[轉帖]穿越男必看，1986年德國著名穿越模擬實驗
剛剛在末世黑暗纪吧看到,不過沒有原出處
以下是龍空的連結
http://www.lkong.net/thread-702492-1-1.html
------------我是分格線-----------------
1986 年年德國著名穿越類比實驗：如果你是路易十六時光回到1787 年年，如果你是法國
國王路易十六，您能否更好的管理這個國家？歷史是否因為一個現代人的管理能力而改變
軌跡，譬如，法國大** *也許不會爆發，路易十六也不用上斷頭臺了？這並不是一個穿越
問題，而是一個真實的社會實驗。
1986 年年德國心理學家Kuhle和Badke創造了一個類比實驗，受測者把自己當作國王
，任務是根據1787 年年路易十六面臨的困局，擬定一個戰略計畫。 1787年年法國處於大
**前夕，社會環境一塌糊塗。
最集中的矛盾體現為財政危機，路易十六要面對這些頭疼的財務問題：（1） 他娶了一個
超愛花錢的王后，著名的"赤字夫人"瑪麗安托奈特(2） 因捲入美國獨立戰爭，法國債務高
達20億法郎，瀕臨破產（3） 社會財富聚集于教士和貴族手中，他們享受特權，拒不繳稅
。
受測者根據這些情況設計了各種解決方案，例如有人說"我要從貴族那兒收一大筆錢，平
衡國庫預算"，有人說"要集中精力擴大法國出口，換取外匯"，還有人建議"消減王室開支
，王讓後少花點錢！"，等等。
實驗結果顯示，雖然這些受測者具備現代人的眼界以及"後見之明"的優勢，他們的方案並
不能真正解決二百年前的問題。這些方案要麼抓錯了重點（王后的奢靡並非財政危機主因
），要麼缺乏執行的必備條件（向貴族收稅很難落實）。
比起現代人紙上談兵，當年法國財政大臣卡洛納的計畫也許更有價值。卡洛納的改革計畫
是一整套設想，包括用綜合稅代替人頭稅，取消國內關稅，沒收教會財產，設立省級會議
，減緩法國三個等級的對立，等等。
可是，真實歷史的走向，所有人都知道了：1787 年年，卡洛納方案因貴族反對而陷入僵
局，路易十六解雇卡洛納->兩年後，法國大** *爆發，王室推翻->六年後，路易十六上了
斷頭臺。
"路易十六實驗"對於一些穿越小說的主題設定提出了挑戰。人們經常讀到類似的情景是一
個平凡的男豬穿回古代，憑藉現代經驗作出成功的謀劃，最後獲得江山美人。很多人說這
也許是一個沒法驗證的問題，除非你真的讓他穿回去，證明給你看。
其實你不需要讓他們穿回去，因為有更簡單的辦法可證明，男豬十有八九是要失敗的。這
個證明方法就是利用電腦類比的規劃性遊戲。
上周我坐京滬高鐵，火車上讀了一本有趣的書講到類似的電腦實驗。此書名字是
《The Logic of Failure》，作者是德國的認知科學家Dietrich Dorner.Dietrich
創設了一些電腦類比的規劃性遊戲，這些實驗有各種各樣的設定，比如在一個遊戲裡
，你可能是一個市長，管理一個英國城市。在另一個遊戲裡，你可能變成一個酋長，
領導著西非的一個遊牧部落。
美國大學其實也有類似的課程用電腦類比商務工作，如Forad這種程式，學生們模仿首席
執行官對企業經營參數進行多輪調節和決策。這些類比角色，類似于一個人穿回1787年變
成路易十六，不論你是國王、市長、酋長，面對的都是一個"規劃家"的任務：如何在一個
複雜性系統裡收集資訊、研究問題、提出規劃、付諸實施？受測者可以不停調整他們的策
略，並把參數輸入電腦。電腦則對他們管理的社會進行類比運算，並在每一個規劃期結束
後，給出動態的社會演變結果。
類比的好處之一就是，不用苦等一個人當了20年國王才發現他是治國庸才，電腦只要幾個
小時就能證明這一點了。事實上，類比實驗發現，絕大多數受測者，不論其現實身份如何
，在應付人類社會演化或是自然生態這些複雜性系統時，他們的能力全都弱爆了。這些受
測者都很認真投入的進行分析、規劃、和決策，可他們若當了市長、酋長、甚至村長，在
類比環境裡，你將看到他們治下的社會走向各種失敗之局：人口不是爆炸就是滅絕、生產
不是畸形就是停滯、生態災難、全盤性大饑荒，等等。
值得注意的是，受測者面臨的問題有一些共同特徵：1）不透明：看不到一個系統的內部
機制，往裡扔一個石子，也聽不到及時的回聲。 2）關聯性：系統內有許多變數相互影響
，這些影響有的造成"正回饋"，有的造成"負反饋"，總之，這些內部關係超級糾結。 3）
