《随机哲学原理》第二十章“气象与气候：混沌中的预测哲学”

《随机哲学原理》之实践应用：

 

从“会下雨”到“70%概率下雨”——气象学如何率先承认了随机性

—《随机哲学原理》第二十章“气象与气候：混沌中的预测哲学”

 

逄 培

 

【核心提要】

1961年，气象学家洛伦兹为了省事把0.506127四舍五入成0.506输入计算机，结果发现模拟轨迹彻底变了样。这个偶然的偷懒揭示了一个改变科学史的事实：大气对初始条件极其敏感，长期天气预报在数学上就是不可能的任务——不是计算机不够快，而是系统的数学结构本身就有不可逾越的预测边界。这一发现倒逼气象学完成了科学史上最深刻的范式转换之一：从“预报明天会不会下雨”转向“预报明天下雨的概率是多少”。集合预报——同时运行几十个略有差异的模型，统计它们的分布——由此诞生。这正是随机哲学“认知蒙特卡洛”在大气科学中的制度化实践：不假装能找到唯一正确答案，而是诚实表征不确定性本身。本章将追溯这条从蝴蝶效应到集合预报、从确定性迷梦到概率性思维的科学史线索，并论证气候政策的决策框架与随机伦理学的“无悔行动”在底层逻辑上完全一致。气象学家早已在实践中成为随机哲学的前沿操盘手，只是他们不用哲学语言说这件事。这一章，我们把他们的实践翻译成哲学。

 

如果说第十九章的人工智能是在展示随机秩序的创造性涌现，那么气象学则是一种更贴近于人类生存底线的、庄重而不可回避的实践。它处理的是一个比扩散模型更难驾驭的混沌系统——一个被太阳辐射驱动、被海洋流场调谐、被人类排放扰动、被每一次蝴蝶振翅微妙偏移的旋转大气层。正是气象学，在1960年代率先撞上了确定性预测的极限——不是因为观测不够精密或者计算机不够强大，而是因为大气本身具有一种深植于其数学结构中的特性：对初始条件的敏感依赖。这一发现在随后半个世纪里深刻重塑了气象预测的哲学基底——从单一确定预报转变为概率性集合预报，从追寻“正确预测”转变为在可能性空间中“逼近分布”。

本章的任务是将随机哲学的概念框架与气象学这一特定实践领域进行系统对接。这不是一次外部理论的“应用”——试图将哲学概念强行套在一组独立发展出来的科学实践之上。论证路径恰恰相反：气象学家在过去六十年里已经在实践中采纳了随机哲学所描述的那套世界观——概率预测、集合采样、随机参数化、鲁棒决策——只是他们通常不以“随机哲学”这个名字来称呼它们。本章的工作是将这些分散的实践串联起来，揭示它们共享的底层逻辑，并展示随机哲学如何为这些实践提供统一的概念语言：从洛伦兹的蝴蝶效应到集合预报的认知蒙特卡洛，从次网格随机参数化到“对不确定性进行系统性模拟的分布责任”，最终抵达气候政策的随机决策框架。

本章分四节完成这一任务。20.1追溯洛伦兹发现大气混沌的历史瞬间，论证“初始条件敏感依赖”正是随机本体论在确定性系统中的最早科学证词之一。20.2追踪气象学从确定性预报到概率性集合预报的范式转换——这是科学史上最成功的认知蒙特卡洛实践。20.3分析随机参数化方法对模型不确定性的处理，揭示其对随机本体论中“残余随机性”的间接科学印证。20.4将视角从大气环流转向制度设计，论证气候政策中的鲁棒决策框架与随机伦理学之间的深层同构。

20.1 洛伦兹的蝴蝶：大气混沌的本质

一、偶然中的发现：一个被截断的小数如何改写了预测哲学

1961年冬季的一个普通工作日，麻省理工学院的气象学家爱德华·洛伦兹正在他的办公室里运行一个简化的大气对流模型——一组十二个常微分方程，在一台笨重的真空管计算机上模拟着某种理想化的大气运动。他想重新检查之前已经计算过的一段模拟，为了节省时间，他从打印输出的中间位置读取了一个变量的数值——0.506——然后重新输入并重新启动计算。

