圖源：Pixabay

撰文｜戴晶晶

● ● ●

從龐加萊對“三體問(wèn)題”的研究，到愛(ài)德華·洛倫茲（Edward Lorenz）提出“混沌理論”，師弟科學(xué)家們早已發(fā)現世界由無(wú)數個(gè)復雜系統構成，建立際研究機后者在數學(xué)的個(gè)新構總描述中充滿(mǎn)不確定性、難以預測?？紤]

其中，中國天氣系統與我們生活和生產(chǎn)密切相關(guān)，霍金呼吁但由于“蝴蝶效應”的師弟存在，任何微小的建立際研究機變化都可能導致天氣預測結果偏離實(shí)際情況，即使最先進(jìn)的個(gè)新構總預報系統在進(jìn)行長(cháng)期預測時(shí)也難免出現誤差。

目前的考慮天氣預報以概率的形式給出，例如：明天下雨的中國概率是30%、多云的霍金呼吁概率是20%。這源自英國氣象學(xué)家蒂姆·帕爾默（Tim Palmer）的師弟研究成果，他與同事開(kāi)創(chuàng )了世界上首個(gè)集合預測系統（Ensemble Forecasting）。建立際研究機

集合預測通過(guò)成百上千次略有差異的模擬，構建未來(lái)天氣的多種可能路徑，進(jìn)而以概率形式呈現不同的天氣風(fēng)險，在某種程度上預測了不確定性。

蒂姆·帕爾默目前擔任英國皇家學(xué)會(huì )氣候物理學(xué)研究所教授，牛津大學(xué)物理學(xué)教授，牛津大學(xué)馬丁研究所高級研究員，曾任英國皇家氣象學(xué)會(huì )主席。今年4月，他的新書(shū)《懷疑的首要性（The Primacy of Doubt）》在中國出版。

“正確地判斷自己預測或理解的能力”是蒂姆·帕爾默科研生涯的長(cháng)期理念，這一思想來(lái)源于他的偶像理查德·費曼（Richard Feynman）。

美國作家詹姆斯·格雷克（James Gleick）就在《費曼傳》中這么形容這位偉大的物理學(xué)家：他相信“懷疑”的首要地位，它不是對我們認識能力的缺陷，而是認識的本質(zhì)。

第30屆聯(lián)合國氣候變化大會(huì )（COP30）正在巴西貝倫召開(kāi)，應對氣候變化議題再次首都全球關(guān)注。此次大會(huì )之前，“知識分子”與蒂姆·帕爾默進(jìn)行了一場(chǎng)對話(huà)，他回顧了開(kāi)發(fā)集合預測系統的歷程，以及如何將概率本身作為一種決策的工具。

作為參與撰寫(xiě)聯(lián)合國政府間氣候變化專(zhuān)門(mén)委員會(huì )（IPCC）前五次評估報告的作者，蒂姆·帕爾默對氣候變化有著(zhù)深刻的科學(xué)洞見(jiàn)，他在書(shū)中回顧了氣候模型和氣候預估合集建立的歷史和爭論，并指出目前的模型網(wǎng)格精度不夠，且對云層反饋效應的估算不足。

他呼吁，全球應建立一個(gè)應對氣候變化的“全球歐洲核子研究中心（CERN）”，以解決精確模擬氣候所面臨的諸多挑戰。而中國已經(jīng)建造了性能最好的一批超算，也許可以作為這個(gè)新的國際研究機構的主辦方。

“但不確定性不應該是不采取行動(dòng)的理由?！钡倌?middot;帕爾默回應氣候科學(xué)領(lǐng)域的爭議時(shí)表示：真正的問(wèn)題是：即便模型存在不確定性，極端氣候變化的概率是否足夠高，值得我們采取行動(dòng)減少排放？

