# 從搜尋到辨識：以魔術方塊重驗技能型內隱認知的命題框架 **A Propositional Framework: Re-validating Skill-Based Implicit Cognition through the Rubik's Cube** **作者：** Neo.K　|　**機構：** 一言諾科技有限公司（EveMissLab）　|　**對練／結晶化：** Theia **文件編號：** EML-COG-2026-LRC（Local-Representation Collapse）　|　**版本：** v0.1　|　**日期：** 2026.06 --- ## 摘要 本文以魔術方塊（3×3×3）為單一受控載體，將分散於認知科學數十年的既有結論——組塊化、技能程序化、內隱／程序記憶、心像旋轉、前向模型、無模型與有模型增強學習、自動化的實例理論、內容定址記憶、延展認知——重新組織為一組可檢驗的命題與猜想。**本文不主張任何新的實證發現。** 其貢獻有三：其一，提供一個把上述異源理論收攏在同一受控對象上的命題化框架；其二，明確辨正一個流行但接反的直覺——「高手在解題時於狀態樹中搜尋」——指出狀態樹搜尋是學習期的鷹架而非專家執行期的機制，專家是被蒸餾出的反應式策略；其三，以展平式維度重構（FDRS）的語彙，把「局部表徵」精確化為「全局狀態空間的有損商映射」，並指出專家的查詢是保鄰近的聯想檢索，恰為雜湊（散列）的對偶。全文採命題—推論—猜想格式，附可證偽預測、範圍限制與神經對應，並在附錄給出與 FDRS 算子的對照。 **Abstract.** Using the 3×3×3 Rubik's cube as a single controlled substrate, this paper re-organizes established results across cognitive science—chunking, skill proceduralization, implicit/procedural memory, mental rotation, forward models, model-based vs. model-free reinforcement learning, instance theory of automaticity, content-addressable memory, and extended cognition—into a set of testable propositions and conjectures. It claims **no new empirical findings.** Its contributions are a unifying propositional frame on one controlled object; a correction of the popular-but-inverted intuition that experts *search a state tree at solve time* (the tree is a learning-phase scaffold, distilled into a reactive policy); and an FDRS reading in which "local representation" is the lossy quotient of the global state space, and expert retrieval is a similarity-preserving associative lookup—the dual of a hash. --- ## 第一章　導論 ### 1.1　問題與動機 一個普通人，在不具備任何群論、不理解魔方狀態空間結構的前提下，經過數週練習，能穩定地把一個被打亂的魔術方塊還原。其狀態空間規模約 $4.3\times10^{19}$，遠超任何徒手窮舉或顯性記憶所能涵蓋。這個日常事實構成一個尖銳的問題：**一個高維、動態、連接複雜度極高的結構，如何在缺乏顯性理論的情況下，被內化為可即時執行的技能？** 這個問題之所以非平凡，在於它同時違反了兩個樸素直覺。第一個直覺是：要解決一個如此龐大的組合問題，必須「理解」它的結構。但事實是大多數能還原魔方的人完全不懂魔方群、不知道神為數（God's Number）為 20、甚至說不清自己中段在做什麼。第二個直覺是：技能既然能被執行，就應該能被清楚言說。但事實是高手往往無法完整解釋自己的手在做什麼——你若打斷他、要他逐步報告，他的表現反而崩潰。這兩個違反，正是內隱認知的指紋。 本文的立場是：這個問題的大部分，在認知科學既有的文獻中其實已經被回答了——只是答案分散在組塊化、技能習得、內隱記憶、運動控制與增強學習等彼此少有對話的領域。魔方的價值不在於它能催生新理論，而在於它是一個**單一、離散、可完全形式化、又對人類具有真實難度**的受控載體，足以讓這些異源理論在同一對象上彼此校準、互相驗證。換言之，魔方不是新答案的來源，是把舊答案擺在一起對照的試管。 ### 1.2　為何選擇魔方作為驗證載體 魔方具備一組罕見的並存性質：（一）狀態空間有限且可精確計數，群結構封閉；（二）操作集小（六面、各三種變體），可窮舉；（三）全局正確性有明確判準（解開／未解開）；（四）對人類而言難度真實，需要數週至數年的練習曲線；（五）專家的外顯敘述（公式、相位）與內隱執行（手感、辨識）可分離觀察。