關於 基因演算法題目 ，我們在網路上蒐集到這些相關的討論、資訊與評價

為了活下去，全球最大的零售商沃爾瑪變身數據公司

文：王茜穎 / 若水 Flow AI Blog 編輯團隊

【本文重點】：

1. 今天，人工智慧不再是一種選擇，而是生存下去的基本必須品。
2. 為了預測消費趨勢、提高供應鏈和營運效率，沃爾瑪張開數據網，即時監控2000億筆的內部交易數據，200 個外部數據。
3. 從行銷、採購、品管、上架、庫存管理到配送，AI 正在改寫超市地景和運作方式。

零售業是一個國家最古老的行業。但你發現了嗎？全球最大的零售業龍頭沃爾瑪 Walmart，正在把自己變成一家數據公司。

它不得不。它最大的競爭對手，吃下線上零售市場一半江山的電商龍頭亞馬遜，不斷探索線下經營。繼實體書店、無人便利店 Amazon Go、收購全食超市（Whole Foods Market）之後，2019年再度推出 Amazon 4-star，銷售在亞馬遜網站上獲得4顆星以上評價的商品，準備對線下零售市場攻城掠地。

「今天，人工智慧不再是一種選擇，而是生存下去的基本必須品。」知名暢銷作家Bernard Marr 說。《華爾街日報》形容這是一場「不斷升級的科技地面戰」。

如何確保對的產品在對的時機，放在對的位置，做出對的定價，以方便對的人購買，是競爭白熱化的零售業的致勝關鍵。

即時監控2000億筆的內部交易數據，200個外部數據
為了抓出客戶需求、提高供應鏈和營運效率，沃爾瑪阿肯色州本頓維的總部設立了@WalmartLabs 和 Data Café（Collaborative Analytics Facilities for Enterprise，企業協作分析工具），監控過去幾週高達2000億筆的內部交易數據，以及氣象、經濟、電信、社交媒體、油價、鄰近沃爾瑪的重大事件（如：體育賽事）、美國最大評論網站Yelp、信用徵信網站Experian等200個外部數據。

沃爾瑪每週預測全美4700家店，共500億件商品需求，「我們每個週末都提出一套新的預測，」「我們有12小時完成所有的預測，約3天完成所有的訓練。」@WalmartLabs 傑出數據科學家和數據科學主任John Bowman說。

但沃爾瑪的規模實在太大了，Bowman說原有的開源軟體，「隨著我們擴大演算法規模，加入愈來愈多的數據，涵蓋愈來愈多的類別，開始遇到嚴重問題」，目前其預測模型是由內部改寫和開發的機器學習演算法組成，每項商品的預測，都建立在350個數據特徵上。

除了預測消費風向，最基本的，「用來確保門市和配送中心的庫存水位，足以滿足預測的需求。它不只幫沃爾瑪控制庫存成本，也確保架上的庫存足以應付來客或網路訂單。」前@WalmartLabs印度班加羅爾主任Nitin Sareen指出。

沃爾瑪 Walmart 同時收集所有顧客的消費紀錄、住在哪裡、並從店內的免費無線網路追蹤其產品喜好。2017年的報導指出，沃爾瑪掌握了6成美國成人，近1.45億人口的詳細資料。「我們想知道世界上所有的產品，我們想瞭解世界上每一個人，然後我們想要擁有連結兩者，促成交易的能力。」前沃爾瑪全球電子商務與科技執行長Neil Ashe曾說。

它的「社會基因體計畫」（Social Genome Project）監控社交媒體上的公開對話，參透消費者的社交DNA，藉以預測消費趨勢。沃爾瑪開發的Shopycat禮品推薦APP，「透過社會基因體計畫，分析朋友的臉書上的讚、分享、發文等動態，解除送禮壓力，提高送禮樂趣。」

當人們在線上展現我們的喜怒哀樂時，沃爾瑪就從分析臉書和推特的對話，在趨勢轉成需求前，成功預測棒棒糖蛋糕機、電動榨汁機的需求，立刻進貨、鋪貨。

數據讓沃爾瑪（Walmart）能預測未來趨勢，抓出過去錯誤

除了預測未來，即時數據和分析，讓沃爾瑪從異常銷售數字中，立即抓出定價失誤，或發覺特定門市根本未將商品上架的問題。機器學習把解決問題的時間從2～3週，大幅縮短為20分鐘。「若你得花上一週或一個月分析你的銷售數字，才能獲得洞見，你那段時間的營收已經蒙受損失。」沃爾瑪資深統計分析師Naveen Peddamail說。

為了收集消費者資訊，沃爾瑪甚至在2012年推出了自己的搜尋引擎Polaris。今年2月，沃爾瑪再度收購以色列科技新創Aspectiva，利用其自然語言處理功能 (Natural Language Processing)，讓電腦擁有理解人類語言的能力，分析客戶的產品評論等用戶生成內容，並結合其瀏覽行為，以提供個人化的產品推薦。

