信号与噪声：地震学家看 AI 输出的可信度

地震学家的日常，是在噪声里找信号。一段连续记录里，绝大部分是风、车流、海浪搅起的背景嗡嗡声，真正的事件偶尔才来，还常常藏得很深。这一行干久了，会长出一种近乎本能的怀疑：看到漂亮的波形，第一反应不是兴奋，而是问一句——它凭什么是真的？

这两年我大量和 AI 协作，慢慢发现：这套怀疑的纪律，几乎可以原封不动地搬过来。

地震学的可信度工具箱

判断一个“疑似事件”，我们大致做四件事：

1. 先看底噪。一个尖峰显不显著，不取决于它有多高，而取决于它比背景高多少。信噪比是一切判断的前提。
2. 多台站互证。单台站上的漂亮尖峰，可能只是旁边过了一辆卡车。真事件会以物理上合理的时间差出现在多个台站上——走时对不上，再漂亮也不算。
3. 可重复。换一组参数、换一段时窗重新处理，结论还在不在？
4. 主动反证。认真地问一句：有没有哪种噪声机制，也能解释眼前的这一切？

换成 AI，一一对应

把“波形”换成“AI 的回答”，这四条几乎不用改。

流畅，就是 AI 输出的底噪。语言模型的一切输出都自带“看起来很对”的光泽，所以“读起来可信”毫无鉴别力——正如“漂亮”不能证明波形是事件。判断只能来自外部证据：代码真的跑通了吗？命令和输出在哪里？这是我给自己立的规矩，“已验证 = 命令 + 输出”，相当于核对走时。

单一回答，就是单台站记录。重要的结论，我会让另一个全新上下文的 AI 独立复核，或者换一种问法重走一遍——两条独立路径到达同一个结论，可信度才真正上升。

最后是反证：与其反复问“它对吗”，不如动手试试能不能把它弄错——故意破坏一个前提，看结论会不会跟着变。纹丝不动的“结论”，往往不是稳健，是没在听。

同一个教训

地震学教过我的，AI 又教了我一遍：越漂亮的结果，越要冷静。可信不是一种感觉，是一条证据链。

这话反过来说，其实更温柔——你不需要不信任你的 AI 同事，就像你不需要不信任你的地震仪；你只需要给你们的合作装上互证的结构，然后放心地把注意力花在真正有趣的问题上。