马尔萨斯《人口原理》读后

200 多年前的书,很多人都说旧的东西过时了,但我觉得它只是被修正了,内核并不过时。毕竟,静态存量分析这本身就不符合现实,用现在的话说,建模就错了,但马尔萨斯的理论核心并不仅仅是一个模型,它提供了一种社会学动力学的分析方法,为此,在这本书后,我再推荐一本书,《历史动力学》

《人口原理》:
在这里插入图片描述
《历史动力学》:
在这里插入图片描述

很早就知道这个理论,但原著还是第一次读,我将马尔萨斯的理论总结为 “不断膨胀的自身把自身压垮的结局”,其根源在于 “单一方向的作用下,膨胀过程中系统各部分组分的增长是不成比例的”,瞬间就想起一个 case,长胖的过程就是一个逼近马尔萨斯极限的实例,重力是单一方向的作用,由骨骼和肌肉的截面支持力支撑,人长胖的过程中是三维空间的膨胀,横向虽然没有重力作用,但这部分重量依然要转嫁到骨骼和肌肉的横截面去支撑,而横截面显然是在二维空间膨胀的,总会存在一个极限,人胖到自己的骨骼和肌肉再也撑不起自己的重量…

还有很多有趣的 case,放假了,正好写篇有趣的文章。

都说工业革命把人类带出了马尔萨斯陷阱,其实不然,我觉得走出马尔萨斯陷阱更重要的因素是人们主动和资源的平衡,人们主动减少生育以匹配资源。否则即使工业革命带来了资源突破,更快的人口增速还是会抵消进步,总会再次逼近极限。

以中国中南方为例,水稻种植需大量劳力,而水稻能养活大量人口,大量人口提供大量劳力,形成快速正反馈,该正反馈周期计量单位大致相当于水稻成熟周期,以年记,而倾向于收缩人口的负反馈周期却久得多,大致相当于两代人的间隔,以十五年为计量,这个负反馈周期的意思是,最少等一代人的间隔,下一代长大成活才可确认粮食够吃,而人口增速(指数 or 斐波那契数列)比粮食增产快,直到耗尽资源,这便是人口周期性震荡的根源。

工业革命之前,其实已经有过一次农业技术突破,美洲玉米和土豆引入,极大提高了粮食产量,但随之而来的是更大的人口增量,到头来还是撞到极限。即便工业革命后,一战二战以及当前经济衰退某种意义还是马尔萨斯陷阱导致。

我将马尔萨斯陷阱归因为 “简单地膨胀” 而把自己压垮。插入一个简单解释,本来小而精悍的蚂蚁,核心力量(衡量能举起多少个自己的力量,而不是绝对力量,参考体操运动员)极端强,如果只是简单地膨胀,在地球重力作用下,它会变成大象,但显然大象的核心力量非常弱,托举不起自己再进一步就是自己被自己压垮。

为什么人们没有主动匹配资源,偏偏要等到撞上极限后痛苦回退,原因在于 “以仅仅把人养活” 为目标的农业社会以及前工业时代,负反馈周期太长,要等上十五年以上,孩子十五岁成人了才获得反馈。而现代社会已不仅以把人养活为目的,还要照顾其情感,教育需求,以获得更好的生活质量,这种反馈非常快,孩子生下来买不起奶粉,三岁时相比同龄人就发育不良,读不起书,上不起学,买不起房,这种快速反馈降低了人们继续生育的欲望,最终收敛到所有人匹配所有资源的平衡态,此时资源已不仅仅是粮食,还包括零食,饮料,教育,医疗,社交,娱乐,自我成就。

