共计 1030 个字符，预计需要花费 3 分钟才能阅读完成。
绰号为“奔腾的格蒂”的 Tacoma Narrows Bridge 于 1940 年 7 月 1 日通车，然而仅仅四个月后，这座桥在中等风力下开始剧烈扭曲，最终坍塌，成为工程史上著名的失败案例。这一事件的核心原因在于一个致命的工程假设：设计师们认为风不会引起桥梁的垂直运动。
如今，这一假设的错误显而易见，但在当时，它导致了约 6500 万美元（以今天的美元计算）的损失，并夺走了一条狗的生命。桥梁的微小垂直运动逐渐演变为剧烈的扭曲，最终超出了设计师的预期，导致桥梁解体。由于工程师们未能在设计前研究桥梁在风中的摆动情况，这一疏忽最终酿成了灾难。
- 
这一案例深刻地揭示了工程模型的重要性及其局限性。所有工程计算都基于模型，而安全设计要求工程师们能够识别模型中的假设，并确保设计在任何条件下的安全性。正如著名统计学家 George Box 所言：“所有模型都是错误的——但有些是有用的。”
模型是解释性框架，帮助科学家和工程师将数据与现实世界联系起来。例如，工程师通过模型可以精确计算物体的强度，从而选择足够坚固的材料来建造桥梁。然而，所有模型都忽略了现实世界中的一些细节。为了简化计算，工程师常常对物体的形状进行简化，但这种简化也引入了局限性。
Tacoma Narrows Bridge 的失败正是由于工程师们假设风不会引起垂直运动，导致他们无法预测风引起的摆动，最终桥梁解体。这一原理同样适用于更抽象的模型，例如基于人工智能的面部识别系统。一些公司假设其系统是准确的，因为它们在训练数据集中表现良好，然而，外部研究表明，某些训练数据集对非白人的代表性不足，导致系统不成比例地针对黑人。
在追求更好的 AI 系统时，一些研究人员假设更多的训练数据是最有效的方法，但这种数据密集型方法的局限性在于其巨大的环境影响。使用大数据集进行计算需要大量能源，因为数据中心是资源密集型的。
安全使用模型的关键在于选择假设，使其局限性不会破坏其预期用途。虽然测试是黄金标准，但并非总是可行。例如，建造一座测试桥梁对于结构工程师来说并不现实。因此，谨慎选择和创建适当的模型需要良好的判断力。
在教学中，培养工程判断力是困难的，通常需要多年的经验。通过构建自己的模型，学生可以识别模型中的假设，陈述其局限性，并证明这些局限性不会妨碍他们安全使用模型。这种教育方法有助于防止类似“奔腾的格蒂”的失败再次发生。
总之，Tacoma Narrows Bridge 的坍塌提醒我们，工程师必须始终意识到模型的假设和局限性，并在设计中谨慎应对这些挑战。
