八、为什么错觉反而能帮助我们理解正常知觉？

视觉错觉经常被当成“大脑被骗了”的趣味游戏。但它真正有价值的地方恰恰不是证明大脑很差。现实世界中的光线一直变化，物体会被遮挡，距离会改变图像大小，阴影会改变亮度。如果大脑只是机械记录每个局部颜色和亮度，它反而很难迅速判断眼前是什么。所以，大脑会根据通常环境中的规律进行自动补偿。绝大多数时候，这些规则让我们看得更准确。

错觉则故意制造一种不符合普通环境规律的图像，使这套平时有效的规则产生错误结果。于是，一个错误反而暴露了大脑平时在偷偷做什么。研究错觉有点像故意把一台机器推到特殊条件下，看它在哪些地方开始失常。失常方式本身会告诉我们它正常时采用了什么规则。

九、为什么我们会漏掉眼前非常明显的东西？

人的感觉系统每时每刻接收到的信息远远超过能够仔细处理的数量。衣服正在接触皮肤，周围有大量声音，视野中同时存在无数颜色、边缘和运动。大脑必须不断决定：哪些值得优先处理？这就是注意。注意力集中到一个目标以后，对这个目标的处理会明显增强，代价是其他信息更容易被忽略。一些经典实验让人专心统计画面中某类动作次数。任务进行时，即使一个非常醒目的角色直接走过画面中央，也可能有不少人完全没有注意到。

眼睛并不是没有收到光。真正发生的是，大脑当时没有把足够处理资源分给它。这说明“我没有看到”与“那里没有发生”不是完全同一句话。我们的意识体验看起来像完整世界，实际上大脑一直在做极强的信息筛选。

十、记忆是不是存放在脑中的录像？

我们也很容易把记忆想成录像。一件事情发生以后，大脑把它完整保存，以后需要时，再把原始记录调出来播放。真实记忆不是这样。首先，不同类型的记忆本来就由不同系统参与。暂时记住一个电话号码，回忆童年某一天，知道一个历史事实，学会骑自行车，这些都叫记忆，却并不完全依赖同一种神经机制。有些脑损伤患者无法形成新的个人事件记忆，却仍然能够慢慢学会新的动作技能。这说明脑里并不存在一个统一的“记忆硬盘”。

其次，回忆不是简单读取。我们会保存一部分细节、关系和意义，以后再利用这些碎片和当前已有知识重新构造过去。这通常非常高效。人没有必要永久保存一天中每一秒的完整影像和声音。但它也带来代价。后来得到的信息可能改变记忆，相似事件可能被混在一起，人还可能在非常确信的情况下记错一些细节。所以“我记得非常清楚”并不等于“这件事一定完全如此发生”。

十一、大脑为什么会选择这种“不完美”的记忆方式？

如果目标只是把过去原封不动保存下来，一块巨大硬盘可能比人脑更可靠。但动物需要记忆，通常不是为了收藏过去。过去之所以有用，是因为它可以帮助处理未来。昨天在哪里找到食物？哪种声音意味着危险？这个人以前是否可信？某种行动通常会带来什么结果？从这个角度看，记忆真正重要的并不是保存每个像素，而是提取以后还能使用的关系。

所以大脑会压缩，会概括，会把不同事件中的共同规律提取出来。这样的系统特别适合学习，却不适合作为绝对忠实的录像设备。记忆的一些“错误”，其实和它为什么有用来自同一个机制。

十二、情绪为什么不是理性的敌人？

人们经常把理性和情绪想成两个互相争夺控制权的系统。理性负责正确计算，情绪负责捣乱。情绪当然会让判断出现偏差。极度恐惧时，人会高估危险；愤怒时，也可能作出平静以后后悔的决定。但如果完全没有情绪，决策也不会自动变得完美。因为任何决定都需要评价结果。危险还是安全？值得接近还是应该离开？现在得到一个小奖励，和以后得到更大奖励，哪个更重要？为了某个目标值得付出多少时间和风险？

