概率与未来

气象预测的历史是成功的历史。尤其是在最近50年,人类的气象预测能力实现了几何级数的突破,每过10年左右,预测的范围就可以增加一天。50年前,我们只能预测未来3天的天气,如今能预测未来10天的天气。今天,我们对未来6天的天气预测,和20世纪80年代对未来3天的天气预测同样准确。但是,别忘了,气象预测仍有局限性。正确认识局限性,也是预测科学发展的一部分,它改变了预测科学自身。精确的气象预测,难度不在于方程演算和大量的变量,而是在气象方程的演算中,某个极微小的初始变量不易察觉的微弱变化,都可能导致最后结果出现极大偏差。你一定听过“蝴蝶效应”,印度尼西亚的一只蝴蝶扇动翅膀,可能在美国佛罗里达州引发一场飓风。大气状态的细微扰动,可能导致未来天气的激烈变化。关于混沌理论,参见James Gleick, Caos, Rizzoli, Milano 1989。在气象预测领域,预测的时间维度不是按天计算,而是以两周为周期。意识到预测的局限性之后,我们就必须放弃把握所有变量的想法,引入“概率预测”的概念。与单值预测不同,概率预测分配给每个不同结果一个对应的概率。在进行概率预测时,我们不从单个初始变量出发,不追求得出确定结论,而是针对某个随机变量未来所有可能出现的结果估算相应概率,推演可能的发展(见图1.1)。举例来说,概率预测相当于从不同角度给未来拍照,从细微层面对比拍摄的照片,或许它们差别不大,但将这些照片叠加在一起,就能获得一张未来可能发生情况的概率地图。如果你细心观察,手机上的天气预报对降雨、降雪的预测,都属于概率预测,因为各种气候因素总在不断变化,中午时查询到的夜间降雪概率和下午查到的并不一样。

图1.1对欧洲中部地区降雨概率的预测。加粗的线条代表一次预测行为,而初始状态上的数据发生的微小波动,会造成最终预测结果具有不确定性。

注:本书插图均由妮科尔·萨迈(Nicole Samay)绘制。

某一事件未来是否会发生,总有不确定性。评估这一不确定性,本身就是一种重要的预测。我们设想有两种预测方式:第一种告诉你明天肯定会下雪,降雪量为30厘米;第二种则告诉你明天可能会下雪,50%的概率降雪量达30厘米,10%的概率降雪量达10厘米,但还有40%的概率是不下雪,只下雨。两种预测的结果显然不同,而后者对我们的生活显然更具参考价值。它为我们的具体决策提供了多种可能性,虽然没有确定的结论,但我们能据此展开评估,选择是否穿雪地靴出门。相比之下,第一种预测并没有给决策者任何选择的空间,这种表面上的确定性在现实生活中不足为凭。当我们接受了概率预测的理念,从概率角度思考问题,对未来的分析就有了多元可能性。


概率预测更注重实践而非概念。当我们描述周围的世界时,总会遇到无法百分之百精确描述的情况。究其原因,或者是因为我们无法掌握足够多精确的信息,或者是因为我们迷失在信息的汪洋大海中。举个简单的例子,假设我们要列出一杯水中所有分子的运动方程式,就要写出和水分子数量一样多的方程式,这样的方程式会有多少?大概有1023 那么多!因此,穷尽一切可能,有时是不可能的。面对充满偶然性的世界,概率预测是必要且有效的决策工具。

我将在下文中指出,当我们描述具有较高偶然性的事件如何发展时,也要借助概率。比如,在疫情防控期间乘坐公交车是否会感染病毒,这只能以概率论之,无法得出“一定会感染”或者“一定不会感染”的确凿结论,而且这样的结论对我们的决策也没有任何参考价值。