本篇文章來源於第一位技術類的騰研識者：嶽亞丁。早在2016年，嶽博士就在騰訊戰略管理大會上，給大家科普過AI與量子計算的奧秘。
如今，為了讓更多人了解算法，尤其是預測算法，他設計了一連串虛擬對話：
算法可以做啥？
憑什麽公司給算法工程師開那麽高的工資？
可以預測股票和房價嗎？
預測有什麽困難？
算命和量子糾纏能用於預測嗎？
如何盡量預測準確？
與綁在豬腿上的棍子有什麽關係？
預測都是刻舟求劍
算法工程師與他的女友在海邊散步，他們開始聊天。
圖注：網傳 2018 屆互聯網校招高薪清單
：我常常感到奇怪的是，你們公司到底是因為什麽給你開高工資。那些軟體工程師好歹還是開發了很多軟體給大家用，他們拿錢還是理所當然的。
：我做算法啊，算法可以讓電腦做更多的事。
：算法到底是什麽？看不見摸不著的。就是用電腦做加減乘除嗎？
：不是。加減乘除是電腦很基礎的運算，早就有人做好了，不需要我們考慮。
還有一些工程師做的事情，比如說，把一車貨物從地點A運送到地點B，要經過一個很複雜的交通網絡，裡面的岔路很多，可選的路線有很多條，如何從中選出一條最短裡程的路線，這些也是算法。
我做的算法又有所不同，比如說，預測……
：預測？你能預測股票嗎？房價呢？（畫外音：也就只有女朋友敢這麽問~）
：可以預測股票和房價，但是普遍還不太準。
我主要是預測公司業務方面的東西，比如說，預測下周的銷售收入，預測哪些用戶比較願意花錢購買我們的產品，甚至預測用戶接下來要到哪裡去，會做什麽，等等。
：這些你能預測準嗎？
：大致是準的，但是也有誤差。
：為什麽會有誤差呢？
：誤差在實際工作中始終存在，數學上可以證明，不可能百分之百的準確，除非是一些極簡單、極確定性的情況。
實際工作中，我們當然會盡量想辦法預測準確的了。但即便有一些誤差，公司拿我目前的預測結果，也已經可以做很多事情了。
可以說，我們做算法的，就是在變相地幫公司多掙錢，所以當然要付給我們高工資。
：公司怎麽樣多掙錢呢？
：比如說，預測到用戶甲有較強的購買我們產品的可能性，用戶乙的意願不那麽強，那麽我們的廣告資訊就應該主要發送給像用戶甲這樣的用戶，使得在同樣的行銷成本下，公司的銷售收入可以更大。
：我有點明白了。但是，要想預測準確，到底難在哪裡？你可以不講數學嗎？我討厭數學。
：好的，不講數學。還是舉例說明吧，比如說，預測下周的銷售收入。這跟預測股票的未來幾天價格是多少，本質上是一樣的。
：嗯。
：預測算法，跟人一樣，就是讓電腦看看已經發生過的情況，從過去的數據裡面找一找有什麽規律，然後利用這些規律來預測未來。
麻煩的是，我們只能根據過去預測未來。
：那當然了，預測不都是根據過去預測未來嗎？
：正是因為這個根本原因，使得幾乎所以的預測算法都帶有“刻舟求劍”的味道了。
：你是說，情況在變化，過去的規律，用到未來，就不那麽靈了？
：是的。
算命和量子糾纏可以用於預測嗎？
：除非你會算命。
：算命也可以看作是一種預測。隻不過比較玄，傳說有人算得很準，但是沒有得到系統的驗證，也沒得到科學的解釋，我也不敢用啊。
：是的，如果你老闆聽說你在用周易八卦，來預測哪個用戶下周會流失，哪個用戶的貸款還款會出現違約，肯定會認為你在忽悠，非開掉你不可。
：對，絕對不敢。不過，我還是很驚訝，算命的過程中，對於想知道的某個事情，隻從一個簡單的卦象，就能從非常多的可能性中推斷出一種結果，看起來很神奇。
但是不幸的是，起卦和解卦有很大的任意性，也就是說，對於同一個事情，不同的卦師可能得到不同的卦象，而對於同一個卦象，不同的卦師也可能得到不同的預測結果。
這樣的不確定性，讓人無法捉摸，也沒法讓電腦來照此預測了。
：哈，你還真的研究過算命？
：不算研究，只是考察過，看起來不樂觀，先擱置吧。對於前面我們說到的根本困難，我還看了量子糾纏，看能否幫助突破呢。
：量子……糾纏？
：嗯。我先解釋一下量子糾纏吧。
：說簡單一點，不要太難懂了。
：好。舉一個不很恰當的例子：你把你的一雙鞋從深圳寄給朋友，其中一隻寄給北京的朋友，另一隻寄給上海的朋友。看起來有點犯傻，但我們暫時就假定這麽著吧。
你事先告訴她們，你給她們每人寄了一隻鞋，而且兩隻鞋是配對的。這樣，北京的朋友收到之後，打開一看，如果是左腳的，那麽她在一瞬間就知道（不需要去問對方），上海朋友收到的一定是右腳的。
：唔。這個倒是好懂，但是，你到底想說啥呢？
