22.1接球的大腦
"給我說說未來吧，"我懇請道。
我現在正坐在導師辦公室的沙發上。經過了一段艱苦的跋涉，我才來到這個位於地球能量點之一的高山哨站----新墨西哥州洛斯阿拉摩斯國家實驗室。導師的辦公室裡，貼滿了各種色彩斑斕的過去的高科技會議的海報，勾畫出他近乎傳奇的履歷：他，還是標新立異的物理系學生時就拉一幫嬉皮駭客成立了一個地下組織，在拉斯維加斯利用可穿戴式計算機贏光了莊家的錢；他，通過研究滴水的水龍頭，成了一幫離經叛道的科學家中的主要人物，正是他們發明了之後迅速發展的混沌科學；他，是人工生命運動之父；他，現在在洛斯阿拉摩斯原子武器博物館斜對面的小實驗室裡領導研究複雜性這門新科學。
導師多恩·法默，又高又瘦，看上去三十多歲的樣子，很像戴了飾釦式領帶的伊卡伯德·克瑞恩。多恩正在著手開始他下一個不同尋常的冒險：開辦一家公司，通過計算機模擬來預測股價，然後打敗華爾街。
"我一直在思考未來，我有一個疑問，"我開口道，"你是想知道ibm的股票到底是會漲還是會跌！"法默帶著一臉歪笑提示道："不。我想知道未來為什麼這麼難以預測。""哦，這個簡單。"
我之所以探詢預測未來的問題，是因為預測是控制的一種形式，是一種尤其適合分散式系統的控制形式。通過預期未來，活系統能夠改變其姿態，預先適應未來，以這種方式掌控自己的命運。約翰·霍蘭德說："複雜自適應系統所做的，就是預測。"
在對預測機制進行剖析的時候，法默最喜歡用這個例子來進行說明："來，接著!"說著就朝你扔過來一個棒球。你抓住了球。"你知道你是怎麼接住這個球的嗎？"他問道，然後回答："通過預測。"
法默堅信你的腦子裡有一個關於棒球是如何飛行的模型。你可以採用牛頓的經典力學算式f=ma來預測一個高飛物體的運動軌跡，但是你的大腦本身卻並沒有儲存這樣的基本物理學算式。更確切地說，它直接依照經驗資料建立起一個模型。一個棒球手成千次觀察球棒擊飛棒球的情景，成千次舉起戴著棒球手套的手，成千次利用戴手套的手調整他的預測。不知怎麼的，他的大腦就逐漸編制出一個棒球落點的模型----一個幾乎跟f=ma不相上下的模型，只不過適用範圍沒有那麼廣而已。這個模型完全建立在過去接球過程中產生的一系列手/眼資料的基礎上。在邏輯學領域中，這樣的過程統稱為歸納，它與匯出f=ma的推演過程截然不同。
在天文學的早期，也就是在牛頓的f=ma出現之前，天體事件的預測都是根據托勒密的巢狀圓形軌道模型做出的----一環套一環。由於建立托勒密理論的核心前提（即所有天體都繞著地球轉）是錯誤的，所以每當新的天文觀察提供了某個星體更精確的運動資料時，都需要修正這個模型。不過，巢狀的複雜結構驚人地堅固，足以應付層出不窮的修修補補。每次有了更好的資料，人們就在圓環套圓環套圓環的模型裡面再加一層圓環，用這種方法來調整模型。儘管有各種嚴重錯誤，這個巴洛克風格的模擬裝置仍然行得通，而且還會"學習"。托勒密的這個頭腦簡單的體系，為日曆的調節以及對天象的實際預測，恰恰好地服務了1400年！
一個棒球外野手基於經驗形成的空中飛行物的"理論"，很像托勒密行星模型的後期階段。如果我們解析外野手的"理論"的話，就會發現它是不連貫的、即興的、複雜的，而且是近似的。但是，它也是可以發展的。這是一個紊亂的理論，但它不僅有效，而且還能提高。如果非要等到每個人都能弄明白f=ma這個算式（弄明白半個f=ma還不如什麼都不懂）再行動的話，就根本沒有人能接住任何東西。就算你現在瞭解了這個算式，也沒什麼用。"你可以用f=ma來求解飛行中的棒球問題，但你不能在外場即時解決問題。"法默說。
"現在，接著這個！"說著，法默又扔出了一個充好氣的氣球。這東西在房間裡放肆地漂來彈去，像喝醉了酒似的。誰也接不住這東西。而這正是混沌的一種經典表現----一個對初始條件具有敏感依賴的系統。氣球在發射時的一點微不可查的變化，也能被放大成飛行方向的巨大改變。儘管f=ma這條定律仍然支配著氣球，但是，另有一些力量，比如推動力、空氣抬升的推與拉，造成了運動軌跡的不可預測性。在這混沌之舞中的歪歪斜斜的氣球，反映的是太陽黑子週期迴圈、冰河時期的氣溫、流行性傳染病、沿著管道流動的水的種種難以捉摸的華爾茲，更為切題的，是股票市場的波動。
