从识别图形到组织社会：读懂《控制论》的格式塔、可靠性与信息流

**前言：**一个字换了位置和字号，为什么仍然能被认出来？由不可靠元件组成的系统，怎样维持可靠运行？一个组织拥有很多聪明成员，为什么仍可能做出糟糕决策？《控制论》第六至八章，把视野从机器和个体神经系统，扩展到知觉、心理活动与社会通信。

关键词： 控制论、格式塔、不变性、群变换、模式识别、冗余、系统可靠性、信息传播、社会组织

文章目录

- [1. 综述! $请添加图片描述$ (https://i-blog.csdnimg.cn/direct/15957116a4744acf9397634af771fa9e.png)](#1. 综述)
- [2. 格式塔：图像改变了，为什么"形状"仍然相同？](#2. 格式塔：图像改变了，为什么“形状”仍然相同？)
- - [2.1 知觉不仅包含被动接收，也包含主动调整](#2.1 知觉不仅包含被动接收，也包含主动调整)
- [3. 群扫描：把"换个角度看看"写成一个搜索过程](#3. 群扫描：把“换个角度看看”写成一个搜索过程)
- - [3.1 在允许的变换中寻找匹配](#3.1 在允许的变换中寻找匹配)
  - [3.2 局部相似，不一定具有传递性](#3.2 局部相似，不一定具有传递性)
- [4. 群平均：从匹配搜索，走向不变表征](#4. 群平均：从匹配搜索，走向不变表征)
- - [4.1 一个离散版本](#4.1 一个离散版本)
  - [4.2 不变性不等于识别能力充分](#4.2 不变性不等于识别能力充分)
- [5. 原书中的工程例子：把文字转成声音](#5. 原书中的工程例子：把文字转成声音)
- [6. 第七章先划定边界，再讨论可靠性](#6. 第七章先划定边界，再讨论可靠性)
- - [6.1 很低的单步错误率，也可能积累成较高风险](#6.1 很低的单步错误率，也可能积累成较高风险)
- [7. 冗余如何提高可靠性？算一次多数表决就明白了](#7. 冗余如何提高可靠性？算一次多数表决就明白了)
- [8. 循环、记忆与过载：功能异常不能只看静态零件](#8. 循环、记忆与过载：功能异常不能只看静态零件)
- [9. 信息怎样从"我知道"变成"我们能够使用"？](#9. 信息怎样从“我知道”变成“我们能够使用”？)
- [10. 语言不仅是符号表，还依赖共同情境](#10. 语言不仅是符号表，还依赖共同情境)
- [11. 社会反馈为何不自动稳定？](#11. 社会反馈为何不自动稳定？)
- - [11.1 传播机制本身也有目标和约束](#11.1 传播机制本身也有目标和约束)
  - [11.2 观察者会参与改变被观察的系统](#11.2 观察者会参与改变被观察的系统)
- [12. 章末的下棋机器：从组织决策过渡到学习](#12. 章末的下棋机器：从组织决策过渡到学习)
- [13. 三章合起来，最值得记住的贡献](#13. 三章合起来，最值得记住的贡献)
- 参考资料与图片说明

1. 综述

：这三章为什么可以放在一起？

本文依据 Norbert Wiener 的 Cybernetics: or Control and Communication in the Animal and the Machine，介绍以下三章：

章节	书内印刷页码	当前 PDF 文件页序号，从 1 开始
VI. Gestalt and Universals（格式塔与共相）	183---198	233---248
VII. Cybernetics and Psychopathology（控制论与精神病理学）	199---214	249---264
VIII. Information, Language, and Society（信息、语言与社会）	215---230	265---280

使用的 PDF 是 MIT Press 2019 年重发版，底本为 1961 年第二版；上述三章属于 1948 年原版已有内容。页码范围包含章间空白页，下文引用均采用书内印刷页码。

可以把这三章看作三个层次的问题：

表征层： 如何从变化的输入中识别相对稳定的对象？
系统层： 信息处理装置怎样承受错误、记忆负担与通信压力？
组织层： 分散在成员之间的信息，怎样成为共同体可以使用的知识？

