22.9 全球模型的诸多问题

二十世纪七十年代,在讲述了数千年关于地球的过去、关于天地万物的传说故事之后,地球行星上的居民开始讲述第一个关于未来可能发生的故事。当时的高速通讯,第一次为他们展示了自己家园全面的实时视图。来自太空的图像非常迷人——黑色的远景里优美地着悬挂一个云蒸霞蔚的蔚蓝色球体。而地面上正在发生的故事就没那么可爱了。地球每一个象限发回来的报告,都在说地球正在分解。

太空中的微型照相机带回了地球的全貌照片,惊艳绝伦,用老式的辞意表达:是既令人振奋又令人恐惧。这些照相机,连同由每个国家涌出的大量的地面数据,组成了一面分布式的镜子,反映了整个地球系统的画面。整个生物圈越来越透明。地球系统开始预测未来——像所有系统都会做的那样——希望知道接下来(比如说,在下一个二十年里)可能发生什么事情。

广告:个人专属 VPN,独立 IP,流量大,速度快,连接稳定,多机房切换,每月最低仅 5 美元

从环球外膜收集的数据中,我们获得了第一印象——我们的地球受伤了。没有一种静态的世界地图能查证(或者反驳)这个景象。也没有一个地球仪能够列示随着时间推移而起落的污染和人口图表,或者破译出一个因素与另一个因素之间的那种相互关联的影响。也没有任何一种来自太空的影片,能够诠释这个问题,继续下去会怎样?我们需要一种全球预测装置,一个全球假设分析的数据表。

在麻省理工学院的计算机实验室里,一位谦逊的工程师拼凑了第一份全球电子数据表。杰伊·福瑞斯特从1939年开始就涉猎反馈回路,改良转向装置的伺服机制。福瑞斯特和他在麻省理工学院的同事诺伯特·维纳一起,沿着伺服机制的逻辑路径直到计算机的诞生。在为发明数字计算机提供帮助的同时,他还把第一台具有计算能力的机器应用于典型工程技术理念之外的领域。他建立了各种能够辅助公司管理和制造流程的计算机模型。这些公司模型的有效性,激发了福瑞斯特新的灵感。他在波士顿一位前市长的帮助下,建立了一个城市模型,模拟整个城市。他凭借自己的直觉,非常正确地意识到级联反馈回路——虽然用纸笔不可能进行追踪,但是计算机却能轻而易举地追踪——是接近财富、人口和资源之间互相影响的网络的唯一途径。那么为什么不能模拟整个世界呢?

1970年,在瑞士参加了有关「人类处境」的会议之后,福瑞斯特坐在返程的飞机上,开始草拟第一个公式,一个将会形成他称之为「世界动态」模型的公式。

粗糙不说,而且是份草图。福瑞斯特的粗糙模型反映出明显的回路和力量,他的直觉感到是它们统治着大型经济体。至于数据,只要现成,他都抓过来用来做快速估计。罗马俱乐部,资助了那次会议的集团,来到麻省理工学院,对福瑞斯特拼凑起来的这个原型进行评估。他们受到眼前所看到东西的鼓励。于是,他们从大众汽车基金会筹到资金聘请福瑞斯特的伙伴丹尼斯·梅多斯对这个模型做下一步的工作,继续完善它。在1970年剩下的时间里,福瑞斯特和梅多斯共同改进「世界动态」模型,设计更为周密的流程回路,并满世界地淘选最近的数据。

丹尼斯·梅多斯[1]和他的妻子丹娜[2],还有另外两个合著者,一起发布了一个功力增强了的模型,里面存满了真实的数据,名为「增长的极限」。作为第一个全球电子数据表,这一模拟获得了巨大的成功。有史以来第一次,整个地球的生命系统、地球资源,以及人类文化,都被提炼出来,形成一个模拟系统,并任其漫游至未来。「增长的极限」模拟系统作为全球警报器,也是非常成功的。它的作者们用这样的结论提醒全世界:人类现有路径的每一次扩张,几乎都会导致文明的崩溃。

「增长的极限」模型得出的结果发表后的许多年里,在全世界范围内激发的社论、政策辨论和报纸文章成千上万。一幅大字标题惊呼:「计算机预测未来令人不寒而栗」。这个模型的发现要点是:「如果当前的世界在人口、工业化、污染、食品生产以及资源消耗方面的增长趋势保持不变的话,那么这个星球将会在接下来的100年之内的某个时刻达到其增长极限。」模型的制造者们曾经以数百种差别细微的情景进行了数百次的模拟。但是,无论他们如何进行权衡,几乎所有的模拟都预测到人口和生活水平要么逐渐萎缩,要么迅速膨胀然后立刻破灭。

这个模型极具争议性,而且受到极大的关注,主要是因为其中蕴含着显著清晰又令人讨厌的政策意义。不过,它永久性地把有关资源和人类活动的讨论提升到了必要的全球范围。「增长的极限」模型的并没有成功的孕育出其他更好的预测模型,而这恰恰是它的作者们希望做到的。相反,在其间的20年里,世界模型都受到怀疑,主要是因为「增长的极限」引发的种种争议。具有反讽意味的是,在(二十年后的)今天,公众唯一看得见的世界模型,仍然是「增长的极限」。在模型发布20周年纪念日的时候,作者们只略做改动又重新发布了这个模型。

重新发布的「增长的极限」模型,运行在一个被称为Stella的软件程序上。Stella采用由杰伊·福瑞斯特在大型计算机上制订出的动态系统方法,再把它移植到苹果电脑的可视化界面上。「增长的极限」模型是一张用各种「库存」与「流」编结而成、给人深刻印象的网。库存(货币、石油、食物、资本诸如此类)流入某些特定的节点(代表一般进程,比如说耕种),在那里引发其他库存的流出。举例来说,货币、土地、肥料以及劳动力流入农场之后,就会引流出未加工的食物。而食物、石油和其他一些库存流入工厂则生产出肥料,从而完成一个反馈回路。由回路,次级回路和交叉回路组成的意大利面似的迷宫构成了完整的世界。每个回路对其他回路的影响都是可以调整的,而且视现实世界中的数据比率而定。比如,每公斤肥料、每公斤水,能在一公顷的田里生产出多少粮食,又会产生多少污染和废料。确实,在所有的复杂系统里,单一调整所产生的影响都无法事先估量;必须让它在整个系统中展现出来之后,才能进行测度。

活系统必须为存活而预期。可是,预测机制的复杂性绝不能盖过活系统本身。我们可以详细地考查「增长的极限」模型,以此作为预测机制固有困难的实例。选择这个特殊的模型有四个理由。首先,它的重新发布要求把它(重新)看做人类的预测努力可以依赖的预测装置。其次,这个模型提供了方便的二十年期进行评估。它二十年前侦测到的那些模式是否仍占有优势?第三,「增长的极限」模型的优点之一在于它是可以评论的。它生成的是可以量化的结果,而不是含糊其辞的描述。也就是说,它是可以检验的。第四,为地球上人类生活的未来建立模型是最野心勃勃的目标。无论成功还是失败,如此杰出的尝试都会教给我们如何运用模型预测极其复杂的适应系统。人确实要反躬自问:到底有没有信心模拟或预测像世界这样一种看起来完全不可预测的进程?反馈驱动的模型能够成为复杂现象的可靠预报器吗?

「增长的极限」模型有很多可抨击的地方。其中包括:它并非极度复杂;它塞满了反馈回路;它演练情景。但是,我从模型里还发现有如下弱点:

有限的总体情景。「增长的极限」与其说是在探索各种真实存在的多样性的可能的未来,倒不如说它不过是在一组颇为有限的假设上演绎大量微小的变化。它所探查的那些「可能的未来」,绝大多数似乎都只是在它那些作者们那里才说得通。二十年前建立模型的时候,作者们觉得有限的资源会枯竭是个合理的假设,他们就把那些没有建立在这个假设基础上的情景忽略掉了。但是,资源(比如稀有金属、石油或者肥料)并没有减少。任何一种真正的预测模型,都必须具备能够产生「想象不到」的情景的能力。一个系统在可能性的空间要有充分的活动余地,可以游荡到出乎我们意料之外的地方,这很重要。说它是一门艺术,是因为模型拥有了太多的自由度,就变得不可驾驭了,而把它拘束得太紧,它就变得不可靠了。

错误的假设。甚至最好的模型,也会因为错误的前提而误入歧途。就「增长的极限」来说,它的一个关键性的原始假设,就是认为世界只容纳了可供250年使用的不可再生资源,而且对于这种资源的需求在迅猛发展。二十年过后,我们已经知道这两个假设全都是错误的。石油和矿物的储量增加了,而它们的价格却没有增加;同时,对某些原材料的需求,比如铜,并未呈指数增长。1992年重新发布这一模型的时候,作者对这些假设做了修改。现在的基础假设是污染必然会随着发展而增加。如果以过去的二十年作为指南的话,我能想象,这样的一条假设,在未来的二十年中,也需要修正。这种基本性的「调整」必须要做,因为「增长的极限」模型需要它……

没有为学习留下余地。一批早期的批评者曾经开玩笑说,他们用「增长的极限」模型模拟1800~1900年这段时间,结果发现「街上堆了一层有20英尺高的马粪」。因为当时的社会,使用马来进行运输的比例正在增长,所以这是一个逻辑外推。那些半开玩笑半当真的批评者认为,「增长的极限」模型没有提供技术学习、效率提高,以及人类行为自律能力、改革发明能力的规则。

这个模型内里连接着某种类型的适应。当危机发生的时候(比如污染增加了),资本资产就会转过来处理危机(于是污染的生成系数就降低了)。可是,这种学习,既非分散的,也不是终端开放的。事实上,这两种类型建模都不容易。本书其他地方提到的很多研究都是有关在人造环境或自然环境中实现分布式学习和终端开放式增长的开拓性努力。而如果没有这种分散的、终端开放的学习,要不了多少日子,真实的世界就可以胜过模型。

现实生活中,印度、非洲、中国以及南美的人口并没有按照「增长的极限」模型的假设性规划来改变他们的行为。而他们之所以适应,是因为他们自有的即时的学习周期。比如,全球出生率的下降速度快得超过了任何人的预测,使得「增长的极限」这个模型(和绝大多数其他预测一样)措手不及。这是否归因于「增长的极限」之类的世界末日的预言的影响呢?更为合情理的机制是,受过教育的妇女生育的子女少,过得也越好,而人们会仿效过得好的人。而她们并不知道,也不关心全球的增长极限。政府的种种激励促进了这些本来就已经出现的局部动态的发展。无论什么地方的人总是为了自己的直接利益而行动和学习。这也适用于其他方面的功能,比如作物的生产力、耕地、交通等等。在「增长的极限」模型中,这些波动数值的假设都是固定的,但是,在现实生活中,这些假设本身就拥有共同进化的机制,会随着时间的变化而变化。关键在于,必须把学习作为一种内在的回路植入模型。除了这些数值,模拟中——或者说想要预测活系统的任何模拟中——假设的确切构造必须具备很强的适应性。

世界平均化。「增长的极限」模型把世界上的污染、人口构成、以及资源的占有统统看作是划一的。这种均质化的处理方式,简化了世界,使足以稳妥地给它建模。但是,因为地球的局部性和区域划分是它最显著和最重要的特性,这样做的结果最终破坏了模型存在的目的。还有,源自各不相同的局部动态的动态层级,形成了地球的一些重要现象。建立「增长的极限」模型的人,意识到了次级回路的力量——事实上,这正是福瑞斯特支撑这个软件的系统动力学的主要优点。可是,这个模型却完全忽略了对于世界来说极为重要的次级回路:地理。一个没有地理的全球模型……。根本不是这个世界。在整个模拟中,不仅学习必须是分布式的,而且所有的功能都必须是分布式的。这个模型最大的失败,就在于它没有反映出地球生命所具有的这种分布式的本性——群集本性。

任何终端开放的增长都不能模仿。我曾经问过丹娜·梅多斯,当他们在以1600年,甚至1800年为起点运行这个模型的时候,得到了什么结果,她回答道,他们从来没有这样运行过这个模型。我当时非常吃惊,因为返溯实际上是对各种预测模型进行实际检验的标准方法。「增长的极限」这个模型的建造者们怀疑,如果进行这样的模拟的话,这个模型会产生出与事实不符的结果。这应该成为一种警报。从1600年开始,这个世界就已经进入了长期的增长。而如果一个世界模型是可靠的,那么它就应该能够模拟出四个世纪以来的增长状况——至少作为历史来进行模拟。说到底,如果我们要相信「增长的极限」这个模型对于未来的增长确实是有话可说,那么,这个模拟就必须,至少从原则上说,能够通过对几个过渡期的模拟生成长期的增长。而就它现在的情况而言,「增长的极限」所能够证明的,充其量也就是模拟出一个崩溃的世纪而已。

「我们的模型异常『强健』,」梅多斯告诉我,「你得千方百计来阻止它的崩溃……。总是有相同的行为和基本动态出现:过火和崩溃。」依靠这种模型来对社会的未来进行预测,是相当危险的。系统的所有初始参数迅速向着终点汇聚,可历史却告诉我们,人类社会是一种显示出非凡的持续膨胀的系统。

两年前,我曾经用了一个晚上的时间,跟肯·卡拉科迪西乌斯聊天。他是一个程序员,正在建造一个生态和进化的微型世界。这个微型世界(最后变成了SimLife这款游戏)为那些扮演神的角色的玩家提供了工具,他们用这些工具可以创造出32种虚拟动物和32种虚拟植物。这些虚拟的动植物相互影响、相互竞争、相互捕食,然后进化。「你让你的世界最长运行了多长时间?」我问他。「唉」,他呻吟道,「只有一天。你知道,要保证这种复杂的世界不断运行下去确实是一件困难的事情。它们确实喜欢崩溃。」

「增长的极限」里面的那些情景之所以会崩溃,是因为「增长的极限」这个仿真模型善于崩溃。在这个模型里,几乎每一个初始条件都要么会导致大灾难,要么导致某种(极少情况下)稳定状态——但是从来不会产生任何新的结构——因为这个模型天生不能产生某种终端开放的增长。「增长的极限」没有能力模拟出农耕时代进入工业社会的自然发展过程。梅多斯承认,「它也不可能把这个世界从工业革命带向任何一种接下来会出现的、超越工业革命的阶段。」她解释说:「这个模型所展示出来的,是工业革命的逻辑撞到了无可避免的限制墙。这个模型有两件事情好做,要么开始崩溃,要么,由我们作为模型的建立者对它进行干预、作出改变来挽救它。」

我:「不能搞一个更好的拥有自身转换能力、可以自动转换到另一个层级的世界模型吗?」

丹娜·梅多斯:「当我想到,这种结局是系统设计好让它发生的,而我们只是这么往后一靠然后作壁上观,就觉得有点宿命的感觉。但相反,我们在建立模型的时候,实际上把自己也放在里面。人类的智能进入到这个模型之中,去感知整个形势,然后在人类的社会结构里作出改变。这就反映了在我们脑中出现的系统如何升华到下一个阶段的图景——利用智能介入并重建系统。」