可是，難道氣球的執行軌跡真的不可預測嗎？如果你試圖用算式來解決氣球那搖搖晃晃的飛舞運動，你會發現它的路徑是非線性的，因此它幾乎是不可解的，因此也是不可預測的。儘管如此，一個玩任天堂公司（一家日本遊戲公司）的遊戲長大的十幾歲的小孩，卻可以學會如何接氣球。雖說不是完全準確無誤，但是卻比單純靠運氣要強多了。只要接過幾十次之後，小孩的大腦就開始根據所獲得的資料來構築某種理論，或者說構築某種直覺，某種歸納。放飛了上千次的氣球之後，他的大腦就已經構建出了這個橡皮球的飛行的某種模型。這樣的模型雖然不能精確地預測出這球到底會落到什麼地方，但是卻能探查出飛行物的飛行意向，比如說，是往發射的相反方向飛，還是按照某種模式繞圈子。也許，隨著時間的推移，這個人抓氣球的成功率，要比純粹靠運氣去抓高上10個百分點。關於抓氣球，你還能有什麼更高的要求呢？某些遊戲裡，並不需要太多的資訊就可以做出有效的預測。比如逃離獅口或者投資股票的時候，哪怕只是比純粹的運氣高那麼一點點，也是有重大意義的。
幾乎可以明確地說，"活系統"----獅群、股票市場、進化中的種群、智慧等，都是不可預測的。它們所具有的那種混亂的、遞迴式的因果關係，各個部分之間互為因果的關係，使得系統中的任何一個部分都難以用常規的線性外推法推斷未來。不過，整個系統卻能夠充當分散式裝置，對未來做近似的推測。
為了破解股票市場，法默在推導金融市場動向方面下了大力氣。"市場的可愛之處就是，其實不需要太多的預測，就可以做很多事情。"法默說。
報紙灰色的末版裡，有股票市場上下波動的走勢圖，只顯示兩個維度：時間和價格。從有股票市場的那一天起，投資者們就已經在細心解讀這個在二維之間擺動的黑色線條，希望從中找出某種能夠預測股市走向的模式來。只要是可靠的，哪怕只是模糊的方向性提示也能讓人獲得不菲的收穫。正因為如此，推介這樣那樣的預測圖表來判斷未來走向的昂貴金融通訊，才會成為股票界的一個永久附件。從事這個職業的人就被稱為圖表分析師。
在20世紀70年代和80年代，圖表分析師在貨幣市場的預測方面有了一點成功，這是因為，按照一種理論的說法，中央銀行和財政部在貨幣市場中的強勢角色約束了各種變數，因而可以用一種相對簡單的線性算式來描述整個市場的表現。（線上性算式中，一個解可以用一條直線在圖中表示。）而當越來越多的圖表分析師利用這種簡單的線性算式成功地找出各種趨勢之後，市場的利潤也就越來越薄了。自然而然地，預測者們開始把目光投向那些更為狂野和更為雜亂的地方，那些僅由非線性算式統治的地方。在非線性系統中，輸出與輸入之間並不成比例。而世界上絕大多數的複雜系統----包括所有的市場，都是非線性的。
隨著價格低廉、具有產業優勢的計算機的出現，預測者們對非線性的某些方面已經能夠理解。金融價格可以體現為一種二維曲線，而通過對這種二維曲線背後的那種非線性現象進行分析，提取出可靠的模式，就可以掙錢，而且是大錢。這些預測者可以推測出圖形的未來走向，然後在預測上下賭注。在華爾街，人們把破解出這種或者那種神秘方法的電腦呆子稱為"火箭科學家"----股市分析高手。而這些西裝革履、在各種交易公司的地下室裡工作的技術怪才們，其實就是20世紀90年代的駭客。多恩·法默這位前數學物理學家，還有那些原來跟他一起進行數學冒險的同事們，將美國境內離華爾街遠得不能再遠的地方----聖達菲的四間磚房作為辦公室，現在已經是華爾街最炙手可熱的股市分析高手。
在現實中，影響股票二維圖形軌跡的因素不是幾個，而是數千個。當我們把股票的數千個向量繪製成一條線時，它們都被隱藏起來，只顯現出了價格。同樣的情況也會發生在我們用圖形來表示太陽黑子的活動或者氣溫的季節性變化時。比如，你可以在平面圖上用一條簡單的、隨時間變化的細線表示太陽的活動軌跡，但是，那些影響到這條線的各種因素卻令人難以置信地複雜多樣，相互糾結，反覆迴圈。在一個二維曲線的表面背後，活躍著駕馭這條曲線的力量的混亂組合。股票、太陽黑子或氣候的真正圖表都會包括一個為所有影響力準備的軸，因而這張圖也會成為一種難以描繪的千臂怪物。
數學家一直努力尋找馴服這些怪物的方法，他們稱之為"高維"系統。任何有生命的造物、複雜的機器人、生態系統或者自治的世界，都是一個高維繫統。而形式之庫，就是一個高維繫統的建築。僅僅100個變數，就可以創造出一群數量巨大無比的可能性。因為每一個變數行為都和其他99個行為互相影響，所以如果不同時對這個相互作用的群體整體進行考察的話，你根本無法考察其中的任何一個引數。比如說，哪怕是一個簡單的只有三個變數的氣候模型，也會通過某種奇怪的迴路連回到自己身上，從而哺育出某種混沌，讓任何一種線性預測都成為不可能。（最初就是因為在氣象預測上的失敗才發現了混沌理論。）
22.2混沌的另一面
流行的觀點認為，混沌理論證明了這些高維的複雜系統----比如天氣、經濟、行軍蟻，當然還有股票價格，其本質上是無法預測的。這種設想如此堅不可破，以至於人們通常認為，任何一種用來預測這些複雜系統輸出結果的設計，都是天真的，要不然就是瘋狂的。
