他是霍金師弟，呼吁建立一個(gè)新的國際研究機(jī)構(gòu)，總部可考慮中國
撰文 | 戴晶晶
天氣系統(tǒng)與我們生活和生產(chǎn)密切相關(guān)，但由于“蝴蝶效應(yīng)”的存在，任何微小的變化都可能導(dǎo)致天氣預(yù)測結(jié)果偏離實(shí)際情況，即使最先進(jìn)的預(yù)報(bào)系統(tǒng)在進(jìn)行長期預(yù)測時(shí)也難免出現(xiàn)誤差。
目前的天氣預(yù)報(bào)以概率的形式給出，例如：明天下雨的概率是30%、多云的概率是20%。這源自英國氣象學(xué)家蒂姆·帕爾默（Tim Palmer）的研究成果，他與同事開創(chuàng)了世界上首個(gè)集合預(yù)測系統(tǒng)（Ensemble Forecasting）。
集合預(yù)測通過成百上千次略有差異的模擬，構(gòu)建未來天氣的多種可能路徑，進(jìn)而以概率形式呈現(xiàn)不同的天氣風(fēng)險(xiǎn)，在某種程度上預(yù)測了不確定性。
蒂姆·帕爾默目前擔(dān)任英國皇家學(xué)會氣候物理學(xué)研究所教授，牛津大學(xué)物理學(xué)教授，牛津大學(xué)馬丁研究所高級研究員，曾任英國皇家氣象學(xué)會主席。今年4月，他的新書《懷疑的首要性（The Primacy of Doubt）》在中國出版。
“正確地判斷自己預(yù)測或理解的能力”是蒂姆·帕爾默科研生涯的長期理念，這一思想來源于他的偶像理查德·費(fèi)曼（Richard Feynman）。
美國作家詹姆斯·格雷克（James Gleick）就在《費(fèi)曼傳》中這么形容這位偉大的物理學(xué)家：他相信“懷疑”的首要地位，它不是對我們認(rèn)識能力的缺陷，而是認(rèn)識的本質(zhì)。
第30屆聯(lián)合國氣候變化大會（COP30）正在巴西貝倫召開，應(yīng)對氣候變化議題再次首都全球關(guān)注。此次大會之前，“知識分子”與蒂姆·帕爾默進(jìn)行了一場對話，他回顧了開發(fā)集合預(yù)測系統(tǒng)的歷程，以及如何將概率本身作為一種決策的工具。
作為參與撰寫聯(lián)合國政府間氣候變化專門委員會（IPCC）前五次評估報(bào)告的作者，蒂姆·帕爾默對氣候變化有著深刻的科學(xué)洞見，他在書中回顧了氣候模型和氣候預(yù)估合集建立的歷史和爭論，并指出目前的模型網(wǎng)格精度不夠，且對云層反饋效應(yīng)的估算不足。
他呼吁，全球應(yīng)建立一個(gè)應(yīng)對氣候變化的“全球歐洲核子研究中心（CERN）”，以解決精確模擬氣候所面臨的諸多挑戰(zhàn)。而中國已經(jīng)建造了性能最好的一批超算，也許可以作為這個(gè)新的國際研究機(jī)構(gòu)的主辦方。
“但不確定性不應(yīng)該是不采取行動(dòng)的理由?！钡倌贰づ翣柲貞?yīng)氣候科學(xué)領(lǐng)域的爭議時(shí)表示：真正的問題是：即便模型存在不確定性，極端氣候變化的概率是否足夠高，值得我們采取行動(dòng)減少排放？
而他認(rèn)為，目前災(zāi)難性氣候變化的風(fēng)險(xiǎn)，已完全高到足以采取行動(dòng)。
以下為專訪實(shí)錄，文字經(jīng)過編輯：
01
《知識分子》：北京通常是非常干燥的，但今年卻經(jīng)歷了非常不尋常的多雨天氣。這有點(diǎn)像英國。
蒂姆·帕爾默：不不，在英國，今年我們有大約六個(gè)月沒下雨。事實(shí)上，非常干燥，異常干燥。和以往正好相反。
