(翻译)法则与混乱:为什么没有我们,复杂系统会做得更好?

注:本文遵守首页上的CC版权声明,转载请注明作者与出处,谢谢!

这个是在科学松鼠会翻译的文章~~~算是《非线性、自组织及其它》的一个补充资料~~~

这不是完整文章~~~由于文意的关系没有放完整的文章上来~~~大家可以自己去松鼠会找完整的~~~

 

我们人类总是喜欢整洁和秩序多于邋遢和混乱,偏爱纯粹整齐的几何结构而厌恶那些参差不齐的东西。我们希望一切均可预测,一切均在掌控之中。

但在这个令人混乱的时代,我们似乎对很多事情都无能为力。尽管这令人失落,但我们仍可以在苏黎世瑞士联邦理工学院物理学教授 Dirk Helbing 的研究中找到一点慰籍。Helbing 研究的是那些运作方式和机理常常击败人类心智的复杂系统,比如说公路网络上数以万计车辆的流动,还有工厂车间中由互动的机器组成的巨大网络等等。

Helbing 和其他人发现,我们对于规则和控制的偏好已经严重误入歧途。他们发现,在很多情况下如果我们交出部分控制权而让系统自己找出解决方案的话,情况反而会更好。很多时候系统自己给出的解决方案与我们的想象大相径庭,但却非常有效。

这个发现似乎让现在那些面对日益增多的复杂难解问题的工程师们松了一口气。下面我们就来看一个早期的成功实例。

1992 年,通用汽车在位于印第安纳州 Fort Wayne 的一间装配工厂中遇到了难题:如何管理卡车的自动喷漆工序。那里有 10 个喷漆隔间,每个隔间里边都有一台用于给刚下线的卡车喷漆的机器。但是由于卡车下线的顺序无法预计,而那些机器又时不时需要进行维护,这样的话我们似乎不大可能找到一种高效的方法来对每辆卡车指定喷漆机器。

通用汽车的 Dick Morley是一名有远见的工程师,他提议尝试让喷漆机器自己安排任务。他为这些机器制订了一些简单的规则,然后它们就会根据这些规则对新的喷漆工作进行“竞标”来让自己尽量不会闲下来,与此同时还会考虑到维护的需要等等。结果非常好,尽管也有点诡异。这个系统每年单单在油漆上就为通用汽车省下了一百万美元,但是这个流水线的计划表却无法预测,它是由那些机器在响应工作需要时实时进行安排的。

由于生产工序通常受进料、参数和种种外在因素等方方面面的影响,即使是设置上的细微的改变也可能导致与原来十分不同而且无法预料的结果。这就是为什么根据以往经验很难预测新的生产线上会发生什么。“管理者有时候会利用插值法,通过旧设置的性能来预测新设置的情况,”Helbing 说,“这给出的结果通常都非常不准确。”

他说,为了克服这个问题,工程师们应该对以下两样东西有一种合理的重视:一个是这些复杂系统的不可预测性,另一个是人类的一些常会导致不良后果的思维定势。“你不能像驾驭公共汽车那样驾驭这些东西,”Helbing 说。“你要学会将系统自己的自组织倾向为己所用。”

Helbing 是从一条不寻常的道路上领悟到这一点的。尽管他主攻的是物理,但他在九十年代早期却被物理现象和人的移动行为之间的相似性所迷住了。“流体流动和人们绕过障碍物的方式之间的相似之处迷住了我,”他回忆道。近二十年来,他和同事一直在研究人类群体移动行为中的数学,这就是 Helbing 现在在社会学中也占有一席之地的原因。

社会科学家通常关注的是人类行为中难以预料的变化性,但 Helbing 认为,在许多情况下这并不是很重要。这是因为在很多情况下环境对人的行为选择施加了太多限制,使人对于外界的影响的反应变得几乎是自动化的,这样的话他们的行为在平均意义上就变得可以预测了。比如说在公路上,人们的驾驶速度通常很靠近最高限速,而且表现与自动推进的粒子在过于靠近时的互斥行为类似。

尽管个体的行为常常比较简单,但由这些个体行为形成的集体行为规律可能是反直觉的,不能以常识来推断。比如,通常来说车流密度越大越容易造成交通堵塞,但 Helbing 的研究团队告诉我们这不总是对的。

考虑一条双车道公路,上面有速度较快的汽车和速度较慢的卡车在行驶。车流密度低的时候,汽车自然有不少的空间可以用作超车,于是它们很快就可以超过那些卡车了。但车流密度越高,司机们就越难超车,因为总有别的拦路车。然而,无论是模拟还是实际上的交通流动都显示存在这样的一个临界车流密度,超过了这个临界点之后,车流密度对超车的阻碍会开始带来正面的效果,因为司机们倾向于停留在同一条车道,对交通流动的妨碍也就变小了,这样车辆也就能更快通过。

类似的反直觉现象在人群行为中也可能出现,Helbing 的团队在模拟和实验中就确认出了一种“欲速则不达”的效应。当人们试图通过门逃出房间的时候,如果每个人都不匆匆忙忙的话反而能让更多的人逃出去,因为这样避免了拥挤。更令人惊奇的是,如果在门前面放一个障碍物的话人们反而能更快走出房间,因为障碍物能够调整人群的移动方式,保持人群的流动性。“一个合适的障碍物可以令人的通过率增加 30 到 40 个百分点,”Helbing 说。

这种方法能够奏效是因为人群是根据局部状况对行动进行调整的。当两列人在一条窄路的入口相遇的时候,你可能会认为人们会乱成一锅粥,因为通过的人只能组成一道混乱的涓流。但是在现实生活中,人们的行为跟预计完全不一样:在人流不太密集的情况下,他们总会无意识地组织起来,先让一个方向的一帮人通过,然后才轮到另一方向的另一帮人。人群会自发地组织起来得到比预期更好的效果。