沃爾瑪每小時產生約美國國會圖書館館藏167倍的數據，這些通通餵給雲端。沃爾瑪和微軟聯手建立全球最大的私人雲，每小時從百萬名消費者身上收集2.5 petabytes非結構化的數據，做出行銷、採購、鋪貨、庫存管理等各種決策。有一說，此舉是要和亞馬遜的Amazon Web Services (AWS)一別高下。

衝刺電子商務戰場，營造個人化體驗、用AI 工智慧鞏固生鮮市場

電子商務上，沃爾瑪仍看不到 Amazon 亞馬遜的車尾燈。

為此，沃爾瑪接連併購 Jet.com、Bonobos、中國電商 JD.com、及砸160億美元買有「印度亞馬遜」之稱的 Flipkart，去年沃爾瑪亦翻新官網，挾其龐大的數據能力，用消費者的所在地、瀏覽和購買歷史，加強區域與個人的個人化體驗。

例如，顯示當地熱門商品、通常一起合購商品、「我的門市」生鮮配送服務；提供「輕鬆續訂」功能，類似亞馬遜網站上的快速按鈕（Dash button）。去年第四季，沃爾瑪的電子商務營收成長43％，eMarketer並預測今年底沃爾瑪將分食4.6％的市場，較去年成長4％，居全美電商第三名。

沃爾瑪抓緊數據，苦苦追趕，有其苦衷。根據Accenture 2016年的調查，58％的消費者傾向在有個人化推薦的網站購物，一旦沒有，最快60秒就會失去興趣；SmarterHQ的報告則指出，在這樣的情況下，47％的消費者會直接轉往亞馬遜，便宜了沃爾瑪的頭號競爭對手。

為了拉抬線上銷售，沃爾瑪祭出廉價生鮮優勢。去年底全美有1600家門市提供生鮮配送，3100家門市設提貨中心。亞馬遜迅速回防，今年4月，旗下的全食超市推出第三波降價，以及2小時生鮮配送，1小時店內提貨，要挖沃爾瑪牆角。

這是一塊沃爾瑪輸不起的戰場。不同於亞馬遜，生鮮佔沃爾瑪全美近6成營收。金雞母保衛戰，沃爾瑪用AI和相機打造「新鮮度演算法」，名之「伊甸園」（Eden），用AI檢查蔬果缺陷和新鮮度，預測腐壞日期，確保蔬果從農場到貨架全程新鮮，終結食物（成本）浪費。在全美43個配送中心試用6個月，已替沃爾瑪省下8600萬美元，預計5年內將省20億美元。

在此之前，沃爾瑪必須派員在配送中心先目視檢查送進來的生鮮，接著再手動檢查是否符合美國農業部和沃爾瑪內部的食品標準。

「伊甸園源自我們生鮮營銷團隊工程師間的一場駭客松。」沃爾瑪部落格說。在6個月內，他們量化了美國農業部和沃爾瑪內部的食品標準，並發給稽查員一支iPhone，用Eden的APP記錄各種蔬果在不同生命週期時的樣貌，是否符合各項食品標準。這百萬張照片的資料庫，成了人工神經網絡進行深度學習最佳教材。

當稽查員在現場拍下照片時，機器將比對資料庫中的圖像，經過一層層，千百萬個神經元的數值運算後，評估蔬果新鮮度，預測保存期限，最後決定接受或退貨。沃爾瑪還把iPhone送到農夫手上，讓他們在農產品運送前先拍照，通過伊甸園把關再上路，從頭減少因品質而被退貨所衍生的成本。

「這代表（我們）能更有效率地催熟香蕉，當番茄還長在藤上時，就預測出它的保存期限，或依此調整蔬果上架的優先順序。」沃爾瑪供應鏈技術副總工程師Parvez Musani分析。販賣生鮮是一場和時間賽跑的賭局。時間，就是金錢。

除了產地和配送中心的品管，他們發現運輸過程中的溫度，也會影響蔬果新鮮度。為此，伊甸園即時監控蔬果在貨車裡的溫度，若發現溫度飆升導致蔬果「短命」2天，則立刻重新安排貨車路線，送到較近的配送中心，減少損失。

Musani舉例，沃爾瑪的明星商品香蕉，來自7個拉丁美洲國家，鋪貨到全美4千多家門市。不久的未來，在跨洲、跨國、跨州的長途運送過程中，伊甸園會重新估算「新鮮度」，決定香蕉運到哪裡。「最後香蕉會運到較近的門市，確保最新鮮，消費者樂於買一串美味香蕉，人人皆大歡喜。」

跟 Amazon 亞馬遜搶食 AI 語音購物市場

眼紅於亞馬遜語音助理Alexa登堂入室，開口即可在亞馬遜下單，沃爾瑪也想搶食語音購物市場。

近來的專利申請，透露沃爾瑪打算在產品中內建物聯網電子標籤，以監控家用品的使用情況，例如追蹤保存期限，或你提起洗潔精的次數，藉此推測何時需要補充，自動加入你的購物清單，並為沃爾瑪提供顧客行為的龐大數據，包括產品使用的時間和頻率。

今年4月起，直接呼喚Google Assistant也能在沃爾瑪下單，可在全美超過2100家門市提現貨，800家門市領取網購商品。由於語音下單容易指示不清（例如：買2罐洗衣精），為求準確，沃爾瑪顧客的消費記錄將和Google Assistant帳號綁定，以判斷脈絡。