《知識分子》：這可能與氣候變化有關(guān)吧？今年夏天，中國北部的濕度和溫度總體上都有所上升。
蒂姆·帕爾默：我認(rèn)為幾乎所有地方都在變暖，但降水模式是更為復(fù)雜的。
《知識分子》：您是氣象學(xué)專家，復(fù)雜性確實(shí)是氣候系統(tǒng)的特點(diǎn)，您能結(jié)合您的工作談?wù)剢幔?/span>
蒂姆·帕爾默：我的研究領(lǐng)域最初是理論物理，博士課題是廣義相對論（編者注：蒂姆·帕爾默是史蒂芬·霍金同門師弟，博士導(dǎo)師均為丹尼斯·夏馬）。但后來我轉(zhuǎn)向了天氣和氣候研究，因?yàn)槲蚁Ｍ约旱墓ぷ髂芨坝杏谩币恍?/span>
我進(jìn)入這個(gè)領(lǐng)域時(shí)，天氣預(yù)報(bào)幾乎都是“確定性的（deterministic）”，比如“明天會下雨”、“明天是晴天”、“會有暴風(fēng)雨”或者“不會有暴風(fēng)雨”，預(yù)報(bào)總是以一種絕對肯定的語氣給出。
我當(dāng)時(shí)正好在研究混沌（Chaos）的數(shù)學(xué)模型。當(dāng)人們做預(yù)測時(shí)，需要設(shè)定一個(gè)“初始狀態(tài)”，然后讓模型在時(shí)間上向前推演。此時(shí)，如果在初始條件中引入微小的不確定性，就能看到這些不確定性在預(yù)測過程中是如何演化的。在許多情況下，這些微小擾動(dòng)不會放大，說明預(yù)測是可信的，但有時(shí)不確定性會迅速爆炸，導(dǎo)致原有預(yù)測的可信度下降。
在我科研生涯的早期階段，我和同事之間就這一點(diǎn)發(fā)生了爭論。我主張，為了提前判斷某次預(yù)報(bào)是否可靠，我們應(yīng)該不只運(yùn)行一個(gè)模型，而是運(yùn)行比如100個(gè)模型，每個(gè)初始條件都略有不同，然后觀察它們的結(jié)果如何演變。
問題是，運(yùn)行100次預(yù)報(bào)需要巨大的計(jì)算量，天氣預(yù)報(bào)必須快速生成才有用。如果明天的預(yù)報(bào)要花兩天算出來，那就沒意義了。因此一些同事認(rèn)為這是對計(jì)算資源的浪費(fèi)。但我堅(jiān)持，“不確定性”與“溫度、降水、風(fēng)速”等變量一樣重要，是另一種必須被預(yù)測的參數(shù)。
后來，1987年英國發(fā)生了一場著名的大風(fēng)暴，那次風(fēng)暴完全沒有被預(yù)報(bào)到。最后人們意識到，這實(shí)際上就是一個(gè)不確定性導(dǎo)致的案例。一個(gè)極小的差異就可能導(dǎo)致“有風(fēng)暴”或“沒有風(fēng)暴”兩種截然不同的結(jié)果。也正是這場事件，讓氣象界同意預(yù)報(bào)不確定性。
“懷疑的首要性”這句話，也成了我推廣“集合預(yù)測”（Ensemble Forecasting）時(shí)的口號，這種技術(shù)在改變不確定的初始條件和模型方程的情況下重復(fù)運(yùn)行模型。
如果一個(gè)可靠的集合系統(tǒng)離散范圍很小，我們可以信任它能夠做出相當(dāng)精確的預(yù)測。相反，當(dāng)離散范圍較大時(shí)，我們只能用概率進(jìn)行預(yù)測。
《知識分子》：現(xiàn)在的集合預(yù)測系統(tǒng)會給出多種可能的天氣情況，每一種都有對應(yīng)的概率。我們怎樣利用這些概率，來幫助我們做出更明智的決策？
