妙和徼辨析
这个小节深入探讨一下这个表述的深入含义：:
故常无欲以观其妙。常有欲以观其徼。
因为有了后面一句“两者同出而异名”，所以最开始的时候我是把这里这个表述简单理解为互文的。但深入应用以后，我发现这不是互文，这两者其实是有区别的。我不能说老子也这么认为，因为没有其他校验，但现实就是这两者有区别。
我们定义一个名字，是为了从全集中区分一个观察对象。我们说猫，是为了区分狗，区分猪，区分太阳月亮星星，区分高兴悲伤和恐惧……这些都不是“猫”。猫在这个上下文中，是一个有。有是集合，一般来说可以穷举。无其实也是集合，但一般来说，你不能穷举。所以它们是不同的。
这里要细究一下这个“穷举“是什么意思了。我们这里说的不是一般意义的“穷举”（但我没有更好的名字），不是说你可以对集合中每个元素点名，我们说的穷举是说，你知道集合中每个元素的足够的特征，可以想像这些元素每个是什么样子的。
要较真一点说，我们当然也可以说无也有特征，只是这些特征都用“非”来表达而已。你可以说猫有尾巴，所以猫的无就没有尾巴，这也是一个特征。但没有尾巴的东西是什么样的？你没有足够的特征去考量它，因为“太阳”也是没有尾巴的，“高兴”也是没有尾巴的。你很难完全想全这个无里面到底有多少不同形态的元素。
所以，我们说“可以穷举”的本质就是我们具有那个对象“足够多”的特征。而我们没有“无”足够多的信息，我们根本不知道那是什么。我们不知道怎么针对它来思考（或者说匹配自己的经验）。
这里核心的原因是：我们没有全集的全部信息。所以，虽然我们知道了“有”的分界线，我们都想象不到无里面有什么。因此，有是“缴”（边界）。而无，是一个模糊的指代，只是为了突出“有”的存在，所以“常无以观其妙”，无只是突出我们“有”一个“妙”（兴趣点）。
现在我们来看看这个理论的应用。
作为一个职业架构师，我经常被人要求提供“判断设计好坏的标准”。无论是我的上级希望通过这种方式来判断我的设计好不好，还是给我的设计做下一级的设计的人希望用这个标准来指导自己那部分的设计。
他们希望得到一个“有”，希望得到可以满足设计目标的所有条件，这样，只要符合这些条件，他们的“设计就是正确的”。
我给不了这个东西，因为他们要求的就是设计本身。
设计是什么呢？无论是技术方案设计还是其他事情的战略设计（比如规划某个组织的发展路线，或者规划人生发展方向），都是事前提供一组相对简单（相对所有细节更简单）的属性，用做控制细节的子目标，从而让最终的目标可以达成。
让目标可以达成的方法有很多，我们选择一组属性，只是其中一个“有”（可以达成目标的所有条件），基于这个“有”的所有属性，我们根据我们的经验来判断，目标是可以达成的，我们就判断这是一个“好设计”。
剩下不符合这些属性的，都是“无”，对于“无”，我们既不知道它是不是“好设计”，也不知道它是不是“坏设计”。“无”没有属性可以用作参考，它无法用来匹配我们的经验，我们就无法判断它是不是“好设计”。人不过是“Pattern”（模式）的生物，除了匹配经验，它没有别的本事了。
所以，你要我给你一个“好设计”的“标准”，我就只能给你一个“设计”本身，而这个设计也仅仅是其中一个“有”，我也证明不了其他的“有”不存在。所以，说起来，我这个也不是所有设计的标准，我只能给你一个设计。
我能在你设计完了以后，根据我的经验判断一下，你这个是不是好设计。但如果你要我事前给你一个“标准”，我就给不出来了，所谓事前的标准，就只能是一个或者几个设计。
同样的，我们也能判断某个只设计了一些无关痛痒的属性的设计不是“好设计”，我们回答不了你“难道我这个方法一定做不出来吗？”这样的问题，因为这仍然是一个“无”（没有足够的属性去匹配我们的经验）。
每天背乘法表是不是“成为科学家”的设计？我显然认为不是，因为据我的经验，天天背乘法表不能保证你成为科学家。但你说“天天背乘法表就一定成不了科学家吗？”，我也不能这么说。我只知道你定义的条件不能匹配你大概率成为科学家的模式。
同样，用一个好的模板或者Checklist能帮助你想到更多的设计视角，但它的作用也和背乘法表一样，对于做出一个设计无关痛痒。
我们无法寄望于无数的规章制度就能保证一个公司运作得很好，或者寄望于一个Checklist就能把程序的质量保证到一定的程度。这都是幻想。因为这些东西针对达成的目标不构成一个“有”，我们无法用这些条件来和我们的经验做参照，决定这个目标能否达成。
