无标题无名氏No.69301086 只看PO
2026-08-22(六)21:56:18 ID:lBNsq7w 回应
上周和chatGPT一起看了1994年版的《现代科学基础知识：干部选读》，以2026的视角回顾，当年这本书虽然不是完全的预言，但几乎可以当做发展中国家如何科技强国的教科书了。所以我决定让ChatGPT仿照当年的旧例写一写2026年的现代科学基础知识，看看是否能成为一个有价值的科普读物。欢迎肥肥们一同阅读和探讨！以及如果嫌ChatGPT写的不够深入浅出，也可以压力他一下让他讲清楚点
无标题无名氏No.69352204
2026-08-30(日)20:26:41 ID: lBNsq7w (PO主)
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。
无标题无名氏No.69352207
2026-08-30(日)20:27:19 ID: lBNsq7w (PO主)
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。
无标题无名氏No.69358358
2026-08-31(一)18:28:30 ID: tS0i1PO
>>No.69350405
我也不是很清楚这方面( ﾟ 3ﾟ)我玩的有个游戏，有玩家整理的世界观，就是word放在刺猬猫，可以随时更新，应该是免费的但是不清楚版权什么的。或者肥哥可以问问看综一和小说版的鸽子们( ﾟ 3ﾟ)
无标题无名氏No.69396878
2026-09-06(日)21:46:59 ID: lBNsq7w (PO主)
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
无标题无名氏No.69430629
2026-09-12(六)20:23:49 ID: lBNsq7w (PO主)
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”。
无标题无名氏No.69430636
2026-09-12(六)20:24:33 ID: lBNsq7w (PO主)
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。
无标题无名氏No.69430641
2026-09-12(六)20:25:05 ID: lBNsq7w (PO主)
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。