蒂姆·帕爾默：我們關(guān)心天氣預(yù)報(bào)的原因，就是需要根據(jù)它來做決策。有時(shí)候，這種決策非常簡單，比如“今天要不要帶傘”。一些情況下，概率也并不是那么關(guān)鍵，你只需要看最有可能發(fā)生的情形即可。
但有些決策就復(fù)雜了，尤其涉及花錢。有這么一個(gè)故事，我有位朋友準(zhǔn)備辦一場戶外派對，需要提前十天決定是否要租帳篷。租帳篷要花不少錢，他想知道那天會不會下雨。我告訴他，十天后的降雨預(yù)報(bào)并不確定，我只能給出一個(gè)下雨的概率。
但他表示了不理解。于是我進(jìn)一步說明：如果英國女王出席，哪怕只有5%的下雨概率，也一定要租帳篷；如果是鎮(zhèn)長來，可能概率需要達(dá)到20%。這個(gè)故事中，最重要的嘉賓是他岳母。于是我們一起判斷，如果下雨概率超過40%，就租，否則就不租。我查了天氣預(yù)報(bào)，只有20%，他最后沒租，幸運(yùn)的是，那天確實(shí)沒下雨。
這個(gè)故事雖然輕松，但其實(shí)能推廣到應(yīng)對極端天氣這樣嚴(yán)肅的情景。一些機(jī)構(gòu)會在臺風(fēng)、颶風(fēng)等災(zāi)害來臨前，提前運(yùn)送藥品和食物。過去他們往往在災(zāi)害發(fā)生之后才行動(dòng)，但容易遇到道路阻斷、通訊中斷的情況，救援非常困難。
現(xiàn)在集合預(yù)測系統(tǒng)會幫助他們決策。由于資源有限，他們不可能每次都提前出動(dòng)，于是會設(shè)定一個(gè)觸發(fā)閾值，如果預(yù)報(bào)中災(zāi)害的概率超過這個(gè)閾值，比如80%，他們就提前行動(dòng)。
同樣的邏輯，也適用于我們每個(gè)人。比如你計(jì)劃去爬山，預(yù)報(bào)說有40%的下雨概率，要不要帶雨衣？帶著會更重，不帶可能被淋。天氣預(yù)報(bào)員不能替你決定，你得自己權(quán)衡哪種不便更能接受。
人們對于氣候變化存在諸多爭論，預(yù)測氣候變化存在很多不確定性，但我們?nèi)阅芄浪愠銎浒l(fā)生的概率。本質(zhì)上，是否應(yīng)該采取氣候行動(dòng)與是否應(yīng)該帶雨具是一樣的決策問題，但前者影響大得多。
02
《知識分子》：7月，美國能源部發(fā)布了一份“批判性述評”（critical view），認(rèn)為二氧化碳引發(fā)的氣候變暖在經(jīng)濟(jì)上造成的損害可能低于普遍認(rèn)知，一些激進(jìn)的減排策略或許存在方向偏差。您整體怎么看待這份報(bào)告？
蒂姆·帕爾默：這份報(bào)告由一些科學(xué)家撰寫，但他們在氣候問題上的立場與大多數(shù)氣候科學(xué)家不同，可以說是少數(shù)派。
這份報(bào)告主要強(qiáng)調(diào)了氣候模型中的一些不確定性。我承認(rèn)氣候模型確實(shí)并不完美，這一點(diǎn)毋庸置疑，但我們?nèi)钥梢詫夂虬l(fā)生災(zāi)難性變化的概率進(jìn)行估算。目前來看，存在一種相當(dāng)大的風(fēng)險(xiǎn)，即氣溫會升高到如此程度，以至于海平面上升數(shù)米、熱浪強(qiáng)度超過人體生理極限。
報(bào)告沒有觸及這些潛在的災(zāi)難性后果，只一味強(qiáng)調(diào)模型的不確定性，其中一些批評并不合理。比如他們聲稱“所有模型預(yù)測的溫度都比實(shí)際觀測值要高”，但這是因?yàn)樗麄兛吹哪切┠Ｐ?，假設(shè)了遠(yuǎn)高于過去幾年實(shí)際水平的二氧化碳排放量。
