2020 年 7 月 28 日

　　19 世紀后期，著名的英國物理學家麥克斯韋提出了一個讓當時科學家都頭痛的思想實驗：

　　假設有個箱子，里面充滿了氣體，有一些氣體分子運動速度有快有慢，對應的溫度也有高有低。按照熱力學第二定律，隨著時間的流逝，結果必然是熵增。簡單說就是“有序性”下降，最終運動快和運動慢的氣體分子混合均勻，整個箱子里的氣體保持同樣的溫度。到現在為止，都很好理解。但是，麥克斯韋實驗的關鍵點就在于他設置了一個機關。如果箱子里有一塊隔板，上面開有一個小孔，每次只容許一個氣體分子通過。小孔以活門封閉，活門沒有質量也沒有摩擦，所以開閉不需要浪費能量。活門由一個小生物“麥克斯韋妖”看守，每次有氣體分子接近活門，“麥克斯韋妖”就檢查它的運動速度，只容許速度快的分子通過。如此持續一段時間，隔板兩邊的氣體分子運動速度就有了明顯區別，運動快的分子密集分布在一邊，留下運動慢的分子在另一邊。對應的，兩邊的溫度也就有了明顯區別。一邊越來越冷，一邊越來越熱。

　　這樣一來，“熵增”的定律就被打破了，但活門是沒有摩擦的，所以開閉并不需要耗費能量。那么，邏輯的結論就是——熱力學第二定律不是客觀規律。

　　在后面的幾十年里，無數偉大的科學家窮盡腦力，想要解決這個問題：熱力學第二定律明明是定律，怎么可能不是客觀規律呢 ？但如果熱力學第二定律成立，“麥克斯韋妖”的問題又如何解釋呢？

　　這個問題一直要等到 1929 年，才由匈牙利物理學家西拉德解決：麥克斯韋妖要完成它的使命，必須具有智慧，在判斷氣體分子是否通過時，麥克斯韋妖需要動用智慧來判斷氣體分子的運動速度是快還是慢，而通過測量獲取信息，這是要消耗能量的。換句話說，這不是一個封閉系統，表面上看熵減少了，其實需要源源不斷輸入能量才能做到。

　　信息這種看不見摸不著的東西，它的測量和處理也需要消耗能量，這是之前大家從來沒想過的事情。不過一旦想通了，許多思路也就順利打開了，“信息技術”的發展才成為可能。

　　比如，如果不理解“處理信息需要能量”，我們就無法理解，“高負荷運行”的計算機所消耗的能量到底到哪里去了。從機械層面來說，計算機幾乎沒有做任何功，可是它分明消耗了大量的電力，這些電力顯然不是全都用來發熱了。看過上面的介紹你就知道能量用到哪里去了，信息處理本身就需要能量。

　　用紅綠燈做例子，可以看的更清楚。

　　紅綠燈作為路口交通指揮設施，已經有很長的歷史了。它的邏輯很簡單：紅燈停，綠燈行。依靠這樣的邏輯，既可以保證交通安全，也可以提升通行效率。

　　在最原始的階段，紅綠燈一點不復雜，定時，比如每兩分鐘切換一次，放行對應方向即可。這樣當然可以保證安全，只是效率不夠高。東西向車流密度可能比南北向車流密度更高，如果無差別對待，一方面會造成閑置，另一方面也會增加擁堵。不過，這樣的控制邏輯最簡單。

　　如果控制邏輯復雜一點，大概可以這樣：東西向車流密度高，所以每次放行時間是兩分鐘，南北向車流密度低，所以每次放行時間是一分鐘。這樣，通行效率就提高了。

　　如果控制邏輯再復雜一點，又可以根據不同時段進行來控制，比如東西向車流早晚高峰時可能每次放行三分鐘，平時兩分鐘，南北向車流早晚高峰時每次放行兩分鐘，平時每次放行一分鐘…

　　沿著這個思路繼續下去，紅綠燈的規則還可以更復雜，比如分車道控制，比如根據天氣自動調整，甚至考慮氣候因素。再往下，把車型、車速納入考慮范圍，根據消防車、警車、救護車的出動情況動態調整，也是可能的。

　　我們當然知道，這樣紅綠燈系統可以越做越“高級”，越做越“先進”。對應的，它們需要能處理更多的因素，比如車道、天氣、氣候、車型、車速等等，對應的，也需要更復雜的算法，更強大的計算性能，消耗更多的能量。