图 1：本文原创导读图。三行分别对应三个章节，箭头表示分析思路，不表示已经验证的生理或社会因果链。

本文重点介绍可理解、可推演的方法。涉及精神病理学和社会行为的段落，会保留原书的历史语境，不把工程类比当作现代临床诊断或社会规律的充分证据。

2. 格式塔：图像改变了，为什么"形状"仍然相同？

第六章开头提出了一组非常具体的问题：为什么正脸、侧脸仍然让我们认出同一个人？为什么一个圆改变大小或观察方向，我们仍然觉得它属于同一类形状？

这里的 Gestalt 通常译为"格式塔"或"完形"，强调有组织的整体形式；Universals 可理解为"共相"，即不同具体对象或不同呈现方式中可以被抽取的共同性质。

对程序员而言，可以从一个字符识别任务入手。字母 A 在图像中平移十个像素，像素数组几乎处处发生变化，但字符类别没有改变。

如果把每个原始像素都看得同样重要，识别器就要记住大量本质相同的样本。更有效的思路是明确：哪些变化应该被忽略，哪些差异必须被保留。

2.1 知觉不仅包含被动接收，也包含主动调整

原书第 184---188 页讨论眼球、头部和身体运动，以及对焦、定向和注意对象之间的关系。

当我们转头、注视、靠近一个物体时，输入本身就在被行动改变。这有助于获得更容易比较的图像，也让"同一对象在不同视角下的表现"逐步关联起来。

今天可以用"主动感知"理解这一类问题，但这属于现代解释。原书当时关于具体视觉生理的陈述，不能全部照搬为现行实验结论。

3. 群扫描：把"换个角度看看"写成一个搜索过程

3.1 在允许的变换中寻找匹配

第 188---190 页再次使用第二章的群概念，讨论平移、旋转、尺度变化等变换。

设待识别对象为 x x x，参考模板为 t t t，允许的变换集合为 G G G。用现代符号概括一种匹配方案：

d G ( x , t ) = min ⁡ g ∈ G d ( g x , t ) . d_G(x,t)=\min_{g\in G}d(gx,t). dG(x,t)=g∈Gmind(gx,t).

其中 g x gx gx 表示将变换 g g g 施加到对象 x x x 上， d d d 是选择的差异度量。若最小差异低于阈值，就接受这次匹配。

这个式子表达的是原书"群扫描"的核心直觉：在一组允许的姿态、位置或尺度中搜索，检查是否存在足够好的重合。

实际程序通常只扫描有限个变换参数。因此，需要在计算量、变换范围和搜索精度之间取舍。例如，允许的旋转范围、角度步长、字号范围，都可能影响结果。

这里的群描述针对理想化的变换。真实图像中的遮挡、裁剪、光照和三维可见性变化，未必能直接用同一个可逆群作用完整描述。

3.2 局部相似，不一定具有传递性

原书第 190 页提醒读者：如果只扫描有限范围，可能出现 A 看起来像 B、B 看起来像 C，但 A 不像 C。

例如，一个识别流程只容忍很小的角度变化。0° 与 10° 的形状可以匹配，10° 与 20° 可以匹配，但 0° 与 20° 可能超过允许范围。

这说明"在某个阈值下判为相似"，不自动等于严格的数学等价关系。设计分类、聚类或近邻检索方法时，这个区别仍然重要。

4. 群平均：从匹配搜索，走向不变表征

群扫描尝试寻找合适的变换；另一种方法则对许多变换下的特征求平均。

图 2：原书第 191 页式（6.01）及解释。 S S S 为对象， T T T 为变换， Q Q Q 为依赖对象的量。

为把条件写得更清楚，考虑一个紧群 G G G，配上归一化 Haar 测度 μ \mu μ。如果特征 Q ( g x ) Q(gx) Q(gx) 可积，可以定义：

Φ ( x ) = ∫ G Q ( g x ) d μ ( g ) . \Phi(x)=\int_G Q(gx)\,d\mu(g). Φ(x)=∫GQ(gx)dμ(g).

对任意 h ∈ G h\in G h∈G，利用测度在相应变换下的不变性：

Φ ( h x ) = ∫ G Q ( g h x ) d μ ( g ) = Φ ( x ) . \Phi(hx) =\int_G Q(ghx)\,d\mu(g) =\Phi(x). Φ(hx)=∫GQ(ghx)dμ(g)=Φ(x).

