思想的弯曲与主观性转向：多样算法的影响与多方面说明

经过前面三个小节的漫长准备，我们现在终于可以从“问题导向”的角度再对思维弯曲做出正面的论证了。面对需要限时解决的问题，进行完美的计算和决策一般是不可能的，也就是说，仅仅应用演绎法是不够的。好在还有另类算法可供选择。基于人类普遍的指令系统，人人都可以选择性地使用各种另类算法。我们每个人都不得不这样做，我们也应当庆幸我们有能力这样做。我们固然不能断定在每一个具体的计算中所使用另类算法的种类和比重，但是，另类算法在原则上必须予以使用，这一点是确定无疑的。根据对大量实例所进行的观察分析，另类算法的使用实际上是极为频繁的。至于在什么样情况下应当具体使用什么算法，以及怎样对多种算法进行组合，则应当在具体的环境中进行讨论。

另类算法的使用加快了计算速度，使得有关的决策能够及时做出。其所付出的代价是，计算偏离了新古典的完美的、理想的轨道，不再直奔某个假想的、最终的“结局”了，而是发生了“弯曲”。多种多样另类算法的反复的、连续的使用，致使计算一再地发生多种多样的弯曲。我们必须放弃那个最终的结局，转而关心我们所预设的起点以及此后的过程。“弯曲”系指对于新古典状态的偏离。在一个特定的情况下，我们一般能够确定新古典的立场和观念是什么，据此，我们也就能够定义“弯曲”具体是指什么。当然，这是相对的。假如我们把弯曲看作一种最优的和正常的状态，那么，也就可以把新古典的状态称作一种“弯曲”。“弯曲”这个词语短促、形象，概括力又很强，因此笔者偏爱使用它。弯曲的另一个说法是“主观性转向”。可是，“主观性”这个词语主要根植于人际关系之中；离开了人际比较，当一个人单独面对自然界时，“主观性”所指为何呢？这是不清楚的。例如，客观概率的存在表明，我们人类在自然面前达成了一致，所以，这个概率估计就是“客观的”。然而，这难道不可以理解为人对自然的“扭曲”吗？说它是一种“弯曲”，难道一点儿道理都没有吗？这种细微的差别与争议在大部分情况下都不必强调太多，但是，我们却不可以不知道它的存在。

关于另类算法导致弯曲发生的原因、过程以及“弯曲”的具体情况，通过对各个另类算法的分析，就可以看得很明白。例如，对于所要解答的问题，归纳法主要针对同类型的其他案例展开，这些案例则由记忆提供，因而它必定不精确，不全面。这些案例与当前问题之间的相似性也是有限的。但是，为了节约时间，这些缺陷也就无暇顾及了，有关的结论只是在进行有限度归纳的基础上就直接做出了，其中的“真正的道理”也就不去管它了。又如，人们经常采用“假设―求证”的方法。提出假设的原因在于，所假设的命题不容易（顺序地）作为其他推演的目的地而出现，反过来，在假设做出之后，以假设为出发地来（逆序地）推演其他命题，前往其他目的地，却要相对容易得多。“提出假设－推演－检验假设的可靠性”是这种算法通常采取的三个步骤，倘若检验的结果不是否定性的，假设也就可以“权且”接受。不过，检验的范围通常是有限的，不可能穷尽所有的情形，所以这是一种偷懒的办法，它相当于司法上的“无罪推定”。由此得出的结论，怎么可能与能够穷尽所有计算和所有检验的新古典情形下的结论恰好完全一致呢？再拿“积极算法”来说，假设某个投资者囤积了大量的A 公司股票，但却处于账面亏损状态，于是，他开始积极地“制造”和传播利好信息，企图解套。在一个不健全的市场中，这种招数可能是奏效的，但这是谨守善道的新古典主义者们所不齿的。

思维弯曲的含义还需要做出多方面的说明。当事人通过使思维弯曲，而得到了临时计算所需的决策，这表明，在当事人的眼中，这个决策是最优的，其他的选择不会优于它。例如，两个人约会，时间确定在上午10 点整。可是，假如某个观察者对这个问题感兴趣，因而对于这两个人的日程表及其有关事项作了周密的调查、研究和分析，最后得出结论：如果约会安排在十点十七分，两个人都将会更为舒适，那么，这个“解”是否要优于前者呢？对此，我们应当做出否定的回答。原因在于，一般来说，当事人并非不知道约会时间的安排可以更为精确；并非不知道，这种精确性可以通过详细的计算来达到。而且，当事人也并非不知道，他是有能力这样做的。当事人没有这样做，是因为计算需要代价，会“添麻烦”，而这种代价或麻烦与其所得到的利益相比，是不值当的。这就是说，精确性并不是越高越好；多余的精确性是一种浪费，在智力上则是一种错误。这就回到了上文的观点，即演绎法与另类算法的优越性是相对而言的。如果读者愿意，也可以把“十点整”称作“均衡解”。用经济学家们的常用语来讲，在引入计算成本以后，“均衡点的位置改变了”。

