Modelling and simulation

歡迎來到建模與模擬 (Option B)！

哈囉，未來的電腦科學家們！這個選修單元在現代社會中極具重要性。無論是企業預測銷售額、科學家推算氣候變遷，還是工程師測試新款汽車設計，他們背後所運用的核心技術正是建模與模擬 (Modelling and Simulation)。

在本章中，你將學習如何利用電腦系統創建真實世界系統的簡化版「功能複製品」，並在這些複製品上以安全且低成本的方式進行實驗。這是一個非常強調評估能力的課題，因此請務必密切留意其優點與缺點！

---

1. 理解模型與模擬

什麼是模型 (Model)？

在電腦科學中，模型是對真實世界系統或過程的簡化、抽象化呈現。它擷取了系統的核心特徵，並剔除了所有不必要的複雜細節。

• 目標：為了更好地理解原始系統，或預測它在不同情況下可能出現的行為。
• 類比：想像一張城市地圖。它是真實城市的模型。它展示了街道和地標（核心部分），但省略了每一棟建築物和每一個坑洞（不必要的複雜細節）。

什麼是模擬 (Simulation)？

模擬是指在一段時間內執行模型，以觀察其行為的過程。這涉及輸入數據、根據模型中定義的規則處理數據，並產生預測或輸出結果。

• 模擬是動態的過程；模型則是靜態的結構。
• 範例：氣象模型是定義壓力、熱量和濕度如何相互作用的數學框架。而模擬則是當超級電腦利用當前的氣象數據運算該模型，以預測明天的降雨量。

重點回顧

模型是結構（規則與數據）。模擬是動作（執行結構以觀察結果）。

---

2. 電腦模型的類型

在研究模擬時，最關鍵的區別在於系統如何處理時間和狀態的變化。

離散模型與連續模型

離散模型 (Discrete Models)

在離散模擬中，系統狀態變數只會在特定的、間隔的時間點發生變化，通常是由「事件」所觸發。

• 模擬過程會在事件之間跳躍，忽略期間的時間流逝。
• 主要特徵：著重於事件的順序。使用一個稱為事件隊列 (event queue) 的概念。
• 範例：排隊系統模擬（如在超級市場排隊）。事件包括：顧客到達、顧客開始服務、顧客完成服務。系統狀態（排隊人數）只有在這些特定事件發生時才會改變。

連續模型 (Continuous Models)

在連續模擬中，狀態變數隨著時間平滑且持續地變化。這些模型通常依賴複雜的數學方程式（如微分方程）來描述變化的速率。

• 模擬過程會計算極短時間間隔內的狀態。
• 主要特徵：著重於流動與累積。適用於高度動態的交互作用。
• 範例：流體力學、軌道力學或人口增長的建模。變數（如溫度或速度）不會跳躍式改變，而是連續演變。

快速複習技巧： 想像數位手錶與類比手錶。數位手錶顯示時間是離散的（跳、跳、跳）。類比手錶顯示時間則是連續的（指針平滑移動）。

---

3. 模擬流程：逐步指南

開發一個可靠的模擬是一個結構化的過程。如果這看起來很複雜，別擔心——這大部分只是將常識應用於解決問題！

步驟 1：定義目標與目的

• 你試圖回答哪些具體問題？
• 需要達到什麼精確度等級？
• 你需要收集哪些績效指標 (performance measures)（例如：平均等待時間、最大容量）？

步驟 2：開發概念模型 (Conceptual Model)

這是將真實世界系統轉化為抽象概念與關係的步驟。

• 識別關鍵變數、實體（移動或行動的物件）以及關係（規則）。
• 選擇適當的模型類型（離散或連續）。
• 定義必要的輸入（參數）和預期輸出。

步驟 3：實作模型（編程）

現在將概念模型使用合適的程式語言（或專業模擬軟體）轉化為電腦程式碼。

• 必須仔細考慮如何處理隨機事件，這通常需要複雜的亂數產生器 (random number generators)。
• 你知道嗎？ 許多大型模擬（如氣候建模）使用平行運算，因為所需的計算量對單台機器來說太過龐大。

步驟 4：驗證與確認 (Verification and Validation, V&V)

這可說是其中最關鍵的一步，確保模擬準確且值得信賴。

4a. 驗證 (Verification)