動態性：你不理這個系統，系統自己也在不停的走動。你要觀察的不僅是一個時點上的系
統值，而是推測整個系統隨時間推移最終向何方演化。治理國家、管理企業、甚至清理池
塘，都要和一個類似上面特性的人類或自然系統在打交道。
用一個形象的比喻就是"黑盒子"。人們無法打開盒子，只能這兒戳一戳，那兒碰一碰，猜
這盒子到底藏著什麼玄妙。人類在規劃"黑盒問題"方面好像天生就找不到感覺。在
Dietrich創設的電腦遊戲中，受測者雖然掌握上帝視角，仍無法避免系統的屢屢失控。這
些結果並不令人意外。
人們總是高估自己，看不到失敗的普遍性。不過，這些實驗體現出一些值得留意的錯誤共
性，不妨多說幾句。譬如一個常見的認知錯誤，是因為系統不透明造成。人類大腦本能的
假定事情之間存在瞬間聯繫，比如當你擰開煤氣灶，火苗子騰的冒出來，這就是你的決策
立刻回饋結果。但複雜性系統往往沒這麼透明，最重要的是它有一個延後性，就象宏觀經
濟學經常講到的"政策時滯"效應一樣。
1988 年年，心理學家優特賴設計了一個巧妙的溫度調節實驗，考察人類能否對一個
不透明且有時滯的系統，作出正確的反應。任務是調節一個保鮮冷庫的溫度。冷庫裝有一
個溫度計，顯示現在溫度是15度，這太高了。受測者要對調節器進行校準，使室溫下降並
穩定到4度。實驗關鍵點有兩個：1）調節器的刻度是0-200，受測者不知道這些刻度與溫
度之間的對應關係。 2）冷庫對調節器的反應有5分鐘延遲，就是說，當室溫達到調節器
指定溫度時，系統將繼續被加熱或製冷5分鐘。
所以你觀測的溫度可能開始太高，接著太低，接著又太高，接著又太低......幣種隨著時
間不停收窄振盪，並最終趨於一個穩定值的系統其實並不少見，例如很多住宅的自動恒溫
器都是這樣的設計模式。對受測者來說，最好的策略就是把調節器隨機撥到0-200之間任
一刻度，保持不動，直到溫度穩定到一個常值。這樣，可以很容易算出溫度計和調節器之
間的對應關係，然後一步到位的校準到4度。
但是，受測者事先不知道存在5分鐘延遲反應。他們本能假定是，調節器和溫度之間存在
瞬間聯繫，於是他們過度頻繁的干預調節器，然後每一次都失望的發現，溫度要麼太低要
麼太高，總之，怎樣折騰都找不到4度在哪兒。底下這圖表是大多數受測者的典型反應過
程：橫軸是實驗時間，受測者在100分鐘的實驗時間內，調節出來一條不斷波動的溫度曲
線。您看得到，溫度從來就沒穩在4度上。右側刻度（0-200）是調節器，小三角形代表受
測者每一次調整調節器的記錄。實驗前50分鐘，受測者採取了試錯法，先調低調節器，當
溫度低過4度，他就升高調節器，如此反復不停。
實驗後50分鐘，受測者開始抓狂了，他開始絕望的亂調一通，調節器一下子開到200最高
值，一下又調到最低0值。抓狂的決策導致溫度波動大幅加劇，直到實驗結束他也沒搞明
白：如果把調節器撥到23，保持不動，最終室溫將穩定為4度。這實驗很難嗎？實際上，
不算難。參與者任務簡單，且可按自己的意願隨時干預，何況還能不停收到溫度計隨時間
變動的資料記錄。
在真實世界裡，一個複雜系統很少有這麼短的反應延遲，也很少給人們提供一個完整的時
間序列資料去分析。另一個常見的錯誤源于系統內部的因數之間存在複雜關聯。所以決策
者找不到一個正確的著手方向，他們總是從一個目標跳到另一個目標，忘記了什麼才是最
重要的。
假如你現在就是一個城市的市長。這個城市叫格林韋爾，位於英國西北，有3700個居民，
主要工業是手錶製造、也有零售、銀行、餐館等。不過，地球上沒這地兒，這個城市完全
是電腦類比出來的。迪特裡希上海48個實驗者擔任市長，測試他們的執政能力和決策特點
。市長任期10年，實現獨裁統治。在遊戲的設定中，市長有一個總的目標，就是提高市民
對政府的滿意度。這就象中國政府總的目標是構建和諧社會一般。
這個目的又可以分解為許多具體的小目標：減少失業，擴大住房，改善福利、促進生產，
提高收入、等等。接管理一個小型城市就是管理一個連鎖性的複雜系統，市長不可能只做
一個事情，而且一個事情的行動對其他事情都要產生影響。
例如，如果你想擴大市民住房，這就要市政投入，市政投入需要加稅，加稅可能導致居民
遷到其他城市，人口遷走導致消費趨冷，消費趨冷導致市政收入下降，市政收入下降又導
致無錢擴大住房。
48個實驗參與者有普通人也有經濟學家或物理學家，市長們個個很忙的樣子，但大多
