复杂系统建模：为什么你算不准真实世界的问题？

上个月帮朋友的流域治理项目做数据校验，翻出三年前他们做的污染扩散预测报告。当时用了经典的环境扩散模型，每个参数都卡的严丝合缝，模拟出来的治理效果比标准还高两个百分点。结果实际治理完一测，偏差快40%。 为什么？朋友蹲在河边挠头，我翻完模型就一句话：你拿线性模型算复杂系统，能对才怪。

别拿简单方程碰复杂问题

我们上学的时候学的建模，基本都是还原论那一套。把大问题拆成小模块，每个模块算出公式，最后加起来就是结果。这套方法对付简单系统没问题，比如算桥的承载力，算火箭的飞行轨道，都准的很。

可真实世界里大部分问题，都是复杂系统。每个单元之间都有非线性相互作用——不是1加1等于2，是1加1可能等于100，也可能等于0。

复杂系统非线性相互作用示意图

一只南美洲的蝴蝶扇扇翅膀，能引发北美洲的飓风。听起来玄，实际就是复杂系统的常态。一个外卖员迟到，能导致整条线路的配送全部延误，一个小区的降价抛售，能引发整个片区的房价下跌，这些都是非线性的连锁反应。

多少顶刊上的漂亮模型，落地就死。根本原因就是把复杂问题拆碎了，把相互作用给抹平了。那些看起来每个环节都算对了的模型，放到真实世界里，往往会因为一个不起眼的小扰动，引发一连串连锁反应，最后结果偏到姥姥家。

说实话，我见过太多团队，为了模型能解，刻意把非线性的相互作用简化成线性的，最后做出来的东西，也就只能用来发发论文。

现在的复杂系统建模，到底在玩什么新花样

不过话说回来，最近这些年复杂系统建模的进步真的不小。放在十年前，别说模拟一个城市几十万人的出行，就算模拟几百只蚂蚁的寻路，都得算好几天。现在算力上去了，思路也变了。

核心的变化就是从“拟合规律”变成“模拟交互”。原来我们是先假设整体有个什么规律，然后拟合参数。现在我们不猜整体规律了，我们只给每个个体定好简单的行为规则，让他们自己去交互，最后整体的规律会自己涌现出来。

比如说现在主流的多智能体复杂系统建模，就是这么玩的。做城市交通规划，你不需要直接算整体的拥堵指数，你给每个司机定规则：哪条路快走哪条，什么时候出门，喜欢走高架还是辅路，把几十上百万个司机放到模型里跑一遍，哪里会堵，堵多久，自然就出来了，比原来的经验公式准太多。

城市交通多智能体复杂系统建模仿真图

现在大模型火了，很多人开始把大模型和复杂系统建模结合起来，效果更惊喜。原来我们给个体定规则，得靠人写，很多人的行为规则写不清楚，比如消费者买东西什么时候会冲动消费，原来根本没法写规则，现在用大模型就能模拟个体的决策，整个模型的真实度一下子就上去了。

当然，坑也不少。我上次碰到一个创业公司，说用大模型建模解决新能源电网调度，聊了半小时，连电网里每个逆变器的交互规则都说不清，吹得再凶也白搭。复杂系统建模的核心，还是搞对底层的交互规则，参数再多，模型再大，规则错了，结果肯定错。

复杂系统建模最有用的场景，你可能想不到

复杂系统建模最有用的场景，你可能想不到

很多人觉得复杂系统建模是搞基础研究的人玩的东西，离我们很远。其实不是，现在已经用到很多你想不到的地方了。

疫情之后，我接触过好几个做全球供应链的企业，都在搭自己的供应链复杂系统模型。原来他们算风险，都是说某个港口堵了，我们的成本涨5%，很线性。可实际呢，苏伊士运河堵那一次，很多企业原来算出来影响只有5%，实际成本涨了30%多，就是因为连锁反应：港口堵了→船延期→集装箱不够→其他港口运价涨→原材料运不出来→工厂停工，一层层放大，最后就成了大问题。用复杂系统建模，就能提前把这些连锁反应都算出来，提前囤货，换路线，把风险降下来。

还有现在的新药研发，原来大家都是找靶点，一个药物对一个靶点，是线性思路。现在很多罕见病，还有癌症，都是多个基因多个细胞相互作用的结果，就得用复杂系统建模，模拟药物进入人体之后，和整个系统的相互作用，筛选出来的药物，成功率比原来高不少。

就算是做投资的，现在也有用复杂系统建模的，不是用来预测明天股价涨还是跌，是用来算黑天鹅风险，某个行业暴雷，会牵连多少其他板块，最坏情况亏多少，提前做好对冲。

说白了，复杂系统建模本质上不是一种技术，是一种看世界的思路。承认这个世界本来就是相互连接的，不是拆成一块一块就能看明白的。我们做模型，不是为了得到一个完美的数字，是为了看到那些原来被我们忽略的联动和风险。

我现在看项目，碰到那种上来就说我这个模型准确率99%的，多半都不靠谱。真实世界哪有那么多99%的准确率。能把潜在的风险给你找出来，能告诉你不同选择会带来什么不一样的连锁反应，这就已经是好模型了。

下次你再碰到那种说“我一个模型搞定一切”的人，扭头走就对了。真实世界，没那么简单。