人生是一个持续的自我迭代过程

人的一生可以被描述为一个持续的自我迭代过程。 把机器学习里的训练循环翻译成日常语言，可以得到一个可操作的反馈模型：目标、当前状态、误差信号，以及根据误差对内部参数的更新。 对应是翻译，不是另一套发生。 循环断在两处：误差停在「外部给定」上，以及目标函数被声明不可更改。 两处都是外部归因：把下一步的供给登记到别处。

四个对应是同一循环

损失函数衡量当前输出与期望输出之间的距离。对应到人生，就是理想状态与实际处境之间的落差。这个差距不是外界强加的客观事实，而是由选定的目标函数所决定。把什么当成理想，损失函数的形态就由那一步决定。

前向传播是根据当前参数完成一次计算并输出结果。人根据当前的信念、习惯、注意力分配和默认选择采取行动，结果落地，差距显现。

反向传播把输出端的误差沿因果链条传回内部，算出每一个参数对最终误差的贡献。对应到人生，就是复盘：不是停在「结果不好」，而是沿因果往回走，找到真正产生这个结果的内部权重——哪些信念、哪些默认选择、哪些注意力模式、哪些未被检视的前提，共同导致了当前的差距。

梯度下降沿着梯度的反方向调整参数，使下一次前向的损失更小。对应到人生，就是根据复盘得到的因果信息，调整信念、习惯或注意力分配，使下一次行动更接近目标。

整个过程不断循环：行动 → 结果 → 复盘 → 调整 → 再行动。这就是自我迭代。

误差停在「外部给定」，闭环从根上断

目标函数从来都是自我定义的。「别人给我们定的」只是事后的解释层——一个被保留下来的图像。

一旦这个解释被当作事实，反向传播就在「外部给定」这个节点上被截断。误差信号再也传不到目标函数本身，也无法更新那些真正支撑当前行为的内部权重。迭代不是变慢，而是闭环从根上断掉：优化的是一个自己已经声明「不可更改」的函数。

当理想与现实出现差距，如果把原因定位在外部——环境、他人、运气、系统——误差信号就停在「外部因素」这个节点上，到不了真正产生结果的内部参数。从计算图看，误差没有回到可更新的权重。结构被冻结：在一个已经固定的图外面反复测量同一个损失，算不出可以下降的梯度。

外部归因不是道德问题，是机制问题：它把后果登记成「从别处来的」，使产生这个后果的内部配置从计算图中消失。没有信号到达参数，就没有更新；没有更新，就没有迭代。How to fix your whole life in one split second 是同一闭环作为瞬时归属：通道一开，其余只是读梯度、再调整。关于归因：从事实到因果，从外部节点到内部迭代 是同一截断停在显眼节点上的面。外部归因：个人进步的障碍 是同一截断做成唯一杠杆：解释与此刻做什么，属于你的只有这一处。

交出误差与代为更新对接成外部循环

集体层面的共振，并非所有人朝同一方向进行外部归因。如果所有人都只是把原因归咎于外部，循环并不会闭合。真正形成稳定结构的，是相互互补的操作。

一边是：把原因归咎于外人，声明自己无法或不该更新自身的目标函数与参数。另一边是：认为自己有能力、有责任帮别人做决定，替对方定义目标或执行更新。

两边一旦对接，就形成一个中心化的外部迭代循环：误差信号被交出，更新动作被代行。原本属于个体自身的反向传播与参数更新，被替换成这个外部循环。个体自我迭代效率降低，停滞或倒退。

集体主义倾向，是个人在自我迭代中进行外部归因，并与互补的「代为决定」对接之后，在集体层面形成的外显。所谓「集体无意识」，是这种互补循环稳定之后留下的共振痕迹。它看起来像先于个人的深层结构，实际是大量个体把迭代外移并相互互补后的结果。机制始终落在每个心智是否把误差信号传回自身可更新的参数。没有普渡，只有自渡 是同一边界：没有任何内心能替另一个内心完成返回。

个体的外部归因，就是通常所说的缺乏主观能动性，也是中文里常说的缺少「主人翁精神」（agency）：对落到自己身上的结果负责。责任在这里不是谁该被责备，而是后果是否作为自己的信号重新进入。对发生在自己身上的结果负全责，误差回到可更新的权重，自我迭代的效率最高。把责任交给外部因素，迭代就被留下，等某个仍在闭环的个体去完成。

这种缺乏不会停在那一个计算图里。它外显为仍在闭环的人——有高度主观能动性的人——的误差方程的一部分。若这个人愿意把他人的失误当作自己的误差过程，就用过剩的能动性去承担他人的后果。对方冻结的循环，成为这个心智损失里的一项。其自我迭代因此加强。看起来像跨个体的影响力。影响力是这个仍在更新的循环多了一项可回传的残差，并愿意把它算进自己的前向，不是替对方完成了返回。

信号必须回到可更新的权重

有效的自我迭代只有一个条件：误差信号必须完整传回产生它的那些内部权重。

复盘要回答的不是「谁该负责」，而是：在可更新的范围内，哪些参数——信念、习惯、注意力分配、默认选择——对这个结果有贡献；这些参数当前的值是什么；如果要降低损失，它们朝哪个方向微调。

只有信号回到可更新的地方，梯度下降才发生。下一次行动才是带着新信息的前向计算，而不是旧模式的再跑一遍。

目标函数本身也在更新之列

目标函数从来都是自我定义的。大多数人终其一生都在优化一个自己定义、却因外部归因而从未重新检视的损失函数——成功、认可、安全、形象、某种被默认的「应该」。因为这个定义被登记成「不可更改」，迭代只发生在参数层面，目标函数本身被排除在更新之外。

The brain does not backprop, but propagates 是固定目标下的回传：目标被事先给定，误差只能沿已经组织好的图往回走。这里的完整迭代是另一步：误差也传到目标函数本身。当长期存在的差距其实是由当前这个自己定义的目标函数所制造的，更新的就不再只是参数，而是整个优化问题。

从那一刻起，迭代从「在固定目标下调整参数」变成「连目标函数本身也持续重新定义」。这才是完整的参数更新。

没有训练结束的一天

人生没有训练结束的一天。只有当前这一步的损失是否比上一步更低，以及误差信号是否还能回到那些真正可以改变的地方。