電腦的每個位元(bit)只能為0或1,而在編程中,某一條件(condition)的運算結果便只有對(true)或錯(false),這樣的思考模式對處理數學或科學上的問題是非常合適的,因為數值上的大小是非常清楚的,但如果程式員習慣了以這種非對即錯的測試結果,久而久之,他們可能便會習慣覺得所有事情都是非黑即白,變成了二元思考模式,但世事又何曾是黑白分明呢?

我們現今面對的世界很複雜,很多事情都不可能簡單的說是對是錯,例如成立最低工資究竟是保障工人還是令生產力低的工人失去工作?又例如內地新移民對香港是禍是福?又例如在「沙士」之後開通的自由行,帶旺了香港整個市道,卻也引入了雙非嬰兒,「炒」高樓價等問題,所以,在當時可能是對,但到今天卻變成錯。由此可見,現實世界中的很多事情,沒有簡單的對錯,對錯亦會因時而改變。但是,在最初決定落實某件事與否時,卻是做或不做,又變回簡單的二元對錯問題了。那麼,我們應怎樣做呢?

在計算機科學裡,有一套理論為模糊邏輯(Fuzzy Logic),某些電器也會標榜運用了模糊邏輯,因著模糊這個字令人感覺得玄妙,但實際上這套理論的重點是,在對與錯之間,是有不同程度的對錯,數值由0到1之間。

舉一個現實的例子,在電腦雜誌上評論新產品時,很多時都會列出數個指標,每個指標由最差1分到最好10分為滿分,跟著報導便會為每個指標評分,最後便得出總分為多少,其實每一個指標便可以轉化為一個模糊邏輯數值。讀者的想法可能是,如果這貨品是好的,我便會去買,但是看著這評論時,怎去決定這貨品是好還是壞呢?是否便是看看總分?

如果我們定義一件產品是好,便是它的所有指標都是好,而我們又把每一個指標看作模糊邏輯的數值來考慮時,模糊邏輯的理論裡,定義如果所有指標都是好,整體的模糊邏輯數值便是所有指標的最小值。例如某一產品的外表、功能、耐用和價錢的分數分别為9、8、9和6,那麼整體來看,這產品的好壞便是6了。最後,不同人對於某一產品的好壞界線不同,某些人可能認為6或以上便定義為好,而某些人可能認為8或以上才定義為好。

模糊邏輯給我們的啟示是,現實中的事沒有絕對的對與錯,只有不同程度的對錯,另外,當我們去思考一個問題時,我們便要去思考內裡每一個細節,而每一細節也沒有絕對的對錯好壞,我們要定下自己的準則,跟著逐個細節去分析,最後才能得出一個科學的結論。

逢星期五上載

圖片來源:http://freakonomics.com

版權所有©2013 創動力媒體 Dynamix