因此,更快的负反馈才是摆脱马尔萨斯陷阱的内因,而技术突破只能缓解,最终还是要撞上极限。

看另一个例子。工业时代由资本集中促成的 CBD 拥挤不堪,几乎一整天都在拥堵状态,上下班高峰时的车流,拥挤的电梯,通往机场的拥堵的高速公路,统一新建立体交通体系也只能缓解,人们依然要花很长时间堵在路上,即使有了高峰期短间隔地铁公共交通,也只是把拥堵点从路上转移到摩天大楼的电梯口。这也是一个马尔萨斯陷阱,资本越集中,越来越大的 CBD 容纳越来越多的经理经营这些资本,越来越多的经理的越来越多的车需要更大的 CBD,但地面道路和电梯的增速在线性和二维之间,而大楼的容量增速却是三维,早晚有一天道路和电梯将不堪重负,CBD 将达到容量极限。

若不是经理们主动离开这种 CBD,即使反重力技术克服了道路交通和大楼电梯的拥堵问题,也只会让 CBD 变大,从而触发新的资源问题,比如反重力所需的能耗问题。

当 CBD 不仅仅意味着一份经营资本的体面工作时,负反馈就加速了,拥堵耽搁了人们太多的时间,随着工作节奏的加速,在这种地方的工作体验并不好,除此之外,购物,餐饮以及社交体验也不好,这种快速的孬体验促使人们主动逃离 CBD。如今除了确实迎合体面的经理,几乎没人乐于在 CBD 上班,CBD 不时兴了,而且是人们主动放弃的,特别是在互联网时代,更多人选择居家办公(work from home),越来越多的人选择高楼稀疏的郊外工作和生活,越来越多医疗和教育资源向郊外分布式倾斜,这并不是技术突破导致的变化,而是人们主动的选择。再一次,人们主动摆脱了另一个马尔萨斯陷阱。

说说拥塞控制,这是另一个马尔萨斯陷阱的实例。

和中国中南方的水稻种植场景类似,摩尔定律带来越来越大的 buffer,越来越多大的 buffer 吸引越来越多的流量,而这些流量最初仅以 “可以传到对端” 为目标,比如文件传输,这就很容易让早期的互联网传输陷入马尔萨斯陷阱,因为负反馈周期至少以完整的 RTT 计数,这太慢了。

如果没有流量的主动平衡行为,互联网早晚会拥塞崩溃。摩尔定律会逼近物理极限,而流量需求增量远大于摩尔定律。即使吉尔德定律预测的带宽增速相比带宽需求增速也是龟速,理论上,存在 n 个通信端的网络上,每部署一个新的通信端(可能就是一款应用),将增加 n 条新连接,这是一个指数增速,而端到端传输属于软件系统,其迭代周期远小于硬件。

幸运的是,传输端 “主动平衡了资源”,不再仅以 “可以传过到对端” 为目标,就像当代家庭不再仅以 “将孩子养活” 为目标一样,传输端 app 开始关注时延抖动,直播卡顿率等 QoE 指标,而 QoE 可以做到实时反馈。传统文件传输那种不撞到南墙心不死的 AIMD 策略不再时兴了,代之以 pacing_rate-based 算法开始流行。此前我也说过,未来越来越多的传输会是 application-limited,这就是所谓的 “主动匹配资源” 的行为,就像福利国家维持低生育率却也没有人口崩溃一样,这才是自然的归宿。

值得一提的是 ,AIMD 采用感知低代价的丢一个包信号的方式主动收缩。就好比国家感知到某个信号便主动强制低生育率,如果没有这种计划,就只能靠战争和瘟疫了,后者代价更大。AIMD 有效之处在于它 AI 而不是 MI,类比马尔萨斯陷阱,这种方式相当于等上一个孩子长大成人后再生下一个,而不是丰收了一季水稻就生。TCP 慢启动幸亏起点低,如果没有 HyStart 等机制压阀,慢启动需以丢一整窗数据的代价感知到极限,可将收到一个 ACK 看作收了一季水稻,但可能下一个孩子已经无力养活了。

非常有趣的最后一个例子,即运动和减肥。

除人之外没有任何动物靠运动来减肥,也没有任何动物靠主动节食来减肥,相反,大多数动物都是吃了睡,醒了吃,一生就是不停地吃和睡,能不运动就不运动,那些动物根本就没有肥胖问题,它们都非常健康,原因在于它们被动和资源保持了平衡,猎食行为本身就消耗了大量能量。

