01 · 场景
0.000127，抹掉了一份天气预报
1961 年冬天，麻省理工学院的气象学家洛伦兹，在计算机上跑天气模拟。他想接着上一次的预测，继续往下算，为了省事，把初始值 0.506127，敲成了 0.506，差距只有 0.000127，大约是四千分之一。他以为结果几乎不会变，新的预测，起初也确实贴着旧的曲线走，之后却越偏越远，最后两组天气，完全对不上了。他先怀疑是机器坏了，检查之后才发现，问题不在硬件，而在方程本身：它会不断放大微小的差异。1963 年，他发表了《确定性非周期流》，1972 年，又在一次会议上，问出了那句，让这个概念走红的话：巴西的一只蝴蝶，扇动翅膀，会在德克萨斯，引起一场龙卷风吗？
02 · 原理
一张图看懂它怎么运转
关键在这个循环：规则是确定的，误差却被非线性的项，一轮一轮地放大，直到填满整个系统。确定，不等于可预测。
03 · 练习
练一练：3 道题，看你会不会用
04 · 证据
洛伦兹系统里的误差增长：从四千分之一到完全发散可靠二手
0.000127 的初始误差，大约 13 个模型时间单位之后，就长到了和系统本身一样大。气象界后来估计，真实大气的确定性预报极限，大约是两周。
来源：初始误差取自 1961 年舍入事件；增长率取自 1963 年三变量系统的最大李雅普诺夫指数约 0.9（Sprott, Chaos and Time-Series Analysis, 2003）；分离度按 0.000127 乘 e 的 0.9t 次方计算，在吸引子尺度 20 处截断
05 · 用法
照着做，一共 5 步
- 先判断：对象是不是非线性的复杂系统天气、市场、生态、组织，都算，钟摆和定期存款，不算。蝴蝶效应的前提，是正反馈加非线性。
- 找出初始条件里的敏感点问：哪些数字，差一点就会被放大？比如产品早期的口碑、关键员工的去留、上线首日的崩溃率。
- 用区间和集合预报，代替单点的预测对多个初始值，各跑一遍，看哪些结论，在所有情景下都成立。欧洲中期天气预报中心，从 1992 年起，就采用集合预报。
- 缩短决策的周期，用观测不断修正既然长期的预测靠不住，就用短周期、快反馈、勤修正来代替，像飞行员，不断地微调航向。
- 追求稳健，而不是精确选在很大一片未来里，都站得住的方案，而不是押注某一条精确的预测曲线。
06 · 边界
什么时候它会坑你
几天之内的短期预测
模型会说微小的差异会被放大，短期预测，也没用。
现实是放大需要时间，3 天之内的天气预报，仍然相当准，短期的决策，照做不误。
带负反馈的线性系统
模型会说任何系统，都有蝴蝶效应。
现实是钟摆、恒温器、定期存款，都在压制扰动，日常的多数系统，并不混沌。
把不可预测，当成不作为的借口
模型会说反正测不准，规划没有意义。
现实是统计的规律和区间预测，依然可用，气候能预测，而天气不能，该做的准备，照做。
事后解释重大的事件
模型会说找到那个初始的小差异，就能解释一切。
现实是敏感的初始条件，没法回溯定位，事后的归因，往往是叙事，不是因果。
08 · 出处