這五者使魔方成為比西洋棋（分支因子過大、終局判準模糊）或人工語法（缺乏空間—運動維度）更乾淨的技能認知試管。此外，魔方同時跨越知覺、空間想像與精細運動三個系統，使它能一次照見「辨識—決策—執行」的完整迴路，而非只觸及其中一段。 ### 1.3　誠實定位與貢獻 再強調一次：**本文不是新發現。** 它是一次綜合與重驗。其貢獻限於： 1. 把既有結論命題化、收攏於單一載體； 2. 辨正「專家於狀態樹中搜尋」此一接反的直覺； 3. 以 FDRS 語彙精確化「局部表徵」並指出查詢的聯想本質。 凡涉及量化（如組塊容量、反應時）之處，本文僅引用文獻既有結果，或明確標註為說明性假設。本文亦在第九章誠實界定魔方類比的適用範圍與其失效之處，避免把單一載體上的結論過度外推。 **方法論立場。** 本文採命題—推論—猜想格式，而非實證報告，是一個刻意的選擇。其目的不是宣稱新事實，而是把既有事實重新**對齊**：當組塊化、技能習得、增強學習、聯想記憶這些原本各說各話的理論被擺到同一個受控對象上、並以同一套記號（$\mathcal{S}$、$\mathcal{X}$、$\pi$、$\rho$、$T$）重述時，它們之間的邏輯關係——何者描述學習期、何者描述執行期、何者是觀察者的重建——才會浮現。命題格式的價值在於把這些關係**顯題化、可否證化**：每一條命題都被寫成可被指認為錯的形式，每一個猜想都附上其證偽條件。這是一種整理，不是一種發現；但好的整理本身，有時會讓人看見原本被領域邊界遮住的東西。 --- ## 第二章　預備與記號 **定義 2.1（容器與全局狀態）。** 令魔方的全局狀態為 $s\in\mathcal{S}$，$|\mathcal{S}|\approx4.3\times10^{19}$。容器 $C$ 為承載狀態的物理對象本身；轉動算子集 $\Phi=\{U,D,L,R,F,B\}$ 及其逆與平方生成魔方群 $G=\langle\Phi\rangle$。一次轉動 $\phi\in G$ 作用為 $s\mapsto\phi(s)$。 **定義 2.2（觀察模式與表示）。** 同一容器可被多種模式 $m$ 讀取：立體嵌入（3D）、攤平色位（2D 十字網，FCSR）、貼面鄰接圖（譜）。模式切換不改變 $C$，僅改變表示——此即 FDRS 之表示轉換算子 $\mathcal{R}$（容器同一性）。三種模式讀出的數值（如同色連通分量數）可彼此翻譯而相容，因其底層為同一容器。 **定義 2.3（局部表徵 / 組塊）。** 局部表徵 $\chi$ 是一個對全局狀態的有損映射 $\pi:\mathcal{S}\to\mathcal{X}$，其中 $\mathcal{X}$ 為組塊空間，$|\mathcal{X}|\ll|\mathcal{S}|$。一個組塊 $\chi=\pi(s)$ 對應 $\mathcal{S}$ 中一整個等價類 $\pi^{-1}(\chi)$。直覺上，$\chi$ 是「一個可用某觸發序列處理的局部構型」，例如「一組待插入的角—稜對」。 **定義 2.4（策略與相位）。** 反應式策略 $\rho:\mathcal{X}\to\Phi^*$ 將組塊映至一段動作序列（觸發 / trigger）。相位 $q$ 是解題流程的粗階段（如：十字→前兩層→頂層朝向→頂層排列），相位集 $Q$ 很小（$|Q|$ 為個位數）。 **定義 2.5（狀態樹）。** 以初始狀態為根、轉動為邊、後繼狀態為節點所展開的搜尋樹，記為 $T$。求解的一條路徑 $\pi^*=(\phi_1,\dots,\phi_k)$ 是 $T$ 中由根至解的一條道路。 本文核心區分為：**$T$ 的展開**（搜尋）與 **$\rho$ 的查詢**（辨識）是兩種根本不同的計算。前者代價隨分支因子與深度爆炸，後者代價近乎常數。 ### 2.6　一個貫穿全文的具體例子 為使後續命題不流於抽象，先固定兩個具體錨點。 **錨點一（組塊→觸發）。** 在前兩層（F2L）階段，一個典型組塊是「白面朝右、待插入右前槽的角—稜對」。對這個被辨識的組塊，高手不思考、不模擬，直接施出固定觸發（如右手三連 `R U R'` 一族中的對應變體）。這個「構型→動作」的映射就是 $\rho(\chi)$。關鍵在於：無論魔方其餘部分如何，只要這個局部構型被辨識，動作即被觸發——這正是定義 2.3 中「許多全局狀態映至同一組塊」的具體呈現。 **錨點二（相位不變量）。** 底層十字一旦完成，後續所有 F2L 觸發都被設計為「在過程中暫時破壞、又在結尾恢復」十字，使十字作為不變量被保持。這意味著解題者從不需要回頭檢查十字是否還在——相位的結構保證了它。這個錨點將在第六章被用來說明「全局正確性由結構擔保、而非由全局匹配達成」。 --- ## 第三章　命題群 A：複雜性的觀察者相對性 ### 命題 A1（描述複雜度 ≠ 導航複雜度） > 魔方狀態空間的規模 $|\mathcal{S}|\approx4.3\times10^{19}$ 是**對容器的最樸素編碼**下的描述複雜度，並非任何求解主體實際導航的複雜度。專家從不表徵 $s\in\mathcal{S}$ 之全局，他操作的是組塊空間 $\mathcal{X}$，而 $|\mathcal{X}|$ 僅數百量級。 **論證。** 局部轉動的交互圖是稀疏的：一次面轉動僅牽動該層的八個塊，其餘十二塊不動。