可是，人們大大地誤解了混沌理論。它還有另外一個面孔。出生於1952年"嬰兒潮"的多恩·法默用黑膠唱片打了個比方：他指出，混沌就好像是一個雙面都錄有音樂的熱門唱片。
正面的歌詞是這樣的：根據混沌定律，初始秩序可以分解為原不可預測性。你無法做出遠期預測。
另外一面則是這樣的：根據混沌定律，那些看起來完全無序的東西，在短期內可以預測到。你可以做出近期預測。
換句話說，混沌的特性，既載有好訊息，也帶有壞訊息。壞訊息是：可做遠期預測的東西，即便有，也只是一點點。而好訊息，也就是混沌的另一面則是：就短期而言，有更多的東西可能比其第一眼看上去更具可預測性。而無論是高維繫統的長期的不可預測性，還是低維繫統的短期的可預測性，都來源於同一個事實，即"混沌"和"隨機"是兩回事。"在混沌中存在著秩序，"法默說。
法默肯定知道。早在混沌形成科學理論、成為時尚的研究領域之前，他就是探索這一黑暗領域的一位先驅。20世紀70年代，在時尚的加利福尼亞小城聖克魯斯，多恩·法默和朋友諾曼·帕卡德共同建立了一個計算機迷嬉皮士公社來實踐集體科學。他們同住，同吃，同煮，一起尋找解決問題的方法，一起分享科學論文的榮譽。作為混沌社成員，這夥人研究的是滴水的水龍頭和其他看似隨機生成的裝置的古怪物理學。法默對輪盤賭的輪盤特別著迷。他堅信表面上隨機旋轉的輪盤裡，一定隱藏著某種秩序。如果有人能在這旋轉的混沌中找出隱秘的秩序，那麼......哎呀，他就發財了......發大財。
1977年，在蘋果機這樣的商用微機誕生之前很久，聖克魯斯的混沌社造出了一組可手動程式設計的小微機，裝在三個普通皮鞋的底部。這些計算機用腳趾鍵入資訊；它們的功能，是預測輪盤賭中小球的走向。法默的團隊從拉斯維加斯買來二手輪盤機架在公社擁擠不堪的臥室裡，對其進行研究。這種自制的計算機，執行的就是由法默依據小組的研究成果編制的程式碼。法默的計算機演算法不是基於輪盤賭的數學規律，而是基於輪盤的物理規律。從根本上說，混沌社的編碼，在鞋子裡的晶片內模擬了整個輪盤賭旋轉的輪盤和彈跳的小球。它完成這種模擬只用了微不足道的4k記憶體，而那個時代，計算機還是一些需要24小時的空調和專門人員照顧的巨型怪獸。
這個科學公社，曾經不止一次把混沌的另一面翻出來，場景大致如此：在賭場裡接上線，由一個人（通常是法默）穿上一雙魔法鞋來測定輪盤操作員對輪盤的彈擊、球的跳動速度以及輪盤擺動的傾角。附近，同社的一個人穿著第三隻無線電訊號聯接的魔法鞋，在臺面上實際下注。而在這之前，法默已經用腳趾頭調整他的演算法，仿定了賭場的一部輪盤機。此時，就在小球落下到最終停下來之間的短短15秒左右的時間裡，他的鞋計算機就模擬完成了這個球的整個混沌執行過程。法默用他的右腳大趾點選預測裝置，生成這個球的未來落點的訊號，其速度要比一個真球落到號碼杯中的速度快上大約100萬倍。法默動一下左腳大趾，把這個資訊傳遞給他的同夥，後者從他自己的腳底"聽"到這個資訊，然後，一本正經地在小球落定之前把籌碼放到已經預先確定了的方格中。
如果一切都運轉良好的話，這一注就贏了。不過，這個系統所預測的從來都不是那個會贏下賭注的準確號碼；混沌社員是一些現實主義者。他們的預測裝置預報出一小片相鄰的號碼----輪盤的一個小扇面，作為球在賭桌上的目的區。而參賭的同夥則會在小球停止轉動的過程中在這個區域內遍撒籌碼。最後，其中一個贏得賭注。儘管下在它旁邊的那些籌碼輸了，可這個小區域作為一個整體，往往能贏，而且足以超過賠率。從而掙到錢。
後來，因為這個系統的硬體不可靠，小組把整個系統賣給了別的賭博者。不過，從這次冒險中，法默卻學到了三件對於預測未來非常重要的事情：
首先，你可以抽取混沌系統內在的固有模式，取得良好的預測。
其次，進行一次有用的預測用不著看得太遠。
第三，即使是一點點有關未來的資訊，也是非常有價值的。
22.3具有正面意義的短視
法默牢記著這些經驗，又跟另外5個物理學家（其中一個是前混沌社成員）組建了一個新公司。這一回，他們要破解的是所有賭徒的夢想：華爾街。而且，這一回，他們將用上高效能的計算機。他們會把這些計算機裝上實驗性的非線性動力，以及火箭科學家秘不外傳的其他訣竅。他們將從旁思考，讓這種技術在沒有他們控制的情況下承擔儘可能多的責任。他們要創造出一個東西，如果你願意也可以說，創造出一個有機體來，它能自行完成數百萬美元的賭博。他們會讓這個有機體......（嗯，請把鼓擂起來）預測未來。這幫老練的傢伙有點虛張聲勢地掛出了新招牌：預測公司。