問題的關(guān)鍵是，即便模型存在不確定性，極端氣候變化的概率是否足夠高，值得我們采取行動(dòng)減少排放？
在某種意義上說，這并非一個(gè)科學(xué)問題，而是政治家們處理的問題?？茖W(xué)家的職責(zé)，是量化不同氣候風(fēng)險(xiǎn)的概率，包括那些極端的情形。遺憾的是，這份報(bào)告沒有做到這一點(diǎn)。它讓讀者誤以為“不確定性”意味著“無需行動(dòng)”，這就像一個(gè)商人因?yàn)橥顿Y存在風(fēng)險(xiǎn)就永遠(yuǎn)不去投資一樣。
在我看來，災(zāi)難性氣候變化的風(fēng)險(xiǎn)完全高到足以采取行動(dòng)。要知道，一顆大型小行星在未來幾百年撞擊地球的概率大約只有百萬分之一。而我們現(xiàn)在談的極端氣候變化，概率可能高達(dá)30%甚至40%。
《知識分子》：您在書中提到目前的氣候預(yù)測模型還無法非常準(zhǔn)確地評估氣候變化的臨界點(diǎn)（tipping points）。您認(rèn)為有沒有可能改進(jìn)我們的模型來實(shí)現(xiàn)這一預(yù)測？
蒂姆·帕爾默：所謂的“臨界點(diǎn)”，是一個(gè)非線性過程的實(shí)例。要改進(jìn)模型，唯一的辦法就是通過“分辨率（resolution）”來進(jìn)行。我們在計(jì)算機(jī)上用網(wǎng)格來表示大氣，把空間劃分成一個(gè)個(gè)小“盒子”，每個(gè)盒子內(nèi)部假設(shè)大氣是均勻的。信息從一個(gè)盒子傳遞到下一個(gè)盒子。
早期計(jì)算機(jī)運(yùn)算能力有限，網(wǎng)格很大，可能幾百公里一個(gè)盒子；隨著計(jì)算能力提升，網(wǎng)格越來越小，能更精確地模擬大氣和海洋中的動(dòng)力學(xué)過程。想要對臨界點(diǎn)有更高的信心，就必須把網(wǎng)格做得盡可能小，這需要使用世界上最強(qiáng)大的計(jì)算機(jī)。
氣候科學(xué)家在使用超級計(jì)算機(jī)時(shí)往往要與其他領(lǐng)域的科學(xué)家競爭資源。而氣候問題的重要性決定了，我們必須有專門的、高性能計(jì)算機(jī)資源。我提出的設(shè)想是，類似歐洲核子研究中心（CERN）的模式，世界各國可以聯(lián)合投資一臺超算。
如今的超級計(jì)算機(jī)運(yùn)算能力已經(jīng)達(dá)到每秒10的18次浮點(diǎn)運(yùn)算，中國就建造了性能最好的一批超算。所以中國也許可以作為氣候變化領(lǐng)域“CERN”的主辦方，全球各國可以來這里，在專用的超算上運(yùn)行高分辨率的模型。
《知識分子》：AI現(xiàn)在使用了很多計(jì)算資源，您認(rèn)為AI會幫助氣候預(yù)測嗎？
蒂姆·帕爾默：AI無法回答氣候的臨界點(diǎn)這類問題，因?yàn)锳I是使用過去的數(shù)據(jù)來訓(xùn)練的。
雖然氣候臨界點(diǎn)可能在幾百萬年前發(fā)生過，但在我們擁有數(shù)據(jù)訓(xùn)練AI模型的這個(gè)時(shí)期，它們并沒有發(fā)生過。也因此，AI模型從未見過，比如海洋環(huán)流中的某個(gè)臨界點(diǎn)。
我們正在進(jìn)入一個(gè)以前的歷史數(shù)據(jù)中沒有出現(xiàn)過的世界，這正是AI模型可能失敗的地方。這也是為什么我們需要繼續(xù)基于物理法則來發(fā)展模型。AI當(dāng)然會有所幫助，但不可能取代物理模型。
