§九 认知错误的层级
所在分块:高级讨论部分
总索引:← 返回 认知理论 v1 · 总索引
九、认知错误的层级
认知错误并不是同一种错误。根据 §四 的链条:
$$ R \rightarrow I \rightarrow F_G \rightarrow C \rightarrow M \rightarrow P \rightarrow E $$
错误可能在不同位置发生。
9.0 错误分类体系(P0 一致性修订)
本理论统一采用 7 类错误分层:
| 序号 | 错误类型 | 对应认知环节 | 错误示例 |
|---|---|---|---|
| 1 | 信息错误 | $R \to I$ | 测量仪器误差、观察者不在场 |
| 2 | 过滤错误 | $I \to F_G \to I'$ | 重要信号被忽略、无关信号被过度强化 |
| 3 | 分类错误 | $C: O \to K$ | 把"反馈"误认为"攻击" |
| 4 | 关系错误 | $M_G$ 的关系集合 $L$ | 把相关性误认为因果性 |
| 5 | 因果模型错误 | $M_G$ 的因果链 | 真正的因果链没进入模型(忽略共同原因) |
| 6 | 模型错误 | $M_G$ 整体 | 多处局部判断正确,但整体框架失效(如经典力学在光速下失效) |
| 7 | 基本观念错误 | $G$ | 大量模型持续系统性失败,共同源于高层假设错误(如"线性思维") |
7 类而非 6 类的理由(P0 修订):信息错误与过滤错误在工程上完全不同——
信息错误来自"信号获取环节",过滤错误来自"信号筛选环节"。
把它们合并会丢失这一区分,导致排查时不知道该查"信号源"还是"筛选项"。
因此本理论正式采用 7 类错误分层。
注意:预测误差 $E$ 不是错误本身,而是"误差信号"——它在 §六 6.2 已严格界定: $E \approx 0$ 不等于"模型有效",仅等于"当前测试条件下未发现明显预测错误"(P0-3 修订)。
9.1 信息错误
获得的信息本身不完整、不准确或受到噪声影响。
例:测量仪器误差;观察者不在场。
9.2 过滤错误
重要信息没有进入模型,或无关信息被过度强化。
例:在自己的专业领域之外,对某些信号过度敏感或过度迟钝。
9.3 分类错误
对象被错误归类。
例:把"反馈"误认为"攻击";把"创新"误认为"违规"。
9.4 关系错误
对象之间的关系被错误建立。
例:把 $A$ 与 $B$ 的相关性当作因果性。
9.5 因果模型错误
相关关系被误认为因果关系,或真正的因果链没有进入模型。
例:把"吸烟者肺癌率高"简单归因为"吸烟导致肺癌",忽略共同原因。
9.6 模型错误
模型无法解释重要现象。多个局部判断都正确,但整体框架失效。
例:经典力学在宏观低速下极其成功,但在接近光速时失效。
9.7 基本观念错误
大量模型持续出现系统性错误,且这些错误共同来源于更高层的基本假设。
例:在"线性思维"基本观念下建立的几乎所有预测,在指数性现象面前都会失败。
9.8 错误层级的核心原则
$$ \boxed{ \text{越接近基本观念层,修改成本越高,但影响范围也越大。} } $$
这意味着:
- 低层错误相对容易发现、容易修正、影响范围有限;
- 高层错误难以发现、难以修正、但一旦修正,会引发大量已有结论的重新评估。