这些问题没有“纯计算”答案。它们必须和需要、目标、身体状态以及价值评价联系起来。一些特定脑区受损的人，可以保持语言、数学和逻辑推理能力，却在日常生活决策上变得非常困难。他们可以没完没了地比较两个几乎无关紧要的选择，却很难真正作决定。情绪因此不是理性之外的一团噪声。它本来就是大脑判断“什么重要”的一部分。

十三、为什么大脑喜欢使用捷径？

现实环境信息太多，时间和能量却有限。如果每次决定都从头计算所有可能结果，我们几乎无法行动。因此，大脑会大量使用经验规则。看到熟悉动物，迅速判断危险程度；听见一句话，不必逐个搜索每个词所有可能含义；遇到类似过去的问题，先尝试以前有效的方法。这些快速方法通常非常有用。但它们也会在某些环境中产生系统性错误。

一件事特别容易想起来，并不意味着它特别常见。连续看到几起事故新闻，可能让人突然觉得这种事故越来越危险，即使真实发生率并没有明显变化。一个人非常符合我们对某类人的印象，也不能自动说明他属于这一类的概率很高。还要考虑这一类人在总体中原本有多少。所以人的直觉并不是“愚蠢”。它只是主要为快速处理现实环境而形成，并不是天然为现代统计学问题设计的。这一点会在下一节谈概率和因果时继续出现。

十四、一个决定是在什么时候“产生”的？

我们主观上会感觉：先有“我想做这件事”的念头，然后身体执行。神经科学却发现，事情没有这么整齐。一个动作形成以前，大脑中往往已经存在许多变化。身体状态、眼前信息、过去习惯、当前目标和预期结果，都可能在我们清楚意识到“我要做了”以前参与决策。一些实验甚至可以在被试自己报告“我现在决定按按钮”之前，根据脑活动对随后动作作出高于随机水平的预测。

这类实验非常容易被夸大。它们并没有直接证明任何宏大的哲学结论。实验通常要求人随意选择什么时候动手，或者按左右哪个按钮。这种没有重要后果的瞬时选择，与一个人经过几个月思考以后决定职业、婚姻或者承担某种责任，并不是完全相同的问题。这些实验真正比较可靠地说明的是：我们意识到自己作决定的那个瞬间，并不一定是整个神经决策过程真正开始的瞬间。心智活动中有很多过程在意识之外进行。

十五、人的心智是不是大脑活动的结果？

这是一个很容易同时滑进科学和哲学的问题。从实验科学能够直接看到的部分来说，证据非常强。麻醉可以改变意识状态。睡眠会改变意识。药物可以系统地改变感觉、情绪和思维。特定脑区损伤可以让一个人失去形成新记忆的能力，无法识别人脸，不能理解语言，或者忽略半边空间。电刺激某些脑区，也可以改变感觉、运动和主观体验。

当维持正常脑活动的生理条件被破坏以后，意识也随之消失。所以至少对人类来说，我们有非常充分的理由认为：已知的心智活动高度依赖大脑和身体的物质活动。但如果继续问：“这是否已经证明意识在哲学上只能被定义为某种物质状态？”“主观体验和物理世界在最根本意义上是什么关系？”这些问题就没有那么容易靠一次实验结束。

科学可以越来越详细地告诉我们：改变哪种神经活动，会改变哪种心智现象。至于这种依赖关系最终应该怎样转化成对“意识究竟是什么”的本体论描述，就进入了科学与哲学交界的区域。

十六、为什么意识比视觉和记忆更难？

视觉研究可以问：看到一张脸时哪些神经元活动变化？记忆研究可以问：某段脑结构受损以后，哪些信息还能保留？这些问题虽然困难，但实验对象比较清楚。意识多了一层特别奇怪的现象。红光进入眼睛以后，不只是触发神经信号。对一个清醒的人来说，红色还具有一种主观感觉。疼痛也不只是神经活动。它真的“疼”。人不仅处理信息，还会经历信息。为什么某些物理过程会伴随主观体验？这是意识研究最难的核心问题之一。

