在麻省理工学院博物馆的库房里，静静陈列着一台由信息论鼻祖克劳德·香农在1953年组装的简易机器。它的控制面板上只有两列指示灯，记录着这台装置的终生战绩：人类胜3507次，机器胜5010次。这台从未接入现代大模型、仅凭数十个电话继电器运作的铁盒子，在长达数十年的非正式对决中，把人类的胜率牢牢压制在41%左右。
开发者Spencer Stanton近期上线的交互网站Aaronson Oracle，重新把这桩实验室公案搬到了聚光灯下。他将理论计算机科学家斯科特·阿伦森在课堂上用过的击键预测算法重构为网页，并与香农及贝尔实验室工程师戴维·黑格尔巴格的早期硬件置于同一历史脉络。现代人总倾向于将意图预测归功于千亿参数的深度神经网络，但这个简易网页给出的判断却格外冷峻：机器不需要真正理解人类，只要统计你最近几次敲击键盘的下意识习惯，就足以打破所谓的自由意志幻觉。
贝尔实验室的走廊暗战：简单模型如何压制复杂工程
击键预测的数学本质是博弈论中最经典的猜硬币游戏。规则简单至极：双方各自盲选正面或反面，若选择一致则一方获胜，若不一致则另一方胜。在数学家约翰·冯·诺依曼的零和博弈理论中，该游戏的唯一最优解是混合策略纳什均衡，即严格按50%随机投掷。面对一个真正的纯随机系统，没有任何算法能获得统计优势。
但现实中的人类不是抛硬币机。1951年，贝尔实验室工程师黑格尔巴格搭建了一台名为SEER的猜硬币装置。为了模拟对手的心理倾向，SEER记录前两轮比赛的胜负和选择变动，划分出8种对弈场景。黑格尔巴格设计了一个关键机制：为每个场景设立可逆计数器，范围限制在正负3之间，达到极限便不再累加。这一设计旨在强行让机器忘掉久远的历史，只对玩家最近的策略调整起反应。在1956年3月发表的IRE论文中，黑格尔巴格记录该机器对战人类9795局，取得5218次胜利，胜率为53.3%。
在同一走廊办公的香农见状，立刻用约一半数量的继电器做出了自己的版本。香农没有采用黑格尔巴格复杂的遗忘计数器，而是换上了更具攻击性的判定逻辑。当人类行为没有形成重复模式时，香农利用旋转整流子以每秒十次的速度物理采样人类按键时的机械抖动，从中榨取真随机数；一旦人类展现出两次以上相同的按键模式，机器就默认对方下一次依然会故技重施。
这两台机器在当年曾被串联在一起直接交手，黑格尔巴格记录下香农机器以大约55比45的比分胜出。2020年，罗马尼亚锡比乌大学的研究团队在软件环境中高保真复现了这一历史对决，在每场100轮的多次较量中，香农机器最终以55.8比44.2击败了更繁琐的SEER。控制理论中的极简主义在这里显现了威力：在面对包含大量随机噪声的博弈者时，过度细致的平滑遗忘机制反而削弱了抓住确定性模式的能力。
纸面必胜法与脑容量的生理背叛
机器的胜率并不意味着人类在逻辑上处于下风。香农在1953年3月18日写就的内部备忘录《A Mind-Reading (?) Machine》中，亲手推导出了打败自己机器的方法。
香农指出，这台机器在理论上存在巨大的防御漏洞。如果一个受试者坐在桌前拿着草稿纸推演，在纸面上对战该机器的理论胜率可以高达75%（3:1）。破解的核心在于破坏机器建立概率关联的假设：玩家只需要在机器的每个内部状态下，机械地交替执行相同、相同、不同、不同的四步循环策略。这会导致机器在两次判断正确后，必然连续两次踏入预测错误的陷阱。面对黑格尔巴格的SEER，人类掌握理论对抗策略时的预期胜率也能达到60%。
然而在实战中，这种压倒性的理论优势瞬间瓦解。香农在备忘录里给出了残酷的结论：这套破解策略在纸上无懈可击，但人类无法凭空在脑子中实时运行它。