驗證詢問：「電腦模型是否正確實作？程式碼是否符合概念模型？」

• 這是檢查內部邏輯並對程式進行除錯 (debugging) 的過程。
• 口訣： Verification 檢查的是 Code（程式碼）。

4b. 確認 (Validation)

確認詢問：「該模型是否準確代表了真實世界的系統？」

• 這涉及將模擬輸出結果與歷史數據或真實世界數據進行比較，以確保結果是可信的。
• 如果模型無法被確認（例如：若你在模擬遙遠的未來），其預測能力將受到極大限制。
• 口訣： Validation 檢查的是 Reality（現實）。

步驟 5：實驗與分析

一旦完成驗證與確認，便可在不同情境下（變更參數）執行模型以產生數據。接著對這些數據進行分析，從而得出結論並提出建議。

重點回顧：永遠不要跳過驗證與確認。一個精美的模擬程式，如果不能準確反映現實，就毫無用處。

---

4. 評估模擬：優點與限制

IB 考題經常要求你討論模擬對於特定問題的適用性。你必須同時了解其優點與缺點。

使用模擬的優點

• 安全性與風險降低：你可以測試在現實世界中太危險或成本太高的情境（例如：測試飛機墜毀程序或核反應爐故障）。
• 成本效益：執行電腦模擬通常比建造並測試實體原型便宜得多（例如：設計一座新橋樑）。
• 時間壓縮/擴展：你可以將耗時數十年的過程（如氣候變遷）在幾分鐘內模擬出來，或將發生得太快而無法觀察的過程（如化學反應）放慢。
• 測試極端情境：你可以輸入不太可能發生但確實存在的參數（例如：巨大隕石的影響）來為罕見災難做準備。
• 洞察力與視覺化：複雜系統透過視覺呈現後變得更容易理解（例如：飛行模擬器）。

限制與缺點

• 簡化偏差：模型皆為抽象化產物。重要的真實世界因素可能被刻意排除，導致結果不準確。
• 垃圾進，垃圾出 (GIGO)：輸出的品質完全取決於輸入數據的品質以及開發過程中作出的假設。錯誤的數據會導致錯誤的預測。
• 開發成本與複雜性：創建一個高精確度的模型（尤其是連續模型）需要先進的技術、大量的時間，以及通常需要超級電腦資源。
• 確認難度高：要證明模型真正代表現實可能極其困難，對於獨特事件或長期預測（如經濟或未來氣候模型）尤其如此。
• 誤解結果：決策者可能會將模擬輸出視為絕對事實，而非基於有限假設的機率或預測。

常見錯誤：不要只說「太貴了」。請具體說明為什麼昂貴：是因為開發時間、所需的運算能力，還是數據收集階段？

---

5. 模擬的社會與倫理影響

由於模擬經常引導高風險的決策（從城市規劃到醫療護理），考量它們對社會的影響至關重要。

數據與隱私

• 許多先進模型（尤其是用於剖析或社交行為分析的模型）在訓練和確認階段需要海量的個人或歷史數據。
• 倫理議題：確保建模所使用的數據經過去識別化、合法取得且受到保護，特別是在模擬人類行為模式時。

偏見與歧視

• 若用於構建和訓練模型的歷史數據包含既有的人類偏見（例如：過去偏袒特定群體的貸款審核決定），模擬結果將會延續並擴大這種偏見。
• 倫理議題：如果輸入數據或模型的假設不是倫理中立的，模擬可能會導致不公平或歧視性的結果。例如，一個基於有偏見的歷史數據訓練出來的司法量刑模型，可能會不公平地預測特定族群有較高的累犯率。

依賴與問責

• 如果重大政策決策完全基於事後證明存在缺陷的模擬，該由誰負責？是程式設計師、數據科學家，還是決策者？
• 倫理議題：模擬過程必須透明。假設條件與局限性必須清楚傳達，以防止使用者對結果產生不合理的盲目信任。

安全性與關鍵系統

• 當模擬用於高風險領域（如醫療模擬器或自動駕駛測試）時，模型中的任何錯誤或故障都可能導致現實世界中災難性的後果。
• 社會影響：公眾必須信任在技術部署之前，模擬測試已經足夠嚴謹。

重點回顧：模擬是一種強大的工具，但如果沒有嚴謹的 V&V 及對偏見輸入的考量，它很容易強化不平等或導致危險的決策。