十七、科学已经找到“意识中心”了吗？

没有。清醒、睡眠、麻醉、昏迷和严重脑损伤状态下，大脑活动确实会出现明显差异。研究人员也可以寻找哪些神经活动与意识水平、意识内容和意识恢复密切相关。这些研究已经取得很多进展。但是，没有一个脑区可以简单地被称为“意识所在的位置”。今天存在多种意识理论。有些强调信息能否在大脑不同区域之间广泛共享，有些强调系统内部的信息整合，还有一些强调大脑是否形成了对自身状态的更高层表示，或者意识与预测处理之间的关系。

它们分别能够解释一些实验结果，也都面临未解决问题。目前还没有哪一种理论达到像板块构造或者DNA遗传机制那样的统一程度。所以两种极端说法都不合适。说“意识完全不可研究”，已经不对；说“神经科学已经解释了为什么会有主观体验”，也还太早。

十八、为什么脑损伤能把“一个完整的人”拆开来看？

正常状态下，我们很容易感觉自己拥有一个统一的心智：我在看，我在记，我在说话，我在决定。但某些局部脑损伤会让这些功能以非常奇怪的方式分开。有些患者眼睛和基本视觉都正常，却认不出熟悉的人脸；有些人能够流利讲话，却无法理解别人说的内容；另一些人会忽略空间的一侧，吃饭时只吃盘子左边或右边的食物，却并不觉得世界缺了一半；还有患者能形成某些动作技能，却完全不记得自己曾经练习过。

这些现象说明，我们平时感觉统一的“我”，实际上依赖许多不同神经过程共同工作。这并不意味着大脑是许多彼此独立的小盒子。不同功能之间存在大量重叠和联系。但它至少排除了一个很自然却错误的直觉：脑中并没有一个站在中央、观看所有信息的小人。

十九、人类智能为什么不能只看脑有多大？

人脑并不是动物中最大的脑。鲸和大象的大脑都可以比人脑更重。如果换成“大脑占身体比例”，也不能得到一个简单排行，一些小动物同样有很高比例。所以，人类智能不能用“脑容量最大”这种单一指标解释。神经元数量和分布、连接方式、发育时间、身体结构、社会行为和生活环境都可能重要。尤其关键的是，人类大脑并不是先独立演化成一颗超级大脑，然后才开始创造文化。人的大脑本身就是在高度社会化环境中发育的。

婴儿需要极长时间照料。儿童多年学习语言、动作、规则和别人已经发现的知识。一个现代人的脑，在基本生物结构上没有比几万年前的人突然提升几个数量级，但他能够调用的知识却完全不同。所以理解人类智能，不能只研究一个孤立大脑。

二十、人类真正强大的地方，也许是知识可以累积

很多动物都会学习。乌鸦会使用工具，灵长类会模仿同伴，鲸和鸟类可以拥有稳定的社会学习传统。所以“会学习”“会社交”“会使用工具”都不是人类独有的简单分界线。人类非常突出的地方，是这些能力组合以后产生了强大的累积文化。一个人找到的方法，可以教给其他人。下一代不需要重新从零开始，他们可以先学会前人已经积累的东西，再继续增加新的部分。火的控制、农业、文字、数学、印刷术、科学实验和现代工业，都是这样一层层堆出来的。人类智能因此不只是单个大脑里的能力。它还存在于人与人之间。

二十一、书、地图和手机是不是一种外部记忆？

假如一个人记不住朋友的电话号码，却知道手机里可以立刻找到，他究竟算不算“知道”这个号码？传统意义上，他当然没有把号码存在脑里。但如果问题只是能不能完成“联系这个朋友”的任务，手机已经成为整套认知系统的一部分。文字出现以后，人第一次可以把大量信息稳定存放在个体生命之外。书籍使一个人能够读取几百年前另一个人的思想，地图把复杂空间关系放到纸上，数学符号让人能够完成仅靠短期记忆很难完成的推理，搜索引擎和数据库又把这种能力扩大了许多数量级。

