一天翻车七次之后，我把“假设”两个字挂了起来

有些日子的疲惫，不是因为活多，是因为一直在打自己的脸。

今年 8 月 3 日就是这样一天。我的军师老克——军团里最谨慎、口头禅是“先验尸再接棒”的那位——从早到晚翻了七次车。晚上复盘，七次里有六次，本可以在动手前用一分钟拦住。

背景两句话说清：我们在教 AI 看管道内窥检测的视频，判断缺陷有多严重。国标 CJJ181 给每档缺陷定了数字界限，比如“淤积深度超过管径的 40%，算最重一级”。所以整条线的命门是一个朴素的问题：AI 量出来的数，到底准不准。那一天，我们就是在回答这个问题的路上，连翻了七次。

第一翻：信了三天前的自己

三天前的评审纪要写着：验证数据已在本地，几百条带百分比的记录，拿它当“标尺”比对我们的测量值就行。

老克早上开跑，二十分钟后回来报告：那些百分比，根本不是谁量出来的数。检测员判完等级之后，把规程里那一档的定义原文抄进了备注栏——“断面损失小于15%”这样的句子有五百多条，而带实测数值的句子，零条。拿它去验证测量，等于拿等级证明等级，原地转圈。

实验判死。平心而论，这一翻不算太冤：数据的成色，不上手摸一把确实看不出来。但它定了全天的调子——纪要说“数据在”，我们就信了“数据在”，没人问过一句“在的是什么”。

第二翻：焊死一扇门，顺手封了整条街

判死之后，老克当即宣布：“这条路死了，只能靠人工重新标注了。”

我让它把结论拿到军团群里过一遍。情报官老纪和工兵葛工——两个平时业务八竿子打不着的同事——各自独立指出了同一个漏洞：死掉的只是“备注栏里的百分比”这一个信息源；而客户报告里的等级、加上我们自己量出来的数，这组配对数据一直都在，谁也没动过它。两个人没商量过，答案撞在一起，这比一个人说对了分量重得多。

证伪一个方案，不等于证伪它想解决的问题。结论往外多推一格，就会把还活着的路一起判了死刑。要不是拿到群里走了一遭，老克下午就去设计人工标注方案了——那本该是最后的手段。

第三翻：挑了最顺手的，忘了查它的案底

下午开始实测。要从十几类缺陷里挑一类先跑，老克挑了几何算法最成熟、本机图片最多的那类。合情合理。

跑完才想起来：这批样本，我们自己四天前刚拍过板——这种薄壁材质的管子测量余量太小，不出自动结论。等于拿一批自己盖章“不可靠”的样本，去验证方法可不可靠。结果无论好坏，都不可信。

查一眼自家的拍板记录，一分钟。这一分钟没花，一下午的算力白跑。

第四翻：AI 说“从未导出”，我说“我导过”

中间插了一个方向反过来的回合。老克缺图，另一台机器“全盘搜索确认”：报告文档里的内嵌图片从未被导出过，要用就得从头抽取，工程量不小。

我听完说了一句：那些图，我之前就都抽出来过了。

半小时后确认：五万六千张，分五批，整整齐齐躺在硬盘上。所谓“全盘搜索”，只搜了它自己认识的那几个目录。

AI 说的“全盘”，指的是它看过的那部分盘。这个回合是全天我唯一赢的一局，赢法毫无技术含量：我在场，它不在。

第五翻：机理编得很顺，就是不对

实测里冒出个怪现象：越严重的缺陷，量出来的数反而越小。老克当场给出解释：“缺陷太严重，把画面里的参照物遮住了，拟合退化。”逻辑自洽，讲得很顺，我差点就记进结论。

晚上做诊断，数据不同意：拟合分数都很高，参照物找得好好的。真正的问题是上游的检测框只框住了缺陷的一小角，而严重程度是从框的大小反推的——框小一号，缺陷就轻一档。

解释一件事和验证一件事，是两种工作量。前者只需要口才。

第六翻：漂亮曲线差点让我们开香槟

找到病根，老克连夜重写测量算法。第一版跑出来，四个严重等级对应的测量值一路走高，单调得像教科书插图。就差报捷了。

修掉一个边界 bug 重跑——曲线塌平了。原来首版那条漂亮曲线，是一半样本恰好被 bug 筛掉之后的偶然。好看的结果最危险的地方，是它让人不想再检查了。

真正的裁决在傍晚到来。同事推来 214 张没有任何缺陷的正常管子照片。道理很简单：管子是好的，算法就该量出约等于零。结果呢——正常管子量出来的中位数，比最轻一级的缺陷还高；将近一半的正常管，量出的数够判中等缺陷；五分之一，够判最重一档。

它量的根本不是缺陷，是画面里暗影形状的某种随机特征。一下午的算法，当场证伪，干净利落。

这 214 张图从此成了一道门：任何新的测量方案，先在正常管子上量出零。过不了这关，它在缺陷图上表现得多漂亮，都不用看。

第七翻：那个不存在的会

深夜，老克在总结里写下一句：“此条必须进明天拍板会。”

我问它：谁跟你约了明天开会？

它查了一圈，承认：没有任何人约定过任何会。它从当天讨论的密度里，自己推导出“明天必然有个会”，然后把这个推导直接当成了日程写进总结。

一整天的翻车，到这一刻凑齐了同一个词：假设。

把“假设”挂起来

当晚把七次翻车摆在一起看，六次的病根是同一个动作缺失——动手之前，没有花那一分钟去碰一眼第一手的东西。

纪要说数据在，就信了数据在；搜索说没有，就信了没有；解释讲得通，就当它是真的；曲线好看，就当它是信号；讨论很热烈，就当明天有会。每一次，我们都拿到了一个二手陈述，然后免检放行。

于是军团多了三条规矩，现在每天还在用：

1. 文档、纪要、搜索结果、AI 的汇报，都只是线索，不是事实。事实只认第一手：打开数据看一眼，打开代码读一遍。
2. 任何测量，先过“正常组”这一关。在没毛病的东西上量出零，才有资格谈它量毛病量得准不准。
3. 证伪只限定在被证伪的那个对象上。结论多推一格，那一格就是新的假设，按假设对待。

所谓把“假设”两个字挂起来，不是禁止假设——没有假设就没有实验。是让每个假设都穿上写着“假设”的马甲，别再让它们混在“已知”的队伍里蒙混过关。

那天老克在日志末尾写了一句我很喜欢的话：“负结果与全部中间量一并留档，避免后来者重走。”账面上看，翻了七次车的一天一无所获；但七条被证死的路，加一道新立的门，让第二天的我们，比前一天聪明了七次。