儘管目前語音購物對營收的貢獻很小，分析師紛紛預測這是未來趨勢。為了「不落人後」，沃爾瑪甚至投資一家針對上流社會的個人購物服務新創Jetblack，會員可用簡訊「遠端遙控」購物員幫他們購物，年費要價600美元。

簡訊的文字，是絕佳的機器訓練素材。「沃爾瑪正在利用Jetblack的大批人力來訓練其AI，盼其有朝一日能提供自動化的個人購物服務，為搜尋欄消失，聲控購物成為主流的那一天，提早做好準備，」Jetblack執行長Jenny Fleiss告訴《華爾街日報》。該報分析，沃爾瑪將該投資視為AI和語音購物的研究中心，打算用它來打造和亞馬遜Alexa抗衡的秘密武器。

而JetBlack正是從沃爾瑪位於矽谷的科技孵蛋器Store No.8孵出來的新創公司。為了尋找下一代的零售科技，沃爾瑪透過Store No.8來孵化、投資新創，與創投和學術界合作，開發機器人、虛擬實境、機器學習和AI技術。

AmazonGo會是沃爾瑪的未來嗎？

自去年10月底，沃爾瑪旗下的倉儲式商店Sam’s Club宣布將在德州開第一家無結帳員的超市後，大家都在揣測沃爾瑪超市何時會跟上AmazonGo的無人店。

4月底，沃爾瑪公布了它的「未來超市」。它改造了紐約州Levittown的門市，化身「零售智能實驗室」（Intelligent Retail Lab），在真實運作的超市裡，裝滿感應器、攝影機、並建有龐大的數據中心。「這些硬體佈線之長足以爬聖母峰5次，處理能力之強大每秒能下載3年份的音樂（27000小時）。」沃爾瑪的部落格寫著。

5萬平方呎，3萬件商品，超過百名員工，可以確定的是，沃爾瑪的未來藍圖，不是AmazonGo。

具有人工智慧的攝影機，並非用來分辨消費者拿了什麼，好自動結帳，而是用來監控貨架上的存貨。機器「看見」架上商品，準確辨識品項和數量，並對照預測銷售需求的量，即時通知員工哪些商品空了，立刻補貨，或哪些放太久，立即下架。如此一來，確保架上永遠有貨，而且絕對新鮮。

這不是沃爾瑪第一次用AI來即時盤點庫存。

走進今天的沃爾瑪，你可能會碰到Auto-S貨架掃描機器人，穿梭在繁忙的貨架間。

自駕車的感應器和人工智慧，讓它能即時辨識路徑中的障礙物，優遊於樑柱、顧客、店員之間，避免碰撞。身高2英尺（約60公分），機器手臂最高可達8英尺高，裝有高解析度相機可快速掃描架上存貨、標價標籤和商品位置，而且免傳雲端，運用卡尼基美隆大學研發的Hawxeye人工智慧，機器人可現場用機器學習進行圖像辨識，加快分析速度，減少無用數據。

不到1小時，機器人就掃完數十個貨架，找出缺貨、庫存過低、沒有標籤、標價錯誤和錯置的商品，通知店員處理。在過去，這得花上一群人數天時間才能完成。

目前全美有50家沃爾瑪使用Auto-S貨架掃描機盤點架上商品。目前總里程650英里（近1千公里），尚未發生任何事故。來源：KPIX CBS SF Bay Area / 沃爾瑪
這提升了顧客的便利性，確保他們總能在對的貨架上找到想買的東西。對沃爾瑪而言，這能降低人事成本，減少貨架空間的浪費，但它還有更重大的意義：「驅動這類新科技的動力，是走向全通路零售的必要性。為了提供當天、低價或最後一哩運送，你必須以這些門市做為配送中心。但要實現這個目標，他們真的需要即時掌握架上有什麼，」Auto-S的製造商Bossa Nova執行長Bruce McWilliams接受Venturebeat採訪時說。

入口處的自助提貨塔就是明證，只要掃描你的網路訂單條碼，45秒內你的貨就會出現在輸送帶上，取貨變得跟「高科技自動投幣機」一樣方便。自駕車配送也進入測試階段。

去年11月，沃爾瑪宣布與福特合作，用自駕車宅配；7月，和Waymo（Alphabet旗下子公司，專門研發自駕車）聯手，在亞利桑那州小規模試點，「http://xn--walmart-6p3l44vn4ljhs1l8c981cucbz07isk0a.com/grocery下單，選擇到店取貨，我們的個人購物助理便會依據取貨時間，細心準備訂單上的商品。剩下的就交給Waymo。Waymo會接送顧客往返門市取貨，你可以利用這段時間完簡訊、小睡、工作，隨心所欲。」沃爾瑪部落格如此描述。

這一切聽起來，像是科幻小說？

沃爾瑪可不這麼認為，「今天，變化的速度很快。10年前，多數客戶還在讀第一代iPhone的消息，懷疑是否實用。現在，他們用手機上買東西，就期望宅配到府或店裡取貨 – 而且通常是當天，幾小時內，甚至幾分鐘內，」沃爾瑪執行長董明倫（Doug McMillon）說，「零售商得適應這些變化 – 在某些領域甚至引領潮流 – 不然就會落後並消失。」