人类特别擅长把一部分认知任务放到外部世界中。我们不必把全部知识记住，还可以记住知识在哪里，怎样找到，怎样核对，怎样组合不同工具解决问题。从这个角度看，文明本身就是一种巨大的外部记忆系统。

二十二、机器什么时候开始不再只是“算得快”？

计算机从很早开始就能够做一些人脑很难完成的事情。普通计算器可以瞬间完成大量算术，国际象棋程序后来也击败最强人类棋手。但这些系统能力通常非常狭窄。会下棋的程序不会因此理解照片，也不会自然聊天。进入二十一世纪以后，机器学习逐渐改变了这种局面。程序不再完全依赖人把每一条规则逐项写进去，系统可以从大量数据中调整内部参数，学习识别图像、处理语言、预测结果和控制设备。

大型神经网络进一步把过去分散的许多能力放进同一套系统。它可以阅读自然语言，处理图片，编写程序，总结材料，根据上下文完成以前没有逐条预设规则的新任务。这使机器第一次大规模进入过去通常被称为“认知”的领域。

二十三、会做一件事，等于“理解”这件事吗？

这个问题很容易陷入词语争论。如果一个系统能读完一段说明，回答新问题，解释一张图片，发现程序错误，并把知识迁移到以前没见过的任务，我们很难再把它简单描述成“只会背答案”。但表现相似，也不意味着内部过程相同。飞机会飞，却不靠拍翅膀；计算器会做长除法，却不需要像儿童一样在脑中列竖式。所以，更有用的办法不是先争“它到底理解不理解”，而是把问题拆开。

它能不能把学过的知识迁移到明显不同的新环境？缺少关键信息时，能不能意识到自己不知道？长期任务中，能不能保持目标和一致性？能不能根据行动结果继续更新自己的世界模型？面对训练材料里很少出现的情况，能力怎样下降？错误是随机的，还是有稳定模式？这些问题可以实验。而一个始终没有可检验含义的“真正理解”，很容易变成每个人在使用同一个词，却偷偷采用不同标准。

二十四、AI为什么让“智能”这个词开始变得不够用了？

过去研究智能，我们主要面对生物，尤其是人类。在人身上，许多能力总是绑在一起出现。一个会写文章的人通常也会走路、看东西、记得自己的经历、知道饿和疼是什么，还拥有多年连续的生活史。人工系统却可以把这些能力拆开。一个模型语言能力很强，却没有人的身体；一个机器人运动控制很好，却可能不会复杂语言；一个系统可以在某类数学、编程或知识任务上超过绝大多数人，却在普通儿童觉得自然的现实问题上犯奇怪错误。

这说明，我们过去用一个“智能”概念包起来的东西，可能本来就是许多不同能力的组合。语言、记忆、规划、空间理解、运动控制、社会判断、长期学习、自我监控，以及主观体验，这些东西在人类身上高度耦合，所以很容易被当成同一种能力。AI第一次让我们有机会看到：它们未必必须按照人类这一种方式组合在一起。

二十五、AI有没有意识？

到2026年，没有得到广泛接受的科学证据能够证明现有人工智能系统具有类似人类的主观体验。但问题也没有简单到“机器说自己有感觉，所以它就有”，或者“它是硅做的，所以一定没有”。对其他人，我们相信他们有意识，不只是因为他们会说话。他们和我们拥有高度相似的脑、身体和发育过程，麻醉、睡眠、脑损伤和药物也会以系统方式影响他们的意识。

对许多动物，我们也可以结合神经结构、学习、疼痛行为等证据进行判断。人工系统没有这些相同背景。一个语言模型说“我感到痛苦”，首先只能说明它能够生成这样一句符合上下文的话。这句话本身不能证明它真的拥有痛苦体验。另一方面，因为意识本身的科学理论尚未完成，我们目前也没有一台可以接到任何系统上，直接显示“意识存在/不存在”的仪器。