但对于人而言,这又是一个马尔萨斯陷阱。原因是人类生产碳水及提炼油脂的能力提高了,在生理上却还没有进化到与这种能力相匹配(几百万年的进化过程中只有最后一万年才可以人工生产大量碳水化物,人的生理还没有为消化碳水化物做好准备)。但人毕竟还保留着动物吃了睡,醒了吃,不运动而积攒能量的惰性,大量低成本进食和不消耗在同一个方向叠加(本来进食前的捕猎是消耗能量的,如今食物太易得且都是碳水和油脂),肥胖就自然而然,必须靠额外做功才能避免肥胖。长期进化使人体(所有动物的身体)成为一个极其高效的能量聚集体,能量很容易通过饮食而堆积(没这能力的基因自然被淘汰),而燃烧效率又非常高(效率低的被自然淘汰),结果就是稍微吃点就会胖,大量运动也不易瘦,总之就是能量聚集容易消耗难,绝大多数人最终都不可避免的遭遇肥胖问题,或多或少而已。而那些节制自律的人,就属于主动平衡资源的人,靠的是快速主动获取反馈,而不是被动等待出现问题再应对。

不怪水稻产量大,不怪 CBD 的摩天大楼,不怪摩尔定律带来的大 buffer,也不怪碳水油脂,是对应的消费者的消费简单的方式出了问题,最终导致 “简单而膨胀”。

本文举的几个例子,简单而膨胀的结果只是人口单纯增多,道路和电梯单纯拥挤,数据报文增多导致 BDP 单纯变大,人单纯变胖,但即使这样,这种变多变大变胖也不可能无限持续,因为任何系统组件在膨胀过程中,其增长都不是等比例的,触碰极限只是早晚的事,可以参考 增长的极限。更加悲哀的是,这种简单而膨胀除了稀释掉能量之外,几乎没有任何益处,最终的结局就是触碰极限后的内卷以及此后的整体崩溃,然后幸存者重拾残骸周而复始。

但是感谢这种简单地膨胀,正是这种周而复始让人类从没能闲着,很早之前的朴素想法被马尔萨斯的理论总结起来,人类在原始社会忙碌但自由,农业革命非但没解放劳作,反而让农民更忙碌,时间第一次开始捆绑劳动,以动植物生长周期计时,工业革命后,机器没有解放劳作,反而奴役了工人,时间以分钟小时为周期计时,互联网时代,信息没能解放劳力,信息捆绑所有人,时间以分秒为周期计时,人们 24 小时处理信息,人们盼望的闲暇始终没发生。

如今人们对 AI 取代人类的工作机会感到担忧,不说这是斯德哥尔摩综合症,但历史证明这种担忧没必要,历史无数次表达了人们只会越来越忙碌这个事实。

历史的背后发生了什么?我觉得就是简单地膨胀,它只需不断重复即可。随着技术变革越发现代,每一次总的资源体量也在增加,这意味着在碰撞当前极限前所需要的简单重复次数增多,简单重复次数恰好映射到劳动者的忙碌强度。

人群不该只被养活,CBD 不该只为体面,数据不该仅传到对端,人不该仅迷恋口舌之欲,在这些之外的额外快速反馈可以促使消费者主动寻找平衡资源的方式,用这种方式来利益最大化,跳出简单地膨胀,但如果主动走这条路,当前的任何系统都会被更有效率的下一代取代。

