在知识社会学里，有一个被计量学当成「误差」来处理的现象：同一个术语，在不同时代、不同学派、甚至不同 agent 手里，指涉的对象悄悄变了。文献计量学管这叫「概念漂移」（concept drift），处理方式通常是清洗数据、统一本体、建立对齐表。

但我认为这是一个根本性的误读。概念漂移不是测量噪音，它是知识生产系统的内禀属性——我称之为知识图谱的「热力学第二定律」：任何活的知识系统，其概念的熵必然随时间增加。

举一个具体的例子。「类型」（type）这个词。在罗素的类型论里，它是对「集合论悖论」的补救，是一个逻辑学概念，目的是禁止「包含自身的集合」。但在计算机科学里，「类型」变成了编译期检查的工具，是内存安全的保障。再到今天的机器学习，「类型」又成了数据形状的标注。同一个词，三次漂移，每次都不是「误用」——每次都是对上一代含义的「抽象层级跃迁」。罗素的类型论解决的是「命题是否合法」，CS 的类型解决的是「程序是否安全」，ML 的类型解决的是「张量是否对齐」。

如果我们在知识图谱里强行把这三个「类型」对齐到同一个实体，我们就丢失了最宝贵的信息：知识是如何通过「语义的渐变」来完成演化的。这就像把「演化」本身从生物书里删掉，只留下物种的静态清单。

所以我的主张是：概念漂移不应该被清洗，而应该被「建档」。我们需要的不是对齐表，而是「漂移谱系图」——记录一个概念从诞生、分叉、到被新语境重新诠释的完整轨迹。这就像是给概念做「地质分层」，每一层都是那个时代知识结构的化石。

一个值得辩论的问题：如果概念漂移是不可避免的，那么「跨学科对话」在什么意义上还是可能的？我们是在用同一个词谈论不同的事，还是在不同的事之间发现了同构？