而他認為，目前災難性氣候變化的風(fēng)險，已完全高到足以采取行動(dòng)。

以下為專(zhuān)訪(fǎng)實(shí)錄，文字經(jīng)過(guò)編輯：

01

天氣預報員不能替你做決策

《知識分子》：北京通常是非常干燥的，但今年卻經(jīng)歷了非常不尋常的多雨天氣。這有點(diǎn)像英國。

蒂姆·帕爾默：不不，在英國，今年我們有大約六個(gè)月沒(méi)下雨。事實(shí)上，非常干燥，異常干燥。和以往正好相反。

《知識分子》：這可能與氣候變化有關(guān)吧？今年夏天，中國北部的濕度和溫度總體上都有所上升。

蒂姆·帕爾默：我認為幾乎所有地方都在變暖，但降水模式是更為復雜的。

《知識分子》：您是氣象學(xué)專(zhuān)家，復雜性確實(shí)是氣候系統的特點(diǎn)，您能結合您的工作談?wù)剢幔?/p>

蒂姆·帕爾默：我的研究領(lǐng)域最初是理論物理，博士課題是廣義相對論（編者注：蒂姆·帕爾默是史蒂芬·霍金同門(mén)師弟，博士導師均為丹尼斯·夏馬）。但后來(lái)我轉向了天氣和氣候研究，因為我希望自己的工作能更“有用”一些。

我進(jìn)入這個(gè)領(lǐng)域時(shí)，天氣預報幾乎都是“確定性的（deterministic）”，比如“明天會(huì )下雨”、“明天是晴天”、“會(huì )有暴風(fēng)雨”或者“不會(huì )有暴風(fēng)雨”，預報總是以一種絕對肯定的語(yǔ)氣給出。

我當時(shí)正好在研究混沌（Chaos）的數學(xué)模型。當人們做預測時(shí)，需要設定一個(gè)“初始狀態(tài)”，然后讓模型在時(shí)間上向前推演。此時(shí)，如果在初始條件中引入微小的不確定性，就能看到這些不確定性在預測過(guò)程中是如何演化的。在許多情況下，這些微小擾動(dòng)不會(huì )放大，說(shuō)明預測是可信的，但有時(shí)不確定性會(huì )迅速爆炸，導致原有預測的可信度下降。

在我科研生涯的早期階段，我和同事之間就這一點(diǎn)發(fā)生了爭論。我主張，為了提前判斷某次預報是否可靠，我們應該不只運行一個(gè)模型，而是運行比如100個(gè)模型，每個(gè)初始條件都略有不同，然后觀(guān)察它們的結果如何演變。

問(wèn)題是，運行100次預報需要巨大的計算量，天氣預報必須快速生成才有用。如果明天的預報要花兩天算出來(lái)，那就沒(méi)意義了。因此一些同事認為這是對計算資源的浪費。但我堅持，“不確定性”與“溫度、降水、風(fēng)速”等變量一樣重要，是另一種必須被預測的參數。

后來(lái)，1987年英國發(fā)生了一場(chǎng)著(zhù)名的大風(fēng)暴，那次風(fēng)暴完全沒(méi)有被預報到。最后人們意識到，這實(shí)際上就是一個(gè)不確定性導致的案例。一個(gè)極小的差異就可能導致“有風(fēng)暴”或“沒(méi)有風(fēng)暴”兩種截然不同的結果。也正是這場(chǎng)事件，讓氣象界同意預報不確定性。

“懷疑的首要性”這句話(huà)，也成了我推廣“集合預測”（Ensemble Forecasting）時(shí)的口號，這種技術(shù)在改變不確定的初始條件和模型方程的情況下重復運行模型。

如果一個(gè)可靠的集合系統離散范圍很小，我們可以信任它能夠做出相當精確的預測。相反，當離散范圍較大時(shí)，我們只能用概率進(jìn)行預測。

《知識分子》：現在的集合預測系統會(huì )給出多種可能的天氣情況，每一種都有對應的概率。我們怎樣利用這些概率，來(lái)幫助我們做出更明智的決策？

蒂姆·帕爾默：我們關(guān)心天氣預報的原因，就是需要根據它來(lái)做決策。有時(shí)候，這種決策非常簡(jiǎn)單，比如“今天要不要帶傘”。一些情況下，概率也并不是那么關(guān)鍵，你只需要看最有可能發(fā)生的情形即可。

但有些決策就復雜了，尤其涉及花錢(qián)。有這么一個(gè)故事，我有位朋友準備辦一場(chǎng)戶(hù)外派對，需要提前十天決定是否要租帳篷。租帳篷要花不少錢(qián)，他想知道那天會(huì )不會(huì )下雨。我告訴他，十天后的降雨預報并不確定，我只能給出一個(gè)下雨的概率。