附圖：圖說：去年改版後的沃爾瑪網站，新功能包括當地熱門商品、快速追蹤訂單、快速續訂、我的當地門市服務等，強化區域及個人化體驗。來源：沃爾瑪
圖說：伊甸園的APP介面，機器藉由照片的圖像辨識和比對，預估蔬果新鮮度。來源：沃爾瑪

圖說：只要45秒，16英尺高的自助提貨塔，就會準備好你訂的商品。來源：沃爾瑪

資料來源：https://ai-blog.flow.tw/walmart-ai-data-retail

創新工場AI工程院王詠剛院長的第三篇AI教育遊戲。家長快收藏！

文章來源：微信公眾號半輕人（ban-qing-ren），推薦關注。
…………………………………………………………

AI時代，陪孩子玩什麼遊戲？

之前寫過兩篇《AI時代，陪孩子玩什麼遊戲？》，很久沒更新，倒不是因為這段時間不陪非非玩遊戲了，主要是其他事情太忙，很少有時間坐下來把思路和文字整理好。

頭兩篇文章基本是從遊戲出發，首先要好玩，然後才是讓孩子從中悟到一些可以積累下來的東西。兩篇文章的連結：

《AI時代，陪孩子玩什麼遊戲？（一）》
https://mp.weixin.qq.com/s/xWjmiWKRa4OOpJ1EFZrJdA

《AI時代，陪孩子玩什麼遊戲？（二）》
https://mp.weixin.qq.com/s/mt_meqxB4DjOWj2msSIO5Q

▍費曼的“末世”假設

第三篇打算從一個假設開始講起。費曼（Richard Feynman）在他的《物理學講義》中說，“假如由於某種大災難，所有的科學知識都丟失了，只有一句話可以傳給下一代，那麼怎樣才能用最少的辭彙來傳達最多的資訊呢？”費曼這個假設很科幻，可以和阿西莫夫關於《銀河百科全書》的假想類比。費曼自己給出的答案是，“所有的物體都是由原子構成的”。

切換到兒童教育領域，其實也有一個類似的假設值得思考：如果因為某種極端情況——比如我必須隱姓埋名去研發秘密武器對抗外星人——我即將和孩子長期分別，只能給孩子留下一句話。怎樣才能用一句話，把家長想傳遞給孩子，讓孩子受益的經驗或知識講清楚呢？不知大家心裏想到的是哪句話？我自己呢，最想跟我們家非非說的一句話是：

萬事萬物都在變化，沒有什麼千秋萬代，也罕有什麼絕對真理；人，最好學會自己判斷。

坦白講，這句話小孩子很難聽懂。

這世界上，有三件事最適合懶人：絕對的價值觀，武斷的思維，從眾的態度。

我們年輕時，不也喜歡用非黑即白的方法去看待整個世界嗎？看個電影，我當年非要問大人，這電影裏哪個是好人，哪個是壞人；中學時朦朧看見愛情，總覺得幸福的愛情就如天堂一樣全無瑕疵；稍有些歷史觀念時，一會兒覺得英雄與惡魔才是歷史的主角，一會兒又覺得勞動人民創造歷史的說法無比正確；初入職場做碼農時，還習慣性地用黑白二元論評價某種編程語言是絕對好的，某種操作系統是絕對壞的……

孩子容易被“懶人三件事”裹挾著走，我們就有義務時不時提醒孩子，這世界並不是那麼簡單。陪孩子玩遊戲，跟孩子聊天，或者回答孩子提問時，就是我們潛移默化讓孩子體驗一些類似思維方式的機會。就算以後孩子仍缺少辨識力和判斷力，他們至少會知道這世上並不是所有人都用同一種方式思考問題。

▍時有古今、地有南北

我當年在北大聽過些文史課程。有位文科老師經常用誇張的字體在黑板上寫下“時有古今、地有南北”八個大字。他是想提醒我們，文字、音韻、訓詁乃至詩詞歌賦、天下文章，都會隨著時間、地域變化而改變。倘若連這個基本道理都不懂，非要把此時此地的東西，生搬到彼時彼地，肯定會栽跟頭。

非非喜歡各種帶有文化、歷史意味的東西。這就給了我很多機會，來提醒他幾千年裏隨處上演的時移世易，滄海桑田。比如，有時候看見相聲或電視劇讓大宋東京汴梁的人說河南話，讓秦皇漢武說陝西話，我就會告訴非非，這東西當笑話聽聽可以，千萬不要認真。認真來說，無論是秦皇漢武，還是李白杜甫，他們的講話如果有錄音流傳，今天九成九的人是聽不懂的。