一小时后他回到办公室，发现新的模拟轨迹与之前的轨迹在极短时间内就产生了天壤之别。在最初几步中两条曲线还并肩而行，就像一对暂时决定同行的旅人；然后一条突然向上跳跃了一毫米，另一条仍然平缓流淌；不出几轮迭代，它们不仅在数值上彻底分离，整个模式的行为形态都发生了根本性的变化——一条进入了规则的周期循环，另一条则在混乱的涡旋中永远游荡。洛伦兹在短暂的困惑之后意识到了原因：打印输出保留了三位小数，而计算机内部使用六位精度进行计算。他输入的是0.506，但计算机记忆中的原始值是0.506127。那被丢弃的、仅有千分之一量级的尾数——就像气压表上一个需要用放大镜才能读取的微小刻度——在短短数十步迭代后，完全改变了整个系统的长期行为。

这一刻的震撼不属于数值误差的范畴。如果这个简单模型都对新近的初始条件如此敏感，那么真实大气——具有数以亿计的自由度、每一自由度在不同空间尺度上都与非线性能量输运紧密耦合——其长期行为的可预测性就从此必须面对一个不可回避的数学边界。

二、解构“确定性混沌”中的不可约化随机剩余

洛伦兹在1963年将这一发现发表在他的开创性论文《确定性的非周期流》中。这篇被引述历史极为曲折的论文——在前十年被气象学以外的研究者引用了仅仅三次——最终成为混沌理论的奠基文献之一。论文的标题本身就是一种本体论声明：“确定性的”意味着系统中不存在任何外来的不确定性输入——所有的方程都是严格的、不含任何随机项。“非周期流”则意味着，就是在这样一个完全确定的系统中，解本身却永远不会重复自己，永远在有限的相空间中无休止地游荡，其长期行为与一个随机过程在统计上几乎不可区分。

洛伦兹在随后的研究中明确论述了“可预测性的内在极限”这一概念：大气可预测性的极限约为两周，这不是技术的不足，而是系统数学结构的本性。对于全球大气环流——一个具有数以亿计自由度的非线性开放系统——任何有限精度的初始条件测量都会在有限时间后导致预测偏差呈指数级增长，最终完全淹没任何信号。“两周之前大气中的某一扰动，在两周之后可能经过指数放大而成为支配整个区域的气旋，也可能被耗散吸收而毫无影响”。

这一发现证明了一个对随机本体论具有根本重要性的命题：确定性方程与长期不可预测性之间不存在矛盾。经典决定论的直觉——给定了初始条件，方程自动确定后续的一切——在逻辑上并没有错。但这个直觉忽略了一个关键前提：初始条件必须是无限精确的。在现实世界中，任何测量都只能达到有限精度。即使物理世界本身是严格确定性的（这是一个自量子力学以来被广泛质疑的形而上学承诺），有限认知者所能观测和操作的永远只是被截断的值——而这些被截断的值的动力学变程在指数放大下很快越过了信号全宽，从那里开始的预测序列是统计上任意漂移的，不是确定路径上的有序后继。

在随机本体论的框架中，洛伦兹的蝴蝶效应揭示了“有效规律”的时空边界。洛伦兹方程组描述的大气对流规律是真实的和精确的——在相空间局部的邻近时间内，这些方程以令人惊讶的准确度追踪着大气状态的演化。但作为一个长期预测工具，这些规律的有效性在越过某个门槛后急速崩溃，退化为只是对游走轨迹的统计性陈述。这恰恰是本书第三章核心命题“规律是阶段性巧合，在特定条件下足够稳定以支撑认知和行动，但不具有无限制的永恒有效性”在大气科学中的数学证明。

三、混沌中的秩序：洛伦兹吸引子的本体论意义

洛伦兹最持久的遗产也许是洛伦兹吸引子——一个在三维相空间中形成的、既不对称也不闭合、在内外两层薄翼之间不断翻转移转的奇异轨迹。这些轨迹永不自交、永不重复、却永远被束缚在一个有界的区域中——系统可以被无穷演化却不会离开这一汇聚区域。在这个意义上，混沌不是无秩序的放纵随机，而是被严格限制在秩序边界内的不可预测性——一种被形塑的、被结构化的，但仍然不可预测的随机。

从随机本体论的视角看，洛伦兹吸引子是“有效规律”的最优美视觉隐喻。方程的确定形式定义了吸引子所在的大致区域——这是规律的部分。但轨迹在吸引子内的具体游走路径是不可预测的——这是随机的部分。两者共存于同一个数学对象中：整体形态（规律的约束）在拓扑意义上是确定的；局部游走（具体的采样路径）在长期统计上是不可预测的。高概率区域（吸引子的两个翼瓣）被频繁访问；低概率区域（翼瓣之间的过渡区域）被罕见地穿越。但哪一次具体穿越在哪个时间点发生——这不可被提前唯一描述。

