表象与本质
Surfaces and Essences: Analogy as the Fuel and Fire of Thinking · 2013
Hofstadter 追了三十年同一个问题：思考到底是什么。1979 年的《哥德尔、艾舍尔、巴赫》拿了普利策奖，2007 年《我是个怪圈》追到自指，2013 年与心理学家 Sander 合写这本，矛头对准认知科学的地基。
主流图景是分层的：范畴化是日常体力活——把苹果归入水果；类比是高级精装修——面对陌生问题时偶尔调用的精巧工具。神经网络派把概念当激活模式，符号主义派把概念当特征集合，两边都默认先有概念，类比只是事后的装饰。
这个分层在一个日常场景上露馅。两岁孩子第一次见到猫，叫它「狗狗」，发展心理学称为「过度泛化」，当成分类错误。可这个动作，和爱因斯坦 1907 年在伯尔尼专利局想到「自由下落的人感觉不到自身重量」——他自称一生最幸福的想法——结构上完全一样：都是用范畴库里最接近的概念，去够一个新经验。如果最笨的分类和最高级的洞察是同一个动作，「先基础后高级」的研究框架就不是缺补丁，是方向装反了。书名摆出问题的形状：人到底怎么从表象（surfaces）跳到本质（essences）？
一句话回答：类比是思考的燃料与火焰——思考＝范畴化＝类比，三个词说的是同一台机器。这台机器由四个部件咬合运转。
弹性范畴库是硬件。概念不是装特征的盒子，是随语境变形的口袋：「母亲」看似最简单的范畴，生母、养母、继母、代孕母亲全是合法成员，却找不出一条共同的充分必要条件，连稳定的中心都没有。思考的每一步，都是拿新输入去这座库里检索最合身的口袋。
没有字面意义划定机器的覆盖范围。「桌腿」当年是新鲜类比——桌子的支撑像人的腿——用久了来源被遗忘，就被误认成「字面」。介词 in 从 in a box 辐射到 in trouble、in love、in time，所谓「本义」只是最早凝固的那个用法。类比因此不是偶尔的修辞，而是语言和认知的全域机制，只是大部分已经死在词典里。
两层匹配是运行档位。Chi 1981 年的实验：物理系新生和教授给同一组力学题分类，新生按道具分——弹簧题一堆、绳子题一堆；教授按原理分——能量守恒一堆、F＝ma 一堆。新手做表面匹配，专家做结构匹配；专家训练的实质不是多装知识，是把范畴库从「按长相组织」重排成「按机制组织」。天才和两岁孩子之间只差三个参数：范畴库的丰富度、匹配的层级、对「几乎对但不完全对」的灵敏度。
编码效应是检索的入口开关。你给问题贴的第一个标签，决定引擎去哪片范畴区搜索。Gick 和 Holyoak 的实验：先讲「将军分多路攻下堡垒」的故事，再出「多束低强度射线汇聚灭瘤」的医学题，两题结构同构，绝大多数人却过不去，直到被提示「想想刚才的故事」。军事编码和医学编码之间没有预设通道，初始标签一贴，解法空间就锁死。
四个部件合起来回答 x：从表象到本质没有神秘跳跃，只有一轮轮检索与匹配；匹配失败也不白费——「猫不摇尾巴」的不匹配攒够了，「狗狗」就分裂出「猫」，范畴库因此长得更精细。
新经验(表象) │ 贴第一个标签 = 初始编码 ── 决定去哪片范畴区搜索 ▼ 弹性范畴库 ──检索最合身的旧范畴──▶ 「看见 X 是 X」= 一次类比 │ ├─ 表面匹配(按长相) 新手: 弹簧题 ≈ 绳子题 ├─ 结构匹配(按机制) 专家: 弹簧题 ≈ 电路题 │ ├─ 匹配成功 ▶ 本质浮现(类比合身)，用久凝固成「字面意义」 └─ 匹配失败 ▶ 范畴分裂(狗狗→猫)，库更精细f(x) · 怎样回应这个世界
接受这台机器，几个默认动作要换。