知識分子：能具體說明嗎？
蒂姆·帕爾默：物理基礎(chǔ)的模型幫助我們理解系統(tǒng)，理解在科學(xué)中是非常重要的。
格陵蘭島是一片巨大的土地，多數(shù)區(qū)域被冰雪覆蓋，它不僅在天氣系統(tǒng)中起重要作用，還影響海洋環(huán)流。但如果格陵蘭島不存在，歐洲的天氣會是什么樣？通過物理模型回答這個(gè)問題相對容易，因?yàn)榭梢栽谀Ｐ椭幸瞥窳晏m島，換成海洋，然后重新運(yùn)行模型。這就相當(dāng)于做了一個(gè)實(shí)驗(yàn)，幫助人們理解格陵蘭島在現(xiàn)實(shí)世界中的角色。
同樣的，如果把中國藏區(qū)的山脈去掉，替換成平坦的土地，北京的天氣會怎么樣呢？我們可以通過物理模型把喜馬拉雅山脈或者整個(gè)青藏高原去掉，進(jìn)行這個(gè)實(shí)驗(yàn)。
但是AI模型的訓(xùn)練數(shù)據(jù)一定是來自一個(gè)有格陵蘭島或青藏高原的世界，它們不可能在可靠的方式下推測沒有這些地區(qū)存在時(shí)，歐洲或中國天氣的狀況。
AI歸根結(jié)底只是一種巧妙的統(tǒng)計(jì)分析。假設(shè)有一個(gè)函數(shù)，在一定距離內(nèi)以直線形式表現(xiàn)，如果想知道函數(shù)在另一個(gè)地方的值，AI所能做的就是假設(shè)從這里到那里也是一條直線。然而，實(shí)際上它可能完全不是這樣，會有不同種可能。這就是為什么AI模型有局限性，它很難像物理基礎(chǔ)模型那樣，深入理解系統(tǒng)的細(xì)節(jié)。
當(dāng)然，我會說AI模型在短期天氣預(yù)測方面表現(xiàn)相當(dāng)出色。AI也可以和物理模型相結(jié)合，比如集合預(yù)測。氣象中心一開始每天進(jìn)行50次預(yù)報(bào)，但有時(shí)人們會要求提供500次預(yù)報(bào)的結(jié)果，在沒有那么多計(jì)算時(shí)間時(shí)，可以利用AI來生成一些模擬的結(jié)果。
《知識分子》：您參與過聯(lián)合國政府間專門委員會（IPCC）報(bào)告的編寫過程，第30屆聯(lián)合國氣候大會（COP30）即將召開，您對IPCC下一份評估報(bào)告以及COP30有什么期待嗎？
蒂姆·帕爾默：我曾參與早期IPCC報(bào)告的編寫，現(xiàn)在參與得較少了。對我而言，IPCC應(yīng)當(dāng)是一個(gè)科學(xué)評估報(bào)告，而不是政治聲明。它只是對過去約5年的氣候變化科學(xué)文獻(xiàn)進(jìn)行的總結(jié)。IPCC堅(jiān)持這一基本使命是非常重要的，但現(xiàn)在始終存在著將其政治化的風(fēng)險(xiǎn)。
至于COP，我不是以氣候科學(xué)家的身份看待這個(gè)問題，而是作為一個(gè)普通人、作為地球上的一員來看?；剂显谖覀兩钪邪缪葜匾巧Ｖ故褂盟鼈兎浅＠щy，所以我希望我們能夠采納所有能幫助我們實(shí)現(xiàn)凈零排放的技術(shù)。
有時(shí)人們在爭論是否應(yīng)該使用可再生能源、核能、碳捕捉與碳封存。我個(gè)人的觀點(diǎn)是，我們應(yīng)該盡量開發(fā)盡可能多的這些技術(shù)，而不是專注于其中一種。