非非不信。我就拿他早已背熟的詩詞舉例子。比如張志和的《漁歌子》：

西塞山前白鷺飛，
桃花流水鱖魚肥。
青箬笠，綠蓑衣，
斜風細雨不須歸。

按照《漁歌子》的詞牌，“飛”、“肥”、“衣”、“歸”這幾個字押韻。可用今天的普通話讀起來，衣服的“衣”字顯然和其他幾個字不押韻。我跟非非講，人們說話的語音，每隔百十年，就會有非常顯著的變化。張志和這首詞作於唐代，離現在一千多年，每個字的讀音幾乎都與今天的普通話有巨大差異。古時押韻的一組字，到今天就不一定押韻了。

非非很好奇地問，那我們該怎麼知道古代人是怎麼說話的呢？

這個問題問得好。就算是語言學家或古漢語專家，也未必能用兩三句話講清楚。但如果只是想給小孩子講明白其中的基本道理，倒也不需要搬出《漢語語音史》之類的大部頭。往前倒數一百年，清末民初人們說話的錄音甚至錄影還能找到一些。比如B站可以找到《清朝人的普通話是什麼味兒》（https://www.bilibili.com/video/av7050107，視頻裏其實都是民國時的錄音錄影片段）。把這種視頻、音頻放給小朋友聽，效果立竿見影。小朋友很直觀就可以明白，短短一百年，口語語音就會有非常明顯的不同，更別說上千年的變遷了。

再上溯到唐宋乃至秦漢，那時錄音錄影技術還沒發明，當然沒法直接知道古人說話的語音。但我們仍有辦法“猜測”當時每個字的讀音。這裏沒必要講聲韻學的知識。為了跟非非講解語言學家是怎麼猜測古代讀音的，我舉了數獨（Sudoku）遊戲的例子。難度低的數獨遊戲，留白的格子很少，比較容易根據規則和周邊數字猜出答案。難度大的數獨遊戲，留白的格子很多，猜起來要複雜一些。

猜測漢語古音也類似。我們有一套從漢語發展中總結出來的規則，也有很多有用的提示資訊，比如古詩詞裏互為押韻的韻腳，古代韻書對漢字讀音的分門別類。提示資訊越多，我們的猜測就越有可能接近真相。提示資訊越少，我們的猜測就越像是一廂情願的假想——但每種假想仍需符合規則，至少要能自圓其說。

猜唐宋音相對容易些，因為提示資訊很多。要猜先秦兩漢音就難不少，因為資料太少。上面提到“衣”和“飛”押韻，這情況不僅在唐朝如此，在先秦的《詩經》中也是如此。《詩經·柏舟》中有這樣的句子：

日居月諸，胡迭而微？
心之憂矣，如匪浣衣。
靜言思之，不能奮飛。

王力《詩經韻讀》對《柏舟》三個韻腳的注音分別是：微（miuəi）、衣（iəi）、飛（piuəi），微部。這樣的注音未必就能反映先秦語音的真實情況，但已經是語言學家對古代漢語的一種能自圓其說的“擬音”了。網上有不少有趣的錄音，是現代人根據語言學家的擬音體系來模仿古人說話、吟詩的記錄。作為娛樂目的，這些錄音可以放給小朋友聽聽，讓小朋友直觀地感受下語音隨時間而產生的巨大變化。但千萬不要告訴小朋友那就是真正的古音，因為無論是擬音體系還是播音者對擬音的理解，都未必完全準確。

說到押韻，人們天生就對押韻的句子有感覺，小孩子也不例外。非非小時候就會偶爾說出些押韻的句子，比如“我要吃飯/吃個雞蛋”，然後下意識重複並咯咯大笑。到一年級開始學拼音時，我就有意跟他講些押韻、對仗的小知識。我們倆經常口頭做些末字必須押韻的“打油詩聯句”遊戲，或者完全不講究平仄和工整的“對對聯”遊戲。這些小知識和小遊戲對培養孩子的漢語語感和基本語言素質肯定是有幫助的，也正好能和他們旺盛的創作欲關聯起來。

比如小孩子都喜歡傳播、創作打油詩，也喜歡用童謠編派人、捉弄人。我們小時候就經常唱“某某某的頭，像皮球，一踢踢到百貨樓。”沒想到非非他們學校裏，也唱類似的童謠，而且具體唱詞和我們小時候還有不少區別。和同年齡孩子一樣，非非特喜歡這些難登大雅之堂的市井謠諺。他還經常和同學比著用自己的話修改這些惡作劇式的順口溜和打油詩。我覺得，只要不是惡意中傷或言辭猥褻，小朋友們玩這些語言遊戲，並沒有什麼不妥，這本來就是童年時光的重要部分。

有一天，非非回家唱道，“床前明月光，李白睡得香，夢見機關槍，嚇得尿褲襠。”我就問非非，這打油詩是誰想出來的。非非也說不清楚，只知道是在他們班小朋友之間傳唱的。我上網搜搜，果然又查出這童謠的許多類似版本：

┃ 床前明月光，李白睡得香，夢見屎殼郎，嚇得尿褲襠。
┃ 床前明月光，李白睡正香。忽然瓢潑雨，急呼兒他娘。起來幹什麼？出門收衣裳。
┃ 床前明月光，李白想喝湯，喝了一碗湯，尿了一褲襠。
┃ 床前明月光，李白睡得香。三更半夜鬼敲門，嚇死路邊過路人。
┃ ……

