在混沌中寻找秩序：一场关于“不确定性”的非线性旅程 主讲人：某高校数学系教授（虚构名） 副从混沌理论到算法生成，看到世界的另一种逻辑 开场：我们一直当作世界是线性的，实际上它更像一团乱麻 大家好，我是今天的演讲者。 在启动之前，我想抛出一个最直观、最不想被聊聊的难题：你们是不是都有过这样的瞬间？明明旁边的人都在奔跑、在争吵、在互相推搡，突然之间，周围突然宁静了。大家仿佛心照不宣地绕开了彼此，走向了不同的方向。
那一刻，你内心有个疑问：实际上也没那么糟糕吧？ 我们日常认知的世界，常常被描绘成一条坦荡的河流，水流向前，我们顺流而下，目标明确，步步为营。教育也好，职场也好，仿佛也都是这样的：你努力所报的专业，成功的积累，反馈的强化，最终指向你既定的职业路径。
这种“确定性”忒诱人了，它给了我们保险感，让我们认定只要按部就班，就能到了终点。 可是，现实往往不只是是这样。 看看最近十年形成的各类社会现象：大家似乎都不约而同地抛弃了某些旧有的生活方式，转而拥抱一种全新的、陌生的风格。
这种“风格”并非由某种绝对真理指引，而是大家为了应对某种看不见的压力，自发地凑在一起形成的某种“共识”。
这种共识没有统一的规则，也没有明确的终点，它只是被大家一起“做”出来的。再细究一下，这些“共识”往往是个体欲望的好办叠加，混合着各种各样的噪音和干扰，最终形成一个庞然大物。 这就引出了今天这堂课的核心主题：不确定性。 不确定性：混乱中的细小秩序与宏大叙事 大量人一听到“不确定性”，第一反应是灾难，是混乱，是毫无章法。但在我的研究中，我不如此认定。 真的物理世界，粒子之间简直没有绝对的界限，它们像幽灵一样在空间里穿梭，随时会在一个瞬间消亡，下一秒又出目前另一个位置。我们眼中的日常法则，比如“物体有质量”，实际上也是被人为“制造”出来的。我们给质量赋予了形状，把它定义在二维的平面上，再在这个平面上加上一个细小的厚度，这就变成了一个有体积的物体。一切物理现象最终都是数学公式的产物。 当我们把这种数学的视角引入日常生活，你会发现一个惊人的事实：所有的行为，本质上都是对“不确定性”的响应。 在自然界里，一只鸟在树上。它“想”了那棵树，它“想”了天空，它“想”了风，它“想”了那只虫子。它的动作是连续的，是复杂的，就像是在玩一个没有规则的游戏。
这种“无规则的游戏”，要是按照传统逻辑去分析，那简直是一片混乱。但要是我们不去追问它“为啥”那样做，而是去观察它的动作轨迹，会发现这些看似随意的轨迹，背后遵循着贼精密、贼复杂的数学模式。
这就是混沌理论的核心思想：看似随机的行为，实际上是有数学逻辑支撑的。 这种逻辑，在社会科学特别体目前“风格”的传播上。 在 2010 年，一场关于“时尚”的争论在硅谷悄然爆发。
当时，互联网上突然涌现出了一大批极具迷惑性的风格，比如“极简主义”、“波普风”、“侘寂风”。
这些风格看似没有统一的指导原则，没有明确的设计师，就连没有清楚的用户群体。它们像病毒一样在社交媒体上麻利传播，麻利“占领”了用户的心理感知。 为啥会有这种现象？传统观点可能会说是出于营销忒成功，要么是某种文化趋势的必然结局。但我的研究数据表明，这些风格在诞生的初期，往往伴随着某种“算法”或“规则”的演化。 比如，我们能够观察到一种有趣的规律：风格流行的速度，还不如内部蕴含的“不确定性”程度呈正相关。 一个风格，要是它给自己立了忒严正的规矩，比如“务必是黑色的”、“务必是极简的线条”，那么这种“不确定性”就被锁死了，传播就会变得慢腾腾。但当这些风格在社交媒体上自由生长，准每个人根据自己的喜好去混搭，去添加剪裁、去转变配色，这种“不确定性”就被释放了。 数据告诉我们，当这种“不确定性”充足高时，整个群体的行为模式就会形成剧烈的震荡。大家不再遵循任何单一的标准，而是各自做出自己的选择。