因此， Φ \Phi Φ 对群内变换保持不变。

4.1 一个离散版本

若只考虑正方形图像的四种直角旋转，可定义：

Φ ( x ) = 1 4 ∑ k = 0 3 Q ( R 90 ∘ k x ) . \Phi(x)=\frac14\sum_{k=0}^{3}Q(R_{90^\circ k}x). Φ(x)=41k=0∑3Q(R90∘kx).

再旋转 90°，只是改变四项的排列次序，平均值不变。这是可以直接实现的有限群平均示例，不涉及训练过程。

4.2 不变性不等于识别能力充分

如果 Q Q Q 只记录平均亮度，那么许多完全不同的图形也可能得到同一个结果。一个量对变换不敏感，不代表它足以区分所有需要区分的对象。

同时，任务决定哪些变换应该忽略。某些字体中的 6 和 9 可以通过近似旋转相互转化，过强的旋转不变性反而会损害识别。

今天还常区分：

不变性： 输入变化后，输出类别或特征保持不变；
等变性： 输入变化后，输出按相应规则变化，例如物体平移后，检测框跟着平移。

这是理解现代视觉方法的补充。不能直接把维纳的群扫描等同于卷积神经网络，更不能认为数据增强自动保证精确不变性。

另外，完整平移群和尺度群通常不是紧群，不能随意假设它们存在总质量为 1 的均匀概率测度。有限范围的扫描与平均往往只能提供近似不变性，边界和截断必须考虑。

5. 原书中的工程例子：把文字转成声音

维纳没有停留在抽象识别问题上。第 191---195 页讨论了辅助盲人阅读的装置。

基本思路是：把若干光电单元竖直排列，用它们扫描印刷文字，再把不同高度上的黑色笔画映射到不同音高。字形的空间结构由此转成随时间变化的声音模式。

这里还没有得到今天熟悉的"识别文字，再合成语音"。原书讨论的是将视觉图形编码为听觉线索，读者需要学会解释这种编码。

问题在于：同一个字换了字号，感光单元与笔画的相对关系就变了。

图 3：原书第 193 页 Fig. 8。下方是光电单元层，上方是产生声音的振荡器层，连接关系用于改变垂直尺度映射。

图中的方案通过调整光电单元与发声通道的连接，适配字符高度。原书明确说，最初设计中某些选择仍由人工完成。

它把一个抽象问题变成了可以设计的工程环节：先消除与任务无关的尺度差异，再将较稳定的形状结构编码到另一种感官通道。

后文把这一结构与视觉皮层作类比。合理的阅读方式，是把它视作一个启发性模型和研究问题，而不是已完成的人类视觉皮层逆向工程。

6. 第七章先划定边界，再讨论可靠性

图 4：原书第 199 页开头。维纳说明自己缺少临床经验，并明确拒绝从书中的计算机器类比，断言某个具体精神病理实体对应某一种脑组织缺陷。

这段话是理解第七章的重要前提。后面的循环记忆、过载和通信路径讨论，可以帮助提出机制问题，但不能替代临床研究。

本章首先提出的工程问题很扎实：当每个元件都可能出错，长时间运行的整体系统怎样保持可靠？

6.1 很低的单步错误率，也可能积累成较高风险

原书第 200 页设想一条包含约 10 9 10^9 109 次操作的计算链。为理解风险积累，补充一个独立错误的教学模型：每次操作出错概率为 p p p，共执行 m m m 次。

至少出现一次错误的概率为：

P a n y = 1 − ( 1 − p ) m . P_{\mathrm{any}}=1-(1-p)^m. Pany=1−(1−p)m.

当 m = 10 9 m=10^9 m=109、 p = 10 − 9 p=10^{-9} p=10−9 时，结果约为：

1 − e − 1 ≈ 63.2 % . 1-e^{-1}\approx63.2\%. 1−e−1≈63.2%.