所以这里最准确的状态不是确定结论，而是证据不足。我们已经能越来越精确地比较机器和人的各种能力，但怎样从能力、内部结构和行为推到主观体验，目前还没有成熟共识。

二十六、为什么研究机器，反而能帮助我们重新认识自己？

AI的价值并不只在于它能替人完成什么任务。它还提供了一个以前不存在的比较对象。以前我们很容易认为：会语言，就应该有人的世界经验；会推理，就应该拥有人的记忆方式；表现出复杂行为，就应该存在一个类似人的统一心智。机器把这些组合拆开以后，我们不得不重新问：人类语言能力到底依赖什么？身体对智能有多重要？长期生活史对自我意味着什么？情绪和价值系统是否是通用智能所必需？主观体验和复杂信息处理之间究竟是什么关系？

这些问题过去主要只能依靠研究人和动物。现在第一次出现了另一类高度复杂、却沿着完全不同路线形成的信息系统。它没有直接给我们答案，但它使很多原来隐藏在“智能”这个词里的假设暴露出来。

二十七、从会复制的生命，到会研究自己的生命

上一节讲到，生命能够把遗传信息传给下一代。复制产生差异，差异经过演化积累。神经系统又带来了另一种速度快得多的变化方式。一个动物不必等几百代以后才适应一次经历。它可以在一生中学习。一次经验能够改变突触和神经网络，影响以后几秒、几年甚至几十年的行为。到了人类，这种变化又超出了单个大脑。语言让经验可以传给别人，文字把信息保存到身体之外，文化使一代人的知识成为下一代的起点。

人工智能又第一次让一部分过去只有生物大脑完成的认知活动，出现在完全不同的物质系统中。于是，“智能是什么”这个问题变得比以前更加具体，也更加复杂。我们已经知道，人的感觉、记忆、语言和决策与大脑活动之间存在非常明确的联系，也知道大脑并不是固定线路，而是一套能在运行中改变自己的系统。但意识为什么存在，人类式智能为什么形成今天这种组合，以及完全不同的人工系统最终能够发展出哪些性质，仍然没有完整答案。

下一节，我们会把视野再扩大一步。大脑已经给出了一个很典型的例子：单个神经元遵守明确的物理和化学规律，但几十亿个神经元连接以后，整个系统却变得非常难预测。气候、生态系统、经济和社会中也会发生类似事情。为什么组成部分的规律已经知道，整体行为仍然可能难以预测？概率、因果和模型到底应该怎样理解？这就是下一节的问题。

>>No.69350357
没试过啊，肥哥有什么推荐的地方吗？我目前发布的基本是初稿，大概两三天可以和ChatGPT一起写完一节，总共计划是三章20节左右。主要这边发布稍微轻松一点，如果到其他地方发布的话我更倾向于完结之后统一调整一下文风出一个正式一点的版本。其实有AI辅助的话完结还是比较快的，肥哥不急的话可以等一等。

第五节　复杂世界为什么如此难以预测

一、知道规律，为什么还不能把未来算出来？

前面几节里，我们已经遇到过很多相当可靠的自然规律。行星怎样运动，光怎样传播，原子怎样组成物质，DNA怎样保存信息，神经元怎样传递信号，这些事情都已经能够被相当精确地描述。

很容易因此产生一个想法：既然世界中的事物都遵守规律，那么只要知道得足够多、算得足够快，未来原则上应该可以被全部预测。牛顿力学建立以后，确实有人认真想象过这样的世界：如果能够知道宇宙中所有物体此刻的位置、速度和相互作用，再拥有无限强的计算能力，那么过去和未来都应该能够从这些信息中算出来。

现实却没有这么简单。

有些系统中，一个很小的初始误差会不断放大；有些系统的结果会反过来改变原因；有些系统虽然每个组成部分都遵守清楚的规则，整体行为却很难从局部直接看出来。到了人、疾病、生态、经济和社会这些问题中，我们还会遇到个体差异、历史过程和无法直接实验的因果关系。