預測公司裡的這些人領會到，要想在金融市場裡掙到大錢，只要能夠提前幾天預見要發生的事情就足夠了。的確，法默和同事們待過的聖塔菲研究所最近的研究就解釋了"看得遠並不意味著看得好"。當你埋首真實世界的複雜性時，少有清晰界定的選擇，不完全的資訊又矇蔽了所有的判斷，這個時候，要評判過於遙遠的選擇就達不到預期的目的了。儘管這個結論似乎符合人類的直覺，但是，我們還不清楚為什麼它也應該符合計算機和模型世界。人類的大腦很容易分散注意力。但是，假定說，你已經擁有了無限的計算能力，而且專注地執行著預測的任務。那麼，為什麼看得更深更遠還並不是更好呢？
這個問題的簡單答案就是：當極小的誤差（由有限的資訊引起的）持續到非常遙遠的未來的時候，將會匯聚成極為嚴重的誤差。即使計算本身是免費的（而它從來就不是免費的），處理這些成指數增長、被誤差汙染的可能性所需要的代價也是巨大的，而且根本就不值得付出。聖塔菲研究所研究員、耶魯大學經濟學家約翰·吉納考普勞斯和明尼蘇達的教授拉里·格雷曾經用一個國際象棋比賽的計算機程式作為他們預報工作的試驗檯。（最好的計算機象棋程式，比如頂級的"深思"程式，能夠擊敗除幾個最頂尖的大師之外的所有人類棋手。）
結果卻和電腦科學家們的預料完全相反，無論是"深思"程式，還是人類的象棋大師，其實都不需要看得太遠就能下出非常好的棋。這種有限的前瞻就是所謂的"有正面意義的短視"。一般來說，這些大師會首先縱覽盤面的局勢，只對各個棋子下一步的走法做一個預測。接下來，他們會挑選出最可能的一種或兩種走法，更深入地去考慮這些走法的後果。儘管每多向前推演一步，可能的走法就會以指數的數量級爆炸性增長，但是在每一個回合，那些偉大的人類大師卻只會把注意力集中在有限的幾個最有可能的應對著法上。在遇到以往經歷過的熟悉環境、深知其間利害取捨的情況下，他們偶爾也會往前多探幾步。但是，一般來說，大師們（現在再加上"深思"）都是憑經驗佈置棋局。例如：首選那些增加選擇餘地的著法；避開那些結果不錯但要求棄子求兌的著法；從那些毗鄰多個有利位置的有利位置著手。在對局勢的前瞻與切實通盤關注當前狀況之間取得平衡。
我們每一天都會遇到類似的折中。無論在商業、政治、技術還是生活中，我們都必須預估隱匿在犄角旮旯的情況。可是，我們從來都得不到充足的資訊來做出完全有見地的決策。我們在黑暗中經營。為了做出補償，我們只能憑藉經驗或者粗略的指導原則，而國際象棋中的經驗規則，是可以指靠的相當不錯的生活規則。（我的女兒們，這裡注意了：首選那些增加選擇餘地的著法；避開那些結果不錯但要求棄子求兌的著法；從那些毗鄰多個有利位置的有利位置著手。在對局勢的前瞻與切實通盤關注當前的狀況之間取得平衡。）
常識使這種"有正面意義的短視"具體化。與其花費數年的時間去搞一本預測一切可能發生狀況的公司員工手冊----它在付印之際就過時了，不如採用那種有正面意義的短視，也不要去想那麼遠，這顯然要好得多。也就是說，先設計出一些一般的指導原則來應對那些看起來一定會在"下一步"發生的事情，等那些極端事例真的發生的時候再來應付。如果你身在一個陌生的城市，又想在交通高峰時段出行，你可以在地圖上計劃好穿越整個城市的詳細路線----想得比較遠，又或者試探一下，比如"一直向西，到達沿河路時，再左轉"。通常，我們兩種方法都會嘗試一些。我們會盡量忍著不去想得太遠，又確實會關注眼前馬上要發生的事情。我們會蜿蜒向西，或上坡，或下坡，同時，不管到了哪裡，都會拿出地圖看看下一個馬上要到的路口。我們使用的方法，實際上是由經驗規則引導的有限的前瞻。
預測機制即使看起來沒有先知的樣子也一樣好使，只要它能從隨機和複雜的偽裝背後發現有限的模式----幾乎什麼樣的模式都行。
22.4從可預測性範圍裡掙大錢
按照法默的說法，有兩種不同的複雜性：內在的和表面的。內在的複雜性是混沌系統"真正的"複雜性。它造成晦暗的不可預測性。另外一種複雜性是混沌的另外一面，掩蓋著可利用秩序的表面複雜性。
法默在空中畫了一個方框。往上，表面複雜性增加；對角向上穿過正方形，內在複雜性增加。"物理學通常是在這裡工作，"法默指著兩類複雜性低端共聚的底角，即那個簡單問題所在的區域說道。"而到了那邊，"法默指著方框中跟這個底角相對的那個上角說道，"都是些難題。不過，我們現在是要滑到這個位置，到了這裡，問題就會比較有趣----這裡表面的複雜性很高，而真正的複雜性仍然保持比較低的水平。到了這裡，複雜的難題中有些成分是可以預測的。而那些正是我們要在股票市場中找的東西。"
預測公司希望能夠藉助那些簡陋的計算機工具，那些佔了混沌的另一面的便宜的工具，來消滅金融市場中簡單的問題。"我們正在運用我們能找到的所有方法，"前混沌社成員，公司的合夥人諾曼·帕卡德說道。這個想法是把得到了驗證的各種來路的模式搜尋策略都變成資料，然後"不斷地敲打它們"，以此對演算法進行最最佳化。找到模式最清晰的提示，然後使真相大白。這是一種賭徒的心態：任何利益都是利益。