这是模型计算，不是原书给出的设备实测故障率。它说明：评价系统可靠性，不能只看单个元件或单次操作的指标。

7. 冗余如何提高可靠性？算一次多数表决就明白了

原书第 200---201 页讨论两种安排：

安排	可以做什么	不能自动保证什么
两套机制同时计算	结果不同即可发现分歧	仅靠两份结果无法确定哪份正确
三套机制同时计算	多数表决可以容忍一路错误	多路相关错误或表决器错误仍可能导致失败

用现代术语，可以把第二种方案与三模冗余联系起来。

考虑三个独立、同错误概率 p p p 的二值计算单元，假设表决器本身不出错。多数表决失败，需要至少两路出错：

P v o t e = ( 3 2 ) p 2 ( 1 − p ) + p 3 = 3 p 2 − 2 p 3 . P_{\mathrm{vote}} =\binom32p^2(1-p)+p^3 =3p^2-2p^3. Pvote=(23)p2(1−p)+p3=3p2−2p3.

若单路错误率为 1%，则：

P v o t e = 0.000298 = 0.0298 % . P_{\mathrm{vote}}=0.000298=0.0298\%. Pvote=0.000298=0.0298%.

这是本篇的教学计算，展示的是在明确假设下可获得的可靠性改善。

改善不是免费的：它需要额外计算和表决资源。更重要的是，独立性常常比数量更关键。如果三个副本使用相同错误程序、读取同一损坏输入，或者同时受到电源故障影响，多数表决可能整齐地给出错误答案。

因此，"部署三个副本"与"构成三个足够独立的判断来源"不是同一项设计工作。

维纳进一步推测神经系统可能利用冗余路径和可替代单元。这是类比性的机制设想，不能据此认定大脑已经被证明采用严格的三路多数表决。

8. 循环、记忆与过载：功能异常不能只看静态零件

第七章还把注意力放到系统的活动状态，而不仅是解剖结构或零件是否损坏。

一台计算机可以在所有硬件完好的情况下陷入死循环。一个通信系统也可以在每条线路都能工作时，因为流量分配不当而拥堵。过去保存的状态、循环中的消息以及资源竞争，都可能改变整体行为。

原书第 202---214 页将类似思路用于讨论心理活动、持续记忆和神经系统负担。它们有助于提出问题：某种反复出现的状态是否在占用资源？局部损伤是否会改变其他路径的负载？

但这些问题并不等于已经得到现代医学答案。例如，不能把焦虑简单解释为"神经元被占满"，也不能把各种精神障碍都归结为一个反馈系数过大。

从纯工程角度，甚至"存在循环"本身也不意味着失稳。一个现代离散线性模型：

x k + 1 = A x k + B u k \mathbf x_{k+1}=A\mathbf x_k+B\mathbf u_k xk+1=Axk+Buk

是否渐近稳定，取决于系统矩阵的谱半径等具体条件；对这个模型， ρ ( A ) < 1 \rho(A)<1 ρ(A)<1 才是关键判据。这个式子只是用来说明不能从拓扑中有回路直接推断结果，不能拿来诊断人的心理状态。

原书关于休克治疗、脑叶切除、左右脑功能和早期记忆的讨论，应按当时的研究背景阅读。本篇不将其中的历史推断转写为现行治疗建议。

9. 信息怎样从"我知道"变成"我们能够使用"？

第八章转向社会组织。关键问题是：信息存放在某个成员那里，是否就等于组织已经掌握了它？

维纳在第 218 页强调，个体的信息要影响其他成员可识别的行为，并进一步影响他们的行动，才真正进入共同体的通信过程。

图 5：原书第 219 页。这里比较的是成员与共同体实际能够利用的信息，不宜直接套成关于随机变量联合熵大小的定理。

可以用一个现代团队场景理解：

工程师甲知道设备有异常振动；工程师乙知道最近调整过控制参数；工程师丙掌握维护记录。如果这三条信息彼此隔离，团队可能无法发现它们描述的是同一个问题。

有效的组织能力，还取决于信息能否被检索、送达、解释，并进入决策过程。

原书还讨论图书馆规模扩张和学科过度专门化：存储的信息越多，不代表相关信息越容易找到。维纳提到 Bush 的机械检索设想，同时指出分类与相关性识别仍然依赖对知识关系的理解。