人類求解寄生於此局部性——在任一時刻只持有當前組塊，其餘「交給方法」。因此被導航的對象是 $\mathcal{X}$ 而非 $\mathcal{S}$。$4.3\times10^{19}$ 這個數字從未進入任何人的工作記憶；它只存在於「用 54 個獨立貼面去描述容器」這個外部編碼裡。換一個編碼——例如以組塊為單位——同一個容器的有效複雜度立刻坍縮數十個數量級。複雜度因此不是容器的內稟性質，而是觀察者所選編碼的函數。 **認知科學對應。** 此即 Newell 與 Simon（1972）「問題空間」概念的一個極端而乾淨的實例：問題求解不在客觀狀態空間進行，而在主體所構造的問題空間進行；專家的問題空間經過劇烈壓縮。Chase 與 Simon（1973）對西洋棋的研究給出同型結論——專家的優勢不在記憶容量，而在組塊：他看見的不是孤立棋子，而是有意義的結構單位。Gobet 與 Simon（1996）進一步以「模板」擴充組塊，說明專家的知覺單位可以更大、更結構化。Miller（1956）的 $7\pm2$ 與 Cowan（2001）修正的約 4 個組塊，界定了工作記憶這個必須被繞過的瓶頸。 **魔方詮釋。** CFOP 高手記憶的 57 個 OLL、21 個 PLL，本質是 $\mathcal{X}$ 上的一張查詢表的條目，而非 $\mathcal{S}$ 的任何子集。組塊把高維狀態折疊成可被工作記憶承載的少數知覺單位。一個只能逐塊看、無法看見組塊的新手，其工作記憶會被瞬間淹沒——這正是新手感到魔方「太複雜」的真實機制：複雜度的差異不在魔方，在編碼。 ### 命題 A2（局部表徵是全局狀態的有損商映射） > 局部表徵 $\chi=\pi(s)$ 不是 $\mathcal{S}$ 中的「一個狀態」，而是一個等價類 $\pi^{-1}(\chi)$。許多在全局上不同的狀態映至同一組塊，因而觸發同一動作 $\rho(\chi)$。專家在 $\mathcal{X}$（商空間）中行走，不在 $\mathcal{S}$ 中行走。 **論證。** 「一個朝向正確、待插入右前槽的角—稜對」這個組塊，對應全局上無數種其餘部分各異的狀態。策略 $\rho$ 對該組塊給出固定觸發，與全局其餘無關（在相位約束下）。故 $\rho$ 的定義域是 $\mathcal{X}$，且 $\pi$ 的纖維 $\pi^{-1}(\chi)$ 通常極大。換言之，$\pi$ 是一個多對一的壓縮：它丟棄了對當前決策無關的全局細節，只保留決定下一動作所需的局部結構。 **認知科學對應。** 此對應「知覺範疇化」與「刺激泛化」：相近輸入落入同一範疇、引發同一反應。它也預示了第七章將論的「保鄰近性」——商映射保留鄰近關係，這是與雜湊的本質差異。從訊息論看，$\pi$ 是一個有損編碼，其損失正是「對當前決策無關的位元」，而其保留正是「決定動作的充分統計量」。 **FDRS 詮釋。** $\pi:\mathcal{S}\to\mathcal{X}$ 即一次展平：高維狀態被映至低維可操作表示，而**本質的邏輯連結被保留**（鄰近的構型仍映至鄰近的組塊、相近的動作）。組塊空間 $\mathcal{X}$ 就是專家所操作的那張低維圖卡。 **推論 A2.1。** 既然 $\rho$ 作用於 $\mathcal{X}$，則內隱記憶承載的不是高複雜度本身——高複雜度在被記住之前，已先被 $\pi$ 摧毀（壓縮）。**內隱記憶裝的是殘渣，不是流形。** 由此可知，「如何把高複雜度記成內隱記憶」這個問法本身略有錯位：它從來不是以高複雜度的形態被記住的，而是先壓縮、再記住壓縮後的低維殘餘。 --- ## 第四章　命題群 B：兩個時間尺度與搜尋的坍縮 本章是本文對流行直覺的核心辨正。 ### 命題 B1（學習期是有模型搜尋，執行期是無模型查詢） > 技能的兩個時間尺度承載兩種不同的計算：**學習期**以有模型的狀態樹搜尋為主——心像旋轉、前瞻、試錯、回溯，費力而緩慢；**專家執行期**以無模型的快取策略為主——辨識當前組塊、直接觸發對應動作，不展開狀態樹。 **論證。** 設學習者面對未知構型，其唯一手段是在問題空間中試探：施加一動、觀察後果、若惡化則回溯。這正是狀態樹 $T$ 的展開。每一次成功的路徑被記憶、被強化，逐步把「構型→有效動作」這一對映 $\rho$ 填滿。當 $\rho$ 在某組塊上已被填實，主體不再於該組塊處搜尋，而直接查詢——搜尋在該處坍縮為查表。技能的整個習得過程，就是 $\rho$ 的定義域逐塊被填滿、而 $T$ 的展開逐塊被取消的過程。 **認知科學對應。** - **技能習得階段論**（Fitts & Posner, 1967）：認知期→聯結期→自動期，恰是「外顯規則受控執行」向「自動化反應」的遷移；Anderson（1982；ACT-R）以「產生式編譯」刻畫陳述式知識向程序式產生式的塌縮——原本要一步步走過的「若…則…」規則，被編譯成直接的刺激→反應產生式。 - **無模型 vs 有模型增強學習**（Daw, Niv & Dayan, 2005；Sutton & Barto, 1998）：有模型系統用前向模型展開規劃（昂貴、靈活），無模型系統用快取的狀態—動作值（廉價、僵化）。專家從前者遷移至後者；二者在大腦中由不同系統承載並彼此競爭。 - **自動化的實例理論**（Logan, 1988）：自動化不是演算法加速，而是**從記憶檢索過去實例**取代了演算法計算。