如果世界可以被计算，我们会不会活在模拟里？

如果有一天，AI 解开了一道千禧年数学难题，接下来会发生什么？

这是一个设想。截至 2026 年 9 月 14 日，Clay 数学研究所官网的已解决名单里仍只有庞加莱猜想，由佩雷尔曼完成。^[1]

如果 AI 交出的证明经得起检验，我们会得到一个等待已久的答案，也可能重新看待那些一直解不开的问题：究竟是世界太难理解，还是我们的能力暂时不够？

假如 AI 能继续找到更深的数学关系和物理规律，我们也许就能更准确地推演许多原本只能观察的现象。再往前想：如果整个世界，包括我们自己，都可以被计算呢？

马斯克说过，我们生活在“基础现实”中的概率只有几十亿分之一。^[2] 所谓基础现实，就是没有被另一个世界模拟出来的那一层现实。

这很容易让人联想到一起：AI 对世界理解得越深，世界似乎就越像一段可以运行的程序。既然可以运行，我们会不会已经在某次运行里面？

不过，能算出一个世界，为什么就能说明我们住在里面？

解开一道难题，离算出整个世界还有多远

千禧年难题里，有一道与水流有关：Navier–Stokes 方程的存在性与光滑性问题。这套方程描述流体怎样运动，悬赏题目则要研究：在三维、不可压缩等规定条件下，满足要求的光滑解能否始终存在，或者能否构造出不成立的情形。^[3]

假设 AI 解决了它，我们会更清楚这套方程的性质。但从这里到“把明天一条河里每一处水流都算准”，还要知道河道、初始水流和外界作用，找到可用的计算方法，并确认模型适合眼前的情况。

证明回答了数学问题，具体河流的条件还得另外测量和确认。

把对象换成整个世界，要补齐的信息就更多了。我们得知道它遵循什么方程、处于什么状态，还得在有限时间里把结果算出来。计算设备本身也受物理条件限制，能量等条件会约束它的处理速度和信息容量。^[4] AI 可以改进方法，却不会因为更聪明，就自动获得缺失的信息和资源。

“世界可以被计算”，具体又是指什么？在一定范围内近似模拟，和完整重现每个过程，需要的能力不同。给出某种结果的概率，也不等于能提前报出每一次实际发生的结果。只说“可以计算”，会把这些差别藏起来。

解开一道题，让我们对那个问题知道得更多。整个宇宙是否可计算，还没有得到回答。

但不妨继续设想：未来的智能跨过了这些困难，某种计算真的能完整实现一个与我们相似、内部也有观察者的世界。到这一步，马斯克的判断就成立了吗？

马斯克说“大概率”，概率从哪里来

马斯克在 2016 年 Code Conference 上的思路，是从游戏的进步开始的：从简单的 Pong，到越来越逼真的多人游戏，再推到未来可能与现实无法区分的模拟。他设想这样的模拟会有极多份，于是认为我们恰好处于基础现实的机会极小。^[2]

这里影响概率的，是模拟里究竟有多少像我们这样的观察者。游戏越来越逼真，可以用来讨论它是否有一天会与现实难以区分。要说我们“大概率”身处其中，还需要模拟中的观察者数量足够多。

把这个想法缩小一点：假设有一百万个与我经历相似的观察者，只有一个在基础现实里，其余都在模拟中。假如我没有别的线索，也接受把自己视为其中任意一个、机会相等，那么我更可能在模拟里，这个判断说得通。

可这一百万个观察者，是我们在设想里放进去的。数量先假定好了，算出的比例也只能跟着这个假定走，还不能当作已经测得的宇宙事实。

哲学家 Nick Bostrom 的模拟论证，把这些条件交代得更清楚。在适当的计算过程能够产生意识等假设下，他讨论了几种可能：文明很难发展到那种技术阶段；发展到了，却很少大量运行这类模拟；或者类似我们的观察者绝大多数都在模拟中。再从观察者的比例判断“我在哪里”，还要接受相应的自我定位假设，也就是在缺乏更多线索时，怎样用这些比例判断自己的处境。^[5]

这样看，AI 能改变哪一部分就清楚些了。假如它让制造这种世界的技术更可行，我们就有理由重新评估这个前提。文明能不能走到那里、愿不愿意付出成本、模拟出来的主体有没有体验，则还得分别研究。

