【別把隨機當必然】想盡辦法解釋的現象，可能僅是「隨機」的結果

瀑布中的一滴水滴，你知道它最終會流過河川、匯入大海，但是此時此刻，你卻難以精確地預測這個水滴下一秒鐘會是在河流或是瀑布中的什麼位置。

這個觀察告訴了我們，我們可以看得見長期的趨勢，但是微觀的下一秒鐘，我們卻怎麼樣也難以窺見其變化，因為需要考慮的因素太多：水的流量、地形的細微變化、氣候、溫度…等等，都讓我們對於一個水滴走向的預測無法精準。

當因素太多太多，以至於我們無法掌握時，水滴在某一個瞬間的走向，對我們來說就是隨機的。我們只知道：不管這個水滴現在怎麼走，最終它會進入大海。

這就是我想要淺談的「隨機現象」。

隨機現象在我們生活中處處可見，而且深深影響我們的生活，很多不同科學領域的尖端研究，現在都是在對付隨機現象。

研究物理的人研究到量子的層次，會發現這個穩固的世界居然是由一些隨機亂跑的粒子所堆砌而成；研究電腦科學的人，會發現隨機方法竟然可以用來設計出簡潔易懂的演算法；研究數學的人，會發現機率模型竟然可以相當程度上幫助我們做出生活中的決策。

那麼隨機現象對於我們現實生活中的啟示又什麼呢？我先舉出一個電腦科學界的例子來闡述。

機器學習（Machine Learning）這一個有關人工智慧的學門，是電腦科學界最近相當熱門的一個研究領域，主要研究的方向和重點是結合演算法和統計資料，擷取出這些資料之內所隱含的一些資訊，然後用這些擷取出來的資訊，讓電腦去對一些事情做預測，以此模擬出類似學習的行為。

Machine Learning 在近年來取得了巨大的成功，讓曾經一度委靡不振的人工智慧研究又開創了許多新的契機。市面上的各種搜尋引擎就有應用相當多機器學習的技巧在裡面，讓這些搜尋引擎好像真的有智慧，去猜測你要搜尋甚麼東西，然後回傳精準的搜尋結果給你。

在這個研究領域中，有一個很重要的現象，是每個剛剛學習「機器學習」的人都會接觸到的：這個現象叫做Overfitting。要講解這個現象之前，我們先舉一個最簡單的例子來介紹「機器學習」。