3 我的模型观

当我整理这些记录时，当现实一次次无法被简单因果解释时，模型反而成了我理解世界的语言，也许这就是我的信仰跃进 “leap of faith” 。因为我是统计学出身，很自然地会用统计模型的方式去理解世界，用模型的角度观察一切。这种习惯并不是刻意形成的世界观，而是在长期与不确定性、偏差和复杂系统打交道的过程中，逐渐内化的一种思考方式。我描述的不是物理和数学模型，因为这本身就是现代科学的基础。在我看来，没有固定的模型，或者说，一切模型都在高维中进化，频率不同而已。换句话说，宇宙的基本规律也是有变量的，也许“道” 字里的“走”这个部首暗示我们，寻找单一的真相本身就是执着。我们既然可以创造模型和模拟系统，那就意味着我们本身就可能是运行在模拟系统的模型。

3.1 因果的模型

在物理学中，现有理论认为宇宙可能具有 11 维，甚至26维的结构；而在数学、统计学和计算科学中，维度在理论上是可以无限扩展的。从建模的角度看，我们所处的世界，本身就是一个高维系统，可以说时无限维的。如果从这个角度出发，那么“复杂”并不意味着混乱，而意味着我们所能观察到的维度只是整体的一小部分。在统计学中，最常见、也最基础的模型是回归模型。最简单的回归模型只包含一个因变量（outcome / dependent variable）和一个自变量（predictor / independent variable)。例如，如果我们把高考成绩作为因变量，把智商作为自变量，那么两者之间的关系可以被描述为二维空间中的一条曲线，如果我们知道二者真正的关系的话，我们可以轻松的在纸上把它画出来。但成绩显然不只取决于智商，于是我们加入每周学习时间作为第二个自变量，此时成绩不再只是智商的函数，而是智商与学习时间的共同结果。如果把这三个变量的关系可视化，我们看到的就不再是一条线，而是三维空间中的一个曲面。但成绩只取决于智商和学习时间吗？显然不是。我们开始不断扩展模型，引入更多变量：父母的智商和学历、家庭条件、社会资源、老师、学校、考试当天的天气、时间、地点、身体状态，甚至吃了什么等等，但我们怎么知道到底哪些变量真正的和高考成绩有关系并测量它们？现实世界的问题，往往并不是“变量够不够重要”，而是“我们是否意识到它的存在”。从统计建模的角度看，我们会尝试把一切可能相关的变量都纳入模型，以提高所谓的“准确性”。这样一来，我们面对的就不再是三维模型，而是一个 N 维模型，而这个 N，在理论上是无限大的。假设存在一个这样的高考成绩模型，或者有一个宇宙万物变化的模型，那么我们真正能够“看到”和“理解”的万物之间的关系，只能是高维关系在一个低维空间中的投影。而人类的直觉，恰恰最容易把“投影”误认为“本体”。所谓“努力学习加上天资聪慧就会有好成绩”，在统计学上，只在其它所有变量保持不变的情况下才成立。换句话说，这种看似直观的规律，不过是高维关系在三维空间中的一个投影结果，是在其它所有已知的和未知的变量都一样的前提下才成立，是一个众多假设之下的结果。而投影的形态，取决于投影的角度——也就是其它所有变量的具体取值。换一个维度，规律就可能改变；换一个条件，因果关系甚至可能反转。在统计回归模型中，如果遗漏了一个重要变量，我们对变量之间关系的判断就可能出现偏差，甚至得出完全相反的结论，这类变量被称为混杂变量（confounder）。这并不是统计学的缺陷，而是它对现实复杂性的诚实承认。任何两个或多个变量之间的关系，都可能依赖于所有其它变量的状态。我们所看到的规律、因果与秩序，并不一定是虚假的，但它们一定是片面的、条件性的、变化的。在应用统计学中，大部分研究时间都花在如何识别、控制和调整混杂变量上。然而我们也清楚地知道，即便拥有无限的资源，人类也不可能控制和调整所有相关变量——有些超出我们的认知，有些根本无法被观测。因此，对规律、因果和真相的追求，本身就是一条没有终点的道路。但我们不能因此而沮丧，而是意识到现实的限制，接受有用但不一定正确，对“绝对解释”保持谦逊。我时常想，如果我们有从宇宙生成那一刻所有事物和变化的数据和时空坐标，也就是宇宙这个数据库，我们会不会可以去猜测这个万物模型，理解宇宙的“道”，会不会可以预测未来？也许更关键的问题是，如果真的能，我们是否还能承受那样的确定性。

