為什么滴滴不給你派最近的車

巴九靈

時常有人會問：為什么滴滴不給我派最近的車？這要從一個久遠的經濟學問題說起……

全局最優與局部最優有什么不同？

一些古典經濟學家認為，追求個人利益的最大化，就能累加成群體利益的最大化。但保羅·薩繆爾森指出，這是“合成謬誤”——誤以為在局部成立的事，就能在全局成立。薩繆爾森的侄子、哈佛前校長勞倫斯·薩默斯舉過一個例子：會場里一個觀眾站起來，他看得更清楚了，能推廣到整體嗎？在運籌學領域，“貪心算法”寄希望于，通過每一步選擇當前的最優，從而實現結局的最優。一個雪球，面對一條很陡很短的賽道和一條很緩很長的賽道，該怎么選？貪心算法會選擇初期增長快的，然后早早陷入停滯。而巴菲特會說：人生就像滾雪球，重要的是發現很濕的雪和很長的坡。

人們漸漸發現，全局最優沒那么容易，甚至總結出了一些經典錯誤模型比如公地悲劇。

一塊公有草地，人人有權利使用，卻無人有義務維護，結局是什么呢？每個牧羊人都會帶大群的羊來吃草——他們知道草地承受不住，就更不愿落后于人——最后公地不復存在，這就是“公地悲劇”。公地悲劇有很多衍生情況，例如濫用形容詞下調“形容詞的有效性”。多年以前，“美女”一詞表達了對女性容貌的贊美。但是逢人就喊“美女”的人越多，這個詞的效力就越弱。

日本人又發明了一種辦法——加時間或空間限定詞。先是“十年一遇的逸才”松井珠理奈，后是“千年一遇的美少女”橋本環奈，中國的鞠婧祎被他們冠以“4000年一遇的偶像”，小栗有以是“20000年一遇的美少女”，百川晴香是“300萬光年一遇的美少女”……時空還在持續貶值中。拉長時間尺度，更容易看出詞義的弱化?！蹲髠鳌防?，“餓”表示比饑更嚴重，已經無法自主進食的狀態，“餓死”表示真的餓死。兩千多年后的今天，下午四點就能聽到“我餓啦，餓死啦！”

公地悲劇稍一變化，就成了搭便車問題：

當一個公共品不付錢也能用的時候，每個人都傾向于不付錢（局部最優），但所有人都不付錢的話，就沒公共品可用了（全局最劣）。

搭便車問題也有很多衍生情況，例如公共防疫：

假如全國只有一個人沒打疫苗，那他和打了疫苗一樣，幾乎不可能染病，但是這樣的人多到一定比例，疫情就會暴發。

2000年，美國宣布消滅麻疹。2010年到2017年，美國有超過250萬兒童未接種麻疹疫苗，結果2019年上半年，麻疹疫情在美國卷土重來，染病人數創下近25年新高。

那么，全局最優是什么樣呢？并不是所有場景都能實現全局最優，因為全局最優往往需要“上帝視角”和“頂層規劃”。

往大里說，氣候變化協定、關稅貿易協定、央行征信系統、全民防疫計劃、高鐵航運規劃就是追求全局最優；往小里說，滴滴的車輛調配方案就是追求全局最優。

很多人有過疑問，為什么明明附近有車，滴滴卻要派一個遠處的單？——為的就是全局最優。

滴滴本質上是一個協調者、撮合者，運用大數據算法和經濟學規律，在高峰期盡量讓更多乘客能打到車，讓低谷期司機能夠有單可接。

大數據算法意味著，讓更多的人更快打到車，未必是個別用戶打到最近的車，但所有人的整體等待時間縮短了。

互聯網、大數據、人工智能，讓全局最優成為可能。