第 19 章　跨学科协作，先把同一个词说成同一件事

一间教室里，环境传感器连续几次发出提醒。负责硬件的同学看了数据，说：“测得挺准。”负责软件的同学看了测试结果，也说：“模型很准。”任课教师却摇头：“上课时它总弹出来，这还叫准？”

三个人没有谁故意含糊。他们只是把同一个词用在了三种不同的问题上。

这是一个教学构造，不表示已经开展真实采集、健康评估或设备测试。它要说明的，是跨学科协作中一种很常见的故障：大家听见的是同一个词，以为已经达成共识，实际上各自在回答不同的问题。

“准确”至少有三种意思

对设备成员来说，准确可能是测量值离参考值有多远。这里会涉及量程、分辨率、误差、校准和环境条件。一只传感器在实验台上表现稳定，不代表装到教室角落后仍有相同表现；安装位置、温度变化和器件漂移，都可能改变测量。

对软件成员来说，准确可能是模型在一组测试数据上的表现。但一个总分常会藏住重要差别。把不需要提醒的情况误报为异常，会打断课堂；把真正需要关注的情况漏掉，又可能失去提醒意义。测试数据怎样取得、是否覆盖真实条件，也会影响这个分数能说明什么。

对教师来说，准确更接近“在需要时出现、在不需要时安静，而且不破坏教学秩序”。这不是单靠传感器误差或模型分数就能回答的问题，还要看提醒放在哪里、谁会看到、出现后做什么，以及使用者是否能够关闭或申诉。

因此，跨学科项目不能把三个判断相加以后变成一个“综合准确率”。它们对应的是不同证据、不同责任，也可能发生不同失败。

“用 AI 改善教室环境”很容易获得赞同，却不能指导任何人工作。一个可交接的版本可以写成：

在取得许可的少量教室中，检查现有环境数据能否支持一种低干扰提醒。本轮只生成提醒候选，不自动控制设备，不识别个人，也不作健康判断。

这句话没有让项目变得“保守”，而是把原来混在一起的事情拆开了。

设备成员需要交付测量对象、单位、采集条件、校准依据和已知误差；软件成员需要说明输入怎样变成提醒、测试用了什么数据、误报与漏报怎样记录；教师需要判断提醒是否可理解、是否打断教学，以及何时宁可不用；涉及设备安全、健康判断或学校管理的决定，则要回到有相应权限与责任的人员和程序。

这里更值得检查的是角色接口：一个人交出的东西，能否成为另一个人可靠的输入。分工表只写“谁做什么”，角色接口还要回答“别人怎样接住”。

假设设备成员交来一列数值，软件成员至少还需要知道四件事：单位是什么，采集时间是什么，哪些记录可能异常，设备是否经过适用条件下的校准。缺少这些信息，数据即使排列整齐，也很难被正确解释。

软件成员交出提醒原型时，同样不能只说“准确率达到某个数”。教师还需要看见：提醒在什么条件下触发，测试里发生过哪些误报和漏报，提醒能否关闭，出现争议找谁，原始记录是否保留。

这说明项目中的“接口”不只是软件接口。它也可以是一张数据说明、一份测试记录、一个决策边界，或者一次明确的退回。

可以用下面六项检查一处交接：

未知并不可耻。真正危险的是系统或会议纪要把未知补成“已经确认”。暂时回答不了的问题，可以标出负责人、复核时间和兜底方案。到期仍没有证据，就缩小任务，而不是用更肯定的语气掩盖空缺。

AI可以把三方的表述并排整理，找出同词异义，也可以根据会议记录生成待确认清单。但它不知道某只传感器是否真的完成校准，也不能替教师接受课堂干扰，更不能替学校授予设备控制权限。

更好的用法，是让AI帮助显露差别。例如把“准确”拆成以下四列：

手机端已转换为卡片，可纵向阅读

角色	这个词具体指什么	用什么证据判断	越过哪条线必须找别人
设备成员	测量值与参考值的偏差	校准记录、误差范围、适用条件	设备安全与部署许可
软件成员	在测试任务中的表现	测试集、误报漏报、失败样例	超出数据范围的结论
教师	提醒是否有用且不过度打扰	课堂观察、退出与反馈记录	健康或管理决定

表格让差异变得可见、可交接，并不要求所有人改用同一种语言。若三方仍然不同意“什么情况值得提醒”，这份不同意本身就是项目事实，不能被一段顺滑的总结抹掉。

成熟的跨学科团队仍然会有分歧，但能指出分歧属于哪一层、需要什么证据、由谁裁决，以及在答案出现以前系统不能做什么。