“床前明月光，李白睡得香”這樣的童謠，在不同時代和不同地域，流傳、衍生出許多不同的版本，反映的不也是語言文字“時有古今、地有南北”的變化規律嗎？

▍凡爾納愛好者

非非愛讀儒勒·凡爾納的科幻小說——當然，目前更多是用“聽書”的方式。最近一年多的時間裏，非非在某電臺APP的有聲小說欄目裏，先後聽完了《海底兩萬裏》《八十天環遊地球》《神秘島》《格蘭特船長的兒女》《從地球到月球》等五六部小說。這些小說裏，他最喜歡的是那幾位有博物學家特質的人物，比如《海底兩萬裏》裏精通分類理論的孔塞伊（Conseil）。

因為喜歡孔塞伊，非非也特別願意主動去閱讀、記憶動植物分類知識。家裏幾本兒童動物百科、海洋百科都快被他翻爛了。這種特別喜歡深鑽某個領域的現象，在小朋友身上其實還挺常見的，只不過不同小朋友喜歡鑽研的方向不同罷了。非非深鑽動植物分類知識的結果就是，他現在能隨口說出很多我們根本不知道名字的古生物或當代動植物名字，還大致知道這些生物在分類體系的位置。

我有時擔心，非非會不會被這些繁冗的分類學知識束縛了頭腦。其實，分類學體系本身也不是一成不變的。動植物分類會隨著人們對生物形態認識的深入而不斷更新。特別是進入了基因科學時代後，人們對傳統動植物分類理論又有了非常多全新的認識。另外，針對不同的科研目的，完全可以選擇不同維度對動植物分門別類。可是，我們該如何讓小朋友初步瞭解這些發展的和動態的思維方式呢？

我和非非玩一種叫“卡片分類”的小遊戲。這遊戲並不強調分類的系統性和專業性，而是強調有沒有新穎好玩，又符合一定邏輯的分類角度。

比方說，因為非非喜歡動物，我就讓他隨口說出一些動物名字。有一次，他說出了七種動物的名字：大象、座頭鯨、水蚺、烏賊、蟑螂、章魚、鸚鵡螺。這裏面有些動物名字還挺有趣的，比如“水蚺”，我就不太熟悉。非非積極地給我講解“水蚺”的正確讀音是什麼，究竟是一種什麼動物。再比如“蟑螂”確實是非非當時喜歡的動物，他經常莫名其妙地說自己就是一只小蟑螂——小孩子的心思真是搞不懂。不過沒關係，反正都是非非喜歡的動物就行。我把這些動物名字分別寫在彩色便簽紙上，然後讓非非做一個簡單的工作：把這七種動物分成兩類或多類，並告訴我為什麼這樣分。

不出所料，非非的第一種分類方法就是他熟知的傳統動物分類法。他飛快地把座頭鯨、大象和水蚺分成一類，因為這三個動物是脊椎動物，而其他四個動物，烏賊、章魚、鸚鵡螺和蟑螂，都是無脊椎動物。非常正確。非非甚至還可以進一步告訴我每個動物的細分類別。

我當然不滿足於這樣簡單的答案。我問非非，這些動物一定要從分類學的大類上才能區分成兩類或多類嗎？有沒有其他的角度可以把它們分開？非非的思維一時還陷在動物分類學的束縛裏，他左思右想，取巧似地想到了一種方法：蟑螂是昆蟲，單獨作為一類；其他的動物都不是昆蟲，合為另一類。

這真是抄近道的解題法。非非當然還可以把這七種動物分成哺乳動物和非哺乳動物，軟體動物和非軟體動物，等等。但這些方法，不還是圍繞著動物分類學的類目來展開的嗎？

“你能想像出來的，又奇特、又合理的分類角度有哪些？” 我問非非，“舉個例子，我和你都是哺乳綱靈長目人科人屬智人種，但還是有很多特徵可以將我們倆區分開來，比如我們倆身高不同。”

聽到這裏，非非開始有了新的思路。稍動腦筋，他就給出了一個出乎我意料的分類方法：這七個動物的名字裏，有三個名字的漢字包含蟲字旁，而另外四個不包含蟲字旁。

這真是一種有趣的、開腦洞的分類法。我喜歡這樣的思考方式。用這樣的方法，非非一下子找到了好多他以前沒想過的分類角度，比如按照動物的生活空間，把七種動物分成海洋動物和非海洋動物，按照動物的身長和體重，把它們分成大型動物、中型動物、小型動物，按照動物最早出現的時間，把動物分入不同的地質年代，等等。

分完了動物，我又鼓勵非非說出幾本圖書的名字，然後對圖書做分類。他列出了六本書：《海底兩萬裏》《西遊記》《史記》《論語》《資治通鑒》《毛主席語錄》——我也不知道他當時為什麼列出這六本，只是如實記錄我們的遊戲過程。