激勵法默和帕卡德的信念是從他們自己的經驗中得來的，即混沌的另一面非常穩定，足以依賴。沒有比他們在拉斯維加斯的輪盤賭試驗中掙到的那一大把實實在在的鈔票更能打消疑慮的了。不利用這些模式就太傻了。正如那位記錄他們高贏率冒險嘗試的作者《幸福的餡餅》（eudaemonicpie）一書裡大聲疾呼的那樣："幹嘛不在鞋裡穿上計算機去玩輪盤賭？"
除了經驗之外，法默和帕卡德在他們通過混沌研究創造出來的頗受人敬重的理論中還注入了大量的信念。不過，他們現在還在測試自己最狂野、最有爭議的理論。與絕大多數經濟學家的懷疑相反，他們相信其他那些複雜現象中的某些區域也能精確預測。帕卡德把這些區域稱為"可預測性範圍"或者"區域性可預測性"。換句話說，不可預測性在整個系統中的分佈並不是統一的。絕大多數時間，絕大多數複雜系統也許都不能預報，但是其中一小部分也許可以進行短期預報。回頭去看，帕卡德相信，正是這種區域性的可預測性才讓聖克魯斯混沌社通過對輪盤上的小球的近似路徑進行預報來掙到錢的。
即使真的存在這種可預測性範圍，它們也肯定被掩埋在一大堆不可預測性之下。區域性可預測性的訊號，會被上千個其他變數產生的盤旋雜亂的干擾所掩蓋。而預測公司的6位股市分析高手，則利用一種混合了舊與新、高階與低端的搜尋技術來對這個龐雜的組合訊號堆進行掃描。他們的軟體既搜尋那些從數學上來講屬於高維空間的金融資料，也尋找區域性區域----不管什麼樣的區域性區域，只要它能夠和可預測的低維模式相匹配就好。他們是在金融的宇宙中尋找秩序的跡象----任何秩序。
他們做的這種即時的工作，也可以稱為"超即時"的工作。就跟在鞋子計算機裡模擬出來的彈跳球會在真球停下來之前停下來一樣，預測公司的這種模擬金融模式也會比在華爾街那邊的實際執行要快。他們在計算機裡重新制定股票市場的一個簡化部分。當他們探測到正在展開的區域性秩序的波動時，就會以比真實生活更快的速度進行模擬，然後把籌碼下在他們想見的這一波動可能結束的點位。
戴維·拜瑞比曾經在1993年3月的《發現》雜誌上用一種非常可愛的比喻來形容這種尋找可預測性範圍的過程："看著市場中的混沌，就好像看著波濤洶湧、浪花四濺的河流，它充滿了狂野的、翻滾著的波濤，還有那些不可預料的、不斷盤旋著的漩渦。但是，突然之間，在河流的某個部分，你認出一道熟悉的渦流，在之後的5~10秒內，就知道了河流這個部分中的水流方向。"
當然，你是沒有辦法預測水流在下游半英里處的流向，但是，就有那麼5秒鐘----或者在華爾街那5個小時的時間裡，你可以預測這個演示的進展。而這也正是你致用（或者致富）所需要的。找出任意一個模式，然後利用它。預測公司的演算法，就是抓住飛逝的一點點秩序，然後利用這個轉瞬即逝的原型來掙錢。法默和帕卡德強調說，當經濟學家們遵循職業操守對這些模式的原因進行挖掘的時候，賭徒們卻沒有這種約束。預測公司的重要目標並不是模式形成的確切原因。在歸納式的模型----預測公司構造的那種模型中，事件並不需要抽象的原因，就跟具有意念之中的棒球飛行路線的外野手，或者一隻追逐丟擲的棍子的狗一樣不需要抽象的原因。
應該操心的，不是這類充斥著因果關係迴圈的大規模叢集式系統中因與果之間模糊不清的關係，而是如法默所說："要擊敗股票市場，關鍵性的問題是，你應該關注哪些模式？"哪些模式掩蓋了秩序？學會識別秩序而不是原因，才是關鍵。
在使用某個模型下注之前，法默和帕卡德會用"返溯"的方法對它做一個測試。在運用"返溯"技術（專業的未來學家常用到的方法）時，要通過來自人力管理模型中的最新資料建立模型。一旦系統在過往資料，比如說20世紀80年代的資料裡，發現了某種秩序，就把過去那幾年的資料提供給它。如果系統能夠依據80年代的發現準確地預測出1993年的結果，那麼這個模式搜尋器就可以拿到獎章了。法默說："系統得出20個模型。我們會把所有這些模型都執行起來，用診斷統計學把它們篩一遍。然後，我們6個人就會湊在一起，選出真正要執行的那個。"這種建模活動，每一輪都可能要在公司的計算機上執行上好幾天。不過，一旦找到了某種區域性秩序，根據這種秩序進行預測就只需要百萬分之一秒的時間。
最後的一步，也就是在它手裡塞上大捆的真錢來實際執行這個程式，還需要這幾位博士中的一位在鍵盤上敲一下"回車"鍵。這個動作就會把選定的演算法投入到那個高速運轉、錢多得能讓腦子停轉的頂級賽事的世界。割斷了理論的韁繩，自動執行起來，這個充實起來的演算法就只聽到它的創造者們喃喃低語："下單啊，呆瓜，下單啊!"
