為什麼還要費心計算模型呢

chandonarai55

有時，大數據和分析的出現似乎顛覆了用物理定律解釋我們周圍世界的舊計算建模方式。我們是否真的正在見證這種建模的終結？
如今，每個人似乎都確信，環境觀測的海嘯即將來臨。讓我們假設這是真的，並將目前實際缺乏有用的環境數據解釋為暴風雨前的寧靜。那麼為什麼我們不簡單地收集所有這些數據（可能用Hadoop做一些事情，這會讓我們看起來很酷），然後做一些統計來發現趨勢和偏差？為什麼不廢除那些需要你以難以理解的格式描述整個系統的計算模型，這些模型根本無法表達你想要告訴的內容，有各種各樣的突發奇想（比如當你最終指定模型時永遠不會收斂）你心裡有沒有想過）最後產生與現實不符的結果？

我在一篇引人入勝的博士論文（亞瑟·博伊森的《營養物質從陸地到海洋的運輸》）中找到了一些答案。 在他的 https://zh-tw.bcellphonelist.com/shop/ 工作中，博伊森博士試圖量化氮和磷等營養物質的全球流動（好吧，這個主題可能不會讓我們許多人徹夜難眠，但它很重要，所以有人研究它是件好事）。最初的方法是查看這些流量與這些流量所在河川區域的特性之間是否存在相關性。如果是這樣，您將能夠根據世界上所有河流區域的已知特性來估計全球總流量。

Beusen 博士和他的同事確實發現了一些顯著的相關性，這些相關性在很大程度上（80%）解釋了觀察到的濃度。所以他們的方法有效。但也有一些限制（正如論文作者所承認的）。這裡有一些。

– 情況可能會隨著時間的推移而改變：50 年前化肥的使用量要少得多，那時水產養殖幾乎不存在，也沒有氣候變遷。因此，簡單地假設從過去 50 年的數據中獲得的相關性和趨勢在未來也同樣成立，這並不是安全的賭注。至少不夠安全，不足以作為數百萬美元政策決策的基礎。




– 最後，你只會得到相關性：如果降水量較大，那麼可能（但不一定）總養分質量較大。但對於單一河流來說，這可能不成立（除非相關係數為 1.0，但這不再算是統計數據，不是嗎？）。因此，如果您想了解特定河流的濃度，這並不是很有幫助。如果出現問題，它也無法提供足夠的確定性來了解對該特定河流採取什麼行動。

除此之外，還有很多其他問題，例如所有數據是否真正有效以及是否採用相同的觀察方法建立的問題。但我認為上述論點已經足夠嚴重，足以讓我們對統計關係是否就是我們所需要的一切產生至少一個懷疑的陰影。