Helbing 发现我们可以用属于物理学的一些相似的思想来对人群的行动建模。当一条队伍在过道的一端排起来的时候,这会产生与液体或者气体的压力相似的东西。高密度的人群互相推挤实际上就会让人们通过出口,从而减轻“压力”。

更深入的工作使他确信行人、交通和工厂货物流动这些系统的行为方式惊人地相似,所以在一个系统中得到的结论也不难推广到别的系统中去。

去年,Helbing 和德国德累斯登工科大学的 Stefan Lämmer 开始对能否利用交通灯减缓交通堵塞的问题产生了兴趣。德州农工大学的 David Shrank 和 Tim Lomax 的一份报告表明,美国每年由于交通堵塞造成的损失大概为 782 亿美元,所有人一共浪费了 42 亿小时和 109 亿升的燃油。所以,有效率的交通流动可能带来的好处相当可观。

这就意味着我们要让交通灯能够适应环境改变,这恰恰是当今的系统所欠缺的。直到现在,工程师做的仍然是把交通硬挤进他们认为合适的模式当中。比如说,在交通繁忙时段主干道上的绿灯持续时间可能会比正常时间更长,但是这只是工程师们按照以往的观察作出的调整,绝大多数的交通灯不能自己适应情况的改变。还有,工程师还会想当然,比如,他们会认为必须有一个控制中心来控制那些交通灯。

Helbing 和 Lämmer 发现,如果给交通灯制定一些简单的规则然后让它们自己组织行动的话,它们能做得更好。为了展示这一点,他们建立了一个数学模型,在其中交通流动被当成流体来对待,这是一种成熟的交通工程建模技巧。这个模型同样描绘了在道路交汇处车辆从一条路进又从另一条路出的行为,而这与流体在管道网络中的行为也很相似。

显然,当道路的车流量超出了承载限制的时候,交通堵塞就会形成。为了避免这种情况的发生,Helbing 和 Lämmer 让十字路口的灯能够对不断增加的交通压力作出响应,这与人走过道的情况相似。每盏交通灯都拥有能够实时监测交通情况的传感器,这些传感器的数据会被输入一台电脑,用于预测以后一段时间的车辆流动状况。电脑同时也会算出为了减缓交通压力,交通灯应该持续绿灯的时间。这样的话,每盏灯都能估计自己如何才能最好地适应下一刻预期的交通状况。

无为而治

然而这还不够,因为交通灯可能会适应过头。如果它们只关注局部的情况的话,长远来说可能会带来麻烦。为了避免这种情况的发生,Helbing 和 Lämmer 将系统稍作改变,让邻近的交通灯能够共享信息,这样的话别的交通灯也能对一个交通灯附近发生的事情作出响应。这样的话,这些自组织的交通灯就能防止大堵车的形成。

尽管这些规则很简单,它们的效果却令人印象深刻。Helbing 和 Lämmer 在模拟中展示了在应用这种交通灯系统后,整个交通系统的总行驶时间大幅下降,而且人们也无需在灯下等太长的时间(见下图)。然而,这些交通灯的行为和人们对于高效系统的概念相去甚远。“绿灯持续时间是无法预测的,”Lämmer 说。但平均行驶时间确实变短了,而且也变得更容易预测了。

这种规划还消除了另一些出现在传统交通控制中令人恼火的毛病。在道路十分畅通的时候,司机们往往要在路口白白等待一段时间,因为交通灯改变颜色的模式是面向路面拥挤的情况设计的。而在半夜,车辆通过十字路口时根本无需停车,但交通灯却经常让它们停下来。在自组织的交通灯系统上,这些问题就不会出现,因为系统能对局部情况要求作出响应,例如,当交通灯感知到车辆接近时会变成绿色让它们通过。

这种自组织交通灯系统现在开始逐步被城市规划者认为是解决交通拥挤的良方。Helbing 和 Lämmer 正在和德国德累斯登当地的一家交通机构进行合作,首先对这个想法进行实验,然后很有可能会将其投入使用。在德累斯登道路系统的初步测试表明这种方法效果很鼓舞人心。“(在实验中)我们发现等待时间和燃油消耗都有了明显下降,同时公共交通系统也更快了,”Lämmer 说。瑞士苏黎世当局也被这个主意吸引住了。

但 Helbing 和 Lämmer 表示,他们的规划只展示了自组织对交通流动优化能力的冰山一角。让汽车也能感知所处位置的环境并作出响应的技术已经出现,而且我们当中的许多人也许很快会将一部分对汽车的控制权交给仪表板上的导航系统。Helbing 和他的同事表明,如果车辆间能互相交流的话,交通状况可能会有更大的改善——堵车的严重性可能会被极大降低,甚至可以令我们完全避免堵车(参见下面的“巡航控制”)。

我们在这里还能学到更普遍的道理:面对我们日益依赖的超级复杂系统,我们不能再依靠直觉来思考。我们可能永远学不会如何用传统的方式来控制这些系统,而可行的最好办法或许是学会让它们自我管理。现在工程科学不再是只为了知道如何解决问题,还要学会建立能够自己解决问题的系统。为了让系统不失控,我们似乎需要稍微放松对它的控制。

Advertisements

2 thoughts on “(翻译)法则与混乱:为什么没有我们,复杂系统会做得更好?

发表评论

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / 更改 )

Twitter picture

You are commenting using your Twitter account. Log Out / 更改 )

Facebook photo

You are commenting using your Facebook account. Log Out / 更改 )

Google+ photo

You are commenting using your Google+ account. Log Out / 更改 )

Connecting to %s