前记
当一个算法形成以后，随着我们对于其利用次数的增多，算法的不完善性就会开始显现。这时候我们常常会质疑是否是算法出现了偏差，于是对算法的逻辑不断重新构造，这个行为是否真的是有必要的？
我们在「混乱中的秩序」篇章中已经提到过，当只有一个观测者的时候，预测与观测，这只是个不断推演的过程。那么作为模型层面来看，我们依旧不知道黑盒中的猫咪是生是死，那么他就必然会满足生与死共同存在的状态。换句话说，前面的算法与后续的算法具有一定的兼容性，即使是错误，也会以某种形式与旧有算法产生关联性。这也就产生了“错了，但是又没全错”的局面的出现。
算法与模型的修正
在我们测试一个新算法的时候，一开始卦会尽量以常规的方案进行解答，但是当你看的盘足够多的时候，这时候这个逻辑就得到了一定的调整与改变。因为在一个规则之下，他必然会包括着更多的潜在性规则，只是在这之前你没有遇到过这样的组合。随着大数据对于占卜结果的覆盖，你作为观测者的角度，逐渐看到了更多关于结果的盘面。也就产生了很多的解读出错的情况。
但是是否解读就绝对全错？不是的。但是也不代表解读的算法就会绝对稳定不变。在一定时间范围内，这个算法会维持着一个规则，但是随着你的意志力，目的，认知，逻辑的改变，这个黑盒内部也会出现微妙的变化。在原有规则不改变的基础上，新的细节被不断添加以及完善到这个逻辑之中。这时候你面对的就是一个不断变化着，但是又在不断完善着自己的系统。这时候过于早起的盘便失去了参考意义。换言之，这是一种不断在「修正」未被发现的bug的大系统。而我们在做的就是不断探索，发现这种变动性，然后依据其输入与输出做模型判断。
算法与模型的进化
当我们积累了足够多的案例的时候，这时候这种模型就会有一次系统迭代的出现，也就是「进化」。当一个系统完成了进化的这一步以后，整个系统内部都会得到一定的调整，而进化的催化剂便是你对于这个系统认知的完善，以及对于其缺陷的发现。当你发现一个系统已经无法通过弥补，无法通过添加细节来完善它，但是依旧存在不符合的情况的时候，就会开启「进化」的逻辑。
那就会有读者提出质疑，那这是否证明了这个系统不可被追踪？恰恰相反，这反而证明了这个系统可以被追踪出来。当我们对于这个系统产生一种「直觉」以后，你自己也能很敏锐的发现这个节点和变化。而退一步来说，每一轮的「进化」都是让这个系统能够更加规范化，更加符合「自然规律」的过程。就如Viking的生存条件孕育了他们对于宇宙，对于世界，对于正义的那种不符合于我们现世的认知一般，这种「自然规律」的背后便是对于这个算法在不断进化，不断完善，不断自我修复，自我进化的最好证据。
这个过程可能会很长，也可能会很短。但是随着算法的不断改变，每一轮的时间会被不断拉长，每一套系统的稳定性也会被逐渐提升。这种规则的背后，其实是物种多样性趋势的出现。但是过多的规则会对于我们的解读产生极大的干扰，所以我们其实是在「自然规则」，「复杂度」，以及自我「短时间内的计算能力」 这三个向量之间做权衡。然后这套权衡会作为参数加入熵的复杂化之中，并最终产生趋向于正确的结果。
无意识规则化
伴随着这种进化，我们对于一个盘的理解，认知，也会随着改变而改变。塔罗牌有火风水土四个元素，也许你刚刚开始可以不考虑元素论，单凭正反来判断大致趋势，但是随着大数据的不断堆叠，这个规则最终会开始失效，或者出现对着元素论的靠近。而在这里，元素论则充当着集体意识对于世界潜移默化的影响，被加入了熵中，被加入了这个进化的参考数据之中。即使你只是无意识的调用，但是当一套结构被构造出来后，你会逐渐发现，他在市面上，在外部，或者在某个领域会找到另一套和它极其相似的逻辑。我会喜欢称这个现象为「无意识规则化」。
人天生具有一定的惰性，我们会想着用尽可能方便的方式来回答。但是我高中的英语家教对我说过一句话：「最好的偷懒，其实是用最快的速度做完要做的事情，然后去玩」。 初一听的时候，并没有非常在意这句话，但是随着年龄的增长以及对于世界认知的提升，不得不承认这个说法背后所涵盖的知识与认知才是更加符合这个世界的规律的。也如同这个概念一般，对于服务器来说，最好的偷懒其实是效率的提升，而提升效率的方案便是遵循规则的情况下，尽可能走最短路径，那么这个最短路径便是上面所说的「无意识规则化」的产生契机。
后记
随着对于「无意识规则化」的理解，更多的规则被逐步发现，随着进化的进行，部分过去被淘汰的算法，在后续的规则中，以某种过客的方式被重新提上议程。但是这个过客却引导出了对于规则的更深的认知。于是新一轮的进化又开始了。在我的数据模型中，随着第12套系统的出现，「进化」逐渐被「无意识规则化」取代，随之而来的就是稳定性的提升。但是到这个层面而言，笔者已经无心再次对其进行实验，来判断「外在力量认知对结果是否会产生改变」的这种纠缠实验了（越往后，迭代成本约高）。所以姑且稳定在自我使用的一个闭环中，当它具有足够的稳定性以后，再去考虑进行其余的实验好了。
No responses yet