这两天正好是有报道的新冠疫情一周年，Moderna 和 Pfizer 的疫苗已经进入冲刺阶段，基本达到 90% 以上的有效性，在英美已经开始申请加急许可了。
我一直在听 Dithering，这个付费播客的两个主播 John Grubber 和 Ben Thompson 都是科技界的大佬。上一期他们讨论到一个话题，就是体育运动员（比如橄榄球队成员）能不能优先打疫苗。Ben 说这是一个 no brainer：肯定是的。
结果两天一更的节目，这一期他们就来解释澄清了，因为招致了很多反对的声音。
Ben 重申了一下他的理由：按照现在疫苗预计的生产规模和速度，和几个大型赛事参赛队伍的规模，生产后者所需要的疫苗也就是几分钟的事情，不会耽误太多医务工作者的时间；医务工作者的确是很重要的，没有说他们不应该优先，但是假想体育运动员接种了疫苗之后有什么好处：第一，大型体育赛事至少可以不带观众的恢复，很多人因此可以在家看比赛有事做，起到居家隔离的效果；第二，很多运动员带头打疫苗，对于那些对疫苗持怀疑态度的人也有一个鼓励的作用。John 笑了笑说你其实可以不用解释这么多，因为我对我们的听众有信心。
大家对这个有没有判断力我不知道，至少愿意付费听他们播客的人肯定是筛选过的，应该是愿意听完 Ben 这么一番说道。但是如果是别的情况，我猜可能就没有那么简单了：这个小小的话题背后，其实是一个很深刻的话题：我们应该追求公平，还是效率？
小到火车票买票（比如互联网买票），大到一个国家或者政党的宪法或者施政纲领，都体现了这个深刻的矛盾。很多时候这两者是没办法得兼的，而且甚至不同的人对于怎么做是公平的、怎么做有效率都会有争议——你觉得公平的做法，我不一定觉得公平，而且可能真正有效率的方案，我们都看不到。
如果有一个有效率、最终可以让大家都获益的方案，只是需要短时间牺牲一部分人的利益，短时间内不那么公平，「让一部分人先富起来」，你愿意么？如果有一个主事的人或者团体出来说自己来实施这个方案，你能信任他们吗？如果中途变卦了怎么办？如果结果发现他们认为更有效率的方案其实失败了，或者预先就知道有风险，大家还愿意去冒险么？这个问题听上去抽象的话，想想气候变化和修建核电站的矛盾，就不难理解了。
我这里也不想展开谈自己的见解，因为这块阅读和思考的都还不够深刻，我想思考的是这个问题为什么这么难。
最近在学习强化学习（资料有 Sutton & Barto 的书，Coursera 的课，以及 DeepMind 的课），其中一个很重要的概念是 discount factor γ，它指的大概是我们是如何在现在的 reward 和未来的预期 reward 之间获得取舍。（reward 这里的意思是对行为的回报，类似收益或者得分）。
别小看了这个 γ，比如很多强化学习处理的问题是 episodic game，比如围棋、走迷宫等等，有一个明确的起点和终点，结束了可以重来；但是很多现实的问题是没有终点的，我们需要在一个很长甚至无限的时间线上最大化收益（想起了有限与无限的游戏没有？）。处理这种无限时间的收益，必须有一个小于 1 的 discount factor，否则问题是不收敛的（当然另外一方面在 episodic game 里面可以把 γ 设成 1 就可以了）。如果 γ 越小，我们就越只顾眼前利益，我们的规划问题的算法就越「近视 myopic」；反之则看的越长远，但是相对来说收敛速度还有对计算资源的要求可能就会越高（因为要回顾的东西很多）。
但是这个 γ 很多时候是没有一个预设的值的，更多是一个「超参数」，也就是说需要经过多次实验，不断调整，才能找到一个合理高效的值。
一个简单的例子，机器人需要在左边和右边的路上做决策，γ 小就会走左边（活在当下），反之就会走右边（延迟满足），你甚至可以计算出 γ 的临界点。
所以别说国家、社会和人了，就是一个这么小小的机器人，面对一个规则固定的假想游戏，在「现在」和「未来」的取舍上，都需要多次尝试。人的价值观可不那么容易改变，而且不同的人，同一个人现在的他和未来的他，都不一样；人生不能重来，很多重大决策没有回头路，我们该怎么更好怎么面对呢？