認知的極限:面對複雜系統,我們何去何從?

2015年7月8日,美國聯合航空公司的計算機系統故障,所有飛機被迫停飛;同一天,紐交所的計算機系統也出現了問題,所有交易被迫中止;《華爾街日報》的網站也崩潰了。

接二連三的系統問題令無數人驚慌失措,Twitter上謠言四起,有人猜測美國是不是遭受到了網絡攻擊?

但是這一切並不是有預謀的網絡攻擊。“兇手”是複雜到未被人們完全理解的軟件系統。一位安全專家在評論該日事件時說:“這些都是極其複雜的系統,出錯的方式多種多樣,其中有很多是我們完全無法理解的。”

人類的技術,從網站到交易系統,從城市基礎設施到科學模型,甚至是為大型企業提供配套服務的供應系統和物流 ,都已經變得過於複雜且相互交錯。

在很多情況下,就連當初構建、每天使用和維護它們的人也無法完全理解了。

認知的極限:面對複雜系統,我們何去何從?


在《創造力差距》一書中,加拿大政治學家、生態學家托馬斯·霍莫-迪克遜(Thomas Homer-Dixon)描述了他於1977年在法國參觀高能粒子加速器的情景。

他問當時的一位科學家,想知道整臺機器到底有多複雜,結果得到的答案是:“沒有任何人能完全搞懂這臺機器。”這個答案令他深感不安。從那時起,粒子加速器以及人類所構建的其他一切事物的複雜程度,幾乎都在不斷增加。

時至今日,計算機的硬件和軟件技術比過去要複雜的多:一個程序可能包含數百萬行代碼,芯片集成微型元件的尺寸也幾經小到接近原子量級。

認知的極限:面對複雜系統,我們何去何從?


而不斷增加的複雜性也已經到了令人費解的程度。

面對這種複雜性,一方面,我們構建出了這些難以置信的複雜系統,這無疑是值得自豪的,雖然它們也許不能永遠按預期正常運行;另一方面,我們在技術領域所付出的所有努力,幾乎都在使我們遠離優雅和簡單,並讓我們一步步走向某個極度複雜、完全無法預料的世界。

在計算機學和工程學中,有一個術語kluge,指的是拼湊起來的系統,就是將許多不同的東西混合在一起,用於解決問題的系統。這種系統是不精緻、不優雅的,這種拼湊的系統當然是有效的,但遠遠稱不上完美。

法律系統也是個拼湊起來的系統,《美利堅合眾國憲法》是一部非常優雅的文件,只用寥寥數頁就為代議制民主奠定了堅實的基礎。當然,這並不是最終的結果。

認知的極限:面對複雜系統,我們何去何從?


例如,在《美利堅合眾國憲法》只用一句話就規定了國會有權建立公共郵政服務機構,而在《美國法典》中,有關這個政府職能的職位設置的闡述就有500多頁,還不包括職位設置到郵政資費等各方面的所有細節。

事實上,《美國法典》的規模和互聯性仍在不斷增加,到現在,其總字數已經超過2200萬,內部各章節之間的關聯點也已超過8萬個。

無論在什麼地方,我們都可以觀察到,隨著時間的推移,各種系統的複雜性都出現了大規模增長。無論具體形式如何,當一個系統龐大到一定程度時,都會變成一個拼湊起來的系統。

認知的極限:面對複雜系統,我們何去何從?

人類歷史上最早的飛機


認知的極限:面對複雜系統,我們何去何從?

萊特兄弟


萊特兄弟在1903年製造的飛機是簡約主義的傑作,只有很少的幾個部件,載人後重量僅為340千克;而到了今天,製造一架波音747-400飛機需要用掉67000千克鋁材,600萬個獨立部件和275千米管線。

這是個普遍現象,在過去200年裡,我們製造的機器所包含的零件數量一直在大幅增加。

這絕非偶然,技術發展過程中有種固定力量,使我們在“複雜性”中越陷越深。

究其首要原因,最顯然易見的是系統內部存在著雙重力量:吸積交互。也就是說,隨著時間的推移,系統的組成部分越來越多,同時各部分之間的關聯也越來越多。

力不從心的大腦

無論我們多麼努力的構建和設計符合邏輯的技術系統,系統中總會有某些部分是我們無法完全理解的。

原因在於,我們是人,人類的思維方式與複雜系統的運行方式是完全不一樣的。複雜系統的構建方式決定了它們很難被理解,甚至不可能被理解。

認知的極限:面對複雜系統,我們何去何從?


我們來看下面幾個句子:

1 “他說狗是棕色的”

2 “她認為他說狗是棕色的”

3 “我記得她認為他說狗是棕色的”

基於不同的句型結構,在一個句子中嵌入另一個句子的現象,可以出現在句首、句中或句末,而且可以一遍又一遍的嵌入。這樣的現象叫遞歸。

理論上可以將任意數量的句子嵌入到主句中,然而在現實中我們大腦能處理的遞歸深度通常不超過三層。

下面兩個例句引自語言學家史蒂芬·平克(Steven Pinker)的《語言本能》。

The dog the stick the fire burned beat bit the cat.