通过使思维发生弯曲的方法发展出来的知识才是真正有用的知识。在假设计算无代价的理想环境中发展出来的知识，充其量只是一种中间产品或半成品，而不是可以直接拿来运用的知识。如前所述，由此形成的决策可以称作“算法均衡”，它意指在引入计算时间与成本条件下当事人在具体时空环境中所达到的最优化。它既是当事人在特定条件下利用已有资源进行最大化努力的结果，也是当事人有意地、迫不得已地或者无意识地忽略世界的其余部分的结果。我们可以把算法均衡视为当事人在考虑全局之后所得出的带有全局性质的最优化，甚至可以说，在每一个真实的决策中，当事人都将全局问题重新考虑了一遍，但是不能忘记，这种“带有全局性质的最优化”是在算法人所执行的特定算法之下得出的。按照这种算法，计算所进行的次数并不是非常多，但却效果显著。这种计算不同于新古典式的、机械的局部性计算，而是用相当于后者的计算量，来达到显著不同于后者的、甚至可以与新古典一般均衡相竞争的结果。它包括了以下种种意涵：当事人明知世界的复杂性而不得不简化和“扭曲”它，当事人认为这种简化和扭曲是无害的，或者是可以接受的；当事人认为某些局部性的计算（及其所采用的算法）必须置于其他因素之先，而得到优先考虑，剩余的因素应当在此基础上再进行考虑；当事人基于庞大的知识积累和知识存量的帮助，只进行了少量计算就得出了自认为可靠的决策；当事人认为决策不可靠，但是无能为力，因而听之任之；当事人认为决策不可靠，但是暂且接受和实施，同时已经制订了后续的改进计划；当事人并不了解世界的复杂性，也不了解自身的无知，因而很自信地做出了客观地看来水平很低的决策，等等。这些都不妨碍我们称之为“最优化”或者“算法均衡”。(www.xing528.com)

具体决策中对时间因素所进行的“怀柔”和让步，可能在事后予以撤销，相关的具体结果和“知识”，可能将予以废弃而不再留存。事实上也是如此。然而，也有可信的理由表明，这些机会主义的“知识”是值得保留的。这个“可信的理由”就是，未来的决策仍然可能要面临类似的窘迫处境，因而，一经形成和使用过的算法，就有可能留存并予以模式化，以供未来继续使用。这就来到了存量与流量的迂回式关系上。过去形成的知识之所以具有价值，就是因为它是“现成的”，是一种“成品”；只要条件相同或相近，它就可以重复投入使用，而无须重新制作。由于它的“现成性”的吸引力，当事人甚至可以允许它的适用性更差，只要不至于完全不能派上用场。

“现成性”的另一面是，存量知识主要应当被视为一种定型的和僵死的东西。数据一旦离开中央处理区而进入存储区，它就脱离了与指令的接触；它就凝固了，静态化了，变得更像普通的“物”了。我们当然不能忘记“硬软件”可能会对它进行自动的加工，不过，这是一种似是而非的观点，是暂且可以予以忽略的。留存的记忆主要还是原来的样子，这是每个人都有的经验。尤其是，当存量知识离开大脑，转而以书籍、电子化数据等形式保存时，它就更加静态化了。计算机可以对数据进行自动的加工，不过，这是在当事人的安排之下进行的，计算机所运用的程式也是由人事先编写的，所以，这并不能从本质上改变存量数据的静态性，“静态性”仍然应当作为存量知识的一种主要特征来予以看待。

存量数据的静态性导致它是当事人的可靠伙伴和助手，故此，在当事人重新调用它时，一般都相信它的性能是稳定的，并没有悄悄地变成当事人所意想不到的另外一种东西。可是，它也是“愚直”的，当事人一般只能对它原样采用，这就有可能造成与当前的新情况之间的冲突。或多或少，当事人都必须接受这种冲突，否则也就不必调用它。当事人只能在这两难之中进行选择。倘若当事人既想使用现成的知识，又希望这种知识中不适用的部分自动地、完全地变化为适用，这怎么可能呢？这就是算法人所处的微妙处境，也是真实当事人的微妙处境。从这里我们可以理解现实生活中的实际问题和实际知识的性质。

把这些道理放在时空地图中，这就意味着，在出发点与目的地之间，当事人不是简单地寻找现成的桥梁，而是动用自有的工具，自行制造新的数据，然后借助这些数据所搭成的捷径，迅速地向目的地靠拢。他将不再过多考虑各个区域数据的变动情况，尽可能地轻装前行。这就好比在两个岛屿之间的交通，桥梁并不是必需的，实际上可以运用许多正式或非正式的交通手段，这都是读者们所熟知的。