比起直接接受或否定马斯克的结论，我更想知道这些条件里，哪一项有了新的依据。

真能造出一个世界，就轮到我们怀疑自己了

即使暂时算不出概率，能够造出一个世界这件事，本身也会让人回头看自己。

假设我们真的造出了那样一个世界。里面的观察者反复做实验，发现物体有稳定的运动关系，信息传播有某种上限，一些数值无论怎样测量都保持一致。它们会把这些叫作自然规律。

而我们知道，其中一部分来自程序和参数。我们甚至可以修改设置，再看世界怎样变化。

从这个位置回头看，自己的世界也会显得陌生。我们习以为常的物理常数，会不会同样有一个尚未被看见的来源？某种更深层的机制，是否决定了哪些事情可能发生、哪些永远不会发生？

作为设想中的创造者，我们既能研究里面的规律，又看得到外面怎样实现它。研究自己的世界时，却只能从内部寻找线索。

成功造出一个有内部体验的世界，至少会让我们知道“这样的世界可以被制造”。至于自己是不是也在其中，仍得找关于自身处境的证据。我们创造的那个世界，没法替我们回答。

“虚拟”也容易让人想到“一切都是假的”。可假如那些观察者确实有体验，它们经历的疼痛、关系和时间，就不会因为世界由外部实现而变得空无一物。我们要解释这些体验由什么支撑，体验本身仍然在那里。

我关心的也正是这个来源。这个世界之所以这样运行，是因为它本来如此，还是因为更深一层的东西让它如此？

就算有设定者，它决定了多少

听到程序，很容易想到程序员；说起设定，也容易想到是谁特意这样安排。我们熟悉这套工作方式，会自然地拿它理解还不知道的事。

规律的来源却未必像一个人。它可能是更基础的机制，也可能是我们还不理解的东西。这里说“高维”，我只是借它指一个暂时无法直接观察的更深层次，并没有证实额外空间维度里住着某种存在。

要说那里存在某种“意志”，还得解释它怎样选择、偏好什么、为什么让这件事发生。造成了一个结果，不代表想要这个结果。

即便有设定者，它也有不同的参与方式：只写规则，或者连初始条件一并选好；启动以后不再干预，或者一直观察和修改。它到底决定了多少，取决于它做的是哪一种。

假设我们运行一个模型，只是想看看一套规则会产生什么。里面每次碰撞都可以由规则与条件产生，却未必是我们特意想要的。就算完整条件已经确定了模型的轨迹，也不能据此说，每个后果都对应设定者的一个愿望。

“世界可能被模拟”，还没有回答“发生的一切是否都由某种意志有意安排”。后一句多了目的、选择和干预。把它们合在一起，我们很容易还没找到设定者，就替它写好了工作日志。

AI 能帮我们找到外面吗

假如 AI 有一天不仅能解数学难题，还能把物理规律研究得比我们精细得多，它有没有办法找到这些规律的来源？

我期待它能发现我们漏看的差异，设计新实验，排除一些解释。但推理再强，也需要能把不同解释区分开的信息。

比如，同一个世界可以在两种不同的外部系统上运行。如果内部能进行的所有实验，在两种情况下都得到相同的结果分布，只靠这些结果，就分不清外面用的是哪种系统。把内部规律研究得更精确，也没有增加能区分它们的信息。

现实未必如此。也许确实有差异，只是我们还没想到怎样观察。AI 可能帮我们找到办法，让“世界是不是被模拟的”这个笼统的猜测，变成可以逐项比较的问题。

例如，某种具体的模拟方案如果会留下特定偏差，就可以找这种偏差，再与其他物理解释比较。发现反常结果，先检查测量和模型。要进一步支持模拟的解释，还得看它能否提前预测更多现象；事后把异常认领走，说明不了多少。

如果规律稳定就说设定得好，出现异常就说有人修改，什么也没发现又说对方藏得深，那总能说下去。可无论观察到什么都能解释，也就很难借观察判断它到底对不对。

我目前能说的是，AI 若取得这样的数学突破，会增进我们对相关问题的理解，也可能让制造模拟世界变得更可行。它能推进其中的一些条件，关于意识、观察者数量和我们自身处境的问题仍然在。马斯克的判断，还需要这些问题的答案。

如果 AI 真能拿出那份经得起检验的证明，我想接着看，它还能帮我们提出什么可以检验的问题。也许会找到更深的规律，甚至发现某种外部实现的线索。

到那时，最初的疑问仍可能换个位置等着我们：让那个更深的世界运行起来的，又是什么？