我一直在關(guān)注中國在替代核能方面的進(jìn)展，例如在戈壁沙漠中建立的釷基熔鹽實(shí)驗(yàn)堆，使用釷而不是鈾來運(yùn)行，通過熔鹽來冷卻。這非常有趣，因?yàn)樗赡荛_辟一片新的核能領(lǐng)域，能夠真正改變世界，推動(dòng)低碳能源的使用。
03
《知識分子》：除了天氣，其它系統(tǒng)也存在著各種不確定性。為什么有些事物總體上是可預(yù)測的，但又會突然變得不可預(yù)測？這背后的原理是什么？
蒂姆·帕爾默：我認(rèn)為“混沌理論（Chaos Theory）”的偉大之處在于，它并非基于隨機(jī)性。相反，它背后有著清晰的數(shù)學(xué)方程，這最早由美國氣象學(xué)家愛德華·洛倫茲（Edward Lorenz）提出。
洛倫茲發(fā)現(xiàn)，當(dāng)系統(tǒng)在演化過程中，大多數(shù)情況下它們在很長一段時(shí)間內(nèi)都是可以預(yù)測的，但從數(shù)學(xué)角度來看，存在一部分“分形”結(jié)構(gòu)，呈現(xiàn)不穩(wěn)定的狀態(tài)，即微小的不確定性會被迅速擴(kuò)大。
如果艾薩克·牛頓看到洛倫茲方程，他大概能讀懂它們的形式，因?yàn)檫@些方程確實(shí)是通過他創(chuàng)立的微積分來呈現(xiàn)的。但對于這些方程所衍生的幾何形式，牛頓可能就完全陌生了。
舉個(gè)例子，圓是古希臘數(shù)學(xué)家歐幾里得（Euclid）熟識的幾何形狀，牛頓是“歐幾里得幾何”專家。在三維空間里，圓可以被推廣為球體，當(dāng)放大觀察時(shí)，它的表面光滑而單調(diào)，就像我們并不能確切地感受到地球是球體，因?yàn)槲覀冎豢吹搅藰O其小的一部分。
然而洛倫茲發(fā)現(xiàn)的“分形幾何（Fractal Geometry）”則完全不同，它的結(jié)構(gòu)會不斷重復(fù)，無論你放大多少倍，結(jié)構(gòu)始終存在、永不消失。有趣的是，分形幾何與20世紀(jì)一些最重要的數(shù)學(xué)成果密切相關(guān)，例如安德魯·懷爾斯（Andrew Wiles）在1990年代證明“費(fèi)馬大定理”時(shí)使用的數(shù)學(xué)工具。
天氣大部分時(shí)間可預(yù)測，但有時(shí)也會出現(xiàn)極端風(fēng)暴，這就源自系統(tǒng)內(nèi)部的分形幾何結(jié)構(gòu)。不只是天氣，經(jīng)濟(jì)系統(tǒng)通常是穩(wěn)定的，但也會出現(xiàn)全球性金融危機(jī)，平穩(wěn)的健康系統(tǒng)可能也會爆發(fā)疫情。
雖然這點(diǎn)存在爭議，但我個(gè)人認(rèn)為，如果將整個(gè)宇宙視為一個(gè)在分形幾何上演化的混沌系統(tǒng)，那么量子力學(xué)中涉及基本粒子的一些極其復(fù)雜的概念性問題，或許是可以被理解的。
《知識分子》：您在書中提到，集合預(yù)測也能用于經(jīng)濟(jì)學(xué)領(lǐng)域。能具體談?wù)剢幔?/span>
蒂姆·帕爾默：我并不是經(jīng)濟(jì)學(xué)專家，這并非我的研究領(lǐng)域。但我十分好奇，在重大金融危機(jī)爆發(fā)前，整個(gè)系統(tǒng)是否會變得更不可預(yù)測？
我給一些經(jīng)濟(jì)學(xué)界的學(xué)者發(fā)送了郵件，但他們大多表示，傳統(tǒng)的經(jīng)濟(jì)模型無法回答這個(gè)問題。因?yàn)檫@些模型不夠復(fù)雜，也沒有合適的計(jì)算方式來處理。
