Running the Table：从台球桌到神经网络，探索人类专注力的认知科学隐喻

本文介绍开源项目"Running the Table"，通过台球物理模拟、强化学习智能体与认知科学的跨学科视角，以"清台"为隐喻探索人类专注状态（Hyperfocus）的本质，揭示信念、预测、行动与惊讶之间的深层联系，核心命题为"我们都是预测引擎"。

"清台"（Running the Table）原指台球一杆清台，本项目赋予其深层含义——物理模拟、神经网络训练及人类专注状态的隐喻。核心观点：每个人（及大语言模型）都是预测引擎，生活质量取决于内部模拟质量及识别训练数据耗尽的能力。认知被定义为持续预测过程：基于信念猜测→行动→接收反馈→处理惊讶→更新信念。

项目将核心算法应用于三个基质：1.台球桌物理世界：球桌规则明确但充满不确定性，选手需内部模拟轨迹，失误驱动学习；2.神经网络Q学习：AI智能体通过试错构建台球动态理解，奖励预测误差类似多巴胺信号；3.人类心智与ADHD：ADHD大脑为"高阈值叙事引擎"，需强刺激启动，正确条件下进入深度专注，被重新定义为神经多样性而非缺陷。

核心循环为信念→猜测→行动→现实→惊讶→更新信念。该循环在台球（角度预测→击球→结果反馈→调整理解）、神经网络（Q值估计→选动作→奖励→更新权重）、人类心智（既有看法→预期反应→行动→实际反馈→调整认知）中均存在。多巴胺是预测误差信号：结果超预期释放愉悦感强化行为，反之抑制。专注状态是"完全叙事捕获"，意识被预测循环占据，进入心流。

"自信幻觉"与机器学习"分布外泛化"同源：系统面对陌生情境时仍产生预测，但可能错误且自信。科学方法是系统化减少预测误差的过程：假设→实验→观察→修正，构建精确自然理解。管理信念（识别数据充分性）是重要认知技能。

项目用Python和FastAPI构建互动演示，可观察Q学习智能体学习过程。安装命令：pip install fastapi uvicorn，运行：python demo.py（自动打开http://127.0.0.1:8765）。配置参数：`FAST_MODE=1`加速学习，`NO_OPEN=1`不自动开浏览器，`PORT=8765`自定义端口。

项目通过隐喻连接物理、神经科学、机器学习与心理学，揭示台球白球、神经网络权重、大脑神经元均运行同一核心算法：预测→修正→学习。理解此点可帮助我们更好认识自身专注、偏见、学习及如何在不确定性中导航世界。