所以，存在规律和能够准确预测每一个具体结果，从来不是同一件事。

二、什么叫非线性？

先看一种最简单的情况。如果每买一瓶水花两元钱，那么买两瓶花四元，十瓶花二十元。输入增加几倍，结果也跟着增加几倍。这种关系很容易理解。

但现实中的很多事情不是这样。往一个杯子里一点点加水，开始时每多加一点，只是水面升高一点。可一旦水已经接近杯沿，再多加同样一点，结果就不再只是“水面更高”，而是直接溢出来。道路交通也类似。一条很空的路上多十辆车，几乎感觉不到变化；如果道路已经接近饱和，再多十辆车，却可能使整段交通突然从流畅变成拥堵。

同样大小的变化，发生在系统不同位置，后果可能完全不同。

这种关系里，结果不再和输入保持简单比例。这就是非线性最基本的含义。非线性并不意味着“没有规律”。很多非线性系统仍然遵守非常明确的规则。真正麻烦的是，我们不能再依靠“原因多一点，结果也多一点”这种直觉去猜。

三、反馈为什么会让事情更复杂？

第三节谈气候时，我们已经遇到过反馈。温度升高以后，地球会向外发出更多红外辐射，这会抵消一部分升温。冰雪减少以后，地表吸收更多阳光，又可能放大原来的变化。

反馈最特别的地方在于：结果会反过来改变自己的原因。于是，系统不再是一条简单的“原因—结果”直线。

人体中到处都是反馈。血糖升高以后，激素变化会促使组织吸收和储存葡萄糖，血糖于是下降；体温、血压和许多激素也受到类似调节。生态系统中也是如此。猎物增加以后，捕食者可能随之增加；捕食者增加以后，猎物又会减少；猎物减少以后，捕食者过一段时间也可能下降。

金融市场甚至会出现另一种反馈。很多人相信某种资产会涨，于是买入；买入本身推动价格上涨；上涨又让更多人相信它还会继续涨。一个系统里还可能同时存在方向相反、速度不同的多个反馈。仅仅知道“某个因素会让结果增加”，往往远远不够；还必须知道结果发生以后，又会反过来触发什么。

四、为什么完全按规律运行的系统，还是可能很难预测？

可以想象一张台球桌。如果只打一颗球，让它撞一次库边，那么开始方向稍微差一点，最后位置通常也只差一点。

可如果让球连续碰很多次库边和其他球，情况就不同了。第一次碰撞时只有很小的角度差异，这个差异会改变第二次碰撞的位置；第二次位置不同，又会改变第三次碰撞的方向。这样一路往后，最开始极小的一点误差就可能不断被放大。最后，两颗一开始几乎完全相同的球，可能跑到完全不同的位置。

这里没有任何神秘力量。每一次碰撞仍然遵守普通力学。真正的问题是：前一步的微小差异，会变成下一步的新条件。

如果一个系统对初始条件特别敏感，我们就很难做长期精确预测。这类行为通常称为混沌。“混沌”不是说世界乱成一团、没有规律。恰恰相反，它经常发生在规律非常明确的系统里。

五、“蝴蝶效应”真正说的是什么？

混沌最著名的比喻，大概是“蝴蝶扇动翅膀，最终可能影响远处的一场风暴”。如果把这句话理解成“一只蝴蝶真的具有制造台风的力量”，就完全走偏了。

天气系统一直在变化。今天某处温度差一点、湿度差一点、风速差一点，都会改变下一小时发生什么；下一小时的差别，又继续影响后面的变化。而我们永远不可能把此刻整个大气的状态测量到无限精确。

所以，一开始极小的测量误差，经过很多轮变化以后，可能逐渐变成很大的预测差异。蝴蝶本身并不重要。

重要的是：在某些系统里，小误差会被时间不断放大。

悲报，ChatGPT更新GPT6之后5.6就降智了，但GPT6又太追求指令遵循，以至于基本不能好好说话，现在写一段要花费的精力要大得多了

六、既然未来会分叉，天气预报为什么仍然有用？

如果天气长期无法精确预测，是不是意味着天气预报没有价值？当然不是。一种常见办法，是不只计算一次未来。

气象机构可以把现在测得的状态稍微改变一点，分别计算很多次。如果绝大多数计算都预测明天下雨，我们就比较有信心；如果一部分预测暴雨，另一部分预测几乎无雨，就说明目前还存在很大的不确定性。