3.2 “我”和“我执”

一个不可回避的问题，在模型论里，人是什么？人又和宇宙这个模型什么关系？很显然人不是宇宙之外的观察者，更有可能的是宇宙这个高维模型中的一个子模型，一个不断在线更新的多维模型。大脑是一台生物计算机，意识是操作系统，而“我”，是系统中用于生成反应，理解并预测世界的一组模型，模型的参数则存在大脑和身体的记忆里。从这个角度看，“我”并不是一个稳定不变的实体，而是一种持续运行的过程。它们在社会中被训练、被奖惩、被塑形。但模型不是固定的，它会随经验调整参数。于是，在不同情境、不同关系、不同时间切片中，“我”是一直在变的。人出生时，这个模型的结构极其简单，参数也非常有限。我们并不是带着完整世界观来到这个世界的，而是在与环境的持续互动中，一点点学习、更新和修正自己的模型。而基因里隐藏的信息，则是贝叶斯(Bayesian) 模型中的事前概率分布(prior distribution)。感官——佛教中所说的“六根”——构成了模型的输入接口。家庭和学校，提供了我们最早的训练数据来源，我们则通过监督式学习（supervised learning）在学校和家庭的教育下建立我们的基本认知，也就是模型的参数。这些最早的数据，往往不是最全面的，存在偏差的，但往往却是权重最高的。这个监督学习过程，从一开始就存在一个无法回避的问题：我们无法选择训练环境，也无法筛选训练数据。在训练人工智能模型上，人类会反复讨论如何避免训练数据产生的偏差，而在人类自身的成长过程中，没有人会为我们准备一个“无偏差”的环境。成年之前，大多数人几乎完全暴露在父母、家庭和社会的局部样本之中，这些样本本身就携带着历史、文化和上一代的偏差，并以数据和参数的形式被一代代传递下来。因此，很多后来被称为“性格”的东西，其实只是早期样本的统计结果。久而久之，模型的输出开始根据输入变成“自然反应”：情绪、判断、恐惧、回避、渴望，看似是当下的选择，实则是早期参数在当前情境下的自动响应。这些被固化的反应模式，在佛教中被称为“业力”，在现代语境中，则常被归结为性格或原生家庭问题。当我们意识到这一点时，指责往往会让位于理解。模型的角度看，业力并不是神秘的东西，而是早期参数在后续学习中难以被修正的结果。而所谓“修正”的数据则来源于社会，我们通过强化学习（reinforcement learning）和社会的奖罚制度来调成模型的参数。那么社会数据的偏差，也慢慢的渗入模型的参数里，也就是环境塑造人。模型并不作恶，它只是如实地学习。然而为什么早期的数据对我们的影响相对较大？为什么“本性难移”？这也许是因为早期的数据塑造了初始模型，也就是“我”，并开始有了对混乱信息筛选的能力。“我”并不是模型中的一个普通的变量，而是定义了整个模型的参考坐标系，写在了我们的基因里。当婴儿第一次意识到镜子里的人是自己的时候，就是“我”的开始。从这一刻起，世界被分为“我”和“非我”，这也是追求“自我”的开始。一切输入都要经过“我”的坐标变换，模型的输出才会呈现为喜、怒、哀、乐。这些输出，又会通过色、受、想、行、识（五蕴）不断制造新以“我”为中心的数据，这些数据和社会数据相互作用后再反馈给我们的模型本身。如此反复，一个以“我”为核心的闭环系统逐渐形成，并不断自我强化，这正是“我执”的形成过程。正是因为有了“我”，才产生了“我的”，有了“我执”。从高维的视角看，“我执”并不是道德问题，也不是个人意志薄弱，而是一种结构性结果，一个没有选择的选择。这个“我”的模型，在偏差的，以“我”为中心的坐标系下筛选数据并持续训练，最终只能越来越坚固地指向自身。如果能理解并在生活中接受这一点，本身就已经是“我执“是一种松动。