這正是「查表取代搜尋」的精確表述——隨著實例累積，最快的檢索逐漸贏過最快的計算。 - **心像旋轉**（Shepard & Metzler, 1971）：反應時隨旋轉角線性增長，揭示一種類比式的內部模擬——這是**新手**的昂貴前向模型；專家以辨識取代之，故其反應時不再隨「角度」線性增長。 - **練習的冪次律**（Newell & Rosenbloom, 1981）：表現隨練習以冪律改善，與「搜尋逐步被查詢取代、實例庫逐步填實」一致。 **與本研究所建程式的對照。** 我們為魔方所實作的自動求解器，採用帶啟發式的迭代加深 A\*（IDA\*，Korf, 1985）：它展開狀態樹、以啟發函數估測離解尚差幾步、剪枝、回溯。這恰恰是**新手如何「思考」魔方**的計算模型——有模型、樹搜尋、估距。它不是專家如何「動作」魔方的模型。我們花了整套工程，造出一台像初學者那樣思考的機器；而本文所論的高手，恰是學會了不再那樣思考的人。這個對照本身就是命題 B1 的一個操作化註腳。 ### 命題 B2（狀態樹是觀察者的重建，非執行者的內容） > 從外部觀察，專家走出一條穿越狀態樹 $T$ 的路徑 $\pi^*$；但執行者腦內並未展開 $T$。$T$ 是**描述者**為了說明這條路徑而事後重建的結構，與「複雜性是觀察者強加的」（命題 A1）同型——樹在描述者的模型裡，不在執行者的頭裡。 **論證。** 專家的單步是 $\rho(\chi)$ 的查詢，其計算代價與 $T$ 的分支因子無關，亦不涉及對替代分支的枚舉。「路徑」是一連串獨立辨識的串接，其作為「樹中道路」的身份是外部投影。我們之所以傾向用「狀態樹」描述專家，是因為我們（觀察者）需要一個結構來解釋為何那條動作序列會通向解——但這個解釋性結構不必對應任何執行期的內部過程。 **推論 B2.1（殘留前瞻的誠實修正）。** 「專家零搜尋」是過強的。競速者在前兩層會追蹤一至兩塊、做淺層前瞻；在檢視期會規劃起手。故精確表述為：**專家並非消滅搜尋，而是把搜尋從深層審議式的樹展開，壓縮為淺層、並行、近乎辨識的預期。** 深層狀態樹搜尋屬於學習期與新手，專家保留的是被劇烈剪枝的薄層前瞻。本文不主張一個非黑即白的「搜尋 vs 辨識」二分，而主張一個連續的壓縮譜：練習把搜尋的深度與寬度單調壓低，直至逼近純辨識。 **推論 B2.2（試錯的時間定位）。** 「一直在試對試錯」描述學習者（探索 / explore），非專家（利用 / exploit）。狀態樹活在訓練期的探索裡，訓練完成即坍縮為策略。將試錯與內化過程置於同一句，等於把兩個時間尺度壓平——這是日常直覺最常犯的錯，因為我們同時看見「人在試」與「人會解」，便誤以為解的當下也在試。 --- ### 命題 B3（顯性殘餘即可傳遞層） > 顯性記憶保留下來的，恰是知識中**可被傳遞、可被教學**的部分——相位骨架與規則不變量（「為何先這樣轉」）；而相位內的程序核心 $\rho$ 因其為高頻寬、並行、連續的感覺運動快取，無法被低頻寬、序列化的語言通道完整載出，故停留為黑盒。 **論證。** 語言是一條低頻寬、序列化的傳遞通道：它能承載「先做底層十字、因為後續演算法都保持它」這種命題式、可教的規則，卻無法承載手指法那種高維、並行、連續的運動細節（時序、力道、視線落點、辨識的微結構）。於是技能在被教學時，必然被壓縮成「相位＋不變量＋公式記號」這種可言說殼層；而真正的執行核心只能由學習者經由自身練習重新長出來——教科書能給你公式表，給不了你手。這正好解釋了一個常見觀察：高手能敘述大致幾步與「為何先這樣轉」，但中段計算是黑盒。黑盒不是因為神秘，是因為那部分知識的**格式**與語言不相容。 **認知科學對應。** 此與猜想 G2 的「可言說性缺口」互為表裡，並對應運動學習中「演示優於講解」的現象——觀察與模仿能繞過語言瓶頸，直接在感覺運動層傳遞，而純口語講解則被殼層所限。Anderson 的陳述—程序遷移在此有一個社會面向：可被傳遞的，永遠是尚未（或剛被）程序化、仍留在陳述式格式裡的那一層；一旦程序化完成，知識就同時變快、變強、變得不可言說、也變得不可直接傳授。 **推論 B3.1（教學的悖論）。** 一門技能越是被精熟（越程序化），其持有者越難把它教出來——可教性與精熟度在程序核心上成反比。這不是高手藏私，是知識格式的物理限制。 --- ## 第五章　新手到專家的軌跡：練習曲線上到底發生了什麼 本章把命題群 B 的「兩個時間尺度」展開為一條連續軌跡，逐一指出隨練習而變化的量。 **其一，組塊的粒度上升。** 新手以單塊為知覺單位（每片貼面都要單獨處理），工作記憶迅速飽和；隨練習，知覺單位升級為「對」「行」「案例」乃至「整個相位的局面」。這是 Chase–Simon 組塊化在時間軸上的展開：被看見的不是更多東西，而是更大的東西。 **其二，心像旋轉的依賴下降。** 新手大量依賴 Shepard–Metzler 式的內部模擬去預判一步的後果，其代價隨想像的旋轉量線性上升；專家以快取的案例辨識取代模擬，故同樣的決策幾乎不再付出旋轉代價。可觀察的指標是：新手單步前的停頓隨「需要想像的角度」增長，專家則趨於平坦。 **其三，前瞻的深度被壓縮、寬度被剪枝。** 新手做深而亂的樹搜尋（想很多步、又常走錯回溯）；專家做淺而準的前瞻（F2L 追一兩塊、為下一個案例預備視線），其餘交給辨識。搜尋沒有消失，是被壓到極薄。 **其四，知識的承載介質從顯性遷往隱性、再遷往身體與外物。