：這兩隻鞋子（一左一右），就是處於糾纏狀態，你看到了其中一個的狀態，就立刻知道另一個的狀態，不管它們相距多遠。
類似地，微觀粒子，比如說兩個電子或者光子，如果處於糾纏態，那麽觀察其中一個的狀態，另一個的狀態也就立刻確定了。
：對。但是這個跟你做預測有什麽關係？
：大膽想象一下：如果有一個事情，它的過去和未來處於糾纏狀態，那麽知道了它的過去，豈不是就可以知道它的未來了？這就是預測了。
：啊，是哦。有點像偷看底牌。這真的可能嗎？
：還只是理論上的探索。科學家們總是腦洞大開，設想出各種可能性，然後試圖證實。
不過，前幾年有物理學家做了實驗，發現不同時期的兩個量子系統，的確可以發生糾纏。
這就好像在說，來自遙遠過去（比如90億年前）的星光的某種特徵，竟然能夠影響你在今年冬天用業餘望遠鏡觀測到的星光特徵。
更奇怪的是，甚至還可以說，你在今年冬天觀測到的落入你望遠鏡的星光，不知何故就支配了光子的特徵超過90億年之久。
：你是說，現在的事情還可以影響到過去？
：對，量子世界裡，看起來就是這樣：兩個事件如果在時間上發生量子關聯，我們就沒辦法說，哪個在前，哪個在後，因果也不分了，兩個事件中的每一個事件都是另一個的原因。
這跟我們的直覺完全不同了。
：不可思議。那，現實世界裡，可以把這個用於預測嗎？
：還不知道，好像還沒有人做這個研究。不過，現實世界中，在巨集觀尺度下，很多量子現象消失，所以剛才講到的量子糾纏、量子關聯，對我們的預測多半是沒有幫助。
但我也不能把話說死了，過一段時間，我再看看這方面的研究報導，看能否有啟發吧。
：嗯。偷看底牌不容易，天機不可泄漏啊。
哪些系統相對容易預測？
：所以我們做預測，只好想其它辦法，希望能達到近似的準確。
：怎麽樣近似？
：先還是簡單區分一下，哪些事情是比較容易預測準確，哪些很難，然後我們區別對待。
：這個不太好區分吧。
：一般而言，對於原理比較簡單、容易描述清楚的系統，我們能夠預測得比較準確。
比如說，一輛汽車正在高速路上勻速行駛，整個路網沒有大的外在影響（如車禍、突變氣象），那麽下一個時間段裡，我們可以預測，它的速度不會有大的變化，還是會按某個預定時間到達某個目的地。
又比如，雖然長期氣象預報很難準確，但是短期內的預報，現在還是挺準的。
因為這些大氣、溫度、濕度等因素的變化是滿足一套力學方程的，只要氣象觀察的數據足夠多，電腦的計算能力足夠強，我們就可以通過這套方程，算出未來短期內的氣象變化情況。
：那麽，哪些是比較複雜的系統呢？
：有很多。比如說，凡是涉及到有人在裡面發揮作用的、社會經濟類的系統，都很複雜。
其中的各種因素是如何相互影響的，我們都不太清楚。系統的變化規律很難捉摸，讓人難於下手。股票市場算是其中的一種吧。
：好像是這樣的。
：這樣舉例來區分，不是很嚴謹。事實上，研究人員設計了一些指標，來判斷系統的可預測性。
比如說，有科學家提出一個統計衡量值，用來判斷系統的隨機程度，及系統變化趨勢的持續程度。如果系統不那麽隨機地變化，系統的變化趨勢也比較恆定，那就比較容易預測準確了。
：好抽象，沒聽懂。
：好，先不管是否嚴謹吧。你只要記住，我們大致有一些辦法來區分哪些系統是比較容易預測的。
：好。那，對於複雜的系統，你怎麽預測呢？
：對複雜系統，我們一般只能從現象上，從表層看到的數據上，建立起對系統的認識，也就是所謂的系統模型。
雖然我們看不到系統的內部結構，不知道它的運行機制，但是系統展示出的數據中隱含了系統的重要資訊，數據在很大程度上體現了系統的本質，儘管不是很完全。
：說人話。
：想象一下：我們把一根長木杆綁在豬腿上，豬在豬圈裡面活動，我們的視線被豬圈擋住了，看不見豬，只看到木杆頂端的晃動，現在要根據晃動情況推測豬是在吃飯還是在睡覺，以及下一步又會幹什麽。
：好惡心的比喻。
：就是說，我們看到的只是冰山一角，然後要推測系統下一步如何變化。
：嗯，盲人摸象。
：目前的做法雖然都是刻舟求劍，但是還得做啊。大家盡量想辦法吧，比如說，把能看到的數據分解成若乾個組成部分，對它們分別建模和預測，然後把它們的預測結果合並起來。
這有點“分而治之”、“先分析再綜合”的味道。
又比如說，對看到的數據從不同角度建立幾個不同的模型，進行預測，再把這幾個模型的預測結果合並起來。這有點“三個臭皮匠賽過諸葛亮”、“幾個盲人把情況湊到一起”的意思。