所以，如果你问：“Checklist有什么不对吗？”，它没有什么不对，但“认为Checklist能保证目标一定程度上可以达成”，这是毫无道理的。这本身也是这个正确的判断。
这种情况下，只有把有无两个概念分清楚了，我们才能正确思考这个问题。“有无”确实“同出而异名”，但两者的用法是不一样的。没人说孪生兄弟就得长一个样啊。
所以设计是一种“创造”，它是无数纷繁复杂的条件中，找到一个组合，用这个组合去建立它们和目标的相关性。我们并没有穷举“无”中的所有组合，我们是从目标开始，从我们置信的空间中找条件，组合出一个“有”来达成这个目标。我们从“无”中生出了这个“有”，所以它是一种“创造”，这个东西不是天然存在在那里，等你直接去拿的。
白纸上看来已经“有”无数个点，但上面美丽的景色，是你用其他经验在上面“创造”出来的。没有你这个创造，白纸上“无”这些点。
基于其他经验模式（所定义的集合）去组合新的集合，这是人脑的作用，同样也是AI的作用。
但我们说人脑是强智能，是因为人脑有一件事是当今（我写这个文档的时候是2023年）的AI（比如ChatGPT，或者AI绘画等）取代不了的：我们进行设计的时候，对我们看到的各种逻辑，其实有一个分类的，我们对每个信息的置信度是有把握的，我们根据世界给我们反馈的经验，对所有的信息进行了加权。所以，虽然我们不是每个人都学医，但我们大部分人相信医学能治好感冒，但我们不信它能让人永生。现实经验在约束着我们这个战略的创造。所以我们会有“读万卷书，不如行万里路”这样的经验，这背后包含了大量的细节来告诉我们，这个经验是有效的，同时定义了万卷书和万里路的确切含义。
而ChatGPT和AI绘画等学习，都是无条件用信息去灌溉的，没有这个细节的吸收过程，它会生成我们意想不到的，感官上很有“道理”和“逻辑”的表象，但这种方法是否可以保证我们目标的达成，它是无法保证的，因为它没有这个信息。想象一个人的所有生活经验都来自别人告诉他，这个人的人生观会多不靠谱，这个人能否真的解决实际的问题？所以，需要直到有一天，它也像人一样去“生活”和“体会”，开始接受大量的“真实细节信息”，那时它才真得可以做“创造”。如果它真能这样，它就变成一个成本高昂的硅基生命了。
这样，我们就明白我们追求各种“Checklist”来实现创造，其实是在“缘木求鱼”，因为这样你只会得到现在这种低智的AI。而这样的追求，会在短时间内被当前这种低智的AI取代。比如，用ChatGPT产生一些官样文章等。
备注
我这里并不是认为ChatGPT没有用。ChatGPT甚至可以解决一些人一时不好解决的比如解方程这样的复杂问题。但就好比计算器也能完成很多人做不到的复杂计算，但这只是辅助，不是说它产生“设计”的能力。AI绘画可以画出很漂亮的照片，但它是通过“学习”已经存在的画做来加工这些内容。照相机的“画作”更正式呢，你不能认为照相机也有很高的“智能”对不对？先当的AI和计算器和照相机一样，都是很好的辅助，并不是取代人的创造。
我觉得，现代的AI很容易在每个具体的领域中辅助组织人的经验，它开始会画出三只手的人，但你告诉它不能有三只手，它马上就能改过来，但这个经验来自人，不是它对现实的认识，另外来一个人告诉它人其实可以有三只手，它还是会再画有三只手的人。所以，他其实是在拿到的信息简单进行二次组合，而不会像我们做设计那样，先做建设，然后去调研，从更好的信源中创造我们需要的额外信息，从而得到结果。所以，在很多表面的，直接的规律上，它是人的很好辅助，但它取代不了人去做创造。
只是现实中，其实很多人也不创造，也只是把表面的信息去做AI那样的拼搭和润色，再用人的身份，盖上一个“这是人的创造”的戳而已，这我们前面说过了，这很难被Checklist分辨出来。Checklist是有限的条件，很容易满足，但我们已经说了，它对于我们的目标还是一个无。所以，我们未来的信息爆炸会更厉害，你的生活会被更多似是而非的人生经验所包围，你只能构造一个自己的信息辅助系统去做分辨。这有利于算力的需求，能量会原来越多消耗到计算机算力上，芯片制造最终需要变成白菜价，也会成为未来发展的新台阶。