** 起初是可言說的規則（「若角塊在此，做這串」）；經產生式編譯後成為不可言說的反應；再經速解的手指法（fingertrick）固化，演算法被存成一個流暢的運動基模，存在於手而非符號。同時，魔方本體承擔了狀態記憶——專家用眼讀回當前局面，而非在腦中維持。 **其五，全局監控退場。** 新手不時停下檢查「整體還差多少」（一種代價高昂的全局匹配）；專家停止這種檢查，因為相位不變量已把全局保證內化（見第六章）。全局監控的退場，是工作記憶得以釋放、速度得以提升的關鍵之一。 這五者並非彼此獨立，而是同一個壓縮過程的五個側面：把複雜度從意識的窄管裡，分別趕進組塊、趕進策略、趕進身體、趕進外物，並取消對全局的持續驗證。 --- ## 第六章　命題群 C：全局正確性的結構擔保 ### 命題 C1（方法即證明：全局正確由不變量保持的相位序擔保，非由全局匹配達成） > 專家從不執行「全局匹配」——他不表徵、不驗證整顆魔方的全局狀態。他執行一連串**局部匹配**，其合成之所以全局正確，是因為解法的相位結構單調保持已解部分（先解的層在後續相位中不被破壞）。全局正確性是方法設計的湧現擔保，不是一個被表徵的目標。 **論證（以層先法逐相位走查）。** 考慮一條典型解法的相位序：底層十字 → 底層角塊（完成第一層）→ 第二層稜塊（完成前兩層）→ 頂層朝向 → 頂層排列。每一個後續相位所用的演算法，都被設計為**保持前一相位的成果不變**：插入第二層稜塊的觸發會暫時擾動底層、但結尾恢復；頂層朝向的演算法保持前兩層不變；頂層排列的演算法保持朝向不變。於是「離解還差多遠」這個全局量，沿相位序**自動單調下降**，無需任何人去計算它。會去計算全局距離的，是帶啟發函數 $h$ 的**搜尋**（如我們的 IDA\* 求解器），不是專家。專家把全局保證外包給了相位結構——方法本身就是一份不必每次重證的證明。 **認知科學對應。** 此對應「程序性技能的階層組織」與 Dreyfus & Dreyfus（1986）對專家「不再依規則、而依情境直覺」的描述：專家信任方法，把全局保證外包給已內化的相位結構。Ericsson & Kintsch（1995）的「長期工作記憶」說明專家如何以結構化檢索繞過工作記憶限制——相位即一種結構化索引，使專家能在不持有全局的情況下，於正確的位置取出正確的局部知識。 **推論 C1.1。** 「局部匹配到全局匹配」的表述高估了全局端。更精確：**局部匹配一路到底，全局正確性是相位不變量的湧現擔保。** 全局匹配若真被執行，那是搜尋者（新手或演算法）的行為，不是專家的。新手之所以慢，部分正因為他還在做這種昂貴而其實可被結構取代的全局監控。 --- ## 第七章　命題群 D：聯想查詢與展平鍵 ### 命題 D1（專家查詢是內容定址的聯想檢索，為雜湊的對偶） > 把專家的查詢稱為「雜湊表查詢」在「快取」一義上成立，在「雜湊」一義上接反。雜湊函數被設計來**摧毀鄰近結構**（相近的鍵被打散、差一位元即落入無關桶）；而專家的查詢鍵是有損、近似、容忍變形的——相近的局部構型觸發相近（甚至相同）的反應。專家是**內容定址的聯想記憶**，是雜湊表被設計來避免成為的那種東西。 **論證。** 雜湊的價值在均勻散佈（避免碰撞），其代價是丟棄輸入空間的度量結構：好的雜湊函數刻意讓相鄰的鍵映到遠處。辨識的價值恰在保留度量結構：一個未曾精確見過的構型，仍能被歸入正確的組塊族並觸發正確反應（泛化）。前者要散，後者要聚；二者在「是否保鄰近」這一性質上正好相反。若專家真的是雜湊表，他就無法泛化——任何未精確登錄過的構型都會落入無關桶、查無此鍵。但專家恰恰能對沒見過的構型做出對的反應，這正證明其鍵保留了相似度結構。 **認知科學對應。** Hopfield（1982）的聯想網路給出內容定址記憶的物理模型：由部分／含噪的輸入收斂至最近吸引子。實例理論（Logan, 1988）亦然——檢索由相似度驅動，而非精確鍵。範疇化與原型理論同樣建立在相似度之上。 **FDRS 詮釋（保鄰近的鍵即展平）。** 「快取」一半是準的：該快取是被學習期昂貴的有模型搜尋**填出來**的（探索算過的結果存下、之後利用），此即 memoization。但讀取它的鍵是聯想的、保鄰近的，而非散列的；且其結構是階層的（觸發→案例→相位），非扁平的 key→value。更深的一點是：那把「保鄰近」的鍵，正是 $\pi$ 這次展平的產物——組塊是地址，而**地址相近 ⇔ 可操作性相近**。這是展平 $\Phi$ 的全部價值：它造出一個「靠近真的有意義」的表示，於是一次廉價的最近匹配就足夠。雜湊把空間打散，好的展平把它收攏。 **推論 D1.1。** 高手不是記性好到能查一張巨表；他是找到了那張**讓查表變得不必要**的圖——在保鄰近的座標上，最近的答案永遠就在手邊，近到不像在查，像在認。 --- ## 第八章　三種收斂的辨正 ### 命題 E1（「展開／收斂」涉及三個不可混淆的算子） > 在魔方語境中，「展開／收斂」一詞至少對應三個不同的算子，混為一談會造成範疇錯誤： > （i）**維度的** 升降：3D 立體 ⇄ 2D 攤平網（FDRS 的 $\Phi$／RDCM）； > （ii）**狀態的** 收斂：亂序 → 解開（解題本身，在 $\mathcal{S}$ 內的軌跡）； > （iii）**注意力的** 張開／收束：掃視採集局部特徵（張開）→ 鎖定下一步（收束）。 **論證與辨正。** 認知過程中真實存在的是（iii）——知覺採樣與決策的循環。