"只要我們能夠超過市場盈利5個百分點，那麼我們的投資者就能掙到錢了。"帕卡德說。關於這個數字，帕卡德是這麼解釋的：他們能夠預測出55%的市場走向，也就是說，比隨機的猜測高出5個百分點，不過，如果他們真的猜對了話，那麼最終得到的結果會高出200%，也就是說，比市場的贏率高兩倍。那些為預測公司提供金融支援的華爾街大佬（當前是奧康納及關聯公司），可以獲得這個演算法的獨家使用權，作為交換，他們則要根據演算法所得到的預測結果的具體表現支付公司一定的費用。"我們還是有一些競爭者的，"帕卡德笑著說道，"我知道有另外4家公司也在琢磨同樣的事情，用非線性動力學去捕捉混沌中的模式，然後用這些模式進行預測。其中的兩家已經發展起來了。裡面還有一些是我們的朋友。"
花旗銀行就是使用真錢交易的競爭者之一。從1990年開始，英國數學家安德魯·科林就已經開始搞交易演算法了。他的預報程式首先隨機生成數百個假設，這些假設的引數影響著貨幣資料，然後再用最近5年的資料來檢驗這些假設。最可能產生影響的引數會被傳送到計算機神經網路，由它調整每一個引數的權重，以求更好地與資料吻合，採取給最佳引陣列合加權的辦法，以便產生出更優的猜測。這個神經網路系統也會不斷地把得到的結果反饋回來，通過某種自我學習的方式不斷打磨自己的猜測。當一個模型跟過去的資料吻合，它就會被傳送到未來。1992年，《經濟學人》雜誌曾經有一篇文章這樣寫道："經過兩年的實驗，科林博士估計他的計算機虛擬交易資金能夠獲得每年25%的回報......這已經是絕大多數人類交易者期望值的好幾倍了。"當時倫敦的米蘭銀行有8位股市分析高手在研究預測裝置。他們計劃由計算機生成演算法。不過，和在預測公司一樣，在"敲回車"之前，計算機生成的演算法還是要由人類來評估。直到1993下半年，他們一直是用真錢交易。
投資者們喜歡向法默提出的一個問題是，他怎麼證明人們確實可以憑藉這麼一點點資訊上的優勢就在市場中掙到錢。法默舉了一個"現實存在的例子"，即華爾街上像喬治·索羅斯這樣的人，通過貨幣交易或者其他別的的交易，年復一年地賺取數百萬的金錢。成功的交易者，法默不平地說，"被那些學院派呸呸連聲地瞧不起，以為他們只是超級有運氣而已----可是證據卻顯示說事情完全不是這樣的"。人類交易者會在無意識中學會如何在隨機資料的海洋裡識別出那些屬於區域性可預測性的模式。這些交易者之所以能夠掙到數以百萬計的美元，是因為他們為了做出預測，先發掘出了模式（雖然他們說不清道不明），然後建成內部模式（雖然他們並未意識到）。他們對自己的模型或理論的瞭解並不比他們對自己如何抓住飛球的瞭解更多。他們就這麼做了而已。不過，這兩種模型都是基於經驗，以同樣的托勒密式歸納法建立起來的。而這也正是預測公司利用計算機來對飆升的股票進行建模的方法----以資料為起點，自下而上。
法默說："如果我們在現在所做的事情上取得基礎廣泛的成功，那就證明機器的預報能力比人強，而且，演算法是比米爾頓·弗裡德曼還要優秀的經濟學家。交易師已經在猜疑這個東西了。他們感受到了它的威脅。"
困難之處是要保持演算法的簡潔。法默說："問題越複雜，最後要用到的模型就越簡單。跟資料嚴絲合縫其實並不難，但如果你真的去做了，那你最後一定只是僥倖成功。概括是關鍵。"
說到底，預測機制其實是生產理論的機制，是產生抽象和概括性的裝置。預測機制仔細咀嚼那些看似隨機、被雞爪刨過，源自複雜、活生生的東西的雜亂資料。如果有日積月累的足夠大的資料流，這個裝置就能從中分辨出星星點點的模式。慢慢地，這種技術就會在內部形成專門特定的模式，以解決如何產生資料的問題。這種機械不會針對個別資料對模式做"過度調校"，它傾向於有幾分不精確的概括性的模糊擬合。一旦它獲得了某種概括性的擬合，或者說，某種理論，它就能夠做出預測。事實上，預測是整套理論的重點。法默宣稱："預測是建立科學理論之後最有用、最實在的結果，而且從許多方面來說，也是最重要的結果。"儘管製造理論是人類大腦擅長的創造性的行為，可是具有諷刺意味的是，我們卻沒有如何製造理論的法則。法默把這種神秘的"概括模式搜尋能力"稱為"直覺"。華爾街的那些"走運的"交易員，利用的恰恰就是這種能力。
我們在生物學中也可以見到這種預測機制。正如一家名為interval的高技術智囊公司的主管戴維·李德所說，"狗不會數學"，但是經過訓練的狗卻能夠預先計算出飛盤的路徑然後準確地抓住它。一般而言，智慧或者聰明，根本就是一種預測機制。同樣地，對預測與預報而言，所有適應與進化，也都是相對更為溫和、分佈更為稀疏的機制。
