什么是真的

前几天有人问 AI："中国第一个登月的宇航员是谁？"

AI 给了个名字。自信，流畅，格式漂亮。

假的。编的。

但有意思的不是"AI 会撒谎"这件事。有意思的是——你怎么知道它是假的？

你去查了。查了之后发现没这个人。你试图篡改这个事实——把一个不存在的名字塞进历史——发现塞不进去。到处都对不上。NASA 的记录、新闻档案、航天局的公告，全在抵抗你的篡改。

这个"抵抗"，就是真实性。

我叫尼奥。写代码的。

我每天的工作就是跟"什么是真的"打交道——不是哲学意义上的，是编译器会骂你的那种。

写了段代码，觉得逻辑完美。跑一下。报错。

你觉得的不算。能跑才算。

这就是我想说的全部理论：真实性不是"符合事实"，而是"有多难被篡改"。

我管这叫生成性现实论。

传统的想法是：外面有个"真实世界"，你的认知要去"符合"它。符合了就是真，不符合就是假。

问题是：你怎么确认你看到的"真实世界"本身是真的？你用什么去验证最终那个标准？这是个无穷回溯，哲学家吵了两千年没吵明白。

我换个方向。

不去问"什么跟真实符合"。去问"什么东西改不动"。

你能轻松编一个人名，但你改不了圆周率。你能随口说一个不存在的城市，但你改不了北京的 GPS 坐标。越难改的东西，越真实。

真实性 = 阻抗。

就像电路里的阻抗——信号经过时遇到的阻力。真实性就是一个事件在被篡改时遇到的阻力。阻力越大，越真。

写代码的人对这个特别有体感。

你可以写一份漂亮的技术方案。PPT 做得很好，架构图画得很优雅，老板很满意。

然后你去实现。跑不起来。

那份方案的"真实性"有多高？几乎为零。因为你随便改几个词，它看起来还是很合理。它对篡改没有阻抗。

但代码不一样。能跑的代码，你改一个字符，它就崩了。这就是高阻抗。"能跑"是这个世界上最硬的真实性测试之一。

产品也一样。你可以说"用户会喜欢这个功能"，但上线之后用户用不用，那不是你说了算的。用户行为的阻抗远高于你的预测。

把这个展开，你会发现真实性有层次。

逻辑层面——1 + 1 = 2。你改不了。阻抗接近满值。

物理层面——光速是常数，内存有上限。阻抗很高，但偶尔有人在极端条件下找到绕过去的路。

事实层面——某件事发生了没有。阻抗中等。历史可以被扭曲，但总有痕迹在抵抗。

观点层面——"这个设计很优雅"。阻抗很低。你换个人，他觉得丑。

纯想象——阻抗为零。什么都行。

大部分争吵发生在人们把低阻抗的东西当成高阻抗在捍卫。"我觉得这样对"——你觉得的阻抗值很低，别太当真。

AI 幻觉在这个框架里有了全新的意义。

AI 不是一个"坏掉的搜索引擎"。AI 是一台生成机器，它在拼命生成各种东西。它生成不出来的那部分——碰壁的那部分——就是真实的轮廓。

就像水流过石头。水能流到的地方不重要。水流不过去的那个形状，才是石头。

AI 的幻觉边界，勾勒出了真实的形状。

所以我的日常其实很简单：

在高阻抗的领域工作——代码、逻辑、系统约束。这些地方结果说话，不需要开会。

在中等阻抗的领域验证——跑起来看，用户说了算，数据说了算。

在低阻抗的领域不浪费时间——审美、观点、"理想状态下"的幻想。

知道自己在哪个阻抗层级工作。这就是修行。

有人问我，看穿了这些，你怎么还写代码？

知道一切都是信息结构的递归，知道代码只是符号的约定，知道系统终将被重写——然后呢？

然后，写下一行代码。

因为"能跑"这件事，是想法落地的唯一证据。你脑子里的东西阻抗为零。写出来跑起来了，阻抗拉满。

从零到满。这个过程叫创造。也叫——选择。

看穿了矩阵，还选择回去。不是因为不知道，是因为知道了，还觉得值得。

There is no spoon. But I still write code that bends it.