3.3 命运和自由

人既会感觉“有些事情无论如何都会发生”，又无法否认自己仍然在不断做出选择，这就是命和运的结合。时间是所有模型中的特殊的变量，它不仅仅是一个变量，更是模型扩展与更新的维度。根据热力学的熵增定律，宇宙随着相对的有序进入无序，信息量也不断增加。我们早期的经验，童年环境与原生家庭，在一生中占据如此高的权重，并不是因为它们更正确，而只是因为它们更早。从这个角度看，所谓“命运感”，并不一定意味着未来已经完全注定，而是模型在时间维度上的惯性：早期参数不断被调用、放大，塑造了可行路径的范围，这就是“命”。说到这里难免会让人觉得悲观，但“我”还有希望。作为人类，“我”还可以有智慧，还会有一些自由意志。虽然这并不意味着可以随意改变一切变量，但在一定的结构与约束之下，模型仍然可以保留着的可调空间。在机器学习里，有一种学习模式叫做“无监督学习”(unsupervised learning), 这就是自我观察，总结和纠错的能力 ——不是为了预测外部世界，而是为了理解自身结构。我们无法选择初始条件，也无法重写模型的基本架构，但并不意味着我们只能被动执行程序。修行本身，就是跳出“我”的坐标系，并更新参数去影响路径的过程，这就是“运”。“运”不只是“命”后面的一个名词，它更可以是“命”前面的一个动词。当一个人开始觉察自己的反应模式、情绪触发点和重复路径时，模型就不再完全处于“自动运行”状态。觉察本身，并不立即改变结果，但它改变了模型对自身的调用方式。这也是为什么真正的改变往往发生得很慢。并不是因为人不够努力，而是因为早期高权重参数在模型中占据着稳定的位置。改变它们，需要时间，需要学会接受新的数据，也需要在不确定中反复更新。而所谓“成长”，并不一定意味着变的更强，而可能只是让模型对世界的容忍度更高，对自身的苛责更低。在任何一个复杂模型中，所谓“结果”，并不是某一个变量单独决定的，而是所有变量在特定时刻、特定组合下的共同产物。换句话说，没有哪个自变量是完全独立的，每一个变量的取值，都会在无数看不见的维度上，牵动着其它变量的状态。这正是佛教中所说的“缘起”：一切现象，皆由条件暂时聚合而成，并不具备独立、恒常的本体。因此，所谓“人生的结果”，并不是模型的终点，而只是某一时刻、某一切片下的输出。模型在时间中不断展开，变量在变化，参数在更新，输出自然也随之改变。从这个意义上说，“命”并不是一个静态的结论，而是模型在时间维度上的惯性表现；而“运”，则是模型在既定结构与约束之下，持续演化的过程。修行，在这里并不意味着“把人生优化到最优解”。如果人生真是一个高维模型，那么所谓最优解，本身就依赖于目标函数的设定。而目标函数，恰恰往往是被“我执”所定义的：更成功、更安全、更被认可、更富有。于是，人一生都在试图通过调整外在变量，去逼近一个并未被审视过的目标。但从模型的角度看，真正可行、也更温和的路径，并不是无限扩展变量、加大权重、提高预测精度，而是降低模型对单一结果的依赖。当某些变量不再被赋予过高的权重，当“我”不再是唯一的参考坐标系，模型对输出波动的敏感性就会下降。痛苦，并不一定来自事件本身，而常常来自模型对某些结果的过度放大。统计学中有一句被反复引用的话，George Box 曾说：“All models are wrong, but some are useful.” 所有模型都是错的，但有些是有用的。我们从来不是在理解真理本身，而是在借助模型去接近它。我们理解的规律、因果与意义，并非宇宙的本体，而是在特定条件下，对高维现实在低维空间中的暂时性理解。如果模型不可避免地是片面的，如果规律始终依赖于视角和坐标系，如果“我”本身也是高维现实中的一个投影——那么，也许我们真正需要修正的，并不是世界，而是我们对确定性，控制感，绝对正确和单一解释的执念。那么，人类的出现是偶然的吗？我们的存在有意义吗？我们是在无意识中被生成的一个子模型，还是宇宙理解自身不确定性的无数模拟实验之一？那么模型被运行的意义是不停的产生数据？还是模型的最终觉醒才？或者是觉醒并寻找运行的意义？或许意义并不是设计和运行前预先写好的，而是模型在运行过程中，不断生成的副产物。