對於這六本書，非非首先想到的是將六本書分成三類，語錄體裁的書有兩本，歷史書有兩本，小說有兩本。這個分類方法中規中矩，沒太多新意。

我鼓勵非非探索新的分類方法時，非非又做了一次出乎我意料的選擇。他十分肯定地說，《西遊記》和《海底兩萬裏》這兩本小說，是虛構的故事，而其他四本書，講的都是真實世界裏的事情。七八歲的小朋友能有這樣的認知，還挺讓我驚訝的。當然，我不是特別肯定，非非是不是從學校裏知道了“虛構類圖書”的說法。但我還是主動跟非非講，在很多實體或網上書店裏，流行圖書就是按照“虛構類”和“非虛構類”來劃分的。自己的分類法居然與很多書店的通行做法類似，這讓非非很得意。

接下來，非非又提出了一個新的分類界限：《論語》《史記》《資治通鑒》是元朝以前撰寫的，而其他三本書是元朝以後撰寫的。我不太知道非非是怎麼想到元朝這個分界點的。如果要找一個時間點，正好把六本書分成三本一類，那至少得知道《資治通鑒》是宋朝作品，《西遊記》是明朝作品。我不是很確定，非非是不是碰巧說對了分界的朝代。

非非提出的下一個分類方法是按作者的國籍來分，中國作者一類，外國作者一類。這個思路相對普通些。

非非給出的一種開腦洞的分類方法仍然是從書名漢字出發的，就是按照書名漢字的個數，將六本書分成四類。這分類法雖然沒啥用，但足以讓小朋友感受到發現新視角的成就感。

趁著玩遊戲，我也給非非多少講了講圖書分類的歷史沿革，比如劉向劉歆父子的《七略》，後來的四部分類法，中國圖書館分類法，美國國會圖書館分類法等等。不同地方、不同歷史階段，人們對圖書分類——其實是對人類積累的全部知識進行分類——的認識也大為不同。這也是一種“時移世易”。

以後，等非非再大一些，這種分類小遊戲還可以延展到更高級的階段。為一個真實存在的知識體系建立完整、高效的分類體系並不容易，其間存在著很多必須處理的歧義問題、多義項問題、多重歸屬問題等等。更高級的知識體系梳理和建構方法，自然也存在著先天的多樣性，必須根據實際應用的需要來權衡、選擇。

▍用選擇與權衡來應對變化

小朋友看問題容易絕對化。有時候家長跟孩子交流，也習慣性地帶入童年思維，用絕對化的方式講問題。比如我們經常說“上學一定要聽老師的話”，但真遇到了老師教學中不准確的地方，該怎麼跟孩子解釋呢？再比如，我們經常簡單地告訴孩子“氣溫在零度以下時就會下雪”，但若真在生活中遇到零度以上下雪，或零度以下降雨的事情，又該怎麼跟孩子說明呢？生活中為了方便，說些抄近路、省去限制條件的話，當然無可厚非。但孩子成長過程中，還是應該想辦法讓他們認識到，這個世界大多事情是有條件的。一個條件的細微變化，就有可能引起事物本身的劇烈變化。絕對的、無條件的事情是極少存在的。

另一方面，小朋友也較少理解什麼是事物或條件間的相互影響、相互制約。比如非非三歲多時，有一次在臨睡前提出，他既想睡到自然醒，又想第二天起來看日出。可如果不叫他，他是無論如何也沒法在日出前起床的。我們建議他二選一，或者看了日出再接著睡，或者放棄看日出，他就覺得我們是在欺負他，大哭大鬧起來，甚至吼著要“讓太陽晚出來一會兒”。看日出和自然醒不能兩全，這種事物相互影響，需要權衡利弊做抉擇的事情在生活中有很多，小朋友們需要的是習慣它們而不是厭惡它們。

有時候，我會有意識地設計一些小問題，主動讓非非做一點選擇或權衡。比如，假設非非要在學校的跳蚤市場上銷售自己用彩色瓦楞紙折的小玩偶，玩偶的定價越高，預期的銷量就越少，玩偶的定價越低，預期的銷量就越多。那麼，非非該為自己的玩偶定什麼樣的價錢，才能取得最大的銷售收入呢？這問題和我們在第一篇中講過的極值問題，擁有類似的數學核心。比如，我們可以人為設定，玩偶的銷量和價格之間的關係是：

銷量 = 10 - 價格

於是有：

銷售額 = 價格 x (10 - 價格)

這就還原成了周長為10的矩形，其面積在什麼情況下最大的極值問題。當然，其他類似的數學模型也可以建立銷售額和價格的關係。但具體採用什麼數學模型或什麼函數不重要，非非只要在數值計算的層面上，能用1到10這樣的簡單整數代入計算，然後觀察結果的變化規律就行了。數值計算很容易發現，在1到10的價格區間裏，既不是價格越低銷售額就越高，也不是價格越高銷售額就越高。非非必須從觀察數據出發，選擇出一個合適的價格，以獲得最大的銷售額。

還有一個更直觀也更有趣的場景是攝影。現在的孩子很小就能拿手機拍照。而拍照本身，就是一個不斷選擇參數、做各種權衡與折中，以得到最佳效果的過程。有空的時候多陪孩子玩玩攝影，既可以讓孩子體驗不同條件對拍攝結果的影響，也可以讓孩子自己動手嘗試創作過程裏的選擇和權衡。

