亲身体验

17 Mar 2012

总是面对别人对我们说,应该应该如何,如果不那样,就会如何。就像代码中掺入了太多的if-else,这样的结构总是让人感觉丑陋的。往往,迷惘也就产生于此,因为迷惘不是什么都不知道,也不是什么都知道,恰恰是雾里看花时,迷惘才出现。

当if-else出现太多时,代码的可读性往往直线下降,因为逻辑关系上的分支太多了,普通人对于任何事情的上下文的记忆都是有限制的,当逻辑分支过多,就会超出人的上限。当快速缓存满了之后,剩下的性能问题就显而易见了。而人还不仅仅是机器,焦虑往往还伴随着思考受限。那么写下来,成为了一个解决方法,或者扩大自己的记忆力,但是,人都是会碰到自己的上限的,写在纸上成为了剩下的选择,就如同对象的序列化。当需要转储内存对象时,序列化总是第一步。那么如何确定序列化格式,让重新载入可以更好、更快,始终是一个重要议题,譬如,各种清单、TODO List、脑图。这些都是为了在不同的应用背景下,可以让其中的内容能够更加快速的载入被人来处理的设计。能够快速载入的标准似乎很难界定,不同的人会有不同的背景,带来的标准也不同,更何况不同的应用背景对其也有很大的影响。有些应用如普通队列,一项一项就可以,有些则需要完全载入,如树形结构。而不同的人也会有很大的不同,对某个知识的形式化可能让刚接触的人不能快速载入,而当熟练掌握后,形式化的简练也可以方便更快的载入,譬如文本文件和二进制载入的区别。合适,永远都是一个重要的主题。

迷惘,同样会造成焦虑,因为迷惘也会造成逻辑的复杂化,迷惘,不过是面对不明朗的情况。那么往往对真实的情况会有很多种可能性,这就又掉入了混沌理论里,我们可控的往往都是受限的,没人能够控制这样的一个世界。多可能性带来的就是一个巨大无边的决策树,就像逻辑分支更多一样,可是,这里的未知太多,连序列化存储下来的可能性都没有,更无法在大脑的范围内来处理了。面对这样的情况,只有一个途径,就是简化。但是简化的方法却又很多,可以简化未知量,去掉影响因子较小的,可以估算范围,关注自己能力范围内的,可以演化一下再剪枝的。但是,尝试获得全局最优解的可能性是不存在的,能做的可能只是在可见范围内找到一个相对的最优解,可是,"可见范围"却是一个无法准确定义的东西,而"最优解"更是存在一个评价标准的问题。我们往往对自己的"可见范围"有太多的自信,譬如,计划,多少计划真的能够完整实现呢?当不能按照原计划执行的时候,往往就说明了存在自己计划时未考虑的不确定因素,而且这个因素的影响力也达到一个级别。所以,需要控制不确定因素才能保证计划的执行能够进一步,但是不确定因素太多,人类能力却又太小,能够做到的往往就是那么几个不确定因素的控制,比如,标准的作息规律,其实,这也未必真的能够被自己控制。这也譬如系统的稳定性,与外部的接口越多,往往稳定性就越低下,这里的外部相对的内部也是一个可变的定义,可以是一个人、可以是一个家庭、甚至是可以自己的整个社交网络,只要能够将这一个范围纳入自己的控制范围,但是,这种强调控制欲的方法,往往会让人乐在其中而忽略了更大范围内的无法控制的因素。而控制范围扩大本身的影响更是会加剧其他因素的变化和不确定性,单纯的简单模型在现实中能否能够实现准确的预测永远是一个疑问,往往计划需要的就是准确的预测,而不是概率预测。如果按照概率预测,那么就重新掉入了多种可能性的问题中。即使1%的发生概率,考虑其存在后,之后的整个考虑也会由于这一可能性扩大化。更何况,"最优解"的确定更是一个问题,因为不确定造成了评价因素的不确定,可能某一个很好的工作是"最优解",但是从全局上看,可能由于技术或者政治的发展,该工作很快就消失,这一可能性在20年左右的跨度内是存在的,而20年前对这一工作的存在是否的预测,目前来看也是很难的。那么造成的一个结果就是"最优解"不能过于具体,而应该抽象成为,较高的社会地位、良好的收入等等,但是一旦抽象如此,计划的目标就变得模糊不清而不具备指导意义了。

历史数据的存在,给我们提供了一个很好的机会用来预测,或者准确的说是猜测。机器学习就是一个依据概率和数据的猜测方法。猜测的成功率,依赖于历史数据的准确和整体趋势的稳定性。历史数据中噪音数据的去除也是一个概率问题。而整体趋势的稳定性,本身也是基于历史数据给出的,谁也不能完全确定这一稳定性在未来是否能够保持下去,当然,如果我们能够进入更底层,确定这些稳定性的影响因素,再确定这些影响因素,就可以很好确定稳定性,但是底层的影响因素或许有更底层的因素,底层的因素或许也是一个概率因素。何况,进入底层的代价到底有多高,也是不确定的。

譬如科学研究对于不可控因素的隔离、简化,保证了在某一层面上的精确性。而在社会研究中,往往难以隔离不可控因素,或者药物研究在实体上的试验,这些提供的结果往往更加依赖于概率,通过大量样本试图将噪音和不确定因素平均和消除,但是这个原生的原因,带来的是对个体的指导最后还是要回归到"具体问题具体分析"。譬如心理学应该就具备这样的特点。