數都不成功，市民滿意度直線下降。雖然每個人的執政理念差異懸殊，但有一項錯誤是最
普遍的：盯錯目標。
譬如在一個類比遊戲中，一個市長把自己放到移動到超市門口，問市民對政府有什麼不滿
意的地方。有人抱怨老年人打電話不方便，有人抱怨公務員效率低，有人抱怨圖書館不好
，等等。當這個隨機性的問題清單佔據市長大腦時，市長開始花費時間關注一些相對次要
的問題，而忽視了真正重要的問題。
某一個參加實驗的市長，在任內用掉不少時間測量老年人的走路速度和電話亭的關係，以
求精准解決市民對打電話不滿意的抱怨，但是這樣的一些問題到底是不是當務之急呢？
在國內的一些官場小說中，我經常讀到所謂的清官人物，他們做事方式就像是格林韋爾類
比遊戲中的那些市長，根據問題的"明顯性"來分配問題的"優先性"。
一個典型例子，也是我挺喜歡的小說《新星》中，寫到李向南到古陵縣作書記，上任一個
月抓的幾個大事都是解決"明顯性"的問題：幹部懶散、違章報銷、積壓冤情。側重"明顯
性"問題的書記很容易被稱作青天大老爺，但是管理一個複雜性系統，滅火隊長式的書記
也許是很不夠的。
另一個典型現象是迪特裡希遊戲的一個參與者，此人之前做過一些公益活動，有很多經驗
。在扮演市長時，他發現在校兒童面臨不少困難，而這正是他熟悉領域，於是他自動的忽
略了別的市政事情，專心埋頭于學校問題。在學校裡他成功的找到了問題班級，甚至追蹤
了具體的問題兒童。
這個市長實際上是根據自己的能力來選擇問題的。這樣做的後果也是非常值得注意的：他
沒有解決他"必須"解決的問題，而只是解決了他"知道"如何解決的問題。套用這個模式去
觀察政府官員，你也許能發現：政府的政策雖然糾正了一些弊端，但是往往這些弊端不是
"優先的"和"必須的"問題，而湊巧只是"明顯的"問題或是他們知道怎麼解決。
不過，對於部分中國官員，人們必須降低要求：能糾正一些弊端，已經比什麼都不做，要
好了！
回顧上面的問題，出現這麼多的錯誤和失敗，追溯根源，也還是由於人類的認知能力有限
。我讀過一些書籍經常看到的說法是，雖然人類生活在工業時代和資訊時代， 但是人類
大腦的加工能力仍然停在"史前大腦"的時代。所以，我們面對類似"黑盒問題"這種複雜系
統時，頭腦遇到極大困難，遭受各種認知誤區的困擾。亦有人說，大腦巨大潛能尚未開發
，繼續進化下去，每個人都有潛能變成一個出色的戰略家。我對此是悲觀看法。設想，自
然界有沒有一種動物，用三條腿奔跑，而拖著第四條完好的腿不用？在發掘認知能力和應
付複雜性系統方面，我們使用大腦也許就像動物使用它們的腿，能用上的早都用到了。
所以，在此意義上，如果一個人穿回1787 年年變成路易十六，哪怕他是一個當代市委書
記，那麼恭喜這位男豬，最可能的歷史軌跡就是：他將把自己提前送上斷頭臺，順便把法
國古代人民多玩死幾個。
--
( ￣ c￣)y▂ξ
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 123.192.224.160
※ 編輯: gimyhsiou 來自: 123.192.224.160 (10/22 10:09)
※ 編輯: gimyhsiou 來自: 123.192.224.160 (10/22 10:12)
推
10/22 10:14, , 1F
10/22 10:14, 1F
推
10/22 10:17, , 2F
10/22 10:17, 2F
→
10/22 10:18, , 3F
10/22 10:18, 3F
→
10/22 10:18, , 4F
10/22 10:18, 4F
→
10/22 10:20, , 5F
10/22 10:20, 5F
推
10/22 10:26, , 6F
10/22 10:26, 6F
→
10/22 10:26, , 7F
10/22 10:26, 7F
推
10/22 10:27, , 8F
10/22 10:27, 8F
→
10/22 10:27, , 9F
10/22 10:27, 9F
→
10/22 10:27, , 10F
10/22 10:27, 10F
→
10/22 10:27, , 11F
10/22 10:27, 11F
→
10/22 10:30, , 12F
10/22 10:30, 12F
→