这与本书第四章论证的“健康的系统在混沌边缘”具有同样的动力结构。大气系统既不过度有序——过于稳定的环流不会产生降水、不会进行经向热量传输、不会产生天气变化，全部地域将冻结为单一气候带——也不过度混沌——完全解体的湍流将丧失任何可识别的气压场、温度场结构，使得风、云、雨等概念本身失去参照。大气运行在两者之间的那个狭窄地带：足够有序以维持连贯的天气系统的生、消、移，足够混沌以确保每一个具体天气事件都携带不可提前完全消除的不确定剩余。这恰是4.4节自组织临界性（SOC）在大气科学中的对应表达——大气涡度、对流通量、急流曲率和扰动能量的间歇性再分布都在不同尺度上呈现幂律特征。

本节要点

· 洛伦兹在1961年的一次偶然发现——输入截断的初始值导致模拟轨迹完全偏离原轨迹——揭示了确定性非线性系统对初始条件的敏感依赖，是混沌理论的诞生时刻。

· “确定性混沌”证明：确定性方程与长期不可预测性不存在矛盾，因为有限精度测量与指数放大效应的结合使长期预测在数学上不可能。

· 大气可预测性极限约为两周——这不是技术暂时的限制，而是被系统数学结构锁定的内在边界，是“有效规律”的时空边界在大气科学中的精确呈现。

· 洛伦兹吸引子是“秩序包容随机”的优美视觉隐喻：整体形态在拓扑上有界（秩序），局部轨迹在长期不可预测（随机）。两者共存于同一个数学对象中。

延伸思考

洛伦兹本人从未声称蝴蝶效应意味着“任何事情都可能发生”。他的晚年在多个场合明确纠正过流行话语对蝴蝶效应的扭曲解读：一只蝴蝶的振翅在极大概率上不会被指数放大成为风暴——它更可能在极其丰富的耗散路径中被摩擦、被剪切、被混合，最终消失在大气的背景噪声中。蝴蝶可以触发的是已经处于临界状态的不稳定大气中的那一关键扰动——就好比沙堆已经在临界坡度，再一粒沙子可能触发大雪崩。这严格对应了4.4节自组织临界性中的沙堆模型：蝴蝶不是随时都能引发风暴；它在一个处于临界态的大气柱中是压断骆驼背脊的那最后一根随机稻草。这种精确理解将蝴蝶效应从一个诗意的神秘化意象重新校准为一个在混沌理论中具有严格限定的动力学条件——这一校准本身，就是随机哲学从科学实践中学习的方法论示范。

20.2 从确定性预报到概率性集合预报

一、单值预报的终结：气象学最深刻的范式转换

在洛伦兹的发现之前，气象预报遵循着一个简单而雄心勃勃的范型：输入当前大气初始状态，求解大气运动方程组，输出未来某时刻的确定预报图。这一野心源自早期计算气象学的先驱者们对完备物理描述的信赖——这可以被称作“拉普拉斯妖的气象学特化”：如果我们能以足够精度描述大气中每一个点的状态，并应用精确的物理方程，就能够以确定性方式预报任意远期的天气。当冯·诺依曼在1940年代首次展望计算机在气象领域的应用时，他毫无疑问地共享了同样的假设。

洛伦兹的发现从根本上取消了这一雄心。当一项发现表明有限精度测量将在一个固定时间窗口内使预测完全失准，继续提供单值预报就不再只是“尚需改进的技术不完美”——它本身已经是一种认知层面上的不适用于对象结构的错误输出格式。单值预报的问题是它把巨大的尾部不确定性隐藏在单一的数字背后。公众接收到“明日午后降水概率0%”和接收到“明日天气晴朗”是两个概念——前者公开了自己信度的有限性，后者隐藏了所有未被模型参数完全消化的不可预测残余。在无法消除尾部不确定性的条件下，掩盖残余不确定性的预报在严格意义上是认知产品上的缺陷告诉——它没有诚实表征其自身的置信区间。

自20世纪90年代起，世界上主要预报中心——欧洲中期天气预报中心（ECMWF）、美国国家环境预报中心（NCEP）——陆续完成了它们科学史上最深刻的实践范式转换：从提供单值确定预报，转换到提供概率性的集合预报系统（EPS）。单值预报不再作为官方最高级产品——它被集合成员的平均和概率密度函数所取代。这一科学范式转换是认知蒙特卡洛（第十三章）在气象学领域的、横贯三十余年的集体尺度实现。

