智力放大器模型

一句话定义

把人及其使用的语言、制品、方法和训练作为一个整体来设计，通过这些部分的相互配合，提高理解复杂问题、形成判断和解决问题的能力。

资产类型与证据状态

• 资产类型：有原始文献依据的人类智力增强概念框架；本库将其转译为可调用的任务系统设计模型。
• 中文主名“智力放大器模型”为本库的教学与检索名称，不宣称原作者发表过以“Intelligence Amplifier Model”为正式标题的独立模型。
• 来源归属：本卡主体是 Douglas C. Engelbart（道格拉斯·恩格尔巴特）1962 年的 H-LAM/T 框架。原报告讨论 Intelligence Amplification 时明确将该术语归于 W. Ross Ashby（W. 罗斯·阿什比）；不能把智力放大思想的先行来源全部归给恩格尔巴特。
• 原始框架的文献依据已核查；本卡的六步流程、诊断问题和模型选择边界属于本库实践转译，不是原作者规定的固定操作法。公开案例中的模型解释与来源事实分开呈现。
• 任务效果证据：本卡尚未取得真实任务中应用效果的验证记录。公开案例用于说明机制，其公开事实与模型解释分开呈现；个别事件不能替代具体任务的增强效果验证。

正例问题

• 团队换了更强的AI工具，但概念口径、工作方法和操作训练都没跟上，怎样一起设计才能提高复杂任务的完成质量？
• 同一套辅助工具有人用得好、有人用得差，怎样把人的能力、表达规范、使用方法和训练配合起来？
• 我们想重新设计研究人员与电脑协作的工作系统，工具、符号表达、方法和训练应怎样共同调整？

反例问题

• 新技术消除了旧限制，哪些旧规则要改才能兑现价值？——主要使用新技术六问。
• 团队每次优化流程都从头摸索，怎样让上一次的改进成果帮助下一次改进？——主要使用 ABC组织改进与自举模型。
• AI同类错误反复出现，怎样写回记忆并迁移到后续任务？——主要使用智能复利假说。
• 老师的经验只在脑中，怎样把隐性知识外化为可共享案例，再让新人内化？——主要使用 SECI组织知识创造模型。
• 讲义每页堆了太多信息，学生的工作记忆负担过重，怎样调整教学材料？——主要使用认知负荷理论。

常见误用

• 把买工具、换模型或增加自动化本身当成智力已经得到增强。
• 将 H-LAM/T 五个字母各打一个分，再用乘法制造没有来源的精确结论。
• 认为每次必须同时重构全部部分；应根据实际配合问题决定改什么。
• 把语言缩成提示词，把训练误读为训练 AI，把方法缩成一张操作清单。
• 将更多文本、更快点击或一次顺利交付当成理解与解决复杂问题能力提升的充分证据。
• 不计学习、核查、维护成本，也不检查新工具是否使任务更难。
• 将假设教学例子当作效果案例，将本库六步法冒充原作者的标准协议。
• 由一次增强推导出智商提高、能力无限增长或已经实现智能复利。

来源与证据边界

1. 核心原始来源： Douglas C. Engelbart，1962，Augmenting Human Intellect: A Conceptual Framework，SRI 报告 AFOSR-3223。原报告全文；概念框架章节。I.A §1a1 说明增强的任务目标；II.A §2a4a–2a4d 列出四类增强手段，§2a14 给出 H-LAM/T 系统表述；II.B 讨论过程与活动的组织。
2. 术语与源流： 同一报告 II.C.2“Intelligence Amplification”，§2c2a 明确将该术语归于 Ashby。阿什比 1956 年发表 Design for an Intelligence-Amplifier，收入 Automata Studies，页 215–234；可核对阿什比官方文献目录。本卡以恩格尔巴特的人类增强系统为主体，不混写为阿什比控制论模型。
3. 转译边界： 上述原文支持人和增强手段作为系统来理解，以及面向复杂问题能力的增强目标；不直接证明任一具体 AI 配置有效，也不能仅凭一个公开案例推断普遍效果。流程、模型选择建议、交付物及验证指标是本库实践设计，效果须另行记录和验证。

说人话

一个人能把多难的事情想清楚、做出来，既取决于他本人，也取决于他用什么概念理解问题、借助什么工具、按照什么方法工作，以及有没有练会这套做法。换了更强的工具，却沿用不适配的工作方法，未必会获得相应的能力提升。改变其中一部分时，要检查它和其他部分能否配合；并不要求五个部分每次都同时改造。

核心结构

H-LAM/T 的完整含义是 Human using Language, Artifacts, Methodology, in which he is Trained。分析单位是使用增强手段的人及其完整活动系统。H 是人，L、A、M、T 是原文归纳的四类增强手段；它不是五项相互独立的评分指标。

语言不等于提示词，制品不限于 AI 软件，方法不限于操作清单，训练也不指机器学习模型训练。书写符号、纸张、检索系统、计算机以及组织工作方法都可以进入分析。

核心是相互关系：一种新的表达方式可能让工具处理成为可能；工具能力的改变可能要求调整工作方法；新方法又可能需要训练。原框架不提供“H×L×A×M×T”的数值公式，也不保证改变任何一项都必然有效。