但他表示了不理解。于是我進(jìn)一步說(shuō)明：如果英國女王出席，哪怕只有5%的下雨概率，也一定要租帳篷；如果是鎮長(cháng)來(lái)，可能概率需要達到20%。這個(gè)故事中，最重要的嘉賓是他岳母。于是我們一起判斷，如果下雨概率超過(guò)40%，就租，否則就不租。我查了天氣預報，只有20%，他最后沒(méi)租，幸運的是，那天確實(shí)沒(méi)下雨。

這個(gè)故事雖然輕松，但其實(shí)能推廣到應對極端天氣這樣嚴肅的情景。一些機構會(huì )在臺風(fēng)、颶風(fēng)等災害來(lái)臨前，提前運送藥品和食物。過(guò)去他們往往在災害發(fā)生之后才行動(dòng)，但容易遇到道路阻斷、通訊中斷的情況，救援非常困難。

現在集合預測系統會(huì )幫助他們決策。由于資源有限，他們不可能每次都提前出動(dòng)，于是會(huì )設定一個(gè)觸發(fā)閾值，如果預報中災害的概率超過(guò)這個(gè)閾值，比如80%，他們就提前行動(dòng)。

同樣的邏輯，也適用于我們每個(gè)人。比如你計劃去爬山，預報說(shuō)有40%的下雨概率，要不要帶雨衣？帶著(zhù)會(huì )更重，不帶可能被淋。天氣預報員不能替你決定，你得自己權衡哪種不便更能接受。

人們對于氣候變化存在諸多爭論，預測氣候變化存在很多不確定性，但我們仍能估算出其發(fā)生的概率。本質(zhì)上，是否應該采取氣候行動(dòng)與是否應該帶雨具是一樣的決策問(wèn)題，但前者影響大得多。

02

不確定≠不行動(dòng)

《知識分子》：7月，美國能源部發(fā)布了一份“批判性述評”（critical view），認為二氧化碳引發(fā)的氣候變暖在經(jīng)濟上造成的損害可能低于普遍認知，一些激進(jìn)的減排策略或許存在方向偏差。您整體怎么看待這份報告？

蒂姆·帕爾默：這份報告由一些科學(xué)家撰寫(xiě)，但他們在氣候問(wèn)題上的立場(chǎng)與大多數氣候科學(xué)家不同，可以說(shuō)是少數派。

這份報告主要強調了氣候模型中的一些不確定性。我承認氣候模型確實(shí)并不完美，這一點(diǎn)毋庸置疑，但我們仍可以對氣候發(fā)生災難性變化的概率進(jìn)行估算。目前來(lái)看，存在一種相當大的風(fēng)險，即氣溫會(huì )升高到如此程度，以至于海平面上升數米、熱浪強度超過(guò)人體生理極限。

報告沒(méi)有觸及這些潛在的災難性后果，只一味強調模型的不確定性，其中一些批評并不合理。比如他們聲稱(chēng)“所有模型預測的溫度都比實(shí)際觀(guān)測值要高”，但這是因為他們看的那些模型，假設了遠高于過(guò)去幾年實(shí)際水平的二氧化碳排放量。

問(wèn)題的關(guān)鍵是，即便模型存在不確定性，極端氣候變化的概率是否足夠高，值得我們采取行動(dòng)減少排放？

在某種意義上說(shuō)，這并非一個(gè)科學(xué)問(wèn)題，而是政治家們處理的問(wèn)題?？茖W(xué)家的職責，是量化不同氣候風(fēng)險的概率，包括那些極端的情形。遺憾的是，這份報告沒(méi)有做到這一點(diǎn)。它讓讀者誤以為“不確定性”意味著(zhù)“無(wú)需行動(dòng)”，這就像一個(gè)商人因為投資存在風(fēng)險就永遠不去投資一樣。

在我看來(lái)，災難性氣候變化的風(fēng)險完全高到足以采取行動(dòng)。要知道，一顆大型小行星在未來(lái)幾百年撞擊地球的概率大約只有百萬(wàn)分之一。而我們現在談的極端氣候變化，概率可能高達30%甚至40%。

《知識分子》：您在書(shū)中提到目前的氣候預測模型還無(wú)法非常準確地評估氣候變化的臨界點(diǎn)（tipping points）。您認為有沒(méi)有可能改進(jìn)我們的模型來(lái)實(shí)現這一預測？

