1704436817
1704436818
若对现在的情况（构成大自然的所有事物的位置）有充分的了解，对统治宇宙的定律（使大自然运动的所有力量）了如指掌，我们就应该能够做出完美的预测（未来就会像过去一样呈现在我们眼前）。宇宙中所有粒子的运动跟台球桌上那些球的运动一样，是可以预测的。拉普拉斯坦言，人类可能还不具备这样的预测能力。但是，如果人类足够聪明（或是有一台高速计算机），还是可以对天气或其他所有事物进行预测的，这样我们就会发现，大自然本身是多么完美。
1704436819
1704436820
拉普拉斯的恶魔存在的200年里，对它一直争议不断。与决定论者争论的是或然论者。或然论者认为，宇宙可知性成立的条件是，承认一定程度的不确定性的存在。最初的或然论几乎都是认识论范式，认识论断言，人类认识宇宙的能力有限。近期，随着量子力学的发现，科学家和哲学家开始怀疑宇宙自身的运行是否也存在概率。当你仔细观察时会发现，拉普拉斯试图识别的粒子呈波状运动，似乎没有固定的位置。如果一开始就无从得知某物在哪里，你又何以预测它将去向何处呢？显然做不到。这是理论物理学家沃纳·海森堡提出的著名的“测不准原理”（又称“不确定性原理”）的基础。物理学家以各种方式来解释“测不准原理”，但这一原理表明，照字面意思来看，拉普拉斯的假设就不可能正确。如果宇宙本身是杂乱无章的，那么根本就不可能存在完美的预测。
1704436821
1704436822
幸亏在研究天气方面用不到量子力学，而只涉及分子（而不是原子）层面，分子体积相对较大，不会受到量子的影响。此外，很长一段时间以来，我们对基于化学和牛顿物理学的天气研究一直都非常熟悉。
1704436823
1704436824
那么，将拉普拉斯的恶魔修正一下会怎样呢？如果我们知道地球大气层内每一个分子的位置——比起了解宇宙中每一个原子位置的要求，这个要求低得多——我们能否做出完美的气象预报呢？或者说，天气本身也存在一定程度的不可测性吗？
1704436825
1704436826
用矩阵来预测天气
1704436827
1704436828
对天气状况进行单纯的统计预测，早已成为可能。假设今天下雨，那么明天也下雨的可能性有多大呢？气象学家可以查看数据库里有关过去下雨的实例，或者查看较长时期内下雨的概率的平均值，如3月份的伦敦基本有十一二天都在下雨，进而得出答案。
1704436829
1704436830
问题是，这类预测的用处并不是很大，因为它们不够精确，无法告诉你是否需要带伞，更不用说预测飓风的路径了。所以，气象学家一直在寻找其他形式的预测。气象学家需要的是栩栩如生的预测模型，能够逼真地模仿自然界天气变化的过程，而这些是统计预测做不到的。
1704436831
1704436832
然而长期以来，我们预测天气的能力远远落后于对天气的理论研究。我们知道如何解方程式，并且能得出正确的结果，但是我们却无法使用方程式计算大气层里的每一个分子，我们能够做到的，只是给出近似值。
1704436833
1704436834
将问题简单化往往是最直接的方法，把大气层分解为一系列有限的象素，气象学家通常把这些象素称为矩阵：菱形格或方形格。罗夫特说，成果丰硕的英国物理学家刘易斯·弗莱·理查德森在1916年第一个做出这样的尝试。理查德森试图预测某一个特定时间——1910年5月20日下午1点——德国北部的天气状况。严格地说，这算不上是预测，因为理查德森选择的是6年前的时点，但是，理查德森准备了很多数据：由政府收集的关于温度、气压和风速的一系列观察报告。他还有大量的时间：当时，他正在法国北部当救护志愿者，远离战火纷飞的前线。他把德国分成若干个二维分区，每个分区跨越3个纬度（约338公里）和3个经度。之后，他试着解出控制每一分区天气的化学方程式，并算出它们会对相邻地区的天气产生什么样的影响。
1704436835
1704436836
1704436837
