对实验的兴趣不是把它当作理论的检验工具，他是真的享受一套装置从混乱变得可控、一个误差源被准确找出来的过程。江遥当然也能做好，却不会因为一个仪器被校准得特别漂亮而兴奋很久。她真正忘记时间的时刻，仍然是看到几个本来无关的现象忽然能够被放进同一个结构里。
晚上“计算模型”课没有新的动画，而是每个人得到一张看似很普通的城市交通图。
图上有几十个路口，几条主路和很多支路，每个路口旁边标着一天中某几个时段的平均车流。任务并不是设计最优红绿灯，也不是算最短路径，而是问：如果只能选择五个位置安装昂贵的流量传感器，应该装在哪里，才能尽量知道整座城市发生了什么。
这个问题连没有学过任何高等数学的人都能理解。五十个路口只能看五个，当然不能简单挑最忙的地方，因为五个最忙的路口也许都在同一条主干道上，那样你知道的只是一个局部。也不能平均分散，因为有些支路车流几乎永远跟着旁边主路变化，测它们并没有增加多少新信息。真正困难的是：怎样用很少的眼睛，看见一个比眼睛数量大得多的系统。
江遥这一次没有急着创造新的表示。她先让自己按照最直接的方法做了一遍，把交通量最高的五个路口圈出来，又试着按地理位置平均分布五个点。两种方案都很容易，但稍微对照历史数据，就能看出明显问题。高流量方案漏掉了城北一片独立变化的区域，平均分布方案又浪费了一个传感器在两个几乎同步变化的路口上。
她盯着那些曲线看了很久，开始问一个比“哪里车最多”稍微不同的问题：哪些地方虽然隔得远，变化却总是一起发生？又有哪些地方明明相邻，却常常一个堵、一个不堵？
这个问题一换，地图本身的重要性下降了一点，路口之间的“关系”开始浮出来。她没有用专业词，而是在草稿纸上把变化特别同步的两个路口用线连起来。十几分钟以后，原来的城市地图上多出了一张新的网，有些相隔几公里的点被连在一起，有些只有一个街区距离的点却没有关系。她突然明白，安装传感器时真正想避免的，不只是空间上的重复，而是信息上的重复。
韩思遥看着那张越来越乱的图，问：“那是不是每一堆里挑一个？”
“可能。”
“又‘可能’？”
江遥笑了一下：“我现在不敢太快说一定。”
几个人继续测试。果然，有些“同一堆”里的路口平常很像，但在下雨、学校放学或体育场
本章未完，请点击下一页继续阅读！