一块只有49格的虚拟草坪,被30,954人各割了一遍。数据新闻网站Pudding.cool把这些路径全部记录下来,结果是14,589种完全不同的走法——但中位效率仍有91%,16%的人走出了理论最优解。人多手杂,结果却出奇地趋同,这才是这次实验真正有意思的地方。
拉开差距的不是谁手速快、谁想得久,而是一个具体的判断:草坪里藏着一处死胡同,你有没有提前认出来。
一次转弯,决定了三万人的路径质量
草坪可以分成左右两块。左边是死胡同,进去了只能原路退出。一个化名Bones的玩家先割了左边,撞上死路后回头重割,最终多走了5步,54步完工。而完美通关的玩家几乎都反过来:先清右边,把左边死胡同留到最后收尾,一步不用回头。
决定胜负的不是速度,是有没有提前认出那个死胡同。
受访玩家Sarah是完美通关者之一,她的解释很直接:看见死胡同,就知道那里必须留到最后。她还做了一件在网格游戏里显得"多余"的事——本可以直着走的地方,她主动转成蛇形路线。这恰恰暴露了游戏和现实的一处落差,后面会讲到。
Pudding的暂停时间数据印证了这个判断。表现最好的10%玩家,时间都花在岔路口上,一进入死胡同区域就不再犹豫;垫底的10%反而是开局猛冲、直到撞墙才开始想。时长本身几乎不能预测谁割得好——时间只解释了不到5%的效率差异,真正起作用的是"在哪里想",不是"想多久"。
为什么人和电脑都得抄近路
割草路径其实是一道正经的计算机科学题,叫覆盖路径规划,和更出名的旅行商问题师出同门:给定一组必须经过的点,找最短路线。外卖骑手排单、无人机测绘航线,本质上都是同一类问题。
这类问题的麻烦在于,穷举法一旦规模变大就会失控。
洞见:小规模问题里,人类凭直觉就能逼近最优解;可一旦站点数量上去,连电脑穷举都扛不住,人和机器都只能靠"抄近路"的启发式策略,而不是精确计算。
Pudding援引的一项研究称,人类解70个以上站点的旅行商问题时,效率比最优解低约11%。但这项研究的引用链接指向的卷期,和内容最吻合的论文——一篇讨论人类解题时依赖跟随凸包边界、避免路径交叉、就近聚类等具体策略的综述——对不上号。这说明"11%"这个数字出自哪一次具体实验条件,读者其实很难独立核实,只能审慎地把它当作一个参考区间,而不是铁板钉钉的结论。
游戏管用的招数,搬到真实草坪未必成立
草坪不是随机撒点的城市,它有结构,这让人可以把大问题拆成小块逐一解决,再把玩过的关卡经验迁移到下一关——这也是为什么规模从26步的小草坪扩大到177步的大草坪,人类效率并没有像旅行商问题那样明显下滑。层数越大,反而更考验这种"拆解+迁移"的能力,而不是纯粹的空间大小。
但Sarah那招蛇形转弯,只在网格游戏里管用。真实割草机有刀盘宽度、有转弯半径,直线加一点重叠往往就能扫干净,反复拐弯只会更费时更费油。
风险:游戏把转弯成本简化成了零,现实里的机器人割草机、扫地机器人要复用"预判死角"这条经验没问题,但不能照搬蛇形走位本身。
这也是这次实验最该被冷静看待的地方:三万人验证的是人类的规划直觉,不是一套可以直接烧进机器人固件的算法。真正值得后续关注的,是Pudding会不会公开完整数据集给认知科学研究者复用,以及"提前识别死胡同"这条直觉,能不能在真实的机器人路径规划里被验证成一条可推广的原则。