二、集合预报的操作结构

集合预报的基本逻辑在操作上与认知蒙特卡洛（第十三章）完全同构。具体实现步骤如下：

第一步：初始条件扰动。不取一个单一的“最佳估计”初始条件，而是从当前观测误差的概率分布中采样。使用集合变换卡尔曼滤波或奇异向量等方法生成一系列微小扰动，通过在前向预报动力学中最不稳定的方向上施加微量偏移，这些扰动被精确地引导到初始不确定性的主分量方向上，确保集合成员的初始散布集中在信息最小、不确定性最大的相空间方向上，避免在已经精确测定的方向上浪费成员数量。

第二步：模型物理扰动。同时考虑模型本身的物理表述也是不确定的。通过在不同成员中微调积云参数化方案中的云微物理阈值、对流触发条件、边界层混合系数等物理参数——或直接通过随机参数化方案在每一步中添加受控随机扰动——对物理模型不确定性的采样与初始条件不确定性采样并行进行。

第三步：多次独立运行。用上述扰动初始场和扰动模型配置生成K个独立成员并行运行——当前全球主要中心的业务集合规模通常为数十个至一百个成员，每个成员都使用略有不同的初始条件和略有不同的物理参数配置，在独立的计算节点上均匀前滚。每个成员都是对同一大气概率空间的一次独立采样轨迹，整体构成了对当前大气可能演化轨迹的统计采样集合。

第四步：概率分布统计。在K个成员运行完毕后，不挑选“最可能”的那个输出作为最终预报，而是统计所有成员的联合概率分布。降水概率化为：在特定区域内二十四小时后超过0.1毫米降水量的成员数除以K。温度以中位数加第10-90百分位区间包络线展示，而不是单线预报值。当所有成员在某个临界事件周围高度离散时，集合预报让极端事件的低概率但非零的出现可能变得可见——单值预报直接过滤掉了这一信号。

近年来的技术进步进一步证实和扩展了这一范式的效能。2025年的研究显示，ECMWF已经将集合预报逻辑扩展到了AI驱动预报系统：AIFS-CRPS是AIFS的概率扩展，采用CRPS（连续排序概率评分）作为训练目标直接优化集合统计质量，能够在全球范围内提供从单一初始条件出发但在潜空间中有表征化不确定扩散的集合成员场。同期，包括FuXi-ENS在内的机器学习生成概率预报模型在全球集合预报竞赛中表现出色，在0.25°空间分辨率下提供15天的全球集合预报，在多个关键预报指标上超越了传统业务集合。生成式超级集合预报系统GenEPS则提出了一个即插即用的基座系统框架，能够集成多个不同来源的成员——无论是传统数值预报的输出还是不同体系AI模型的输出——构建多层次超级集合预报。

这些发展的共同特征是：它们不是要用新工具去恢复已经失去的单值确定性预报的精确度，而是承认不确定性并系统性地对其进行表征和量化。这正是随机哲学的方法论核心——认知的本质不是寻找唯一正确的答案，而是在可能性空间中通过大规模采样逼近稳健的分布形态。

三、认知蒙特卡洛在大气科学中的完整实现

将集合预报与认知蒙特卡洛框架对接，可以做出以下精确的结构对应：

集合预报是科学史上规模最大的制度化认知蒙特卡洛实践——每天四次的全球集合预报相当于人类每天反复对着同一片天空进行数百次并行推演采样。每次采样进行一次，将不确定性的分布形状公开向社会发布。这正是第十三章所阐述的“在不确定性的条件下以最高诚实性提供认知产品”的最佳——也是目前最完善的——科学实践版本。它的成功反向佐证了随机哲学的方法论核心主张不是抽象的理论构想，而是在对高维复杂系统的长期科学实践压力下自然涌现的、被客观绩效持续验证的最优操作逻辑。

本节要点

· 集合预报是气象学对洛伦兹的发现做出的认识论应答——不再输出单一确定预报，而是输出大气演化的概率分布，将由于指数放大效应躲藏在确定性方程深处的不可消除不确定性从观测误差的源头开始就在统计上展开。

· 集合预报的操作结构——初始条件扰动、模型物理扰动、多次独立运行、概率分布统计——与认知蒙特卡洛的五步框架在结构上完全同构。

· ECMWF的AIFS-CRPS、FuXi-ENS、GenEPS等最新AI集合预报系统的共同特征是：不再试图用更强的计算力去恢复已失的确定性精度，而是承认不确定性并系统性地对其进行量化和分布表征。