一隻被火燒過的棍子打過的狗咬了這隻貓。

The rapidity that the motion that the wing that the hummingbird has has has is remarkable.

蜂鳥所擁有的翅膀的運動的速度有了顯著提高。

這兩個句子所嵌入的層級其實都不算多。第一句的邏輯是一隻狗被火燒過的棍子擊打,然後咬了一隻貓。語法結構為對狗進行修飾,同時對棒子進行描述。所以這句話只有兩層嵌套。

如果句子的嵌套達到了10層,就不可能有實際意義了,如果人類連10層嵌套都處理不了,就更不可能處理無限嵌套了。

在這方面計算機有很大優勢,人類的認知受大腦工作記憶的限制,但是計算機卻可以使用大容量的存儲器,將句子的各個部分放在相應的位置上,然後構造出句子樹,並使其有某種意義。

當然,除了在面對遞歸以及其他語法技巧時,我們會顯得無力以外,人類認知能力的侷限性還體現在其他諸多方面。

事實證明,許多機器能夠輕鬆完成的任務,人類卻無法勝任,這種情況幾乎成就了整個家庭手工業。

人類大腦認知能力終歸是有限度的,我們的記憶能力以及在記憶中進行檢索的能力都是有限度的,能瞬間識別的事物數量也少之又少。

此外,我們還很難理解系統內部各種互聯的具體含義。

認知的極限:面對複雜系統,我們何去何從?


我們在面對非線性變化時,我們會不知所措。在非線性系統中,行為會受到反饋輸入放大率調製

的影響或者也可能相反,一個很大的變化只能帶來一個極小的影響,這令大腦很難將輸入與輸出關聯起來。這樣一來,我們無法繼續以線性的形式進行外推。所有變量之間的互動形成了錯綜複雜的不規則曲線。正是大腦有這樣的缺陷,所以我們很難把握複雜系統,包括我們自己構建的複雜系統。

認知的極限

通過大數據分析,我們可以發現龐大和互聯所帶來的的影響。大數據分析就是用特定的算法對數據進行處理。

例如,谷歌公司用算法計算包括將冷凝器數量、水泵數量以及室外風速等各種數據信息輸入特定的計算機模型,來提高數據中心的能效。

這種軟件系統所給出的選項或答案,並不是按照人類的思維方式得出的,而且常常有違於某些穩定的一般規則或思想。這些答案所依賴的路徑不是簡單的推理,而是一系列異常複雜的計算。

我們置入大量的信息和數據,讓龐大的軟件系統“生產”出一些東西來。然後就可以得到一個答案,它可能確實有用,但同時我們失去了對解答過程的洞察力。

從法律體系到硬件設施,在一個又一個的領域中,我們始終在通過與計算機“合作”來駕馭複雜的技術。但是在這個過程中,我們又對自己依賴的系統運行方式感到困惑不已。

以上整過程還在一直加速。在計算領域,軟件已經可以自行“進化”出問題的解決方案了,但是我們對最終方案的形成一無所知。

那麼,當我們需要一個公式來擬合數據的時候,公式又從何而來?

我們先在計算機程序中創建一個由潛在解決方案組成的“種群”,然後讓他們自行進化,也就是讓他們重新組合、變異和複製,直到最後合適的方案脫穎而出。即使你不理解它給出的方案也沒有關係,能用就行。

比如說你用這種方法做一個電路設計,先選定特定任務所需的電路類型,然後嘗試在硬件中進化出一個解決方案,也就是讓一組備選電路混合在一起,形成一個達爾文式的“進化濃湯

”。經過多重進化後,計算機發現一個完美的電路設計。

這樣的設計有一個特徵:有一部分設計是與主線路斷開的;而這對整個電路的功能至關重要。這個由進化而來的電路設計利用了一些奇怪的物理知識和電磁現象,而這些知識和現象是從未有人想到過和利用過的。

這種進化生成的技術系統,我們很難理解,應為我們想不出同樣的東西,這種系統與我們擅長的那些系統有著本質的區別。

在物流領域也出現了一些強大的算法。因為進化生成的運貨線路看上去不合邏輯,所以駕駛員們對這些違背直覺的線路很不滿意,但是最終又不得不臣服於它們的效率。

認知的極限:面對複雜系統,我們何去何從?


事實早就證明,在國際象棋比賽中,計算機比人類強大的多:計算機能夠“想到”人類棋手不可能想到的走法,並取得最終勝利。那些極具計算機特色的走法被稱為“計算機走法”,人類棋手幾乎從不會使用。它們看上去很“醜陋”,但效果很好。

認知的極限:面對複雜系統,我們何去何從?