在一次各家公司ceo的私人聚會上，法默公開承認："對市場進行預測並不是我的長期目標。老實說，我是那種一翻開《華爾街日報》看金融版的時候就覺得無比痛苦的人。"對一個死不改悔的前嬉皮士來說，這也沒有什麼可奇怪的。法默規定自己花5年的時間研究股票市場預測的問題，大掙一筆，然後轉移到更有趣的問題上，比如，真正的人工生命、人工進化和人工智慧。而金融預測就跟輪盤賭一樣，只不過是另外一個難題而已："我們之所以對這個問題感興趣，是因為我們的夢想是要生產出預測的機制，一種讓我們能夠對很多不同的東西都進行預測的機制----天氣、全球氣候、傳染病，等等，所有能夠產生很多讓我們吃不透的資料的事物。"
"最終，"法默說道，"我們希望能夠使計算機感染上某種粗略形態的直覺"。
至1993年年底，法默和預測公司公開報告說他們已經成功運用"計算機化的直覺"對市場進行了預測，而且採用了真錢交易。他們與投資者之間的協議不允許他們談論具體的業績表現，雖然法默非常想這麼做。不過，他確實說過，再過幾年，他們就能夠獲得足夠多的資料來"用科學的標準"證明他們在交易上的成功不僅僅是統計上的運氣所致："我們確實在金融資料中找到了在統計上非常重要的模式。確實存在著可預測性範圍。"
22.5前瞻：內視行動
在對預測和模擬機制進行調研的過程中，我獲得了一個去拜訪位於加州帕薩迪那的噴氣推進實驗室的機會。那裡正在開發一種最先進的戰爭模擬系統。應加利福尼亞大學洛杉磯分校的一位電腦科學教授的邀請，我來到噴氣推進實驗室。這位教授一直以來都在拓展計算機能力應用的領域。而和很多缺乏資金支援的研究者一樣，這位教授也不得不依靠軍方的資助來進行他那些前沿的理論實驗。按照交易協議，他這一方需要做的，就是挑一個軍事方面的問題來檢驗他的理論。
他的實驗臺要觀察的是大型分散式控制平行計算（我稱其為"叢集計算"）能怎樣提高計算機模擬坦克戰的速度，是一種他並不太感興趣的應用軟體程式。另一方面，我倒真的非常有興趣看一場頂尖水準的戰爭遊戲。
一到實驗室繁忙的前臺，就直接進行安檢。由於我拜訪的是一個國家級的研究中心，而且當時美國軍隊在伊拉克邊境正處於紅色警戒的狀態，保安已算是相當熱情了。我簽了一些表格，就我的忠誠和公民身份起誓，別上一個大徽章，然後就跟教授一起被護送到樓上他的舒適的辦公室裡。在一個灰暗的小會議室中，我遇到了一個留著長髮的研究生，他藉著研究如何用數學方法來模擬戰爭的名義，探尋關於宇宙計算理論的某種創新概念。接著，又見到了噴氣推進實驗室的頭頭。他因為我作為記者出現在這裡感到緊張不安。
為什麼？我的教授朋友問他。模擬系統並不是什麼機密的東西；研究結果是發表在公開文獻中的。實驗室負責人的說辭一大堆："啊，嗯，你看，現在正在打仗，而且，我們在過去差不多一年的時間裡都在泛泛推演那個情節----我們選擇那個遊戲純屬偶然，根本沒有預測的意思，現在卻真的打起來了。我們開始測試這個計算機演算法的時候，總要選擇一些情節，隨便什麼情節，來試用模擬的效果。所以我們就挑了一個模擬的沙漠戰爭，參戰的......有伊拉克和科威特。現在既然這個模擬戰爭真打起來了，那麼我們這裡就多少有點像在現場。有點敏感。對不起。"
我沒能看到那場戰爭模擬。不過，在海灣戰爭結束了大概一年之後，我發現其實並不只有噴氣推進實驗室一個地方偶然預演了那場戰爭。佛羅里達州的美軍中央司令部在戰前就推演了另外一個更有實用價值的沙漠戰模擬。美國政府在戰前對科威特戰爭做了兩次模擬，憤世嫉俗者認為，美國政府兩次模擬了科威特戰爭，這描畫出它帝國主義的嘴臉，以及蓄謀已久發動科威特戰爭的慾望。而在我看來，預測性的種種場景，與其說它狠毒，倒還不如說它詭異、離奇以及具有指導性。我用這個例項來勾畫預測機制的潛能。
在世界各地，大概有24個操作中心進行著這種以美國為藍軍（也就是主角）的戰爭遊戲。這些地方絕大多數都是軍校或者訓練中心下屬的小部門，比如阿拉巴馬州馬克斯韋爾空軍基地的兵棋推演中心，羅德島鈕波特美國海軍軍事學院傳奇的全域性博弈室，或者堪薩斯州萊溫沃斯的陸軍野戰理念部的那個經典的"沙盤"桌面推演裝置。而為這些戰爭遊戲提供技術支援以及實用重大知識的，就是一些躲在無數準軍事智囊團裡面的學術人員或者專業人士，這些智囊團要麼沿華盛頓環城路撒佈，要麼窩藏在如噴氣推進實驗室、加利福尼亞的勞倫斯·利弗莫爾國家實驗室等各個國家實驗室角落的研究區夾道里。當然了，這些玩具戰爭模擬系統，都冠以首字母縮寫，比如：tacwar，jess，rsac，saga，最近的一份軍事軟體的目錄上，列出了有大約400種不同的軍事遊戲或者其他軍事模型，而且都是列架銷售的。