人类大脑的前额叶皮层受制于有限的工作记忆容量。在双手放在键盘上、被要求快速交替按下按键时，普通人必须同时维持对过去若干步历史的记忆、定位当前处于哪一个状态子空间，并在毫秒级的时间内提取循环序列。这种多线程认知负荷会迅速引发神经疲劳，导致玩家在短短几十轮后彻底放弃心算，重新退回由神经末梢和下意识习惯支配的状态。
人类不是输给了算法的精妙，而是输给了自身神经系统的生理带宽。认知科学界熟知的负近因效应和赌徒谬误在此刻主导了手指：当一个人连续敲下三次左键后，直觉会产生左键出现概率已经过高的错觉，从而不受控制地下意识改按右键。这种对交替模式的病态渴望，在信息论模型眼中如同灯塔般耀眼。
人类无法凭空在脑海中维持多线程记账，一旦认知带宽过载，机器眼中的随机便退化成了生理惯性。
祛魅读心术：统计神话与认知引导的边界
斯科特·阿伦森早年在加利福尼亚大学伯克利分校讲授量子计算与自由意志时，将香农的思想移植成了软件。他设置了32种状态的高阶模型来跟踪玩家前5次按键历史，并宣称在课堂演示中对人类击键的预测准确率通常能达到70%至80%。但技术神话的背后往往忽略了边界条件。
Aaronson Oracle并非无懈可击的读心术。阿伦森自己曾坦承，那次课堂演示中有一名计算机系学生的击键完全无法被算法预测，模型对该学生的预测准确率最终定格在接近完全随机的50%。原因很简单：该学生在按键时并未试图证明自己的自由意志，而是冷静地在脑海中运行了一套伪随机算法发生器。
┌─────────────────────────┐
│ 人类工作记忆的局限性 │
│ (无法抵御负近因与交替偏好)│
└────────────┬────────────┘
│ 迫使按键陷入局部模式
▼
┌────────────────────────────────────────────────────────┐
│ Aaronson Oracle 预测闭环 │
│ │
│ 5键输入 ──> 32维历史上下文检索 ──> 频次胜出 ──> 精准截击 │
│ │ │
│ └──> 样本不足 ──> 多尺度平滑回退 │
└────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────┐
│ 破局变量：外部物理噪声 │
│ (掷硬币、真随机数发生器) │
└─────────────────────────┘斯坦顿所做的aaronsonoracle.com在工程上做了一层关键改动。阿伦森最初的程序受困于数据稀疏问题：如果在长序列中某一个5键组合只出现过一次，模型极易因为偶然性做出错误判断。斯坦顿引入了多尺度回退机制。模型只在当前5键历史至少出现过2次且两个按键频次不等时才做判定；一旦样本过少，它便顺次跌落至4键、3键乃至全局统计进行兜底。这种借鉴统计语言模型的平滑策略，保证了算法即使在对局初期也能维持极高的预测压迫感。
学术界后续的严谨实验正在剥离此类算法身上的宿命论色彩。Tian等人在2019年测试贝叶斯匹配硬币模型时发现，在30名人类受试者中，模型确实在其中90%的人身上取得了多数胜场，但胜场占优仅仅意味着整体胜率超过了50%，远非在每一次单步判定上都能达到神话般的八成命中率。2023年的认知心理学研究更进一步证明，人类生成不可预测序列的能力极大程度受制于指令引导。当受试者被要求想象一枚硬币在空中翻滚时，其击键的统计熵会显著升高，算法预测效率随之大跌。
- 风险.将简单的统计优势误读为技术全知，会掩盖人在特定规则下的对抗潜力；只要引入物理抛硬币等外界随机熵源，此类算法的准确率将瞬时跌落回50%的基准线。
从1951年机柜里卡嗒作响的金属触点，到今天浏览器里流畅运行的几十行代码，Aaronson Oracle所揭示的真相始终如一：算法并不通晓人性，它只是精密丈量了人类在慌乱与自以为是中留下的认知指纹。