1704436838
1704436839
图4-1 理查德森矩阵：现代气象预报的诞生
1704436840
1704436841
可惜，理查德森的实验并未成功，他预测当天气压会急剧升高，可实际上并没有。尽管如此，理查德森还是公布了这次实验的结果。这似乎是预测天气的正确方法：不依靠粗略统计出来的近似值，而是从第一手资料入手，利用对系统运行的透彻的理论认识进行预测。
1704436842
1704436843
理查德森采取的预测方法的问题在于，他需要太多的准备工作。计算机更适合他所建立的这一模型的要求。
1704436844
1704436845
首次使用计算机预测天气是在1950年，数学家约翰·冯·诺依曼使用一台每秒可以进行5000次运算的机器，速度远远快于在法国干草堆里用笔和纸做计算的理查德森。但是，这次预测的结果并不好，还不如随意猜测得出的结果。
1704436846
1704436847
到了20世纪60年代中期，计算机才开始展示出预测天气的技能。蓝火是比第一台计算机的计算速度快150亿倍，比理查德森几乎快1000万亿倍的超级计算机，超快的计算速度使蓝火看上去更为敏锐。现在的气象预报比15~20年前的准确多了，但是，相对于不断提高的运算能力，气象预报准确性的提升就显得有些缓慢了。
1704436848
1704436849
之所以进步缓慢，主要有两个原因。其中之一是，这个世界不是一维或二维的。提高气象预报的准确性，最可靠的方法就是，减小用来代指大气层的网格区域，逐一分析每一个分子的运动。理查德森的单位研究区域大约是40000（200英里×200英里）平方英里（约合10360平方公里），只能提供一个高度概括的视界（你几乎可以把天气状况完全不同的纽约和波士顿都塞进这个40000平方英里的区域里）。如果把这个单位研究区域的边长减半，也就是让分辨率变为100英里×100英里，那么预测的精确度就会提高，但同时方程式也会增多。实际上，方程式的数量不是增加一倍，而是增加3倍。这就意味着，你需要大约4倍的计算能力，才能得到答案。如下图所示。
1704436850
1704436851
1704436852
1704436853
1704436854
不只需要考虑二维空间，二维以上的空间也需要投入更多精力。不同的气候模型可以停留在较高或较低的大气层中，也可以停留在海洋里或地球表面。在三维空间里，如果单位研究区域的数量增至两倍，方程式就需要增至8倍。如下图所示。
1704436855
1704436856
1704436857
1704436858
1704436859
接着还有第四维：时间。气象模型如果是静态的，可不见得就是好事，因为我们想要了解的恰恰是天气的动态变化过程。暴风雨的移动速度约为每小时64公里：如果是在一个40×40×40的三维网格中，就需要每小时观测一次，进而监控暴风雨的移动；但是，如果三维网格是20×20×20，那么暴风雨每半个小时就会穿过其中的一个区域。这就意味着，如果时间参数减半，计算量就会增加到原先的16倍。如下图所示。
1704436860
1704436861
1704436862
1704436863
1704436864
如果这是唯一的问题，它不会成为气象预报准确性提升的障碍。一般来说，若想要让单位研究区域的分辨率翻倍，那么你需要掌握16倍于原先的运算能力，而运算能力会以每两年增加一倍的速度不断提高。也就是说，只需等待8年，得到的预测就会比原先准确一倍。顺便提一下，美国国家大气研究中心的超级计算机已经达到这个运算速度了。
1704436865
1704436866
如果你解决了控制天气系统运动的流体动力学法则问题，会怎样呢？相对来说，这些属于牛顿学说的范畴。“测不准原理”对物理学家而言乐趣无穷，对你而言也算不上什么烦恼。你拥有蓝火这样最先进的设备，雇用了理查德·罗夫特为你设计计算机软件并进行模拟实验，还会有什么问题吗？