正如費曼(Richard Feynman)40年前講的:

“下一個人類智慧覺醒的偉大時代,很可能產生理解方程性內容的方法。今天我們還做不到。今天我們還看不出水流方程包含著我們在兩個旋轉的同心圓柱之間看到的那種理髮店店招式的渦旋。今天我們還看不出薛定諤方程是否包含著青蛙、作曲家和道德。我們不知道是否需要一個高高在上的上帝那樣的角色。所以,無論是與否,我們都可以牢牢把握自己的意見。”


認知的極限:面對複雜系統,我們何去何從?

理查德·費曼


假如我們有一天走進那個偉大的覺醒時代,計算機可能是我們的救星。一旦它們有了驚人的智能,應該可以畫出任意維的圖形,也許有一天它們還能從複雜系統中抽象出簡單的規律。

可是,當那一天真正到來的時候,計算機比我們更擅長理論科學,我們還能從中獲得樂趣嗎?

假如它們使我們茫然無知,就像過去的大聖人,神秘莫測,還常常產生混亂。

在有的數學中,那樣的事已經發生了。有些定理就是計算機證明的,但是因為證明包含了太多的相互交織的小問題,沒人能夠檢驗。在深藍與卡斯帕羅夫的對局中,有些棋的下法就有著同樣的特點。

認知的極限:面對複雜系統,我們何去何從?


我就想知道,複雜系統研究的未來是否就是那樣。我們也可能像旁觀者那樣停下來,跟不上我們製造的機器,只能為它那些驚人的結果感到目瞪口呆。

複雜性的未來,等待卡諾

複雜系統科學正分化成兩個獨立的方向。

一個是複雜性研究的思想和工具被提煉出來,並應用到更廣泛的領域。例如:物流學、生物學、流行病學、社會學、政治學、經濟學和計算機科學等不同的領域,將複雜性和交叉學科的種子播撒的越來越遠。

另一個方向是從更高的層面審視這些領域,尋求解釋性和預測性的數學理論,將複雜系統之間的共性嚴格化,並且能解釋預測一些現象。

現在也許擺在人們面前的問題是——我們沒有合適的詞彙來精確的描述我們所研究的對象。

我們用複雜性、自組織和湧現等詞彙來描述複雜系統的共同現象,但是還是不能以更嚴格的方法刻畫這些共性。我們需要新的詞彙表,不僅能抓住自組織和湧現的概念構成,還能解釋它們如何涵蓋所謂的功能性、目的或意義。

這些不清晰的詞彙需要用更清晰的詞彙來定義,以反映出對所研究對象的新理解。數學家斯托加茨這樣說道:

“我認為我們可能缺乏與微積分相當的新概念體系,能根據複雜系統的無數相互作用得到其結果的方法。這種超級微積分,即使告訴了我們,也有可能超出人類的理解能力。到底怎麼樣我們不得而知。”

要想理解、預測或是引導和控制具有複雜性質的系統,就必須有適當的概念詞彙表和適當的數學。發展出這樣的數學工具在過去和現在都是複雜系統科學所面臨的最大挑戰。

關於這個有個笑話,說我們是在“等待卡諾”。

卡諾(Sadi Carnot)是19世紀初的一位物理學家,他提出了熱力學的一些關鍵概念。與之類似,我們也在等待出現適當的概念和數學來描述我們在自然界看到的各種形式的複雜性。


認知的極限:面對複雜系統,我們何去何從?

薩迪·卡諾

要實現這個目標我們更需要一位牛頓式的人物。我們現在所面臨的概念問題,就類似於微積分發明之前所面臨的的問題。在牛頓的傳記中,科學作家格雷克(James Gleick)這樣描述:

“他受困於語言的混亂——有些詞彙定義不清,有些詞彙甚至還沒有出現……牛頓相信,只要他能找到合適的詞彙,他就能引領整個運動科學。……”

通過發明微積分,牛頓最終創造了所需的詞彙。藉助於無窮小、微分、積分

和極限等概念,微積分為嚴格描述變化和運動提供了數學語言。

牛頓發現他們之間的關聯,並且構建出和諧統一的宏大建築將他們結合到一起,讓他們徹底一般化。這棟宏大的建築使牛頓創造出動力學體系。

我們能類似的發明出複雜性的微積分嗎?

實現這種遠大目標的前景正是複雜系統研究真正的迷人之處。追尋這些目標,要具有在知識上冒險和不怕失敗的精神,敢於超越主流科學,進入疑點重重的未知領域,偉大的科學都是這樣的,借用作家和探險家紀德(Andre Gide)的一句話:“不敢遠離海岸線,就別想發現新大陸。”


參考:《未來50年》

《複雜》

《為什麼需要生物學思維》

《複雜的引擎》

《伽利略的手指》

本文為Arcadia原創作品,首發頭條號,未經授權禁止轉載!

本文所用圖片,除特別說明外均來自互聯網,如有侵權煩請聯繫作者刪除,謝謝!


分享到:


相關文章: