书本网

第一卷少年游第八十六章无主

顾老师发下来的材料比江遥想象得更简单。第一页只有一张蚂蚁在纸面上爬过的轨迹图，几十条细线彼此交叉，有些地方密得像一团乱麻，有些地方又突然形成两三条明显的通路。第二页把时间加了进去：最开始，蚂蚁几乎向各个方向乱走；十分钟以后，某几条路线上的往返明显增多；再往后，一条原本并不算最短的路慢慢被放弃，另一条通往食物的路线越来越清晰。材料没有告诉他们蚂蚁有没有“找到最短路径”，更没有要求证明某个算法，只给出三个可以人为改变的条件：食物位置、痕迹消失的速度，以及蚂蚁选择下一步方向时对已有痕迹有多敏感。

顾老师让十五个人先不要计算，只回答一个问题：“如果没有任何一只蚂蚁知道哪条路最好，最后那条比较好的路是谁选出来的？”

教室里最初有人说“群体”，顾老师追问群体是谁；有人说“信息素”，他又问信息素会不会作决定。答案越说越绕，最后黑板上反而只剩几句很朴素的话：每只蚂蚁走过会留下痕迹，后来的蚂蚁更容易沿着痕迹多的地方走，走得快的路线单位时间内往返次数更多，于是痕迹积累也更快；与此同时，如果痕迹不会永久保留，偶然走错的路线又有机会逐渐淡掉。这里没有哪一步包含“选择最短路线”这条命令，可几种局部动作叠在一起以后，整个群体却表现得像是在比较道路。

顾老师把其中一条写在黑板上：“快的路回来得早。”

然后便停了。

江遥盯着这六个字看了一阵，忽然发现真正关键的地方并不神秘。假如两个孩子分别沿两条路跑到同一个小卖部再回来，一条路短，一条路长，走短路的人在同样十分钟里当然可以多跑几趟。如果每跑一趟就在地上撒一点粉，那么短路上的粉自然会更厚，后来的人就更容易继续选它。没有人需要先拿尺子量出哪条路短，时间本身已经替系统做了一部分比较。

这个解释简单到初中生都能懂，却没有因此变浅。江遥接着想到一个麻烦：如果最开始恰好有很多蚂蚁误打误撞走了长路，那条路也可能先积累出很浓的痕迹，后来的蚂蚁便继续跟随。群体不一定总能“越来越聪明”，也可能因为一个偶然的早期优势越走越错。她把这个问题写下来，陆徊在旁边看见以后说：“所以痕迹不能留太久。”

“为什么？”

“让错路有机会忘掉。”

江遥转过头看他，忽然觉得“忘掉”这个词比“挥发”更有意思。一个群体如果永远记住最早发生的一切，早期错误就可能一直放大；如果什么都记不住，又无法积累经验。真正有用的似乎不是记忆本身，而是记忆应该保留多久。

他们很快得到了一套模拟工具，不需要真正养蚂蚁，只需调整几个滑块便能看到一群小点在屏幕上行动。江遥先把痕迹保留时间拉到最长。结果十分直观：一开始哪条路偶然被走得多，后来几乎就被彻底固定下来，即使教师中途把食物挪到另一个位置，整群“蚂蚁”仍会沿着旧路线反复奔跑，很久都改不过来。她又把痕迹消失速度调得极快，系统这次倒是不固执了，可也学不会任何东西，所有小点一直四处乱走，刚形成一点路线便消失。

“一个太记仇，一个失忆。”韩思遥不在核心组课堂里，江遥下意识想起她大概会怎么评价，自己先笑了一下。

顾老师正好经过，问她笑什么。江遥把这两个极端说了一遍，他没有纠正这种不专业的说法，只问：“那中间最好吗？”

江遥本来想回答大概率是，话到嘴边却停住。她重新调整食物位置和环境变化速度，很快发现并不存在一个永远最好的“中间值”。食物长期固定时，保留更久的记忆有利于稳定利用好路线；如果食物位置频繁变化，过强的记忆反而拖慢适应。所谓合适的记忆长度，取决于世界自己变化得有多快。

这一点让她想了很久。

如果环境一天才变一次，记住半天也许是优势；如果环境每分钟都在变化，半天的记忆就可能成为负担。一个系统究竟应该多稳定、多善变，并不能脱离它生活的世界单独判断。她没有在草稿上写“适应性”或者“动态环境”这些词，只画了两条时间线，一条代表外部世界变化的速度，另一条代表群体遗忘旧痕迹的速度，然后在两条线之间画了一个问号。

下午的任务更有意思。老师把模拟中的一个规则改掉：不允许蚂蚁直接“偏爱痕迹最多的方向”，只能让它们根据附近少量信息调整一点点方向。系统仍然能形成路线，却慢得多，而且经常在两条接近的道路之间来回摇摆。有人据此认为“全局智能”其实只是局部反馈的放大，江遥却觉得这句话仍然太快。局部反馈当然重要，可不是任何反馈都会产生有用的结果。把“越多人走越吸引人”稍微调得过强，系统会很快锁死；调得太弱，系统又无法形成稳定结构。真正难的不是说“简单规则可以产生复杂行为”，而是为什么某些简单规则能长出有用的复杂，而另外一些只能长出噪声、僵化甚至灾难。

顾老师直到最后二十分钟，才在黑板上写下“涌现”两个字。

他没有把它定义成一句需要记忆的话，只说：“你们今天看到的不是‘很多简单东西放在一起就一定会聪明’，更不是复杂系统自动高明。真正的问题是，什么时候局部互动能形成比个体更高一层的稳定结构，什么时候只是把错误放大。”

江遥觉得这比“蚂蚁很聪明”重要得多。

下课以后，陆徊跟她一起往外走，路过楼梯口时忽然问：“如果群体最后找到一条好路，那能不能说这个群体知道路？”

江遥没有马上回答。他们已经见过很多类似的语言陷阱：一个模型准确识别图片，人会说它“看见了”；一群蚂蚁形成路线，人会说它“知道”；一排振子同步，人会说它们“协调”。这些词在人类生活里太自然，以至于一旦拿去描述别的系统，就很容易把自己的经验一起塞进去。

她想了一会儿，说：“至少可以先说它表现得像知道。”

“这不是绕开问题吗？”

“是。”江遥承认，“但我现在不知道‘知道’应该从哪里开始算。”

陆徊笑了：“终于有你不急着定义的词了。”

江遥踢了一下台阶边缘的雪：“我现在改了。”

“暂时。”

“你闭嘴。”

两个人走到食堂门口便分开。江遥没有注意到，自己整整一下午都没有想过核心组第七名，也没有计算这堂课可能在下一轮筛选里值多少分。这个问题让她感兴趣的方式已经和竞赛题不同：不是因为里面藏着一个难解的答案，而是她第一次觉得，连问题边界都没有画清楚。

原既白那边的机器学习项目也正卡在一个边界上，只不过要狼狈得多。

他们终于做出了第一版“自动找模型弱点”的测试程序。为了避免程序简单地把图片毁坏到人也无法识别，原既白和宋弈加入了几条限制：主体形状不能大幅改变，关键区域不能被直接抹掉，整体视觉差异控制在一个范围内。程序会在这些限制之内不断尝试轻微修改，一旦发现某种变化特别容易让模型改答案，就继续沿着这个方向搜索。

第一批结果让他们很兴奋。几张在人看来几乎没变的豆子照片，仅仅调整背景细节和局部纹理，模型置信度就从接近百分之九十掉到不足百分之四十。其中一张甚至仍能被班上所有同学毫不犹豫地认成同一类豆子，模型却完全换了类别。宋弈把前后两张图片放大到满屏，来回切换了好几次，最后说：“我真看不出区别。”

原既白也看不出。

这本来应该是他们想要的结果，可等程序继续跑了几小时，新的麻烦出现了。它开始越来越擅长利用他们那几条“人仍觉得图片差不多”的限制边界，专门制造一些肉眼很难察觉、统计上却异常精确的细小纹理。结果确实能骗过模型，却离真实世界越来越远。正常相机不会这样改变豆子，正常光照也不会产生那种纹理，程序只是发现了一条人类测试规则没有堵住的缝，然后拼命从那里钻出去。