气宇轩分享 http://blog.sciencenet.cn/u/yufree

博文

已有 2857 次阅读 2016-1-3 00:10 |个人分类:科搜研手册|系统分类:生活其它

《三体》中最让人回味的就是黑暗森林理论,大致意思就是文明之间并不互容,一旦暴露就会像虫子一样被碾压。如果看过科幻不多,基本就会感觉这确实是存在且令人恐惧的。那么看的多呢?应该也不会否认这是一部优秀作品。首先《三体》写的很好,但一旦好的东西变成流行就会出现些有意思的现象,例如现在很火的知识向脱口秀《晓说》《罗辑思维》还有大象公会等。从内容上都属于优秀作品,但如果把这些当成知识全部,那就基本回到原点了。


优秀的流行读物都属于导航图,其中知识向的作品除了阅读乐趣外引导思考与推理过程更为宝贵,优质的内容配合符合大众口味的写作方式也是一个优点。但是,读者的层次却会直接抹掉这一切。和菜头说中国现在出现了一个有点产阶层(原文用的是阶级,但这应该是个历史名词),这个阶层比上不足比下有余,见过世面有点产业,但惶惶不可终日,原因在于他们有的是经验,缺的是良好的知识体系,并未真正找到自己的生活品味与未来该做什么。举个例子,很多人天天吆喝要30岁退休,就现在骗子不够用的现状我不怀疑很多人可以做到,但经济自由是一方面,精神自由是另一方面。所以罗振宇他们就会跳出来告诉你:小伙子/姑娘,follow me,给你自由。


只是这个方法对有点产阶级依旧是填鸭,无他,他们哪怕手握博士学位却可能从未形成如何去思考的习惯。他们天资不差,但学习方法却可能依旧是不断的接受新观点,抛弃旧观点,却未想过观点的来源。他们急于想知道是什么而并不关心形而上的东西,知识对他们而言是地位的体现,是工具,是谈资。在这个衡量下,他们想要的是廉价甚至免费的东西,那些理应属于他们这种“开过眼”人的东西。


没有多少人真正“开过眼”,所以有点产阶层本身就是个病态需求。只是他们,或者说,我们,太急,太慌,纠结于没有这些无法维系现有的生活或者不知道怎么活了。偏偏社会又总是喜欢展示放大些唐顿庄园之类的东西,所以突然大家就都想品红酒,烧器材跟供养仁波切了。偏偏又都想走捷径,照猫画虎,没有真正的兴趣,到头来只是一阵阵风潮。那些风潮中的领军人物无需褒贬,你们各取所需而已,悟性好的辛苦点可以流行脱敏的生活下去,差的大多数一辈子也就那样了,会生存而不会生活。


回到黑暗森林,其实还有很多版本的理论,相比之下黑暗森林属于比较温和的。例如超级智慧的存在,人类文明只是他们大学教育中演化课的一个作业题,随时消逝。又例如克鲁苏,就是玩你没商量,没道理,没有生存压力一样随机搞你玩。还比如蚁群,所有人各司其职,整体涌现一个智慧体,作为零件的个体根本没有自由可言,但又会给你个虚拟的自由感。又或者缸中之脑,你根本就没有实体,就是些电信号时不时刺激你玩,逻辑只是一种自恋。但不用担心,该发生的躲不了,不该发生也就不用躲,不用给自己太多可掌控命运的幻象,尽人事,听天命。或者问问自己,如果世界上生活中很多事真相毫无道德与美感,你能不能从中找到自己认可接受的道与美?


理论总有自洽,但真正起作用的可能不是唯一的那一套。前面我说过分类决策树,本质上是根据样本间各属性的距离指标来分组,组内指标相对一致,组间指标相对异质。那么会不会这么遗漏或误用了很多信息呢?会,且一定会。所以我们要用到森林的设计,不使用所有的指标信息,随机选一把指标然后种一棵树,然后再随机抓一把种一棵树,迭代种上几百颗树来个森林。当需要预测时输入所有属性指标,每棵树返回一个预测分类,然后排排坐吃果果,哪个分类预测次数多就用哪个结果。这种策略平均化了误差,对于小样本高维数据效果常常不错。奥,对了,这就是所谓打包或随机森林算法(重采样使用bootstrap)的基本原理。换个角度看,这个算法的背后逻辑就是兼听则明,如果你能很快把见过的算法找一种日常生活中的逻辑或原则来描述,那么交个朋友可好?


如果你打算烧掉这个森林呢?不一定,如果很密集自然团灭,但如果很稀疏就烧不起来。森林稀疏到何种程度才能烧的比较痛快?你构建一个逻辑,一棵树周边树一同着火的概率随距离指数下降,这样在一个限定区域内种不同树木不同分布的树放火就可以找到一个想要的团灭阈值。每棵树跟周边通过距离互动,找到互动的规律构建一个空间对一片森林的整体团灭行为进行建模,这个建模思路叫做agent-based model(ABM)。这类模型考虑了反馈效应,私认为更适用于模拟真实环境,前景不错。


说了半天的林其实还是挺怀念山大的小树林的,又懒又倔的我早上起不来也不提前占座,很多次找不到自习室就跑小树林找个石凳看书。落叶聒噪,倒也自在。




https://blog.sciencenet.cn/blog-430956-947674.html

上一篇:
下一篇:
收藏 IP: 210.72.152.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-12-23 20:44

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部