复杂系统建模：为什么你永远算不准真实世界的变化？

上周跟做城市交通规划的发小喝酒，他对着烤串骂了半小时。说他们单位去年中标一个千万级的项目，给新一线城市做全城拥堵预测模型，团队三十多个人熬了一年，调了上万个参数，结果上个月一场突如其来的暴雨，模型直接输出了“全城畅通”的结论，把甲方脸都气绿了。 不是他们不努力。是他们用错了思路。

别拿线性逻辑切复杂系统的蛋糕

我们上学时候学的建模，大多是线性的。给你一个问题，拆成几个模块，每个模块算出系数，加起来就是结果。这种思路对付简单系统没问题，算个桥梁承重，算个火箭轨道，都准。 放到复杂系统里，直接歇菜。 什么是复杂系统？说白了就是由大量个体组成，个体之间不停发生非线性相互作用的系统。小到蚁群、人脑神经网络，大到城市交通、市场经济、气候变化，全都是。 每个个体的行为都很简单，可凑到一起，就会冒出单个个体根本没有的整体性质——也就是我们常说的涌现。 野外蚁群筑坝涌现行为实拍 这种涌现你根本没办法用拆零件的方法算出来。你把每个蚂蚁的基因都测一遍，也算不出来整个蚁群能在洪水到来的时候堆成蚁球漂流，也算不出来它们能把巢穴建成自带通风系统的地下城市。 很多人犯的错，就是把复杂系统拆成一个个孤立的部分，算完加总，就觉得拿到了结果。就像我发小做的那个拥堵模型，每个路口的参数都对，可他没算到，一个路口剐蹭就堵三公里，后面无数司机改道，又会引发十个新的拥堵，这种连锁反应，哪里是拆完单个路口加得出来的？ 说实话，我见过太多科研项目、商业项目，死都死在这一点上。拿线性的刀，砍复杂系统的柴，越砍越乱。

现在的复杂系统建模，核心是找规则不抠参数

不过话说回来，最近十年复杂系统建模的进步真的很大。早就不是当年堆参数的老路子了。 现在主流的思路，反过来了。我不给每个个体抠精确参数，我给每个个体定简单的行为规则，然后让整个系统跑起来，自己出结果。最典型的就是多智能体复杂系统建模，现在做气候预测、疫情传播、城市规划都在用。 疫情刚暴发那会，我看过一个国内团队的研究，他们用多智能体模型，把每个城市的人当成不同的智能体，定了“密接就会被感染”“出门戴口罩感染率降八成”这种简单规则，放进去跑出来的全国感染规模，比当时很多堆了海量临床数据的传统模型准得多。 多智能体城市交通拥堵建模可视化图 这几年火得一塌糊涂的大模型，说穿了其实也是一种复杂系统建模。你想，千亿级的参数，每个参数只做简单的加权计算，相互作用之后，居然能涌现出推理、创作的能力，这不就是复杂系统建模最典型的成果吗？ 当然，也不是说所有复杂问题都得堆大参数。核心思路没变：抓个体的行为规则，放低对每个细节精确性的要求，等整体的涌现结果出来。你会发现，反而比你抠每个细节准得多。 我那个发小后来找我们学校做复杂系统的教授帮忙，重新改了模型，把原来上万个路口的固定参数换成了司机改道的行为规则，跑出来的结果，准确率一下提了七成多。成本还降了一半。

别把复杂系统建模只当成科研工具

别把复杂系统建模只当成科研工具 很多人觉得，复杂系统建模是专家学者才玩的东西，跟我们普通人没关系。真不是。 我们每个人每天都在给自己的人生建模。你做职业规划，你做创业打算，你安排自己的时间，本质都是在建模，预测未来的结果。 可大部分人用的还是线性思路：我今年考个证，明年升主管，后年年薪五十万，一步一步来，肯定能成。 哪有这么简单？你的职业发展是复杂系统啊，行业变化、同事关系、公司战略、突发的机遇，所有这些因素都在互相影响，一个变量变了，整个结果全变了。多少人十年前算好的职业生涯，被一个突如其来的行业变革直接冲没了？ 对吧？ 用复杂系统建模的思路来看，你不需要把每一步都算得清清楚楚，你只需要找对自己的核心行为规则，然后留足试错空间，让系统自己进化。 比如你想做自媒体，不用算好“这条涨1000粉，那条涨5000粉”，你只需要定好“每条内容都给用户提供真实价值”这个核心规则，不停发，不停调整，跑着跑着，自然就涨粉了。那些一开始就算好每一步的，大多死在半路。 说实话，这个思路比你挣多少钱都有用。我们这个世界本质就是个巨大的复杂系统，没人能预测一切，你越想控制每个细节，越容易失控。承认不确定性，抓核心规则，给系统留够冗余，反而能拿到你想要的结果。 那天喝酒最后，发小醉醺醺说，原来搞了十几年建模，才懂最对的思路就是别想着控制一切。我举双手赞成。