　　從本質上說，紅綠燈控制和麥克斯韋實驗一樣，仍然是個“開閉活板”的問題，重點不是去點亮紅綠燈，而是判斷什么時候亮紅燈，什么時候亮綠燈。與麥克斯韋實驗不同的是，紅綠燈控制要解決的問題復雜很多，所以它的麥克斯韋妖也必須強大很多，供應的能量也必須多很多。換句話說，要解決復雜問題，就必須能考慮足夠多的因素，擁有足夠強的處理能力，供應足夠多的能量。

　　實際上，日常生活中需要面對的大部分問題都是這種類型——重點不是我們需要動用肌肉去做推、拉、扛、搬、抬的動作，重點是形成判斷，作出決策。

　　那么，如何應對更復雜的局面，得到更準確的判斷，作出更好的決策呢？簡單說，還是需要輸入足夠多的信息，需要具有足夠強的處理能力。

　　舉個最簡單的例子，某家 IT 企業到底應該采用哪種編程語言，.NET 還是 Java？這種問題每每在網上引起無窮無盡的爭吵。但是其中許多論點往往沒有任何意義，甚至干脆就是昏招。我見過死守 Java 導致舉步維艱的，也見過盲目切換 Java 導致千瘡百孔的。其實這是個典型的決策問題，關鍵不在于 Java 和 .NET 誰“本身更好”，而在于你能掌握多少信息，會如何運用這些信息。

　　要想做出更好的決策，首先應當找到一系列問題的答案：這家企業現有的技術架構是什么樣的，有多少技術債務，技術團隊是如何構成的，當地的人才招聘市場如何，未來公司打算在 IT 方面持續投入多少資源，Java 和 .NET 對公司業務領域的生態支持如何…

　　得到這些答案之后，我們還必須知道，這些答案很可能不會朝向一個答案，很大可能是存在矛盾和沖突的。所以需要有一套信息處理的辦法，才能有效利用所有信息，比如區分輕重，做出取舍，得到一個最終的判斷。

　　如果不了解這些具體實際的情況，或者了解了之后無法有效利用，都無法得到一個靠譜的結論。這時候得出的結論，往往是空洞蒼白的，是爭論一萬年也得不到結果的。

　　偏生，網上的眾多爭論就是這樣的空洞。在知乎常見這一類問題，比如男生被女朋友指責了一句，然后問大家“現在女生都這樣嗎？” ，既不介紹兩人的情況，也不說事情的來龍去脈，更不考慮在這點上“女生”是否有共性。以如此稀少的信息爭論如此宏大的話題，還往往引發大把人唇槍舌劍、唾沫橫飛，實在是讓人匪夷所思。

　　老實說，我以前也喜歡參與這種爭論。但是了解到麥克斯韋妖之后我的觀點就變了，因為這種爭論毫無意義，純屬無聊。麥克斯韋妖的故事告訴我們：不只是“干活”需要出能量，思考也需要能量。如果我們真的想探尋某些問題的答案，首先必須告訴自己“它不是閑庭信步就能了解”，其次需要掌握足夠多的信息，在這之外還需要能有效處理和利用這些信息。

　　最常見的問題，比如“這家公司為什么要這樣決策”？

　　大家都知道，公司里決策的出臺往往需要經過多方博弈。我們看商業報道經常可以發現，無論騰訊還是阿里，無論 OFO 還是摩拜，決策過程中都有各種人表達各種意見，最終的決策反而很可能充滿了個人色彩，甚至是意外因素。只有還原出決策的情境，識別出各種因素，才有可能知道“為什么這樣決策”。我們很難把公司比喻成一個自然人，輕描淡寫地對每項決策說：“公司基因就是如此”，或者“公司的性格就是這樣”。——這不只是偷懶，簡直就是在進行文藝創作。

　　公司是如此，國家也是如此。

　　再舉個簡單的例子，1945 年初羅斯福的病情發展迅速，二戰尚未結束就匆匆去世了。按規矩此時由副總統杜魯門接任，許多人都不知道杜魯門是誰，甚至羅斯福當年選杜魯門也有“挑一個擺設”的考慮。雖然杜魯門迅速穩定了局勢，但他的價值取向和思路在許多方面與羅斯福截然不同，所以二戰后的國際形勢很大程度上不同于羅斯福之前的設想，造成了一系列的后果。如今回顧起來，我們也很難把美國比成“穩定不變”的人，認為它不管做什么都是“性格使然”，或者從一開始就“深謀遠慮”。

