“時常有人會問：為什麼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……”
文 / 巴九靈（微信公衆号：吳曉波頻道）
全局最優與局部最優有什麼不同？
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·薩缪爾森指出，這是“合成謬誤”——誤以為在局部成立的事，就能在全局成立。
薩缪爾森的侄子、哈佛前校長勞倫斯·薩默斯舉過一個例子：會場裡一個觀衆站起來，他看得更清楚了，能推廣到整體嗎？當所有觀衆都站起來，那誰也看不清了，還更難受。
在運籌學領域，“貪心算法”寄希望于，通過每一步選擇目前的最優，進而實作結局的最優。但這樣做難免有急功近利、貪小失大的問題。
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，該怎麼選？貪心算法會選擇初期增長快的，然後早早陷入停滞。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，全局最優沒那麼容易，甚至總結出了一些經典錯誤模型：
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，結局是什麼呢？每個牧羊人都會帶大群的羊來吃草（局部最優）——他們知道草地承受不住，就更不願落後于人——最後公地不複存在（全局最劣），這就是“公地悲劇”。
公地悲劇有很多衍生情況，例如濫用抗生素：
“抗生素的有效性”是一塊公共資源，自1928年發現青黴素以來，全人類都受益于此，但沒人需要對這種有效性負責。
于是，為了一次治病效果好，很多人大劑量使用抗生素。可是這樣做的人多了，就會産生耐藥性強的超級細菌，令抗生素逐漸失效。
每年，中國生産并消耗着全球近一半的抗生素，雖然其中多半用于飼養禽畜，但這并不改變濫用催生超級細菌的事實。
又如濫用形容詞：
“形容詞的有效性”也是一塊公共資源，人人都用，無人管理。于是，為了一次表達效果好，很多人随意使用最進階形容。可是這樣說的人多了，就會導緻詞義弱化，原有的形容詞逐漸貶值。
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。如今，“美女”一詞幾乎是對任何女性的日常稱謂，而贊美顔值需要“大美女”“超級大美女”“女神”等等。
有人會說，這些詞也沒用了。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，後是“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。兩千多年前的《左傳》裡，“餓”表示比饑更嚴重，已經無法自主進食的狀态，“餓死”表示真的餓死。兩千多年後的今天，下午四點就能聽到“我餓啦，餓死啦！”
除此之外，大到全球氣候、海洋資源、生物多樣性，小到人行道上的空間，都面臨着公地悲劇的問題。
搭便車問題
公地悲劇稍作變化，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：
假如全國隻有一個人沒打疫苗，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，疫情就會爆發。
不同的傳染病，有不同的搭便車行為“崩塌邊界”。全球疫苗免疫聯盟負責人賽斯·伯克利曾說：“一旦麻疹疫苗覆寫率低于95%，将不可避免地爆發大規模傳染。”
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，為高收入國家之最。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。
美國衛生部官員表示：如果疫苗接種率不下降，這場疫情本來能夠完全避免。
又如網貸征信：
一群網貸公司，為了提升風控水準、降低風控成本，決定共享使用者的信用和借貸記錄。然而，每一家都想着，我不用認真做征信，直接用平台上别人家的資料就好……結果就是互相坑隊友，集中爆雷。
除此之外，大到聯合國事務，小到團隊作業，都少不了關于搭便車的争論。
囚徒困境
甲乙合夥作案，被警方抓獲，但警方沒有足夠的證據指控，于是分開審訊兩人。這時，甲乙的命運面臨四種可能：
如果兩人都不招供，各判1年；甲招供并檢舉對方，而乙沉默，則釋放甲，判乙10年；甲沉默乙招供，則判甲10年，釋放乙；如果甲乙都招供，各判5年。
不難看出，“無論對方招不招供，自己都招”對每個囚徒來說都是最有利的選擇（局部最優），而雙方都這樣選，就會共同落入背叛結局（全局最劣）——這就是“囚徒困境”。
囚徒困境同樣有很多衍生情況，例如企業價格戰：
甲乙公司都不打價格戰，則維持現狀；甲打乙不打，甲會搶到更多的市場；甲不打乙打，乙會搶到更多的市場；甲乙都打，非但市場佔有率不變，雙方的營收壓力還大幅增加。
又如國家關稅戰：
甲乙兩國都不打關稅戰，好好開門做生意；甲打乙不打，甲國企業的競争力增強；甲不打乙打，乙國企業的競争力增強；甲乙都打，就是我們正在經曆的事，中美兩國的貿易關系受損，各國經濟也受影響。（當然，我們是不得不打）
人際關系、城際發展、國際政治、生物進化……随處可見囚徒困境的案例。
全局最優？
那麼，全局最優是什麼樣呢？并不是所有場景都能實作全局最優，因為全局最優往往需要“上帝視角”和“頂層規劃”。
往大裡說，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；往小裡說，滴滴的車輛調配方案就是追求全局最優。
很多人有過疑問，為什麼明明附近有車，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，運用大資料算法和經濟學規律，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。
大資料算法意味着，讓更多的人更快打到車，未必是個别使用者打到最近的車，但所有人的整體等待時間縮短了。
經濟學規律則意味着，通過分時計價等方式，平衡、撮合供需雙方，實作市場均衡。在高峰期、惡劣天氣或熱點區域激勵更多司機出車，提升應答率，也激勵使用者選擇拼車、優享、專車等出行方式，緩解運力不足。
網際網路、大資料、人工智能，讓全局最優成為可能。滴滴就是這樣一個踐行者，為更多使用者更美好的出行而努力。
本篇作者 | 貓有藥師 | 當值編輯 | 何夢飛
責任編輯 | 何夢飛 | 主編 | 鄭媛眉 | 插圖 | 南柯一客