构成性规则与调节性规则

哲学家约翰·塞尔（John Searle）区分了两类规则：构成性规则（Constitutive Rules）创造了活动本身——"将死"这个概念离开国际象棋规则就不存在；调节性规则（Regulative Rules）只是管理一项本已存在的活动——交通法规调节开车，但并不"构成"汽车的运动。这条看似抽象的区分，恰好划出了大语言模型能力的边界：它在"规则构成意义"的领域（代码、语言）所向披靡，在"规则只调节、价格由博弈涌现"的领域（金融市场）则力不从心。^1

一条从白盒到黑盒的预测光谱

把待预测对象按"规则的刚性"排成一条谱系，AI 的可靠性沿着它单调衰减：

领域	规则性质	系统类型	熵	LLM 可靠性
编程语言	构成性·确定	白盒（封闭、自洽）	最低	趋近 1.0：右花括号被语法强制闭合
自然语言	构成性·模糊	灰盒（语法存在但容错）	中等	高：受齐夫定律与深层语法约束
金融市场	调节性·流动	黑盒（规则动态生成）	最大	极低：只有统计倾向，没有句法必然

K 线图没有"语法"规定三根阳线后必接一根阴线。头肩顶、双底这些"模式"是统计上的倾向性，而非句法上的必然性——这正是"有模式，无规则"。^1

graph LR
    A[代码<br/>规则决定一切] -->|熵增| B[自然语言<br/>规则+概率]
    B -->|熵增| C[K线<br/>只剩模式]
    A -.AI 重构规则.-> D[预测可靠]
    C -.AI 拟合噪声.-> E[预测不可靠]

规则 vs 模式：被预测对象的本体论断裂

• 规则是外在于数据的硬约束（语法）；模式是数据内部的统计相关性（动量）。LLM 在语言里学的是规则，在金融里拟合的是模式。
• 语言的"基本真理"是内生的——一个词的意义由它与上下文其他词的关系定义，全部编码在语料里；金融的"基本真理"是外生的——它系于经济活动、情绪、地缘冲击、市场微观结构，这些并未编码在历史价格序列中。仅凭历史 K 线预测未来价格，逻辑上等同于只盯着汽车速度表指针的跳动去预测交通拥堵。^1
• 数学属性同样对立：语言在长尺度上近似平稳且各态历经，金融则显著非平稳（分布漂移）且非各态历经（单一资产归零会终结序列，破产风险使时间平均≠系综平均）。一个在低通胀牛市训练的模型，搬到高通胀环境会彻底失效，因为市场的"语法"已经改变。^1

与频道其他概念的连接

这条"规则—模式"鸿沟是 反身性与二阶混沌 的认识论前提：正因为金融没有构成性规则，价格才能被参与者的预期反复重写。它也为 人工智能即劳动力 划出了一道边界——AI 能替代"规则可重构"的认知劳动（写代码、读合同），却替代不了"对抗高效市场"的预言能力。三者合流于 AI与金融的三重纠缠。