2.2 三种价值
核心思想#
在复杂目标上，每一个可能的行动都同时有三种价值，并且都要付出成本：
行动价值 = 推进价值 + 认识价值 + 能动价值 − 成本〔本文提议〕
| 价值 | 回答的问题 | 典型行动 |
|---|---|---|
| 推进 | 做了这件事，目标在现实中近了多少？ | 发出报价、上线页面、完成交付 |
| 认识 | 做了这件事，会不会改变我接下来的某个决定？ | 问三个潜在客户愿不愿意付费 |
| 能动 | 做了这件事，我（和 AI）能做的事是不是变多了？ | 学会一项技能、建立一个关系、获得一项授权 |
| 成本 | 要付出什么？ | 注意力、精力、钱、不可逆的风险、协作开销 |
一个好的行动不一定三种价值都高。但如果一段时间里所有行动都只有一种价值，系统就会出问题：
- 只有推进：做得很快，但可能在错误的方向上（F2）；人没有成长（F4.5、H3）。
- 只有认识：模型越来越精细，现实没有任何改变（F2.3、F6.1）。这是一心行动现在的状态。〔推断〕
- 只有能动：一直在「准备」、在「学习」，从不真正出手。
推进价值#
推进价值就是行动让目标在现实中前进的幅度。它的关键在「现实中」：建好一个模型、写好一份契约、完成一次复盘，推进价值都是零，哪怕它们很有用（它们的价值在认识或能动上）。
判断推进价值只需要一个问题：如果只做这件事、不做任何记录，现实世界会有什么不同？
认识价值#
认识价值来自信息价值〔理论〕N（Howard, 1966）：一条信息的价值，等于有了它之后做出的决定比没有它时好多少。由此得到一个对产品极其重要的推论：
不会改变任何决定的不确定性，减少它的价值是零。
实际操作时，用一个简单的测试：「如果答案是 X，我会做 A；如果答案是 Y，我会做 B。」只有 A 和 B 不同，这个问题才有认识价值。
这个测试直接约束了建模（P04）：一个变量、一条信念、一个回路，如果它的取值不会影响接下来任何一个选择，它就不需要被精确估计。
能动价值#
能动价值是 v3 新增的概念〔本文提议〕。它衡量一个行动让行动者「未来能做的事」增加了多少。它有六种形式：
| 形式 | 增加 | 减少 | 理论 |
|---|---|---|---|
| 能力 | 学会了新技能，或从「AI 做」变成「自己能做」 | 去技能化 | 自我效能、自动化的反讽 |
| 精力 | 休息、消除一个长期的心理负担 | 透支、长期挂着的未完成事项 | 稀缺 |
| 授权 | AI 模块的行动授权按可靠性升级；人获得别人的授权或许可 | 出错后授权被收回 | 4.2 |
| 关系 | 建立或加深了一个关系，下次可以开口 | 消耗了信用 | 弱关系 |
| 自我效能 | 亲手做成了一件事 | 反复失败、被评判 | 自我效能 |
| 选项 | 保留或打开了未来的选择 | 做了不可逆的承诺 | 实物期权 |
这个概念有两个形式上的依据：
- 赋能（empowerment）〔理论〕（Klyubin, Polani & Nehaniv, 2005）：一个智能体的「赋能」定义为它的行动对未来感知状态的影响能力（行动到未来状态的信道容量）。最大化赋能的智能体会倾向于保持选项开放、处在能影响更多东西的位置。见 赋能。
- 实物期权〔理论〕（Dixit & Pindyck, 1994；McGrath, 1999）：在不确定性下，保留选项有价值，可逆的小投入是购买未来的选择权。
为什么需要能动价值？因为执行类失败的证据最强的对策（掌握经验、近端子目标、情境设计）都在积累人的能动性；而人机协作最隐蔽的风险（H3、H7、H8）都在消耗它。如果评分里没有这一项，系统就会系统性地偏向「AI 替人做完」，短期推进更快，人的能动性慢慢流失。〔推断〕
形式依据：主动推断的期望自由能#
主动推断〔理论〕C（Friston 等, 2015；Parr, Pezzulo & Friston, 2022） 给出了一个统一的形式：智能体选择那些能最小化「期望自由能」的策略。期望自由能可以分解为两项：
- 实用价值（pragmatic value）：行动带来符合偏好的结果的程度，对应推进价值；
- 认识价值（epistemic value）：行动带来的预期信息增益，对应认识价值。
主动推断说明，「推进」和「认识」不是两个要另外权衡的目标，而是同一个量的两个分量；在不确定性高的时候，认识价值自然占更大比重，智能体会先探索；不确定性降低后，实用价值占主导，智能体转向利用。
v3 在这个框架之外加上了能动价值和显式的成本。这是〔本文提议〕，不是主动推断的标准内容。主动推断本身的证据等级也只是 C：形式严密，但作为人类行为的经验理论还有争议。v3 借用的是它的结构（推进和认识可以放进一个量里比较），而不是它的神经科学主张。
一条硬约束#
每一组候选行动里，至少有一项真实触达现实。〔本文提议〕
这条约束不来自三价值公式本身，而来自第 1 部分的结论一：认识价值只能由触达现实的行动真正兑现（⑦⑧ 只能由 ⑥ 喂养）。系统内的动作（查资料、整理模型）可以估计出很高的认识价值，但这个估计本身来自模型，可能是自我指涉的。硬约束保证系统不会长期只在内部打转。
三种价值在地形上的含义#
2.6 把一个事件看成系统在一片地形上的移动。用这个图像看，三种价值是行动对地形的三种作用：推进是让点越过挡路的坎；认识是看清地形，尤其是看清哪一道门是绑定的；能动是扩大可达的地形。
这里还有一个前提：推进价值只有在势能差是真的时才能兑现。如果没有人（自己或外部世界）真的要这个结果，降低再多门槛，推进价值的估计也全部作废。势能差不是第四种价值，而是推进价值的前提，它只能靠带代价的行动来验证。〔本文提议〕
怎样在产品里用#
三价值不需要精确计算。实际用法是：
- 模型生成候选：Agent 给出 3 个候选行动，每个写一句话说明三种价值和成本（人要花几分钟、可不可逆）。
- 代码排序和路由：用简单的规则（例如每种价值三档 0/1/2，成本按分钟和可逆性折算），由代码而不是模型计算排序、检查硬约束、决定是否需要人确认。
- 人选一个，或者改写。
这样分工符合一个工程原则：判断类任务交给模型（起草候选、评估价值），确定性的任务交给代码（排序、校验、路由）。〔本文提议〕
一个虚构示例#
G900「个人作品集网站上线并获得三次面试邀请」，第二周，三个候选：
| 候选 | 推进 | 认识 | 能动 | 成本 | 触达现实 |
|---|---|---|---|---|---|
| A. 再精修第三件作品的视觉 | 1 | 0（不会改变任何决定） | 1（练手） | 3 小时 | 否 |
| B. 把作品链接发给两位行业内的前同事，问「哪件最能说明我能做这份工作」 | 1 | 2（决定先改哪件、怎么改） | 2（重新联系上两个关系） | 15 分钟，可逆 | 是 |
| C. 投递三家公司 | 2 | 1（看是否有回音，但信号弱、延迟长） | 0 | 1 小时，半可逆 | 是 |
B 的总价值最高，成本最低，而且满足硬约束。A 是典型的「路灯下找钥匙」：好做、好控制，但不会改变任何决定。〔虚构示例〕