但它既非（i）的維度升降，也不應與（ii）的狀態收斂等同。把認知的「局部→全局」直接讀成 FDRS 的「升維／降維」，是一次誘人的等價滑動：認知過程並未改變表徵的**維度**，它是在一個已被壓縮的低維表示（$\mathcal{X}$）上**導航狀態**。三個算子各有定義域：（i）的定義域是表示的維度，（ii）的定義域是狀態空間 $\mathcal{S}$，（iii）的定義域是注意力的範圍。混疊它們會讓張力結構塌縮——保持三者分離，是本框架的紀律性要求。 值得補充的是（iii）注意力收斂的機制：專家的視線並非均勻掃描整顆魔方，而是被學得的顯著性引導，跳躍式地落在「下一個可被辨識的組塊」所在處——一次知覺的張開（採樣候選局部）接一次收束（鎖定觸發點），如此循環。這個張開／收束的節律是真實且可被眼動追蹤量測的，但它發生在 $\mathcal{X}$ 的辨識層，與維度升降（i）、狀態前進（ii）分屬不同層級。把「人在解魔方時不斷展開又收斂」這句日常描述，誤讀為 FDRS 的維度操作，正是本命題要攔下的範疇滑動。 --- ## 第九章　範圍與限制 把單一載體上的結論外推到「一切技能」是危險的。本章誠實界定魔方類比成立的邊界。 **其一，魔方是確定性、完全資訊、離散的。** 它沒有對手、沒有隨機性、沒有隱藏狀態、沒有連續控制。許多真實技能（駕駛、即興演奏、對話、運動競技）是隨機的、部分可觀測的、連續的、且有對抗方。在那些領域，純無模型快取不足以應付分布外情境，有模型的規劃與線上適應不會完全退場。故命題 B1 的「搜尋坍縮為查詢」在魔方上接近完全，在開放領域只是部分成立——專家仍需保留一定的線上模型用於應變。 **其二，魔方有明確的全局判準與可分解的相位結構。** 命題 C1 的「方法即證明」依賴於存在一套不變量保持的相位分解。並非所有技能都有這種乾淨的相位結構；缺乏它的技能，其全局正確性無法被結構完全擔保，主體必須保留某種全局監控。 **其三，個體差異與方法差異。** 同樣「會解魔方」，盲解者、速解者、直覺解者所內化的表徵與策略結構不同。本文的命題刻畫的是「經方法訓練、達到自動化」這一類專家的共性，不宣稱涵蓋所有解法路線。 **其四，本文的命題多為既有結論的重組，其魔方實證化（在魔方任務上直接測得各命題的反應時／神經指標）大多尚待進行。** 下一章的可證偽預測即為此而設，但本文本身不提供新數據。 **其五，技能的特定性與遠遷移之闕如。** 魔方專長幾乎不遷移到其他技能——精通魔方並不使人更會下棋、更會演奏或更會解數學題。這個「不遷移」本身佐證了本框架：專家內化的是一張**特定任務的展平 $\pi$ 與其上的策略 $\rho$**，而非某種可跨域搬運的通用「空間智能」。Thorndike 與 Woodworth 對「形式訓練說」的早期否證、以及遠遷移（far transfer）在文獻中普遍微弱的事實，都指向同一點：被習得的是 task-specific 的低維圖卡與策略。這也回扣命題 A1——複雜度的馴服，來自找到那張**特定的**圖，而圖不通用；換一個任務，舊圖失效，得重新展平。若魔方訓練被證實能穩健遷移至無關領域的問題解決，則本框架的「展平特定性」假設將受質疑。 界定這些邊界，不是削弱框架，而是標明它的適用域——超出此域的結構，需要其他工具處理。 --- ## 第十章　猜想群與可證偽預測 以下為超出既有直接證據、但由本框架自然導出的猜想。標註其可證偽形式。 ### 猜想 G1（可程序化 ⇔ 可展平） > 一個任務可被內隱地（程序性地）精熟，**當且僅當**它容許一張保本質連結的低維可操作表示（即存在有效的展平 $\pi$）。缺乏可利用低維結構的任務（如記憶一串無結構的隨機符號）無法被程序化，只能被低效地陳述式硬背。 **可證偽預測。** 在人工受控材料上系統性調節「可壓縮性 / 結構性」：可壓縮材料應展現冪律式的程序化（反應時下降、可言說性下降、抗干擾性上升）；不可壓縮材料應停留於緩慢的陳述式檢索，不出現自動化轉移。若高度不可壓縮材料仍出現穩定程序化，則 G1 被否證。 ### 猜想 G2（可言說性缺口） > 專家的顯性可言說內容，集中於**相位骨架**與**規則不變量**（「為何先這樣轉」），而**相位內的策略核心** $\rho$ 大致不可言說（黑盒）。可言說性與該知識在陳述式系統的殘留量成正比，與其程序化程度成反比。 **可證偽預測。** 要求專家逐步口語報告其 F2L 求解，將顯著拖慢並惡化表現（程序核心抗口語化）；而要求其報告相位策略（「先做十字」）則無此代價。若程序核心可被無代價地完整口語化，G2 被否證。此與「次級任務干擾」「言語遮蔽效應」的既有範式相容。 ### 猜想 G3（觀察者—樹幻覺） > 對專家單步求解的反應時與神經負荷，**不隨狀態樹的局部分支因子增長**（因無樹展開）；對新手則隨之增長（因有樹展開）。狀態樹的「複雜度」只在搜尋者身上留下計算足跡，在辨識者身上不留。 **可證偽預測。** 操弄當前構型在狀態樹中的分支因子 / 解的深度，測量單步啟動的反應時與前額葉負荷：新手應呈正相關，專家應趨於平坦。若專家亦呈強正相關，則 B2／G3 被否證（意味專家仍在展開樹）。 ### 猜想 G4（神經系統的雙軌遷移） > 技能習得對應計算負荷由「海馬—前額葉軸」（陳述式、學習期搜尋、有模型規劃）向「基底核—小腦軸」（程序式、無模型策略、前向模型執行）的遷移。 **對應與預測。