比如在iPhone手機的缺省相機程式裏，就算不去精確控制拍攝參數，我們也必須針對拍攝對象，選擇是拍“照片”“人像”還是其他模式。這選擇很簡單，其中也有很多好玩的事情可以讓孩子體驗。比方說，小朋友嘗試幾次之後就很容易知道，用“人像”模式拍照，iPhone或其他主流手機都會對目標周圍的背景進行虛化，以突出人物主體。這其實是用演算法模擬了專業相機在大光圈時的淺景深效果。

但是，影響照片景深大小的，只有光圈（或用人像模式模擬大光圈）這唯一的因素嗎？當然不是。我們可以指導小朋友用普通的“照片”模式做一個小實驗：把手機移動到距離要拍攝的主體特別近的地方，用手指觸碰取景螢幕上的目標主體以保證對焦正確，然後拍下來的照片，就會呈現類似大光圈時的淺景深效果。

從這樣的小實驗裏，小朋友完全可以總結出，影響照片景深的不止有一個因素。相機鏡頭距離前景目標的距離，也可以用來控制照片的景深。

拍照過程中，有很多可以設置的參數，他們交叉影響著諸如景深、曝光度、噪點數量、清晰程度等各種結果。這些參數，完全可以放開手讓小朋友自己去體驗、摸索。這種遊戲的目的並不是教小朋友學習專業攝影，而是讓小朋友從玩照相中體驗到條件與結果之間動態、複雜的因果關係。

在iPhone缺省相機程式裏，點擊取景畫面，然後用手指移動黃色方框旁邊的小太陽圖示，可以直接改變照片的曝光程度，有意得到過曝或欠曝的圖片，或者在手機的自動測光給出的結果過亮或過暗時手動修正。如果用手指按住“照片”“人像”這一行的模式設置按鈕，往上輕輕一劃，還可以拉出更多可以控制閃光燈、夜景模式、實況模式、畫幅、濾鏡的按鈕來。

我經常鼓勵非非在手機相機程式裏隨便嘗試，讓他自己體驗對照片結果的不同控制手段，然後再鼓勵他用手機相機做各種自由發揮式的“創作”。這種創作更像是遊戲，不追求結果是否好看，只是讓小朋友盡情體驗變化的樂趣。

對大一點的小朋友，如果有機會向他們介紹專業相機曝光所依賴的“光圈”“快門”“ISO”這三個神奇的參數，那會是一個更有意思的體驗選擇與權衡的遊戲。簡單說，影響相機曝光的“光圈”“快門”“ISO”三個參數構成了一個互相牽制、互相依賴的“神奇三角”：

為了曝光準確，光圈調大一些，快門速度就要調快一點，或者把ISO調小一些；假如快門速度調慢些，光圈就要相應小一些，或者把ISO調小些……為了完成正確曝光，三個參數的取值可以有許多種組合方式。究竟選取哪個組合方式，這取決於我們想把照片拍成什麼樣：是景深小一點，還是景深大一點？是想把運動瞬間凝固起來，還是讓運動物體拖出一個模糊的影子？是讓照片更細膩，還是讓照片的顆粒感更強？

佳能有個網頁版的小遊戲，不需要專業相機，就可以體驗光圈、快門、ISO三者間的關係，直觀地感受三個參數對成像的影響。推薦喜歡攝影的家長和小朋友一起玩一玩。小遊戲的網址是：http://canonoutsideofauto.ca/play/

▍什麼是“聰明”

非非上一年級時，有一天跟我們說：“我發現我們班上女生都比較聰明。”

我問他：“為什麼呀？”

非非說：“因為女生上課時回答問題比較快，考試時好多題目都能答對。”

非非是個資質普通的小朋友，和很多小朋友一樣貪玩，沒耐心，還特別排斥自己不喜歡的事。我們很少跟他討論同齡小朋友間誰更聰明的話題。非非既然這麼問，也許他做過一些認真的思考。

我引導他說：“確實，回答問題快、考試答題好的人是挺聰明的。可聰明其實有很多種，不同的小朋友會在不同事情上表現得很聰明。有的小朋友畫畫很好，有的小朋友愛打籃球，有的小朋友擅長交朋友……這些都是聰明的小朋友。”

非非說：“我特別喜歡歷史，可以給老師、同學講很多歷史小故事。我也喜歡科學小實驗，每次科學課上我都積極發言。我是不是也很聰明呀？”

“當然啦！”我誇獎他說。

我當然希望非非越來越聰明。但孩子是否真有天賦，在哪個方面有天賦，這是不能強求的。不加分辨地一味灌輸知識技能、揠苗助長肯定不行。我之所以經常花時間跟他玩遊戲，陪他一起聊科學和歷史方面的小故事，主要是想依著孩子自己的興趣愛好，讓孩子在遊戲和交流中積累自己的思維方法，用正確的視角去觀察變化的世界。

人的一生有太多事情需要經歷，有太多變化需要適應。家長與其把時間都花在教孩子某種具體技能上，還不如多讓孩子開開眼界，看看這個世界的豐富多彩，體驗這個世界的千變萬化。惟其如此，孩子未來在獨立面對這個世界時，才會更從容、更積極、更自信也更聰明。