漂移不刺激 / Drift Is Not Exciting
Author: Dexin Kong
ORCID: https://orcid.org/0009-0008-3831-5725
Structured and refined with assistance from ChatGPT
Background
生活中我们听到“漂移”这个词时,很多人第一反应,往往是动漫《头文字D》中,AE86在高速通过U型弯时,那个帅气的甩尾。
这是一种极其高明的车辆控制技巧,需要驾驶员对速度、重心、方向、抓地力保持极高精度的控制。
这种场面,足以让无数观众肾上腺素飙升。
因此,“藤原豆腐店”的那辆 AE86 成为了一代人的共同记忆。
在科学与工程领域,“漂移(Drift)”则是另一个完全不同的概念。
它并不刺激,很多时候只是一个看起来微不足道的小偏差。
例如:
- 传感器中的测量漂移(Sensor Drift)
- 时钟系统中的时钟漂移(Clock Drift)
- 控制工程中的系统漂移(System Drift)
- 金融模型中的市场漂移(Market Drift)
- 机器学习中的模型漂移(Model Drift)
虽然不同领域对“漂移”的定义并不完全相同,却描述了一些非常相似的共同特征:
随着时间推移,系统内部的一些状态、参数、判断或者行为方式,会开始逐渐偏离原本的位置、目标或者参考基线。
这种偏离,通常并不是瞬间发生的,它更像一种长期、缓慢、持续积累的变化过程。
因此,在长期运行系统的观察视角中,“漂移(Drift)”更倾向于描述:
一个长期运行系统,在持续运行、持续适应、持续反馈过程中,逐渐偏离原始目标、边界、约束或现实锚点的过程或状态。
Related Research
美国学者 Diane Vaughan 在研究 Space Shuttle Challenger disaster 时,曾长期观察到一种非常特殊的现象。
很多重大事故,并不是突然发生的。
相反,在事故真正到来之前,系统往往已经“正常运行”了很长时间。
一些原本异常的现象,因为没有立刻造成严重后果,开始慢慢被系统内部接受。
一次例外、两次例外…十次例外。
慢慢地,人们开始适应这些偏差,原本“不正常”的东西,开始逐渐变得“正常”。
最终,偏差本身,反而成为了“系统”新的运行基础。
Discussion
人们通常会下意识地认为:“漂移”是由于系统“错误”引起的。
这个理解不完全正确,“漂移”的成因在大多数情况下,是由两种情况引起的,通俗地讲就是:“看错了”和“没看见”。
在《错觉 / Illusion》这篇讨论中,我们曾提到过:
现实经过感知系统处理之后形成“投影”,“系统”会根据这些“投影”持续理解现实,并不断调整自身行为。
而“投影”并不等于现实,天然存在一定局限性,经常会有那么一点点误差,偶尔也会让“系统”产生“错觉”,这就是“看错了”。
在《整不会了 / It Just Wouldn’t Parse》这篇讨论中,我们也提到过:
“系统”在长期演化中会逐渐形成一套筛选机制,符合筛选条件的“投影”才能进入“系统”。
因此,那些不符合条件的“投影”被主动忽略掉了,这就是“没看见”。
于是,随着系统持续运行,每一轮投影过程都有可能产生微小的偏差,这些偏差会不断被积累。
“漂移”就是这样一种非常缓慢,但却持续存在的偏移过程。
那么,“漂移”算不算“错误”?
严格地说,“漂移”是很多“错误”的诱因,但反过来不成立。
它是感知系统产生“投影”的局限性,和“系统”长期形成的筛选机制,共同作用的结果。
因此,“漂移”虽然无法避免,但不等同于必然失控。