· 集合预报是科学史上规模最大的制度化认知蒙特卡洛实践：每天多次向同一大气系统投入数百个采样路径，将不确定性的形状公开呈现。

延伸思考

集合预报的一个核心实践原则——“集合成员的离散度本身作为预报可靠性的度量”——其实是一个可被推广至更多领域的深层方法论原则。当集合成员高度一致，预报高置信；当集合成员剧烈发散，预报低置信。委员会决策、专家意见汇总、民意调查分析，甚至个人重大抉择时的反复推敲——所有这些在本质上都是同一原则在不同采样空间中的实例化：多路径的离散度是当前信息条件下结论稳健性的直接度量。这一原则将认知谦卑转化为量化操作，不再需要模糊地承认“不确定”——不确定的具体形状和程度已通过成员之间的发散度被刻画在概率分布的变动参数中。第十三章和本章的平行分析为此提供了跨领域推广的理论框架。

20.3 随机参数化：次网格过程的随机表达

一、未闭合的方程：次网格不可见性的问题

大气运动方程组在空间上是不完整的——这一事实被长期包裹在数值方法的细节中，但其哲学后果需要在随机本体论中被揭开。任何大气数值模型都必须将连续大气离散化为有限的网格。当前全球业务模型的水平分辨率大约为十公里——网格内的所有运动——单体积积云的生长与消亡、微尺度湍流的剪切涡旋、复杂地形上的局地山谷风环流——都小于网格尺度，无法被显式求解。然而，这些“次网格过程”在能量和动量上对可分辨尺度的大气运动有着非零的累积反馈——积云释放的潜热加强了局地垂直运动，湍流涡旋耗散了动能并产生了摩擦加热，山脉重力波在上层大气中输送了动量。简单忽略它们不再可行；但如果将它们直接忽略，模型在数日后偏离真实大气是必然的。

传统方法开发了“参数化”——用可分辨尺度的变量（如网格平均温度、湿度和风速）来估计次网格过程的总体效应。但每套参数化方案——无论是Arakawa-Schubert积云方案、还是Mellor-Yamada边界层方案——都存在固有的局限：第一，它们是对极复杂的微观过程的简化近似；第二，它们使用确定的数学关系来代表本质上是统计分布的次网格变异；第三，不同的参数化方案即使在相同的大尺度条件下也可能产生显著不同的参数化反馈。

二、随机参数化的引入：承认残余不确定性不是被迫之举

在应对次网格过程的参数化不确定性时，随机参数化（stochastic parameterization）代表了一个在哲学上意味深远的实践：不再为每个次网格效应选择单一的“最佳估计”参数化强度——这等于再次在更精细的尺度上重复单值预报的认知错误——而是将参数化本身视为一个概率过程的采样，在每一步积分中从参数化强度的概率分布中采样这一次的具体参数值，使参数的反馈在多次积分步骤中围绕其最可几均值进行受控随机起伏。

目前国际上主要的随机参数化方案包括：

SPT（随机扰动趋势方案）：在每一步积分后，将参数化倾向（由参数化方案计算得到的次网格过程对大尺度场的反馈量）乘以一个随机乘数——该乘数从以1为均值、以一定方差为散布范围的概率分布中采样。这个做法模拟了参数化方案在真实次网格环境下的固有波动，使集合成员的物理反馈在时间上与未扰动的确定化倾向保持同方向，但在幅度上随积分步骤而发生采样性的起伏。

SKEB（随机动能反向散射方案）：专门针对湍流耗散过程——在真实的边界层湍流中动能不是单向消耗的，不可分辨的湍涡有时会通过随机反散向可分辨尺度的流动中回馈动能量。SKEB随机抽取局地的动能耗散强度，并以概率化的方式将一部分耗散的动能重新注入可分辨的环流，从而模拟这个物理上真实存在但一直被参数化单向化过度简化了的随机逆反馈过程。

SPP（随机参数摄动）：直接对参数化方案内部的参数进行随机摄动——积云夹卷系数、对流触发阈值、边界层混合长度、辐射消光系数等在真实大气中本身就是被微观随机涨落调制的统计量，对这些高灵敏度参数进行摄动后让不同成员在略有不同的物理参数配置下运行。

研究表明，随机参数化对集合预报的统计质量有明显改善。当SPPT和SKEB被引入集合预报时，降水的概率预报离散度更真实地匹配了降水事件的实际发生频率——过去集合成员的离散度经常太窄而无法捕捉到实测的罕见极端事件，随机参数化通过向参数内注入持续的小振幅随机波动，增加了模型的内部变异，使成员的发散度更接近真实大气的内部变异幅度；同时，对极端强降水事件的漏报和空报率均有所降低。在对热带降水变率的评估中，包含随机参数化的模型配置在日到周时间尺度上比未扰动的确定性参数化配置更准确地捕捉到了降水的统计分布和极端事件的发生频次。