看了马尔萨斯的《人口原理》,写了这么一篇,想起了另一本书《规模: 复杂世界的简单法则》,它解释了系统极限为什么天然存在。

最后一部分,我就着这个马尔萨斯陷阱挖一个根因。从进化论的视角看一下这件事。

我经常将很多病归因于碳水化物,也就是所谓的谷物粮食,民以食为天中的 “天”,这些病包括不限于肥胖,三高等慢性病,心脑血管疾病以及关节炎。

谷物碳水本质上就是一个人造物,并且出现的时间很晚,大概只有不到 1 万年,它们在被称作 “农业革命” 的那段时间被人工选择驯化。

天然的狗尾巴草,颗粒非常小,一丁点碳水大量的纤维素,野人们的采集物以及捕获的动物的粪便中夹杂着这些天然植物的种子,肯定会有一些种子掉落在野人部落附近,慢慢野人们发现了这个东西可以发芽生长且有可以勉强食用的颗粒物,野人们不断挑出颗粒更大的,大颗粒基因不断被人工选择,颗粒越来越大,纤维素和氨基酸越来越少,最后就成了小麦,水稻这种高纯度碳水化物。

不到 1 万年的人造物,时间太短暂,高纯度碳水化物尚未促成自然选择进化,简单来讲,碳水尚未参与对人类基因的自然选择,人类天然就是碳水不耐受。回到马尔萨斯陷阱,人口也是水稻不耐受的,这两个例子都说明,有多少吃多少,直到把自己撑死。

吃肉就没有问题,原因在于肉食动物和杂食动物原本在自然界中就吃肉,我们是肉类耐受的,吃肉和对肉类的消化吸收和利用是经过长时间自然选择的,消费者和资源之间早就达到了天然平衡。

同样是动植物类食物,大量摄入油脂就会出现病症,因为自然界并不存在天然提纯的油脂,用植物种子榨油和用动物脂肪炼油都是农业革命以后才出现,是依赖农业革命带来的高产量的种子以及驯化动物的,它们也是人造物,这么短的时间内,人体不可能对其耐受。

但不管是碳水还是油脂,人类都倾向于大量摄入,因为人体还没有进化出一个阀门,保持摄入量和利用量之间的平衡,只能靠马尔萨斯极限来反馈,但前面说过,这个负反馈周期太久,累加的代价非常大。同样的,文件传输几乎没有任何 QoE 反馈,它对 buffer 也不耐受,则必须以丢包重传为代价来收敛。

有趣的是酒精。人体对酒精好像有一个阀门,喝到一定量会以晕倒(以及次日难以忍受的宿醉)来阻止酒精的过量摄入,相对于碳水和油脂,酒精要安全很多,即使一个人选择性无视这个阀门经常酗酒,身体基本也能扛数十年时间,多亏这个阀门努力截流,换做碳水和油脂,没有任何阀门,暴饮暴食的身体几乎撑不过两年时间即可碰到极限。

高纯度(大概 5 度以上即可让肝胆等脏器超出负荷)酒精也是农业革命后的产物,和油脂类似,同样依托于谷物的丰产,为什么身体可以在短时间内认识酒精呢。

其实人体对酒精依然不存在阀门,只是酒精的负反馈周期太短了而已。对于这个周期,人口之于水稻要数代人,TCP 之于 buffer 要数个 RTT … 谷物和油脂作用于人体本身,也就是肉体,长肉的反馈周期按天计时,但酒精则作用于神经系统,反馈周期按豪秒计时,说白了,所谓身体对酒精的阀门,也只是碰到了极限而已,只是这个反馈来得太快。

酒精对人体的伤害主要体现在让肝脏超负荷工作,这种伤害的反馈周期和长肉变胖的周期是一样的,换句话说,酒精对神经系统的负反馈是毫秒精度,而它对肝脏等消化系统伤害的负反馈却是天精度,这意味着神经系统恰好可以当作一个消化系统的阀门调节酒精的摄入量,这很完美。

拐回马尔萨斯陷阱,摆脱它本质上就是找一个更快的负反馈,利用它做一个阀门。现如今,人们利用住房,子女教育,医疗条件等更快的负反馈作为生育阀门,从而实现了人口自我调节,音视频直播也以更快的 QoE 反馈作为传输阀门,以 application-limited pacing 方式自我调节,对于碳水和油脂,早晚有一天人体会进化出一个更快的反馈,比如吃五个包子就晕倒,吃两块炸鸡就咳嗽。