这是今天建设知识库、检索系统和协作平台时仍然会遇到的问题。它与现代搜索、推荐系统有关联，但原书并没有给出现代语义检索算法。

10. 语言不仅是符号表，还依赖共同情境

第 217---218 页讨论动物通信、情绪信号、注意方向与共同观察。

一个动作本身可能非常简单，例如突然看向某个方向。但在共同环境中，接收者可以据此注意到危险、食物或值得关注的对象。

因此，信号的作用不只取决于字面内容，也取决于接收者看到什么、知道什么，以及能够把信号与什么情境联系起来。

对于软件系统，类似的问题表现为：相同告警在不同运行阶段可能意味着不同事情。单纯增加日志条数，并不必然提升诊断能力；时间戳、上下文和对象标识，往往决定信息是否可用。

这是对原书思想的工程延伸。语义理解、统计信息量与任务效用是不同层面的概念，不能只用一个 bit 数完整概括。

11. 社会反馈为何不自动稳定？

11.1 传播机制本身也有目标和约束

第 220---225 页讨论社会内稳态、博弈与传播机构的利益结构。维纳特别关心：负责传播信息的渠道，是否会因为经济成本、权力关系和利益选择，过滤掉对共同体重要的信息。

这些段落包含鲜明的时代背景和作者判断，不能作为"任何大型组织必然更愚蠢"的实证定律。

作为系统问题，它们提示我们检查：

评价指标鼓励真实报告，还是只鼓励呈现好消息？
负面反馈能否到达有权采取行动的位置？
不同渠道是否其实重复同一个消息源？
被优化的局部指标是否与整体目标一致？

拥有通信网络，并不保证已经形成有效纠错机制。多个看似独立的渠道，也可能存在和冗余计算一样的共同错误来源。

11.2 观察者会参与改变被观察的系统

第 226---228 页讨论社会研究的方法限制：人类活动难以长期隔离，观察者、调查过程和公开预测都可能改变被研究对象。

例如，一项预测如果促使人们提前行动，原有趋势可能被强化，也可能被抵消。此时，预测输出已经成为系统的新输入。

维纳据此反对把自然科学某些精密预测的成功，直接移植为对社会现象的无限信心。这是方法论上的提醒，不等于社会研究无法获得有效知识，也不等于现代实证方法没有进展。

12. 章末的下棋机器：从组织决策过渡到学习

第八章末尾的附注讨论了一台下棋机器应如何工作：遵守规则只是起点，更有意义的是在有限搜索深度内比较后续局面，并利用评价函数选择行动。

第 229 页的描述包含交替考虑自己与对手选择的思路。用现代术语，可以联系到有限深度 minimax 搜索：轮到自己时选择较高估值，轮到对手时考虑对自己较不利的应对。

原书并未在这里展示一套已经达到顶级棋力的系统或统一性能测试。它把问题推进到一个关键节点：评价函数怎样设置，以及能否利用经验改进评价？这正是 1961 年补充章节进一步讨论的内容。

13. 三章合起来，最值得记住的贡献

视角	原书提供的思路	今天可以怎样使用
识别	在变换下比较对象，或构造不变量	明确模型需要对哪些变化鲁棒
感官替代	先规范化，再将结构映射到另一通道	设计可解释的辅助交互与编码机制
可靠性	比较、冗余与可替代资源	区分独立故障与共同原因故障
动态状态	关注循环、历史和流量	不把所有异常都归为静态元件损坏
社会信息	关注信息的可达性与可行动性	改善知识检索、协同与反馈路径
方法论	检查观察与干预对对象的影响	在预测和评价中考虑反馈效应

这些章节具有不同的证据强度：群平均可以给出明确的数学条件，冗余机制可以构造并测量，而心理和社会层面的许多论述更接近启发性模型与历史评论。

把这几个层次区分开，才能既看到维纳跨领域组织问题的能力，也保留今天读技术经典所需要的判断力。

参考资料与图片说明

Wiener, Norbert. Cybernetics: or Control and Communication in the Animal and the Machine. Second Edition, 1961; MIT Press reissue, 2019. 第 VI---VIII 章，183---230 页。电子版 ISBN：9780262355902。
本地来源：控制论或动物与机器中的控制与通信.pdf。
图 1 为本文原创；图 2---5 分别截自原书第 191、193、199、219 页。原书图片与文字著作权归原权利人所有。
群平均的现代条件、阈值匹配记号、冗余计算例子与工程场景为导读补充。文中数值不作为原书实验结果。