更关键的是，在长期气候积分中，随机参数化对模型的系统性偏差产生了意外但深刻的哲学后果。包含随机参数化的气候模型模拟结果产生了一个观测中长期存在但确定性参数化一直无法正确再现的宏观特征：热带地区大规模对流与大规模下沉之间的分配——过去在确定性参数化中常偏于过多轻降水和过少重降水——在引入了随机参数化后得到了系统性的缓和。

在随机本体论中，这一现象可以被理解为：当系统忽略了次网格过程的随机残余时，它补偿性地在可分辨尺度上产生了伪稳定结构——这些伪结构在真实大气中本应被不可预测的微小随机扰动持续破坏。允许参数在其统计范围内进行受控随机摄动，等于给模型施加了一个持续的低水平“扰动清洗”，阻止了伪稳定结构在长时间积分中的积累。这是4.1节“秩序从随机中涌现”和4.2节“随机性促进演化”在数值模型内部的具体表现——一定的随机注入可以使系统保持在更符合真实大气的统计区域，而不是漂移到被过度平滑和过度均一的伪有序区。

三、残余随机性与分布责任的科学对应

随机参数化在随机哲学中还有一个之前章节尚未充分展开的重要功能：它为“残余随机性”——那些无法被归因于任何具体可分辨因果变量的、来自大量微小因果通道的有限统计效应的系统剩余方差——提供了科学维度的补充证据。概率本体中不可被消除的残余不只是一个哲学概念——它在大气模型中作为次网格过程对可分辨尺度的不可消除残余反馈持续地在业务系统的每一步运行中留下了需要进行随机摄动才能充分被表征的缺口。

气象学在这一意义上跑在了哲学的前面。自1990年代通过SPPT和SKEB的实施，气象学家在实践上已经接受了随机本体论的一个核心命题，而他们甚至不需要同意这一哲学框架：即确定性模型内部必然残留着无法被进一步确定性细化的残余方差，回避这一残余方差的模型在长期统计上失真。气象学对这一结论的证实来自实证——而不是来自对随机哲学先验论证的接受。当一个非哲学学科在完全独立于哲学考量的实证压力下自行走向了与随机哲学核心观点一致的实践方法论，这为随机本体论提供了科学上最强有力地间接佐证之一。

本节要点

· 次网格过程的不可显式解析是任何有限分辨率大气模型都无法逃脱的本体论瓶颈——参数化不可避免地丢失微观随机涨落的持续累积效应。

· 随机参数化（SPT、SKEB、SPP）将参数化本身从单一最优估计转变为从概率分布中采样的随机过程，改善了集合成员的离散度和极端事件表征的可靠程度。

· 随机参数化在长期气候积分中的一个关键功能是阻止伪稳定结构的积累——伪结构在真实大气中本应被不可预测的微小随机扰动持续破坏。

· 对“残余随机性”的处理使气象学在实践上早已接受了随机本体论中关于“残余方差”的核心主张：确定性模型内部必然残留不可被进一步细化的方差，忽略它会导致系统在长期统计上失真。

延伸思考

随机参数化在操作上与2.2节“事物的存在即概率分布的坍缩”这一概率场本体论在精细层面形成了科学上的回传确认。在确定性参数化框架中，一个“积云的总体效应”被隐含地当作一个确定实体——这个实体在特定网格点、特定时间步只能有一个唯一值。随机参数化揭露了这一实体的虚构性：积云的总体效应实际上是在特定大尺度条件下的一个条件概率分布；今天上午该网格产生的是一个比平均值略弱的对流激发值——这是该分布在这个上午的坍缩样本。网格平均值不是真实存在的确定性物；它是一组概率分布的坍缩产物。气象学家在开发随机参数化时可能并没有使用“概率场本体论”这种术语，但他们在操作上将次网格过程的参数从“确定实体”变成了“概率分布”——这正是从古典物体本体论到概率场本体论在科学实践中的一次具体转译。

20.4 气候政策的随机决策框架

一、从天气预报到气候决策：两个不同尺度的认知挑战

气象与气候之间的区别不只是空间尺度或预报时长上的区别。天气是可被近期采样验证的具体事件——明天下不下雨是一个明天可以被观测证实的单次采样结果。气候是数十年至百年尺度上天气统计特征的系统性漂移——不仅是下一次降水事件的强度，而是整个降水频率曲线的峰度与偏斜度在不同温室气体强迫下的平移、畸变或分裂。在这个尺度上，“现在最好方案”的收敛无法通过一周后的观测检验来完成——验证行为本身的时间门槛超过了政策窗口可等待的上限。