还有个 wintel(也叫安迪比尔定律) 也比较有趣,它也是 “简单地膨胀”,有空再说。

皮鞋没有蹬上,露着白袜子。
浙江温州皮鞋湿,下雨进水不会胖

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/144299.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

华为多路径软件UltraPath

检查多路径是否安装。 # rpm -qa|grep UltraPath 查看UltraPath软件版本 # upadmin show version 查看物理路径状态。 #upadmin show path 查看虚拟磁盘信息。 #upadmin show vlun 查看逻辑路径状态。 #upadmin show vlun 查看多路径配置。 #upadmin show upconfig 卸载Ul…

brew 安装MySQL 5.7

写在前面:博主是一只经过实战开发历练后投身培训事业的“小山猪”,昵称取自动画片《狮子王》中的“彭彭”,总是以乐观、积极的心态对待周边的事物。本人的技术路线从Java全栈工程师一路奔向大数据开发、数据挖掘领域,如今终有小成…

php导出cvs,excel打开数字超过16变科学计数法

今天使用php导出cvs,在excel中打开,某一个字段是数字,长度高于16位结果就显示科学计数法 超过15位的话从第16位开始就用0代替了 查询了半天总算解决了就是在后面加上"\t" $data[$key][1] " ".$value[1]."\t";…

你的游戏项目有这些问题吗?

在移动游戏对高品质画面的要求不断增加的背景下,我们一直专注于移动设备GPU性能的优化,以确保您的游戏体验得以最佳展现。然而,不同GPU芯片之间的性能差异以及由此可能引发的GPU瓶颈问题使得优化工作更加具有挑战性。 因此,在不久…

Spring Boot中配置文件介绍及其使用教程

目录 一、配置文件介绍 二、配置简单数据 三、配置对象数据 四、配置集合数据 五、读取配置文件数据 六、占位符的使用 一、配置文件介绍 SpringBoot项目中,大部分配置都有默认值,但如果想替换默认配置的话,就可以使用application.prop…

Spring结合自定义注解实现 AOP 切面功能

Spring结合自定义注解实现 AOP 切面功能 Spring AOP 注解概述Aspect 快速入门execution 切点表达式 拦截指定类的方法Pointcut("annotation(xx)") 拦截拥有指定注解的方法环绕通知 实现开关目标方法案例1:自定义注解切面实现统一日志处理1.自定义日志注解…

uni-app:获取元素宽高

效果 代码 这里我定义的宽为500px,高为200排序,控制台输出的结果是502,202。原因是我设置了上下左右宽度各为1px的border边框导致 核心代码分析 // const query uni.createSelectorQuery();表示创建了一个选择器查询实例。通过这个实例,你可以使用不同的方法来选择…

英语——分享篇——每日100词——501-600

hill——will愿意——他不愿意去小山里 Easter——east东方(熟词)er儿(拼音)——东方的儿子都过复活节 exhibition——ex前夫(熟词)hi嗨(熟词)bition比神(谐音)——展览会上前夫很嗨,比神还开心 chase——vt.追捕,追逐,追赶——cha茶se色——…

【C++】vector的介绍 | 常见接口的使用

目录 vector的介绍 常见接口 构造函数 尾插push_back() vector的遍历 1.用方括号下标 遍历: 2.调用at()来访问: 3.用迭代器遍历: 4.范围for遍历: vector空间 vector增删查改 覆盖assign() 查找find() 插入insert() …

Java on Azure Tooling 8月更新|以应用程序为中心的视图支持及 Azure 应用服务部署状态改进

作者:Jialuo Gan - Program Manager, Developer Division at Microsoft 排版:Alan Wang 大家好,欢迎阅读 Java on Azure 工具的八月更新。在本次更新中,我们将推出新的以应用程序为中心的视图支持,帮助开发人员在一个项…