最終，我和牛津大學(xué)的同事胡安·薩布科（Juan Sabuco）討論，他向我介紹了一種新的經(jīng)濟(jì)建模方法，基于主體的模型（Agent-based Model）。這種模型會模擬個(gè)體行為，比如每一家企業(yè)、每一家銀行的決策過程，有點(diǎn)像氣象模型中模擬每個(gè)獨(dú)立的天氣系統(tǒng)。
之后，我又聯(lián)系到他的一位合作者，對方正在運(yùn)行這類模型的集合模擬，包括一個(gè)針對歐元區(qū)經(jīng)濟(jì)的模型。他開始研究金融危機(jī)前可預(yù)測性的變化。我在書中引用了他的部分研究成果，結(jié)果驗(yàn)證了我的猜想：金融危機(jī)往往發(fā)生在系統(tǒng)極不穩(wěn)定、可預(yù)測性極差的時(shí)期。集合預(yù)測顯示，在這種時(shí)期，對GDP、通脹等指標(biāo)的預(yù)測不確定性明顯擴(kuò)大。
經(jīng)濟(jì)學(xué)領(lǐng)域也許可以采用這種基于主體的模擬方法，擺脫傳統(tǒng)的建?？蚣堋Ｒ?yàn)楹笳邿o法處理混沌系統(tǒng)的復(fù)雜性。
《知識分子》：“噪聲”（noise）在模型中起到什么作用？
蒂姆·帕爾默：其實(shí)洛倫茲最早的模型非常簡單，只有三條方程，卻能產(chǎn)生極其復(fù)雜的結(jié)果?，F(xiàn)實(shí)世界的系統(tǒng)，比如天氣或經(jīng)濟(jì)，要復(fù)雜得多。我們現(xiàn)在的計(jì)算機(jī)無法同時(shí)模擬上億的云朵或者經(jīng)濟(jì)單元。
所以問題就是，怎么處理那些無法在模型中直接表示的過程？答案就是噪聲。無論是氣候還是經(jīng)濟(jì)，把噪聲引入模型，是一種簡化但有效的方式，用來體現(xiàn)那些太復(fù)雜、無法顯示計(jì)算的過程。
噪聲在很多人看來是需要被消除的部分，但在非線性系統(tǒng)中，噪聲反而可能有積極作用。比如人腦就是一個(gè)帶噪聲的系統(tǒng)。我們每時(shí)每刻都在從眼睛和耳朵中接收信息，但大腦運(yùn)作的功率只有20瓦，而一臺超級計(jì)算機(jī)有2000萬瓦。計(jì)算機(jī)耗能如此巨大，部分原因是它被設(shè)計(jì)得完全確定。比如2+2永遠(yuǎn)等于4，不可能是3.9或4.1。為了保證這種精確，芯片要花費(fèi)大量能量。
假設(shè)恒定的能量預(yù)算下，你可以做100次完全精確的計(jì)算，或者1000次略帶誤差的計(jì)算，哪種更好？對于轉(zhuǎn)賬操作，當(dāng)然要精確；但對天氣或經(jīng)濟(jì)預(yù)測，有一定“噪聲”的計(jì)算反而更有效。
人腦似乎也遵循類似邏輯。當(dāng)我們面臨重要決策，比如過馬路時(shí)，大腦會集中能量，進(jìn)行高精度、確定性的思考；但在多數(shù)情況下，我們依賴低能耗、自動(dòng)化、帶噪聲的思維過程。
心理學(xué)家丹尼爾·卡尼曼在《思考，快與慢》中，就區(qū)分了這兩種思維模式。我認(rèn)為，大腦存在的噪音，有時(shí)可能會將我們帶入從未體驗(yàn)過的認(rèn)知思維領(lǐng)域，產(chǎn)生頓悟和創(chuàng)造力。
參考文獻(xiàn)：
[1] https://www.energy.gov/articles/department-energy-issues-report-evaluating-impact-greenhouse-gasses-us-climate-invite