2025年的一项研究系统性地刻画了气候决策的独特困难：不确定性渗透在综合评估模型的每一个层面——从物理气候敏感度到大尺度环流对强迫的响应幅度，再到经济损害函数对未来温度升高的非线性定价和社会贴现率的选定——这些不确定性在不同模型中构成了复杂的高维网络，无法被简化为少数几个一维参数的离散变体。多模型集合是当前量化这些不确定性的关键工具：通过将不同气候模型的输出聚合为概率分布，科学家试图估计温度升高、降水量变化和海平面上升在不同排放情景下的统计范围。贝叶斯模型平均框架进一步被用于提升长期预测精度和系统地量化跨模型的不确定性，通过为不同模型分配统计上最优的后验权重来构建对气候状态分布的集成估计。

二、从单一路径到鲁棒策略：随机伦理的决策论表达式

传统气候政策分析遵循一个简明的逻辑：选定一组“最可能的”气候预测，计算这组预测下的最优减排路径，推荐该路径为官方政策目标。这一逻辑在结构上等价于已遭淘汰的确定单值预报范式——在一个具有深层不确定性（deep uncertainty）的决策环境中，它将对最优政策的探求建立在极大概率是临时的单组参数值上。

2025年的多项研究已明确提出替代框架。针对多个气候模糊性来源的研究建构了在不确定性下的碳排放决策框架，分别考察在物理气候敏感度不确定性与经济参数不确定性下，最优减排决策如何随信息增量的累积而变化。基于综合评估模型的“气候政策鲁棒评估”提出了分布式鲁棒优化方法：不寻求在多模型平均的伪最优基准参数下一厢情愿地最优，而是在一系列可能的气候-经济耦合结构的预定义模糊区隔内，确保政策选择最小化最坏情况下的损失——这正是6.2节“从预测到适应”和9.2节“鲁棒性决策而非最优性决策”在政策科学中的独立实例化。

实现气候政策领域与传统集合预报在方法论上深度融合的突破点出现在2025年末。一项关于气候政策不确定性的通用方法论显示，代理模型可以识别影响建模框架的关键不确定因素，并使得此前被计算成本封限的广泛不确定性分析在政策分析中变得可行——这类似于使用降阶模型来加速大气集合预报，将高分辨率气候模型的有限采样映射到可被海量抽样的时空代理空间。

三、无悔行动与扩大未来可能性

在随机伦理学的框架中，一项政策如果能在多个不同情景中都产生净正向的“扩大未来可能性”效应，该政策就构成了“鲁棒性善”的候选。全球减排就是这样一种鲁棒行动的宏观实例。

如果气候变化确实主要由人类排放温室气体引起，减排切断了进一步的不可逆扰乱的驱动源，保留了未来世代在相对稳定的气候窗口内继续创造和发展的通道。如果气候变化的更大部分来自地球系统内部尚未被充分模拟的自然长周期过程，排放削减同时带来了空气质量改善（降低与氧化应激相关的慢性病负担）、能源结构多样化（减少对单一燃料供应链的地缘政治暴露）和清洁技术革新（创造新的产业链路径）。在多个有实质差异的情景下，减少排放的结果都落在“不对未来去通路的可能性造成不可逆压缩”的区域内。在随机伦理学的框架中，这赋予了减排比依赖特定气候敏感度数值计算的成本-收益分析更广泛的伦理基础——它不需要在政策审议中辩论气候模型的具体参数分布就可以论证减排的伦理优先性。

反过来，大规模地球工程——例如平流层硫酸盐气溶胶注入——则面临相反的逻辑构造。它们在特定情景中可能有效降低平均气温，但在其他情景中可能通过扰动季风环流而破坏数十亿人的降水来源；对局部热带雨季的压缩效应是不可逆且受影响体的损失无法由其他区域的收益来抵消。此类行动在没有全球利益相关方同意和制度化逆转保障的情况下，在随机伦理学的框架中越过了不可逆风险的红线。

政策评估中的贝叶斯网络方法为这种伦理分析提供了技术支撑。基于贝叶斯网络进行政策评估的研究框架正被用于2050年碳中和路线图评估，该框架能够显式量化政策干预在不同环节上的条件概率分布，并对不同政策方案的相对有效性进行在不确定性条件下的比较。这一技术为将随机伦理框架从哲学论述转变为可被监管者和治理机构操作化的量化政策建议提供了实在的计算接口。