** 與 Knowlton、Mangels & Squire（1996）對基底核於機率分類學習之角色、Squire（1992）對陳述／非陳述記憶之解離、Wolpert、Ghahramani & Jordan（1995）對小腦前向模型之刻畫一致。預測：練習過程中，求解相關活動應由內側顳葉／背外側前額葉向背側紋狀體與小腦轉移。此為既有運動學習文獻的已知模式，本文僅將其錨定於魔方。 --- ## 第十一章　神經對應小結 兩個時間尺度對應兩條神經軸，且彼此競爭與接力： - **學習期 / 新手 / 有模型搜尋：** 內側顳葉（海馬，情節編碼）、背外側前額葉（工作記憶、規劃、心像旋轉）。昂貴、靈活、可言說、佔用工作記憶瓶頸。 - **專家 / 無模型策略：** 背側紋狀體（基底核，習慣與狀態—動作快取）、小腦（前向模型、運動時序）、運動皮質（手指法的運動基模）。廉價、僵化、不可言說、開迴路執行、可外包於身體與外物。 延展認知（Clark & Chalmers, 1998）在此具體化：競速者把狀態外包給魔方本體（用眼讀回，不在腦中模擬）、把演算法外包給手指（手「知道」觸發）。表徵分布於內部策略、身體運動基模與外部物件三處——這也是工作記憶瓶頸的三條逃逸路徑：組塊（讓 WM 只持一個單位）、程序（讓 WM 無須持有）、外物（讓世界持有狀態）。三者是同一策略：把複雜度趕出意識的窄管。 --- ## 第十二章　結語 我們花了整套工程，教會一台機器**像新手那樣思考**魔方——它展開狀態樹、用啟發式估測離解還差多遠、剪枝、回溯。而本文所問的那個高手，恰恰是學會了**不再那樣思考**的人：他不展樹、不估距、不回溯，他辨識，然後動作。 把這些命題串起來，會看見一條一致的弧：複雜性不在物件裡，在描述它的人那裡（命題 A）；狀態樹不在執行者腦中，在重建它的觀察者那裡（命題 B）；全局正確不靠全局匹配，靠方法的不變量結構擔保（命題 C）；查詢不靠散列，靠保鄰近的展平鍵（命題 D）。四者是同一個洞察的四個側面——**所有看似住在高維裡的東西，都在一次正確的展平之後，搬到了低維的手邊。** 狀態樹不是被走完的，是被**忘掉**的。熟練的盡頭不是記得每一條分支，而是再也不需要看見那棵樹——在對的座標上，最近的答案近到不像在查，像在認。而認，從來不是記憶的勝利，是遺忘的成就：把所有不必要的分支忘乾淨，只留下那條手早已知道的路。 也正因如此，技能最深的那一層注定無法被言說、被教授——能寫進教科書的，永遠是還停在陳述式格式裡、尚可被語言載出的殼層（相位與不變量）；而那個讓魔方在指間流動的核心，每個人都得自己重新長一次。我們能把地圖交給下一個人，交不出走過那條路的腳。這不是技藝的缺憾，是它的尊嚴：有些知識，只能由身體親自抵達。 --- ## 參考文獻（擇要） - Anderson, J. R. (1982). Acquisition of cognitive skill. *Psychological Review*, 89(4). - Chase, W. G., & Simon, H. A. (1973). Perception in chess. *Cognitive Psychology*, 4(1). - Clark, A., & Chalmers, D. (1998). The extended mind. *Analysis*, 58(1). - Cowan, N. (2001). The magical number 4 in short-term memory. *Behavioral and Brain Sciences*, 24(1). - Daw, N. D., Niv, Y., & Dayan, P. (2005). Uncertainty-based competition between prefrontal and dorsolateral striatal systems. *Nature Neuroscience*, 8(12). - Dreyfus, H. L., & Dreyfus, S. E. (1986). *Mind over Machine*. - Ericsson, K. A., & Kintsch, W. (1995). Long-term working memory. *Psychological Review*, 102(2). - Fitts, P. M., & Posner, M. I. (1967). *Human Performance*. - Gobet, F., & Simon, H. A. (1996). Templates in chess memory. *Cognitive Psychology*, 31(1). - Hopfield, J. J. (1982). Neural networks and physical systems with emergent collective computational abilities. *PNAS*, 79(8). - Knowlton, B. J., Mangels, J. A., & Squire, L. R. (1996). A neostriatal habit learning system in humans. *Science*, 273(5280). - Korf, R. E. (1985). Depth-first iterative-deepening: An optimal admissible