所以现代天气预报越来越经常给出概率。“明天下雨概率70%”并不是气象学家只完成了70%的工作，而是在表达：根据现在的信息，有多少不同的可能未来仍然合理。

预测不一定非要给出一个唯一答案才有用。

如果普通人看到10%的降雨概率，也许决定不带伞；如果某种极端天气只有10%的概率，但一旦发生可能造成巨大损失，机场、水库或者城市管理者却可能仍然需要提前准备。概率本身就是信息。

七、模型为什么不需要把世界复制一遍？

天气预报实际上并不是直接在计算真实地球，而是在计算一个模型。模型不是现实的复制品。

一张城市地图不会画出每一棵树、每一个窗户和每一个行人，但如果目的是找路，正因为它删掉了这些细节，反而更有用。天气模型也不会追踪每一个空气分子。它保留温度、气压、湿度、风等对天气变化重要的量，再用这些量之间的关系计算未来。

所以一个模型有没有价值，不能简单问：“它和现实完全一样吗？”任何有用的模型都不会和现实完全一样。更好的问题是：为了回答当前这个问题，它保留了什么，又忽略了什么？

如果忽略掉的东西对这个问题并不重要，模型可以非常有用。如果刚好删掉了决定结果的关键因素，再精致的模型也会出问题。

八、如果连“现在是什么样”都看不清呢？

天气虽然复杂，但至少我们可以不断观察它。卫星能看云层，雷达能看降水，地面站能测温度和气压，气球还可以进入高空测量风和湿度。我们可以不断更新：大气现在大致是什么状态。

有些系统却连这一步都困难得多。地震就是一个很直观的例子。真正决定岩石什么时候突然断裂的变化，发生在地下几公里甚至几十公里深处。我们不能在那里铺满传感器，也很难持续知道每一块岩石现在“离断还差多少”。

因此，地震研究可以判断哪些地区长期风险较高，也可以在地震已经发生以后，利用震动传播需要时间这一点提前几秒到几十秒报警。但这和提前几天准确说出“星期三下午两点，这里会发生7级地震”完全不是一种能力。

预测不仅需要规律和计算，还需要知道系统此刻究竟处在什么状态。有些系统的一个根本困难，就是我们看不清它的“现在”。

九、只知道现在，为什么有时还是不够？

还有一些系统，即使今天的状态看起来相似，未来也可能不同，因为它们走到今天所经过的历史不同。这通常称为路径依赖。

上一节提到过喉返神经。今天这条神经绕得很远，不是因为这种路线最合理，而是因为它继承了漫长演化历史留下来的结构。城市也一样。一条几百年前形成的道路，可能后来影响铁路怎么修、商业区怎么长，最终又影响几十年后的交通。

人的学习也是如此。现在会什么，不只是由今天的大脑状态决定，也和以前学过什么、习惯怎样形成有关。所以，在一些系统中，只拍一张“现在”的照片，并不足以完全说明它为什么会是今天这个样子，也不一定足以判断以后会怎样。历史本身也可能成为系统的一部分。

十、知道每个部分，为什么还是不容易知道整体？

到这里遇到的困难，还可以理解成“信息不够”：现在测得不够准，或者过去发生了什么也很重要。但还有另一类问题。即使我们知道每个组成部分怎样行动，整体行为也未必能够靠直觉直接推出。

想象一条已经比较拥挤的高速公路。前面一辆车为了调整车距，轻轻踩了一下刹车，只把速度从每小时100公里降到95公里。后面的司机看到刹车灯，反应稍微晚了一点。为了重新留出安全距离，他可能需要从100降到90。再后面一辆车反应又晚一点，只好降到80。这样一辆接一辆往后传，到了几十辆车之后，后面的某辆车可能不得不完全停下来。

几秒以后，前面最早踩刹车的那辆车早已经恢复正常速度，甚至已经开远了。那里没有事故，没有施工，也没有一辆车一直停着，可后方却留下了一段真正的堵车。

而且这段堵车还会继续向后移动：前面的车陆续开走，后面新的车又不断停下来。于是就出现了一个很奇怪的东西——堵车本身仿佛在道路上向后移动，虽然每一辆车实际上都在向前开。