本节要点

· 气候政策面临深层不确定性——不确定性渗透在物理、经济和价值贴现选择的每一层——将最优政策基于单一一组“最可能”预测的传统路径在结构上已不稳健。

· 鲁棒性决策替代单路径最优：分布式鲁棒优化方法在多个不同的气候-经济耦合结构模糊集合内确保政策选择在最坏情况下损失可控。

· 全球减排构成“无悔行动”——在多个有实质差异的情景下，行动的高可信部分都优于无行动的负向失控基线——在随机伦理学中赋予减排不依赖特定模型假设确证的伦理论证基础。

· 贝叶斯网络等量化工具为将随机伦理从哲学描述转化为可被政策评估操作化的定量建议提供了技术接口。

延伸思考

气候政策中的无悔行动为第八章的伦理公理提供了实践维度的检验。如果扩大未来可能性是伦理公理，那么气候政策的理论目标就可以从一个被某些经济学家提倡的、在两个世纪后特定温度水平下计算最优减排成本的功利主义优化，转移为一种更直接和更少依赖形而上学风险偏好设定的最低可逆性约束：不能使后代的行动通道窄至无法撤销依赖于当前世代行动的关键生存参数。这一约束在风险评估上远弱于功利主义优化所需的信息条件——后者需要完整的气候敏感度PDF、损害函数、社会贴现率的确定；前者只需要证明继续放任排放会在多个独立建模框架下以高概率导致不可逆缩减的几个系统性后果。在随机伦理的框架中，此时最少行动的不作为就是伦理上不可被接受的。与之形成对照的是一类在气候政策中被忽视的非碳化工程（如某些洋面上大规模人工施肥控制方案），其扩大某些局部产量收益与压缩另一些地区的不可逆灾害预增的概率比例至今未得到充分制衡——随机伦理对这类政策在核算“扩大可能性”时的不对称约束将比任何单线经济评估都更不可回避。

全章小结

第二十章完成了随机哲学从理论到大气科学实践的系统对接。四节的论证轨迹从微小的计算失误开始，逐步扩展到全球气候政策的决策框架。

20.1从洛伦兹在1961年截断小数触发的偶然发现出发，论证了确定性非线性系统对初始条件的敏感依赖如何揭示了“有效规律”的时空边界：大气运动方程在局部时间窗口有效运作，在长期视界中退化到对游走轨迹的统计描述——这是“规律是阶段性巧合”在确定性混沌系统中的数学映证。

20.2追踪了此后持续半个多世纪的范式转换：从单值确定预报到概率性集合预报。集合预报的操作结构与认知蒙特卡洛（第十三章）在结构上同构，是科学史上规模最宏大的制度化随机本体论实践——每天多次以数百个采样轨迹并行探索大气空间的演化，并将演化结果以概率分布的形式诚实、公开地传递给社会。

20.3分析了气象学家在参数化不确定性面前的回应：随机参数化（SPPT、SKEB、SPP）不再将次网格参数视为确定值，而是作为从概率分布中持续采样的随机过程。这为随机本体论中关于“不可消除的残余随机性”和“确定性模型在长期统计上失真”的核心主张，提供了来自一个完全独立于哲学的实证压力下的科学证实。

20.4将视野从大气物理延伸到制度设计。气候政策中的鲁棒性决策框架在方法论上与集合预报共享同一逻辑：不基于单组“最可能”参数预先确定最优路径，而是在多组可能结构下确保政策在所有情景中都保留未来世代的继续拥有前通路的能力。全球减排在随机伦理中被论证为“无悔行动”，其伦理论证不依赖于对任何特定气候模型参数的预先选择——正是在这一点上，随机伦理学使得气候政策摆脱了在大多数争端中因精密参数被细节绑架的长期僵局。

四节共同论证了一个核心命题：气象学是随机哲学在现实世界中最成功的、最系统的、已经在制度层面上以集合预报系统形式被标准化运行的实践样本。 它过去是，现在仍然是人类在面对高维随机非线性系统时能够达到的高度诚实、高度精确和高度自主修正的认知实践之一。它在哲学自觉之前已经实践了随机的方法论；随机哲学的自觉将它重新描述并提供了其非经验推导的证明。两者相互照亮，既非其中之一单方面解释对方，也使任何企图回到单值预报、确定性参数化或者基于单次最优估计的气候政策的历史倒退，显得不再只是技术上的落后，而是一种认知产品品质的明显退化。这对第二十一章金融市场的随机游走投资智慧与第二十二章日常随机哲学提出了一项接续的任务——把同一套概念语言分别投射到人类活动的不同复杂系统领域和个体生活实践场域。

（本文选自逄培著《随机哲学原理》第六篇第二十章，经作者授权分期发表。因版面所限，刊发时注释及参考文献已酌情删节，完整版请参阅原书。）