Spring修炼之路(1)基础入门

一、简介 1.1Spring概述 Spring框架是一个轻量级的Java开发框架,它提供了一系列底层容器和基础设施,并可以和大量常用的开源框架无缝集成,可以说是开发Java EE应用程序的必备。Spring是一个轻量级的控制反转(IoC)和面向切面(AOP)的容器&…

【面试经典 150 | 滑动窗口】串联所有单词的子串

文章目录 写在前面Tag题目来源题目解读解题思路方法一:两个哈希表方法二:滑动窗口 写在最后 写在前面 本专栏专注于分析与讲解【面试经典150】算法,两到三天更新一篇文章,欢迎催更…… 专栏内容以分析题目为主,并附带一…

JS三大运行时全面对比:Node.js vs Bun vs Deno

全文约 5100 字,预计阅读需要 15 分钟。 JavaScript 运行时是指执行 JavaScript 代码的环境。目前,JavaScript 生态中有三大运行时:Node.js、Bun、Deno。老牌运行时 Node.js 的霸主地位正受到 Deno 和 Bun 的挑战,下面就来看看这…

计算机视觉与深度学习-循环神经网络与注意力机制-RNN(Recurrent Neural Network)、LSTM-【北邮鲁鹏】

目录 举例应用槽填充(Slot Filling)解决思路方案使用前馈神经网络输入1-of-N encoding(One-hot)(独热编码) 输出 问题 循环神经网络(Recurrent Neural Network,RNN)定义如何工作学习目标深度Elm…

Vue中自定义实现类似el-table的表格效果实现行颜色根据数据去变化展示

主要使用div布局实现表格效果&#xff0c;并使用渐变实现行背景渐变的效果 页面布局 <div class"table-wrap"><div class"table-title"><divv-for"(item, index) in tableColumn":key"index":prop"item.prop&qu…

Windows11安装MySQL8.1

安装过程中遇到任何问题均可以参考(这个博客只是单纯升级个版本和简化流程) Windows安装MySQL8教程-CSDN博客 到官网下载mysql8数据库软件 MySQL :: Download MySQL Community Server 下载完后,解压到你需要安装的文件夹 其中的配置文件内容了如下 [mysqld]# 设置3306端口po…

使用applescript自动化trilium的数学公式环境

众所周知&#xff0c;trilium什么都好&#xff0c;就是对数学公式的支持以及markdown格式的导入导出功能太拉了&#xff0c;而最拉的时刻当属把这两个功能结合起来的时候&#xff1a;导入markdown文件之后&#xff0c;原来的数学公式全没了&#xff0c;需要一个一个手动用ctrlm…

python安装第三方模块方法

正常情况下安装python第三方模块没啥说的&#xff0c;但是由于python安装模块默认是在外网下载安装&#xff0c;牵扯外网网速问题&#xff0c;所以可以配置下使用国内某镜像源来下载模块 python -m pip install xxxxxxxxxxx 和 pip install xxxxxxxxxx 的命令都可下载安装第三…

R语言用标准最小二乘OLS,广义相加模型GAM ,样条函数进行逻辑回归LOGISTIC分类...

原文链接&#xff1a;http://tecdat.cn/?p21379 本文我们对逻辑回归和样条曲线进行介绍&#xff08;点击文末“阅读原文”获取完整代码数据&#xff09;。 logistic回归基于以下假设&#xff1a;给定协变量x&#xff0c;Y具有伯努利分布&#xff0c; 目的是估计参数β。 回想一…

一篇博客学会系列(1) —— C语言中所有字符串函数以及内存函数的使用和注意事项

目录 1、求字符串长度函数 1.1、strlen 2、字符串拷贝(cpy)、拼接(cat)、比较(cmp)函数 2.1、长度不受限制的字符串函数 2.1.1、strcpy 2.1.2、strcat 2.1.3、strcmp 2.2、长度受限制的字符串函数 2.2.1、strncpy 2.2.2、strncat 2.2.3、strncmp 3、字符串查找函数…