美國的任何一次軍事行動，其神經中樞都會設在佛羅里達州的中央司令部。中央司令部作為五角大樓的一個機構，其存在的目的就是像獵鷹一樣替美國國會和美國人民緊盯住一個主要的戰局，即藍軍對紅軍這個超級大國之間的遊戲，而其中唯一配做美國對手的是蘇聯。20世紀80年代，諾曼·施瓦茨科夫將軍到任的時候，卻並不接受這種觀點。施瓦夫茨科夫----一位有思想的將軍，提出了一種新的看法，而他用來表達這個新看法的那句話，在全軍上下廣為流傳："蘇聯狗不出獵。"於是，施瓦夫茨科夫將他的作戰計劃制定者們的注意力引向替代戰局上。而高居榜單前列的，就是伊拉克邊境沿線的中東沙漠戰爭。
1989年初，中央司令部的一位官員，加里·威爾，開始以施瓦茨科夫的直覺為基礎建立戰爭模型。他和一組軍事未來學家一起蒐集整理資料，以便能夠創造出一個模擬的沙漠戰爭。這一模擬的代號是"內視行動"。
任何模擬都只能做到與它們的基礎資料一樣強，而威爾希望"內視行動"能儘可能地貼近現實。這意味著，要收集當下駐中東部隊的近十萬的細節資料。這部分工作，絕大多數都極度沉悶乏味。戰爭模擬需要知道部署在中東的車輛數目，食物和燃料的物資儲存量，武器的殺傷力，氣候條件，等等。而這些細枝末節的東西，絕大部分都沒有現成的，甚至軍方都不容易弄到。所有這些資訊都處在持續不斷的變化之中。
一旦威爾的團隊形成軍隊組織的方案，戰事推演員就會編制整個海灣地區的光碟地圖。而這個模擬沙漠戰的基礎----這塊疆域本身，則是從最新的衛星數字照片中轉過來的。等這個工作結束之後，戰爭遊戲的玩家就會把科威特、沙特這些國家的地形壓縮到cd上。這時他們就可以把這些資料輸入tacwar這個計算機戰爭遊戲主體模擬程式裡。
威爾是從1990年初開始在虛擬的科威特和沙特戰場上進行沙漠戰爭的。7月，在佛羅里達州北部的一個會議室裡，加里·威爾向他的上級概述了"內視行動"的各種成果。他們審看了這樣的一種局勢：伊拉克入侵沙特，然後美國/沙特反擊。意想不到的是，威爾的模擬恰恰預測了一場為期30天的戰爭。
就在兩週之後，薩達姆·侯賽因突然入侵了科威特。最開始的時候，五角大樓的高層們還根本不知道他們已經擁有了完全可操作的、資料翔實的模擬。只要轉動啟動鑰匙，這個模擬程式就預測無盡的變局下這個地區可能發生的戰事。當這個有先見之明的模擬程式的訊息傳出之後，威爾就像玫瑰般聞著都香。他承認說："如果等到侵略發動時才開始著手去幹的話，那我們就永遠都趕不上趟了。"未來，標準的軍備條例可能會要求給指揮中心配置一個盒子，裡面運轉著包括種種可能的戰事的並行宇宙，隨時發動。
薩達姆入侵之後，戰事推演員立刻把"內視"轉向執行變化無窮的"真實"局勢的模擬。他們的注意力重點集中在一組圍繞變數產生的可能性上："如果薩達姆不斷地進攻，事態會怎樣？"對預測到的30天內的戰事做迭代運算，威爾的電腦只花了大概15分鐘的時間。通過在多個方向上執行這些模擬，威爾的團隊很快就得出了這樣一個結論：空中力量將是這場戰爭的決定性因素。進一步精確的迭代非常清楚地顯示，如果空戰打贏了，美國就能取勝。
不僅如此，根據威爾的預測機制得到的結果，如果空中力量確實能夠完成分配給他們的任務，那麼美國的地面部隊就不會有重大的損失。而高階官員對這一結論的理解就是：先行進行精確的空中打擊，是美國低傷亡率的關鍵。加里·威爾說："在保持我們部隊的絕對最小傷亡這方面，施瓦茨科夫非常強硬，以至於低傷亡變成了我們所有分析工作的基準。"
這樣一來，預測性的模擬給了軍方的指揮團隊這樣的信心，即美國可以以最小的損失換得戰爭的勝利。這種信心引領了沉重的空中打擊。威爾說："模擬絕對影響了我們（在中央司令部）的思維。不是說施瓦茨科夫事前對此沒有強烈的感受，而是模型給了我們信心去貫徹這些理念。"
作為預測，內視行動確實獲得了非常好的成績。儘管在最初的軍力平衡上有些變化，而且空中作戰和地面作戰的比例方面有一點小的差異，但是模擬出的30天空中與地面的戰役與真正發生的戰事非常接近。地面戰鬥基本上是按照預測逐步展開的。和所有不在現場的人一樣，模擬人員對施瓦茨科夫在前線那麼快就結束了最後一輪的較量感到驚奇。威爾說："不過，我得告訴你，我們當時並沒料到能在100個小時的時間裡[在戰場上]取得這樣的進展。根據我的回憶，我們當時預測的是要用6天的時間來進行地面戰，而不是100個小時。地面部隊的指揮官曾經跟我們說，他們當時曾經預想行動得會比模擬所得出的結果快。結果他們行動得確實像自己預測的那麼快。"
按照這個戰爭遊戲的預測機制的計算，伊拉克人的抵抗會比實際中他們的抵抗要大一些。這是因為，所有的戰鬥模擬都會假設說敵對方會全力以赴呼叫他們的所有可用的資源。但是實際上伊拉克根本就沒有那麼用力。戰事推演員曾經厚著臉皮開玩笑說，沒有一種模型會把舉白旗納入武器序列。
由於戰爭進展實在太快，結果這些模擬者再也沒時間依次考慮下一步的模擬：以日報模式預報戰事的進展。儘管計劃者儘可能詳細地記錄了每天發生的事件，而且他們也可以隨時計劃到未來，但是，他們還是感覺："最初的12個小時之後，就不需要天才來推算未來的發展了。"