10/22 10:31, , 13F
10/22 10:31, 13F
推
10/22 10:31, , 14F
10/22 10:31, 14F
→
10/22 10:31, , 15F
10/22 10:31, 15F
推
10/22 10:33, , 16F
10/22 10:33, 16F
推
10/22 10:35, , 17F
10/22 10:35, 17F
→
10/22 10:36, , 18F
10/22 10:36, 18F
推
10/22 10:39, , 19F
10/22 10:39, 19F
→
10/22 10:40, , 20F
10/22 10:40, 20F
→
10/22 10:40, , 21F
10/22 10:40, 21F
推
10/22 10:45, , 22F
10/22 10:45, 22F
推
10/22 11:04, , 23F
10/22 11:04, 23F
推
10/22 11:25, , 24F
10/22 11:25, 24F
→
10/22 11:31, , 25F
10/22 11:31, 25F
→
10/22 11:33, , 26F
10/22 11:33, 26F
→
10/22 11:34, , 27F
10/22 11:34, 27F
→
10/22 11:36, , 28F
10/22 11:36, 28F
推
10/22 11:56, , 29F
10/22 11:56, 29F
→
10/22 11:57, , 30F
10/22 11:57, 30F
推
10/22 12:16, , 31F
10/22 12:16, 31F
推
10/22 12:56, , 32F
10/22 12:56, 32F
推
10/22 13:18, , 33F
10/22 13:18, 33F
推
10/22 13:28, , 34F
10/22 13:28, 34F
推
10/22 13:29, , 35F
10/22 13:29, 35F
→
10/22 13:29, , 36F
10/22 13:29, 36F
→
10/22 13:30, , 37F
10/22 13:30, 37F
推
10/22 13:33, , 38F
10/22 13:33, 38F
→
10/22 13:33, , 39F
10/22 13:33, 39F
→
10/22 13:41, , 40F
10/22 13:41, 40F
→
10/22 13:41, , 41F
10/22 13:41, 41F
→
10/22 13:41, , 42F
10/22 13:41, 42F
推
10/22 16:54, , 43F
10/22 16:54, 43F
→
10/22 16:54, , 44F
10/22 16:54, 44F
推
10/22 16:54, , 45F
10/22 16:54, 45F
→
10/22 17:31, , 46F
10/22 17:31, 46F
→
10/22 17:31, , 47F
10/22 17:31, 47F
推
10/22 17:36, , 48F
10/22 17:36, 48F
→
10/22 17:37, , 49F
10/22 17:37, 49F
推
10/22 17:51, , 50F
10/22 17:51, 50F
推
10/22 18:00, , 51F
10/22 18:00, 51F
→
10/22 18:01, , 52F
10/22 18:01, 52F
推
10/22 18:21, , 53F
10/22 18:21, 53F
→
10/22 20:42, , 54F
10/22 20:42, 54F
推
10/23 00:30, , 55F
10/23 00:30, 55F
推
10/23 10:21, , 56F
10/23 10:21, 56F
→
10/23 10:22, , 57F
10/23 10:22, 57F
推
10/27 10:53, , 58F
10/27 10:53, 58F
推
10/27 13:38, , 59F
10/27 13:38, 59F
推
04/09 18:19, , 60F
04/09 18:19, 60F