：這樣做，就能預測準了麽？
：有時會更準確，但也不能保證每次都會更準確，還是取決於具體的場景和數據情況。有的時候，幾個臭皮匠都是錯的，他們的意見匯總起來，最終可能還是錯的。
算法和模型是一回事嗎？
：你前面老是在說模型，到底什麽是模型？
：模型就是描述一個系統的數學公式或規則。
：能用我能聽得懂的話，舉個例子嗎？
：還記得中學裡面學過的萬有引力定律嗎？
：不太記得了，好像就是地球、月亮、太陽之間都有引力拉著，人在地面上也有引力拉著，要不人就飄走了，飄到太空中去。
：對。牛頓發現了一個公式，就是兩個物體之間的引力的大小，與物體的品質成正比，與物體之間的距離的平方成反比。這個公式，就是關於物體之間引力作用的模型了。
：明白了。那，有時聽人家說預測算法，又有人說預測模型，這兩個東西，是一回事嗎？
：是挺容易混淆的，包括我們自己也有人在瞎叫混叫。
先明確一下什麽是模型：它是對事物的認識或者描述，表現為一個（或一組）公式，或者一套規則。
公式的情況，就像剛才提到的萬有引力公式；規則的情況，比如你發現了一個規律，如果夏天發生雷陣雨0.5小時，則氣溫會下降0.5-2度，這樣的規則也算是一種模型。
：好的。
：那麽，預測模型，自然就是用作預測的模型了。
預測算法，則是用來發現預測模型的方法，是依據數學原理而設計出的一系列步驟。
比較容易混淆的一點，就是在得到預測模型之後，把它用於預測時，還是必須寫成電腦程式的，有些人把這個程式又叫做預測算法。
：好吧。可否這樣說，模型是世界觀，算法是方法論？
：這個類比有點意思。
能否避免刻舟求劍？
：看來，你的工作關鍵是要預測準，是不是搞出一些複雜精巧的模型，就可以了呢？
：也不一定，過於複雜的模型，有時反而不如簡單模型。
理由我先不說了。我現在關注的是，它們都是刻舟求劍，用於預測，準確性總是有限。
即使有人試圖利用過去數據規律與未來的相似性或存續性，也不那麽理想。
：這真有點兩難了。你想偷窺未來，現在還做不到，也不知道將來能不能做到；你想做近似預測，刻舟求劍的問題始終是個攔路虎。
：兩難之間，還有一點點中間地帶，不知道會不會是希望所在。
：哦？啥？
：暫時有兩種思路。
第一種思路：考慮到如果好幾個模型對未來預測都很準，那麽它們的預測結果應該是差不多的，因為如果它們的預測結果相差很大，那麽必定有一個不準，或者幾個都不準。
因此，如果幾個模型預測結果很接近，那它們有可能都準。注意，我說的是“有可能”，也就是說，幾個模型預測結果很接近，是它們都預測準確的必要條件，但不是充分條件。
：……有點繞。你解釋一下。
：雖然幾個臭皮匠的預測結果合並起來不一定很準，但是，如果有幾個預測很準的臭皮匠，那他們各自的預測結果之間必定是很接近的。
因此，我們如果看到幾個皮匠觀點一致，那麽有可能他們的結論是對的。但不能確保一定是對的。
：不能確保是對的，那還是不敢完全相信啊。
：是，但好歹有可能是對的嘛。這給我們進一步構建預測準確的模型，提供了一個線索。
：看來，要預測準確，好難哪。
：是啊。我們可能需要進一步放開眼界，尋找更多啟發。例如，想一想，大象是如何預測海嘯的。
據說2004年印尼地震海嘯中，死亡和失蹤了二十多萬人，但是野象紛紛逃到地勢較高的地點避難，沒有發現它們因此遭殃。它們是依據哪種古老而隱秘的資訊做出判斷，以及到底如何判斷的，值得深究。
對比來看，這個問題上，人類反而弱爆了。
：那現在人工智能吹得這麽火，希望機器像人一樣思考，是不是誤入歧途了？
：還是誰厲害，就向誰學習吧。人在某些方面很厲害，就讓機器模仿人。問題是，現在也只能模仿人的一點點皮毛，很多問題還沒有搞清楚。
：還有一種思路呢？
：第二種思路：對於複雜多變的數據情況，希望能夠直接求得一個模型，使得它對未來的預測誤差盡量小。
因此預測問題轉化為尋找一個最優模型的問題。這是另一個話題了，今天太晚，來不及講了。
：好的。今天散步就到這裡吧。好燒腦。
：我預測你明天早上在7點到7點30之間起床。
：這算什麽預測，我以前都告訴過你的。我一般不隨意改變自己的生活規律。
：那如果我能夠預測出，你明天上午9點43分會接到一個北京同事的郵件，10點05分你老闆會臨時召集一個項目討論會，11點23分你會給上海同事打電話索要新版的方案文檔呢？
：你好可怕……幸好你還不能。
*文中圖片來源於網絡
香港九龍灣馬來街興發大廈15樓D室