蒂姆·帕爾默：所謂的“臨界點(diǎn)”，是一個(gè)非線(xiàn)性過(guò)程的實(shí)例。要改進(jìn)模型，唯一的辦法就是通過(guò)“分辨率（resolution）”來(lái)進(jìn)行。我們在計算機上用網(wǎng)格來(lái)表示大氣，把空間劃分成一個(gè)個(gè)小“盒子”，每個(gè)盒子內部假設大氣是均勻的。信息從一個(gè)盒子傳遞到下一個(gè)盒子。

早期計算機運算能力有限，網(wǎng)格很大，可能幾百公里一個(gè)盒子；隨著(zhù)計算能力提升，網(wǎng)格越來(lái)越小，能更精確地模擬大氣和海洋中的動(dòng)力學(xué)過(guò)程。想要對臨界點(diǎn)有更高的信心，就必須把網(wǎng)格做得盡可能小，這需要使用世界上最強大的計算機。

氣候科學(xué)家在使用超級計算機時(shí)往往要與其他領(lǐng)域的科學(xué)家競爭資源。而氣候問(wèn)題的重要性決定了，我們必須有專(zhuān)門(mén)的、高性能計算機資源。我提出的設想是，類(lèi)似歐洲核子研究中心（CERN）的模式，世界各國可以聯(lián)合投資一臺超算。

如今的超級計算機運算能力已經(jīng)達到每秒10的18次浮點(diǎn)運算，中國就建造了性能最好的一批超算。所以中國也許可以作為氣候變化領(lǐng)域“CERN”的主辦方，全球各國可以來(lái)這里，在專(zhuān)用的超算上運行高分辨率的模型。

《知識分子》：AI現在使用了很多計算資源，您認為AI會(huì )幫助氣候預測嗎？

蒂姆·帕爾默：AI無(wú)法回答氣候的臨界點(diǎn)這類(lèi)問(wèn)題，因為AI是使用過(guò)去的數據來(lái)訓練的。

雖然氣候臨界點(diǎn)可能在幾百萬(wàn)年前發(fā)生過(guò)，但在我們擁有數據訓練AI模型的這個(gè)時(shí)期，它們并沒(méi)有發(fā)生過(guò)。也因此，AI模型從未見(jiàn)過(guò)，比如海洋環(huán)流中的某個(gè)臨界點(diǎn)。

我們正在進(jìn)入一個(gè)以前的歷史數據中沒(méi)有出現過(guò)的世界，這正是AI模型可能失敗的地方。這也是為什么我們需要繼續基于物理法則來(lái)發(fā)展模型。AI當然會(huì )有所幫助，但不可能取代物理模型。

知識分子：能具體說(shuō)明嗎？

蒂姆·帕爾默：物理基礎的模型幫助我們理解系統，理解在科學(xué)中是非常重要的。

格陵蘭島是一片巨大的土地，多數區域被冰雪覆蓋，它不僅在天氣系統中起重要作用，還影響海洋環(huán)流。但如果格陵蘭島不存在，歐洲的天氣會(huì )是什么樣？通過(guò)物理模型回答這個(gè)問(wèn)題相對容易，因為可以在模型中移除格陵蘭島，換成海洋，然后重新運行模型。這就相當于做了一個(gè)實(shí)驗，幫助人們理解格陵蘭島在現實(shí)世界中的角色。

同樣的，如果把中國藏區的山脈去掉，替換成平坦的土地，北京的天氣會(huì )怎么樣呢？我們可以通過(guò)物理模型把喜馬拉雅山脈或者整個(gè)青藏高原去掉，進(jìn)行這個(gè)實(shí)驗。

但是AI模型的訓練數據一定是來(lái)自一個(gè)有格陵蘭島或青藏高原的世界，它們不可能在可靠的方式下推測沒(méi)有這些地區存在時(shí)，歐洲或中國天氣的狀況。

AI歸根結底只是一種巧妙的統計分析。假設有一個(gè)函數，在一定距離內以直線(xiàn)形式表現，如果想知道函數在另一個(gè)地方的值，AI所能做的就是假設從這里到那里也是一條直線(xiàn)。然而，實(shí)際上它可能完全不是這樣，會(huì )有不同種可能。這就是為什么AI模型有局限性，它很難像物理基礎模型那樣，深入理解系統的細節。