这时候，看似混乱的个体，会自发地涌现出一种新的集体默契，这就是所谓的“共识”。 这种“共识”，并不是由某个权威发布的指令，也不是由传统的逻辑推导出来的。它是一种涌现。就像森林里，一个庞大的真菌菌落，其中没有任何一个个体知道“菌落”这个概念，但无数个细小的真菌，各自独立地生长、代谢、碰撞，最终在土壤中形成了一个复杂的、不可分割的整体。 技术视角下的不确定性：当算法启动“模仿”人类 要是把目光投向更现代的技术领域，你会发现类似的逻辑就连更极致。 在生成式 AI 的领域，我们常常看到一种现象：模型生成的内容，看起来越来越像人类写的、画出来的，就连像真人说的。
这种“像人类”的现象，在早期看来，简直是靠不住的。出于机器学习的是概率，而概率论的核心就是不确定性。 当模型被训练出能够写出通顺的句子、画出具体的图像时，它实际上是在学习如何处理概率分布。它不再执着于找出唯一的、绝对对的答案，而是启动容忍各种可能的答案，并在它们之间做权衡。 这让我想起了我在研究中看到的一个数据案例。在某次关于“艺术风格迁移”的实验中，我们发现，当输入数据的分布越接近“不清楚”、而非“清楚”时，模型输出出的图像，就越具有“人类感”。 具体来说，当我们输入一组具有高度确定性的数据（比如一张学院派的静物画），模型输出的结局往往过于工整、过于完美，少了那种“不完美”的生动感。
可是，要是我们输入一组数据分布本身就不确定的数据，比如将同一张静物画，以不同的比例尺、不同的滤镜、不同的噪点强度进行输入，模型生成的结局，反而更贴近人类艺术家的直觉。 这似乎违背了“机器越精准越像机器”的直觉，但它揭示了一个深刻的真理：人类艺术的精髓，恰恰在于那种无法彻底被量化、无法被精确预测的“不确定性”。 技术正在那会儿所未有的速度，学习如何捕捉这种不确定性。目前的模型，能够在几秒钟内，分析出人类历史上数以亿计的画作，并从中提炼出那些“不确定”的艺术风格，将它们重新组合，生成全新的图像。
这些图像，既有画家的笔触，又有算法的重组，就连是两者的混合。 这不只是是技术的进步，更是一种认知的进化。人类创造出风格，是出于我们愿意面对不确定性；而技术创造风格，是出于它掌握了处理不确定性的工具。两者之间，竟然存有着某种惊人的同构性。 结论：拥抱混乱，构建你的秩序 最终，我想回到最初的主题：不确定性。 我们一直试图在混乱中建立秩序，试图在无序中寻找规律。
比方说，我们设立学校来培养纪律，我们制定法律来规范行为，我们建立公司来管理资源。
这些都是为了对抗“不确定性”，为了让我们的世界变得可预测、可管理。 但今天的讲座提醒我们，拉倒对确定性的执着，并不是走向彻底的混乱，而是走向更高级的秩序。 真正的秩序，不是由一个中心发出的指令，不是由某种绝对真理的教条，而是由无数个体在自由中碰撞、在不确定性中协商、在混乱中自发形成的。 当我们不再强迫世界按照我们的剧本上演，而是学会欣赏那些看似无章法的“风格”和“动荡”，我们或许会发现，那些曾经令人烦恼的混乱，实际上里面藏着最丰富的可能性。 作为未来的领导者，要么作为每一个一般/平平参与者，我们的任务不是去消除不确定性，而是去驾驭它。去利用这种不确定性带来的流动性，去创造归于你自己的、充满活力的、独一无二的秩序。 出于，只有拥抱了混沌，我们才能看清它内部的逻辑；只有看到了混沌，我们才能真正理解世界的真正面貌。 谢谢大家。


相关标签：