我們生活在一個(gè)充滿模型的..。氣象學(xué)家用電腦上的數(shù)據(jù)模型預(yù)測(cè)明天的天氣,建筑師用縮小的沙盤(pán)展示未來(lái)的城市,就連你腦海中想象朋友聽(tīng)到某句話后會(huì)露出怎樣的表情——那也是一個(gè)心理模型。模型,這個(gè)看似抽象的詞匯,實(shí)際上是我們理解復(fù)雜..、做出決策、創(chuàng)造未來(lái)的核心工具。

簡(jiǎn)單來(lái)說(shuō),模型是對(duì)現(xiàn)實(shí)的簡(jiǎn)化和抽象。它抓住了事物的關(guān)鍵特征,剔除了次要細(xì)節(jié),讓我們能夠在可控的范圍內(nèi)理解、分析甚至預(yù)測(cè)真實(shí)系統(tǒng)的行為。
我們常見(jiàn)的模型大致可以分為幾類:
物理模型:縮小或放大的實(shí)物。比如地球儀、建筑沙盤(pán)、汽車(chē)風(fēng)洞測(cè)試用的比例模型。它們的優(yōu)勢(shì)在于直觀、可觸摸。
概念模型:存在于思維中的框架。比如,經(jīng)濟(jì)學(xué)中的“供需關(guān)系曲線”、生物學(xué)中的“食物鏈”、你腦海中的“公司組織結(jié)構(gòu)圖”。它們幫助我們組織信息,理清關(guān)系。
數(shù)學(xué)模型:用符號(hào)和公式來(lái)描述系統(tǒng)。..典型的就是物理學(xué)公式 F=ma(力等于質(zhì)量乘以加速度),或者用于預(yù)測(cè)疫情傳播的 SIR 模型(易感-感染-康復(fù)模型)。它們..、可量化,是科學(xué)研究的基石。
計(jì)算模型:在計(jì)算機(jī)上運(yùn)行的模型,通常是數(shù)學(xué)模型的數(shù)字化和動(dòng)態(tài)化。比如用于天氣預(yù)報(bào)的數(shù)值模型、用于人臉識(shí)別的深度學(xué)習(xí)模型。它們能處理海量數(shù)據(jù),模擬極其復(fù)雜的動(dòng)態(tài)過(guò)程。
模型之所以無(wú)處不在,是因?yàn)樗鉀Q了人類認(rèn)知的一個(gè)根本矛盾:..極其復(fù)雜,而我們的認(rèn)知能力有限。
管理復(fù)雜性:我們無(wú)法同時(shí)處理一個(gè)經(jīng)濟(jì)體的全部數(shù)十億個(gè)交易數(shù)據(jù)。但我們可以通過(guò)一個(gè)包含GDP、通脹率、失業(yè)率等關(guān)鍵指標(biāo)的宏觀經(jīng)濟(jì)模型來(lái)理解它。模型是復(fù)雜性管理工具,它把一萬(wàn)件事簡(jiǎn)化成一百件關(guān)鍵的事。
允許“安全失敗”:這是模型..寶貴的價(jià)值之一。飛行員在模擬艙里練習(xí)引擎故障處理,失敗了可以重來(lái);工程師用有限元分析模型測(cè)試橋梁的承重,橋梁不會(huì)真的垮塌;藥企用計(jì)算機(jī)模型篩選候選藥物分子,省去了大量盲目實(shí)驗(yàn)。模型提供了一個(gè)零成本、零風(fēng)險(xiǎn)的試驗(yàn)場(chǎng)。
預(yù)見(jiàn)未來(lái),支持決策:天氣模型幫助我們決定明天是否要戶外活動(dòng);交通流量模型幫助城市規(guī)劃者決定在哪條路修建更多車(chē)道;企業(yè)財(cái)務(wù)模型幫助CEO決定是否啟動(dòng)一個(gè)新項(xiàng)目。模型的本質(zhì)是“what-if”工具(“如果……會(huì)怎樣”的工具):如果提高價(jià)格,銷量會(huì)下降多少?如果失去一個(gè)關(guān)鍵供應(yīng)商,需要多久恢復(fù)?