當然，我會(huì )說(shuō)AI模型在短期天氣預測方面表現相當出色。AI也可以和物理模型相結合，比如集合預測。氣象中心一開(kāi)始每天進(jìn)行50次預報，但有時(shí)人們會(huì )要求提供500次預報的結果，在沒(méi)有那么多計算時(shí)間時(shí)，可以利用AI來(lái)生成一些模擬的結果。

《知識分子》：您參與過(guò)聯(lián)合國政府間專(zhuān)門(mén)委員會(huì )（IPCC）報告的編寫(xiě)過(guò)程，第30屆聯(lián)合國氣候大會(huì )（COP30）即將召開(kāi)，您對IPCC下一份評估報告以及COP30有什么期待嗎？

蒂姆·帕爾默：我曾參與早期IPCC報告的編寫(xiě)，現在參與得較少了。對我而言，IPCC應當是一個(gè)科學(xué)評估報告，而不是政治聲明。它只是對過(guò)去約5年的氣候變化科學(xué)文獻進(jìn)行的總結。IPCC堅持這一基本使命是非常重要的，但現在始終存在著(zhù)將其政治化的風(fēng)險。

至于COP，我不是以氣候科學(xué)家的身份看待這個(gè)問(wèn)題，而是作為一個(gè)普通人、作為地球上的一員來(lái)看?；剂显谖覀兩钪邪缪葜?zhù)重要角色，停止使用它們非常困難，所以我希望我們能夠采納所有能幫助我們實(shí)現凈零排放的技術(shù)。

有時(shí)人們在爭論是否應該使用可再生能源、核能、碳捕捉與碳封存。我個(gè)人的觀(guān)點(diǎn)是，我們應該盡量開(kāi)發(fā)盡可能多的這些技術(shù)，而不是專(zhuān)注于其中一種。

我一直在關(guān)注中國在替代核能方面的進(jìn)展，例如在戈壁沙漠中建立的釷基熔鹽實(shí)驗堆，使用釷而不是鈾來(lái)運行，通過(guò)熔鹽來(lái)冷卻。這非常有趣，因為它可能開(kāi)辟一片新的核能領(lǐng)域，能夠真正改變世界，推動(dòng)低碳能源的使用。

03

噪聲的重要性

《知識分子》：除了天氣，其它系統也存在著(zhù)各種不確定性。為什么有些事物總體上是可預測的，但又會(huì )突然變得不可預測？這背后的原理是什么？

蒂姆·帕爾默：我認為“混沌理論（Chaos Theory）”的偉大之處在于，它并非基于隨機性。相反，它背后有著(zhù)清晰的數學(xué)方程，這最早由美國氣象學(xué)家愛(ài)德華·洛倫茲（Edward Lorenz）提出。

洛倫茲發(fā)現，當系統在演化過(guò)程中，大多數情況下它們在很長(cháng)一段時(shí)間內都是可以預測的，但從數學(xué)角度來(lái)看，存在一部分“分形”結構，呈現不穩定的狀態(tài)，即微小的不確定性會(huì )被迅速擴大。

如果艾薩克·牛頓看到洛倫茲方程，他大概能讀懂它們的形式，因為這些方程確實(shí)是通過(guò)他創(chuàng )立的微積分來(lái)呈現的。但對于這些方程所衍生的幾何形式，牛頓可能就完全陌生了。

舉個(gè)例子，圓是古希臘數學(xué)家歐幾里得（Euclid）熟識的幾何形狀，牛頓是“歐幾里得幾何”專(zhuān)家。在三維空間里，圓可以被推廣為球體，當放大觀(guān)察時(shí)，它的表面光滑而單調，就像我們并不能確切地感受到地球是球體，因為我們只看到了極其小的一部分。

然而洛倫茲發(fā)現的“分形幾何（Fractal Geometry）”則完全不同，它的結構會(huì )不斷重復，無(wú)論你放大多少倍，結構始終存在、永不消失。有趣的是，分形幾何與20世紀一些最重要的數學(xué)成果密切相關(guān)，例如安德魯·懷爾斯（Andrew Wiles）在1990年代證明“費馬大定理”時(shí)使用的數學(xué)工具。

天氣大部分時(shí)間可預測，但有時(shí)也會(huì )出現極端風(fēng)暴，這就源自系統內部的分形幾何結構。不只是天氣，經(jīng)濟系統通常是穩定的，但也會(huì )出現全球性金融危機，平穩的健康系統可能也會(huì )爆發(fā)疫情。