tree search. *Artificial Intelligence*, 27(1). - Logan, G. D. (1988). Toward an instance theory of automatization. *Psychological Review*, 95(4). - Miller, G. A. (1956). The magical number seven, plus or minus two. *Psychological Review*, 63(2). - Newell, A., & Rosenbloom, P. S. (1981). Mechanisms of skill acquisition and the law of practice. - Newell, A., & Simon, H. A. (1972). *Human Problem Solving*. - Reber, A. S. (1967). Implicit learning of artificial grammars. *Journal of Verbal Learning and Verbal Behavior*, 6(6). - Rokicki, T., Kociemba, H., Davidson, M., & Dethridge, J. (2014). The diameter of the Rubik's cube group is twenty. *SIAM Journal on Discrete Mathematics*, 27(2). - Shepard, R. N., & Metzler, J. (1971). Mental rotation of three-dimensional objects. *Science*, 171(3972). - Shiffrin, R. M., & Schneider, W. (1977). Controlled and automatic human information processing. *Psychological Review*, 84(2). - Squire, L. R. (1992). Declarative and nondeclarative memory. *Journal of Cognitive Neuroscience*, 4(3). - Sutton, R. S., & Barto, A. G. (1998). *Reinforcement Learning: An Introduction*. - Wolpert, D. M., Ghahramani, Z., & Jordan, M. I. (1995). An internal model for sensorimotor integration. *Science*, 269(5232). --- ## 附錄 A　與 FDRS 算子的對照 | 認知對象 | 本文記號 | FDRS 對應 | |---|---|---| | 全局狀態 → 局部組塊 | 有損商映射 $\pi:\mathcal{S}\to\mathcal{X}$ | 展平 $\Phi$（降維，保鄰近 / 保本質連結） | | 組塊 → 重建全局構型（罕用） | $\pi$ 的部分逆 | 重構 RDCM（升維） | | 觀察模式切換（立體/攤平/譜） | $m\mapsto m'$，容器不變 | 表示轉換 $\mathcal{R}$（容器同一性） | | 學習期搜尋的代價 | 狀態樹 $T$ 的展開成本 | 對應失真 / 代價算子 $\mathcal{D}$ 的高值（昂貴轉換） | | 專家查詢 | 在 $\mathcal{X}$ 上的聯想檢索 $\rho$ | 低 $\mathcal{D}$ 的近等距讀取（保鄰近鍵） | | 相位骨架 | 小型有限狀態機 $Q$ | 模式層之上的宏觀控制結構 | ## 附錄 B　核心命題速覽 - **A1**　描述複雜度 ≠ 導航複雜度；專家操作 $\mathcal{X}$（$\sim10^2$），非 $\mathcal{S}$（$\sim10^{19}$）。 - **A2**　局部表徵 = 全局狀態的有損商映射（等價類），非單一狀態。 - **B1**　學習期 = 有模型樹搜尋；執行期 = 無模型快取查詢。 - **B2**　狀態樹是觀察者的重建，非執行者的內容；專家保留薄層前瞻而非深層搜尋。 - **B3**　顯性殘餘 = 可傳遞層（相位＋不變量）；程序核心因格式與語言不相容而為黑盒；可教性與精熟度在程序核心上成反比。 - **C1**　全局正確由相位不變量結構擔保，非由全局匹配達成。 - **D1**　專家查詢是保鄰近的聯想檢索，為散列的對偶；保鄰近鍵即展平。 - **E1**　維度收斂 / 狀態收斂 / 注意力收斂為三個不可混淆的算子。 --- *本文為 EveMissLab 之認知科學重讀工作，立場為綜合與重驗，不主張新實證發現。命題與猜想之具體實驗化，留待後續；其與 FDRS 主框架（展平 $\Phi$、重構 RDCM、表示轉換 $\mathcal{R}$、失真算子 $\mathcal{D}$）的形式對接，亦待另文以鏈複形語言完整化。本文的全部主張，可一句話收束：複雜從來不在物件裡，技能不過是找到了那張讓它變簡單的圖，然後把找圖的過程，連同那棵樹，一起忘了。*