这是拯救世界的模型,可是,它对一个不断复杂化的世界如何运转的建模不适当。梅多斯是对的,走了一条采用智能来插手把它人文化、并改变它的结构的路子。不过,这个工作不只是由模型的建立者来完成,也不只是发生在文化的起始点。这个结构的重建发生在全球六十亿个大脑里,是每天发生、每个时代都发生的事情。如果说确实存在着去中心化的进化系统的话,那么人类的文化就是这样一种系统。任何不能包容这种每日在数十亿头脑中进行的分布式微型进化的预测模型,都注定会崩溃,如果没有这样的进化,文化本身也会崩溃。

二十年后,「增长的极限」模拟模型所需要的就不仅仅是更新换代了,它需要完全重做。利用它的最好方式,是把它看成一个挑战,是建立更好的模型的一个新起点。一个真正的全球社会的预测模型,应该满足下面这些条件:

能够大量运行各式各样的情景,

从一些更灵活、更有根据的假设开始,

实施分布式学习,

包含局部性和地区性的差异,

如果可能的话,展现不断增长的复杂性。

我之所以不把焦点放在「增长的极限」世界模型上,是因为我想指摘它那些强有力的政治内涵(毕竟,它的第一个版本激发了一代反增长的激进主义分子)。确切地说,这个模型所具有的种种不充分性,恰好跟我想在本书提出的几个核心论点相对应。为了把这个系统的某段情景「前馈」到未来,福瑞斯特和梅多斯勇敢地尝试模拟一个极端复杂的、具有适应性的系统(在地球上生活的人类的基础结构)。这个福瑞斯特/梅多斯模型所突出的,不是增长的极限,而是某些特定的模拟的极限。

梅多斯的梦想,同样是福瑞斯特的梦想,是美国中央司令部那些战争博弈者的梦想,是法默和他的预测公司的梦想,也是我的梦想。而这个梦想就是:创造出一个系统。这个系统要能够充分反映出真实的、进化着的世界,使得这个微型模型能够以比真实世界跑得更快的速度进行运转,从而把它的结果投射到未来。我们想要预测机制,不是出于预知命运的使命感,而是为了获得指引。理念上,只有考夫曼或者冯·诺伊曼的机器,才能自行创造出更为复杂的东西。

为了做到这一点,模型就必须拥有「必要的复杂性」。这个术语,是二十世纪五十年代由控制论专家罗斯·艾希比创造出来的,他最早制作出了一些电子自适应模型。每一个模型,都必须一点一滴地提取出无数现实的细节,汇聚起来压缩成像;它必须浓缩的最重要的特质之一,就是现实的复杂性。艾希比总结了自己那些用真空管造出迷你模型的试验,得出了这样的结论:如果一个模型过于急切地简化了复杂现象,它就会错失目标。模拟的复杂程度,不得超出它所模拟的复杂性的活动领域,否则,模型就跟不上它所模拟的东西的曲折路线。另外一位控制论专家,杰拉尔德·温伯格,在他的著作《论稳定系统的设计》中给这个「必要的复杂性」提供了一个非常贴切的比喻。温伯格提示说,想象一下,一枚制导导弹瞄准了一架敌机。导弹自己并非一定也是一架飞机,但是它必须具备与飞机的飞行行为复杂性旗鼓相当的飞行复杂性。如果这枚导弹不具备至少与目标飞机一样的速度,而且在空气动力学方面的敏捷程度也不如那架目标敌机,那它肯定打不中目标。

丹尼斯·梅多斯(Dennis Meadows, 1942~):美国科学家,美国麻省理工学院斯隆管理学院教授,福瑞斯特的副手。

丹娜·梅多斯(Dana Meadows, 1941~2001):美国开拓型环境科学家、教师和作家,丹尼斯·梅多斯的妻子。与丹尼斯及另外两位合作者共同发布了「增长的极限」。