溝通與協(xié)作:一張工程藍(lán)圖(一種模型)能讓建筑師、結(jié)構(gòu)工程師、水電工、預(yù)算員看懂同一座房子。UML(統(tǒng)一建模語(yǔ)言)圖能讓軟件需求方、設(shè)計(jì)師和程序員..溝通。模型是通用的認(rèn)知語(yǔ)言。
在人工智能時(shí)代,機(jī)器學(xué)習(xí)模型(尤其是深度學(xué)習(xí)模型)成為了..耀眼的明星。它們與傳統(tǒng)的物理或數(shù)學(xué)模型有本質(zhì)不同:
傳統(tǒng)模型:通常是“白盒”。我們知道方程F=ma里的每個(gè)符號(hào)代表什么,知道為什么力變大加速度就會(huì)變大。規(guī)則是人定的。
機(jī)器學(xué)習(xí)模型:很大程度上是“黑盒”。我們給模型海量數(shù)據(jù)(比如數(shù)十萬(wàn)張貓和狗的圖片),模型自己學(xué)習(xí)出區(qū)分它們的特征和規(guī)則。我們知道它預(yù)測(cè)得很準(zhǔn)(比如99%的準(zhǔn)確率),但常常不知道它的內(nèi)部依據(jù)是什么——它到底是通過(guò)耳朵、眼睛還是毛發(fā)的紋理來(lái)判斷的?這種不確定性既是其強(qiáng)大的來(lái)源,也是挑戰(zhàn)。
機(jī)器學(xué)習(xí)的核心就是找到一個(gè)能夠很好地從輸入映射到輸出的模型。這個(gè)“學(xué)習(xí)”過(guò)程,本質(zhì)上是模型在不斷調(diào)整內(nèi)部數(shù)以百萬(wàn)計(jì)的參數(shù),直到它在訓(xùn)練數(shù)據(jù)上表現(xiàn)良好,并且能夠“泛化”到從未見(jiàn)過(guò)的新數(shù)據(jù)上。
模型是強(qiáng)大的工具,但絕非現(xiàn)實(shí)本身。喬治·博克斯(英國(guó)統(tǒng)計(jì)學(xué)家)有句名言:“所有模型都是錯(cuò)的,但有些是有用的。” 我們需要時(shí)刻警惕模型的局限性:
簡(jiǎn)化的代價(jià):為了簡(jiǎn)化,模型必然忽略一些細(xì)節(jié)。在大多數(shù)情況下這沒(méi)問(wèn)題,但偶爾,被忽略的那個(gè)細(xì)節(jié)恰恰是決定性的。2008年金融危機(jī),正是復(fù)雜的金融風(fēng)險(xiǎn)模型忽略了房地產(chǎn)價(jià)格..性下跌這一“尾部風(fēng)險(xiǎn)”。
“垃圾進(jìn),垃圾出”:模型的質(zhì)量上限取決于輸入數(shù)據(jù)的質(zhì)量和假設(shè)的合理性。一個(gè)有偏見(jiàn)的歷史招聘數(shù)據(jù)訓(xùn)練出來(lái)的人崗匹配模型,會(huì)延續(xù)甚至放大這種偏見(jiàn)。
誤把地圖當(dāng)領(lǐng)土:這是..危險(xiǎn)的錯(cuò)誤。模型是地圖,現(xiàn)實(shí)是領(lǐng)土。地圖永遠(yuǎn)不等于領(lǐng)土。當(dāng)人們過(guò)度依賴模型,將模型的輸出完全等同于真實(shí)..的結(jié)果,就會(huì)做出荒謬的決策。
從原始人在骨頭上刻道計(jì)數(shù)(一個(gè)非常早期的數(shù)量模型),到如今模擬..演化的超級(jí)計(jì)算機(jī)模型,模型能力的發(fā)展,就是人類認(rèn)知邊界的擴(kuò)張。理解模型、善用模型,并永遠(yuǎn)對(duì)其保持清醒的懷疑和審慎,是在這個(gè)復(fù)雜..中保持智慧的鑰匙。
下次當(dāng)你打開(kāi)天氣App,或根據(jù)導(dǎo)航規(guī)劃路線時(shí),不妨想一下:我正站在一個(gè)模型的肩膀上。而如何更好地使用它,并記住它終究只是一個(gè)模型,正是我們每個(gè)人需要持續(xù)學(xué)習(xí)的功課。