜明,就把它当成完整现实。AI 让表征、预测与生成更强大,也更容易让人忘记表征与现实之间的距离。
所以我更愿意构建这样的系统:证据留下来,不确定性和偏差看得见,重要判断仍由人承担。目标不是消灭不确定性,而是看得更清楚,同时知道这个视角的边界。
部分观察、抽样、偏差、假设、竞争性解释与不确定性,不是分析之外的麻烦;它们本来就是分析的一部分。
道可道,非常道。《道德经》
这里借用的是关于语言与命名边界的思想影响:模型、概念和语言帮助我们理解现实,但不应被误认为现实本身。
这是现代语境下的思想联系,并不是把《道德经》解释成统计学论述。
凡所有相,皆是虚妄。若见诸相非相,即见如来。《金刚般若波罗蜜经》 · 鸠摩罗什译
这里的“相”可以提醒我们:眼前的观察、图表、估计、模型输出或 AI 答案都可以有用,但理解它们的局限,同样属于理解的一部分。
《金刚经》当然不是在讨论统计或 AI;这里说的是它对“表象与执着”的思想影响。
AI 能快速综合大量信息,给出非常有说服力的结果。这种能力很有价值,也提高了我们忘记“观察了什么、推断了什么、还不知道什么、谁应该负责”的代价。