　　當然，國家的情況往往比公司的情況要復雜很多，所以要搞清楚國家決策的邏輯，也需要掌握更多的信息，有更復雜的認識模型，花費更多的心思——這往往會讓普通人感到“思維過載”。

　　所以，如今流行的眾多關于“國際政治經濟”的分析，恰恰就是販賣極度簡單的簡單模型，撫平普通人“思維過載”的焦慮：你不用掌握那么多信息，也不用考慮它們之間的聯系，只需要簡單聽我說個簡單結論就足夠了。

　　表面上看起來，這些文章高深莫測，可以揭露出花里胡哨的“真正原因”，仔細讀，才發現它們沒有提供足夠豐富足夠具體的信息，甚至諸多基本信息的列舉就是錯的，同時也沒有足夠復雜的分析模型，今天仍然用三國演義里的“天下”模型去理解兩千年后的國際關系。

　　正因為如此，專攻國際關系的閻學通教授前一段才在訪談中直斥，現在許多所謂國際關系分析者“什么都懂”，但是其實“和什么都不懂沒區別”。他們的分析模型也極簡單粗陋，完全不知道“國家做事不是全為了錢考慮的，很大一部分都不是為了錢”。

　　閻教授沒有說的那部分其實也很清楚：國家行為自有其行動的框架和考量，哪怕是同一個國家，在不同時間、不同問題上，行動框架和考量也是可能變化的。所以要想知道“真正的原因”，不搞清楚參與各方的考量和收到的信息，以及各方的行動邏輯、取舍依據、約束條件，是不可能有答案的。“（否則）只能說像下棋，人家下的那棋你看不懂，水平不到，下不了”。

　　對，有些文章的“段位”稍微高一點，會夾雜一些材料來“佐證”。不過仔細看，這些邊角料許多都是“大而化之”的故事，比如某人歷史上說過一句什么話，或者刊登某人言論的雜志之前發過一篇什么文章，其實與真正討論的核心對象沒有直接的聯系。

　　這種做法頗能迷惑一部分人，但認真想想就覺得好笑：你家里空調比之前費電了，于是這些作者舉了一大堆例子和數據，告訴你全球變暖是歷史趨勢，然后就一口咬定“全球變暖就是你家空調更費電的真正原因”。這種套路看似提供了更多信息，其實是摻沙子的伎倆而已。它們欺負的是讀者信息處理能力不夠，多混雜一些信息就暈頭轉向，只能乖乖跟著作者走。

　　所以話說回來，不管是“國際政經”還是別的問題，如果你真的想解決它們，真的想探究背后的真相，都應當做到：第一要掌握足夠多足夠確切的信息，許多時候這離不開平時的積累，第二要有足夠強的辨別能力，確保不相關的信息沒有造成干擾，密切相關的信息沒有被忽略，還要有足夠強的分析能力，能分清楚各種因素的重要性和影響力。

　　在此之外，也別忘了處理信息絕對離不開輸入能量——有質量的思考一定是累人的，要想在閑庭信步之間“洞悉世界大勢”，這是癡人說夢。

　　那么，這不會讓人累死嗎？放心，它不會的。

　　簡單說，每個人的大腦里都住著自己的麥克斯韋妖，經常鍛煉它，它的行動就更敏捷，肢體也更強壯。一旦你的麥克斯韋妖足夠敏捷，足夠強壯，就有能力解決復雜得多的問題。對羸弱的麥克斯韋妖而言，把氣體分子分為快慢兩類可能就手忙腳亂、左支右絀了；而對強壯的麥克斯韋妖來說，按速度劃分成幾十個甚至幾百個檔次，把各檔氣體分子分到不同的區域，也絲毫不在話下。

　　這些年我逐漸覺察到，自己可以接受世界上同時存在著許多不同甚至彼此沖突的現象，明白世界遠遠比想象的要大要復雜，也放棄了拿著少數幾條“根本規律”來評判一切、殺伐四方的做法。

　　于是，“萬事萬物無不為自己利益考慮”之類“通行的道理”，在我看來已經毫無意義。確實有一些人做一些事就不是為了自己利益，而且即便為了自己利益，不同人在不同階段、不同情勢下認定的“利益”也不相同。當舌燦蓮花的事后諸葛亮固然輕松，花心思去探明真相也并非毫無樂趣。而且探究得越多，再遇到同類問題也就會越快、越準確得到答案。

　　這，大概就是鍛煉麥克斯韋妖的收獲吧。

總結

以上是生活随笔為你收集整理的余晟：锻炼你的麦克斯韦妖的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。