解决什么问题

• 工具能力提高了，复杂任务的理解、判断或完成质量却没有相应改善，需要检查工具与概念语言、方法、训练之间的配合。
• 人与工具之间交接反复出错，任务被拆得很细却拼不成可靠结果，需要重新设计完整活动系统。
• 团队拥有相似工具，使用效果差异很大，需要同时查明人员能力、表达规范、工作方法和训练方面的原因。
• 想设计研究、咨询、教学、分析或工程工作中的人机协作方式，需要将增强目标落实到可比较的真实任务。

不解决什么问题

• 仅仅比较某两个产品的价格和功能，直接进行产品评估；不能因涉及工具就调用本模型。
• 主要要问新技术消除了什么限制、哪些旧规则阻碍价值兑现，优先使用新技术六问。
• 主要要问怎样改进“改进活动”本身、让改进成果回用于后续改进，优先使用 ABC组织改进与自举模型。
• 主要要问 AI 任务成果是否通过反馈、写回与跨任务迁移带来持续增强，优先使用智能复利假说；一次能力提升不能证明复利。
• 主要要解决隐性知识外化、显性知识组合与再内化，优先使用 SECI组织知识创造模型。
• 仅处理讲义造成的工作记忆负担，优先使用认知负荷理论；仅改资料标签和文件位置，先直接处理资料治理问题。

适用对象

承担复杂知识工作的个人、小组与组织，以及他们使用的概念语言、工具、工作方法和训练安排。调用前应能指明一个具体任务或一类可比较任务；“让组织更聪明”本身还不足以构成可验证的问题定义。

标准使用流程

以下六步是本库依据原框架形成的实践用法。

1. 选定任务和增强目标。 明确要理解什么、判断什么、交付什么，记录当前质量、错误、用时及成本；不要只写“提升效率”。
2. 画出现状。 列出 H、L、A、M、T 在这项任务中的具体内容，按实际活动顺序标出人和工具怎样交换信息、衔接结果。
3. 找到配合断点。 用任务记录定位困难：概念不清、表达失真、工具输入输出不匹配、方法无法利用工具能力，还是使用者没有练会？区分观察和推测。
4. 设计最小联动改进。 选择有证据需要改变的部分，说明与其他部分的配合要求，安排必要训练。人和工具承担哪些活动、哪些结果需要核查，按任务风险与能力设计，不预设一套适用于所有任务的职责表。
5. 比较同类任务。 尽量控制任务难度差异，检查理解和结果质量、遗漏错误、完成时间、使用负担、训练及维护成本。生成文字更多或主观感觉更顺，不足以证明增强。
6. 保留经过验证的配置。 将有效的概念、工具配置、方法和练习保存为可复用安排，记录适用范围和失败条件。如果下一步要改进这套“改进方法”自身，再转入 ABC 自举分析。

诊断问题

• 要增强的究竟是哪项理解、判断或解决问题能力，能落到哪个真实任务？
• 目前的困难发生在哪个活动和交接处，有什么记录支持这一判断？
• 人使用的概念语言、工具、方法和训练是否相互适配？
• 改变一个工具之后，哪些表达方式、工作方法或训练需要随之调整，哪些可以保持现状？
• 哪些活动适合交给制品执行，哪些需要人的参与，交接和核查如何安排？
• 什么证据能证明同类任务完成得更好，而不仅是内容生成得更多？
• 增强收益是否足以覆盖学习、核查、维护和协作成本？
• 这是当前任务系统的增强，还是已经另有证据证明成果会增强后续任务能力？

交付物

• H-LAM/T 任务现状与配合关系表
• 增强系统联动改进与训练方案
• 同类任务前后效果与成本验证记录

与相邻模型的边界

这些是本库按当前问题制定的调用边界，不宣称上述理论构成已经证实的继承链或固定组合流程。

1968年NLS演示：把人、表达方式、工具与协作方法连起来

1968年12月9日，恩格尔巴特与SRI团队进行了90分钟的NLS公开演示。鼠标和键盘用于操作结构化文本，系统支持链接、不同视图以及远程协作。恩格尔巴特后来回顾，演示还让会场与实验室的同事共享画面并切换控制权；这些功能来自当时实际使用的NLS系统。

公开事实

• 研究所保存的演示说明记载1968年12月9日的90分钟展示及链接、视图和协作功能。
• 作者回顾说明演示使用当时已有的NLS功能，支持结构化内容、共享画面和控制权切换。

模型解释（不是公开事实原文）

用H-LAM/T框架看，执行知识任务的人是H；结构化文字与寻址方式体现L；终端、鼠标和软件是A；组织内容与协作编辑的方法体现M；掌握操作所需的学习体现T。增强来自这些要素的配合，而不是把鼠标或软件孤立地当成‘智力放大器’。

证据边界

演示与参与者回顾证明了系统功能和工作方式，不能独立测出每个要素的因果贡献，也不能证明任何工具配置都能提高智力或工作绩效。H-LAM/T是本文对案例的解释，T指人的学习训练；原始演示没有提供各要素相乘的量化公式。

公开来源

• Doug Engelbart Institute：1968年演示原始影像与说明
• 恩格尔巴特：《增强知识工作坊》历史回顾（斯坦福大学保存）