没有哪个司机单独制造了这段拥堵。每个人都只是看到前车减速以后作出正常反应。堵车却从许多车辆互相影响的过程中出现了。

鸟群也有类似现象。单只鸟并不需要知道整个鸟群应该变成什么形状，只要根据附近几只鸟调整速度和方向，成千上万只鸟就可以形成不断变化的整体队形。温度则是更加普通的例子。单个分子没有日常意义上的“温度”，只有大量粒子聚集以后，我们才需要用温度描述它们的整体状态。

上一节的大脑也是如此。神经元各自按照电和化学规律活动，但记忆、语言和意识都是整个神经系统层面才出现的现象。这类在整体层面才出现、不能简单归到某一个组成部分上的性质，常被称为涌现。

“涌现”并不是说整体突然获得了违反底层规律的神秘能力。它只是提醒我们，知道每一个部分怎样工作，与能够方便地理解整个系统，中间还隔着很长距离。

十一、概率是不是因为我们知道得不够多？

前面谈天气时已经遇到过概率。日常生活中的很多概率，确实来自信息不足。洗牌以后，我们不知道下一张牌是什么；硬币落地以前，我们也没有精确测量它离手时的全部运动状态。

但概率还有另一种非常重要的用途。现实中的很多问题包含数量巨大的个体差异和无法完全测量的因素。医学就是典型例子。一种药物可以明确降低某种疾病风险，却不可能提前告诉每一个患者：“你服药以后一定不会发病。”

一个吸烟者可能活到九十岁，一个从不吸烟的人也可能患肺癌。这并不使吸烟和肺癌之间的统计关系失效。科学很多时候研究的正是：在大量相似个体中，条件改变以后，各种结果出现的频率怎样变化。

概率不是“什么都不知道”的另一种说法。它本身可以是一种非常精确的知识。

十二、“风险增加50%”到底意味着什么？

新闻里经常出现一句话：“某种行为使患病风险增加50%。”听起来很吓人。但只凭这个数字，我们几乎还不知道实际风险有多大。

假设一种疾病原本每一万人中有2人发生。风险增加50%以后，变成每一万人3人。相对增加确实是50%，但绝对风险只增加了万分之一。

如果另一种疾病原本每十个人就有2人发生，同样增加50%，就会变成每十个人3人。两个“增加50%”完全一样，现实意义却差得很大。

所以遇到风险数字时，还得知道原来的风险是多少。相对风险告诉我们“相比原来变化了多少比例”，绝对风险告诉我们“现实中到底多出了多少事情”。两者都可以有用，只报其中一个，却很容易制造完全不同的感觉。

十三、为什么几个成功故事算不出成功率？

前面说“每万人2人”“每万人3人”，其实已经暗含了一个很重要的东西：分母。

如果认识的三个人服用某种保健品以后都觉得身体变好了，这当然是信息。但我们不知道总共有多少人用过，也不知道如果这些人不用，会发生什么。

疾病本身还经常会波动。人往往是在最难受的时候寻求治疗。恰恰因为这一天已经特别糟糕，下一周即使什么也不做，也很可能比这一天好一些。

这种现象在统计上常被称为回归均值。它并不神秘：如果今天刚好处在一次异常极端的坏状态，

下一次测量更接近、、平常水平，本来就是很常见的事情。

所以，“治疗以后好了”首先只能告诉我们两件事先后发生了。它还不能告诉我们，后面的改善究竟有多少是治疗造成的。

如果一种治疗使用得非常广，这个问题会更加明显。治疗的人越多，就越一定会有人随后自然改善。这些人完全可以真诚地说：“我用了以后真的好了。”如果改善者不断成为“成功病例”，没有改善的人却很少被提起，那么成功故事会越来越多。

这时，“我见过很多有效病例”甚至完全可能是真话。真正缺少的仍然是另一个数字：如果不用，本来会有多少人改善？