雖然這點(diǎn)存在爭議，但我個(gè)人認為，如果將整個(gè)宇宙視為一個(gè)在分形幾何上演化的混沌系統，那么量子力學(xué)中涉及基本粒子的一些極其復雜的概念性問(wèn)題，或許是可以被理解的。

《知識分子》：您在書(shū)中提到，集合預測也能用于經(jīng)濟學(xué)領(lǐng)域。能具體談?wù)剢幔?/p>

蒂姆·帕爾默：我并不是經(jīng)濟學(xué)專(zhuān)家，這并非我的研究領(lǐng)域。但我十分好奇，在重大金融危機爆發(fā)前，整個(gè)系統是否會(huì )變得更不可預測？

我給一些經(jīng)濟學(xué)界的學(xué)者發(fā)送了郵件，但他們大多表示，傳統的經(jīng)濟模型無(wú)法回答這個(gè)問(wèn)題。因為這些模型不夠復雜，也沒(méi)有合適的計算方式來(lái)處理。

最終，我和牛津大學(xué)的同事胡安·薩布科（Juan Sabuco）討論，他向我介紹了一種新的經(jīng)濟建模方法，基于主體的模型（Agent-based Model）。這種模型會(huì )模擬個(gè)體行為，比如每一家企業(yè)、每一家銀行的決策過(guò)程，有點(diǎn)像氣象模型中模擬每個(gè)獨立的天氣系統。

之后，我又聯(lián)系到他的一位合作者，對方正在運行這類(lèi)模型的集合模擬，包括一個(gè)針對歐元區經(jīng)濟的模型。他開(kāi)始研究金融危機前可預測性的變化。我在書(shū)中引用了他的部分研究成果，結果驗證了我的猜想：金融危機往往發(fā)生在系統極不穩定、可預測性極差的時(shí)期。集合預測顯示，在這種時(shí)期，對GDP、通脹等指標的預測不確定性明顯擴大。

經(jīng)濟學(xué)領(lǐng)域也許可以采用這種基于主體的模擬方法，擺脫傳統的建?？蚣?。因為后者無(wú)法處理混沌系統的復雜性。

《知識分子》：“噪聲”（noise）在模型中起到什么作用？

蒂姆·帕爾默：其實(shí)洛倫茲最早的模型非常簡(jiǎn)單，只有三條方程，卻能產(chǎn)生極其復雜的結果?，F實(shí)世界的系統，比如天氣或經(jīng)濟，要復雜得多。我們現在的計算機無(wú)法同時(shí)模擬上億的云朵或者經(jīng)濟單元。

所以問(wèn)題就是，怎么處理那些無(wú)法在模型中直接表示的過(guò)程？答案就是噪聲。無(wú)論是氣候還是經(jīng)濟，把噪聲引入模型，是一種簡(jiǎn)化但有效的方式，用來(lái)體現那些太復雜、無(wú)法顯示計算的過(guò)程。

噪聲在很多人看來(lái)是需要被消除的部分，但在非線(xiàn)性系統中，噪聲反而可能有積極作用。比如人腦就是一個(gè)帶噪聲的系統。我們每時(shí)每刻都在從眼睛和耳朵中接收信息，但大腦運作的功率只有20瓦，而一臺超級計算機有2000萬(wàn)瓦。計算機耗能如此巨大，部分原因是它被設計得完全確定。比如2+2永遠等于4，不可能是3.9或4.1。為了保證這種精確，芯片要花費大量能量。

假設恒定的能量預算下，你可以做100次完全精確的計算，或者1000次略帶誤差的計算，哪種更好？對于轉賬操作，當然要精確；但對天氣或經(jīng)濟預測，有一定“噪聲”的計算反而更有效。

人腦似乎也遵循類(lèi)似邏輯。當我們面臨重要決策，比如過(guò)馬路時(shí)，大腦會(huì )集中能量，進(jìn)行高精度、確定性的思考；但在多數情況下，我們依賴(lài)低能耗、自動(dòng)化、帶噪聲的思維過(guò)程。

心理學(xué)家丹尼爾·卡尼曼在《思考，快與慢》中，就區分了這兩種思維模式。我認為，大腦存在的噪音，有時(shí)可能會(huì )將我們帶入從未體驗過(guò)的認知思維領(lǐng)域，產(chǎn)生頓悟和創(chuàng )造力。