的预测模型，都必须具备能够产生“想象不到”的情景的能力。一个系统在可能性的空间要有充分的活动余地，可以游荡到出乎我们意料之外的地方，这很重要。说它是一门艺术，是因为模型拥有了太多的自由度，就变得不可驾驭了，而把它拘束得太紧，它就变得不可靠了。

    错误的假设。甚至最好的模型，也会因为错误的前提而误入歧途。就“增长的极限”来说，它的一个关键性的原始假设，就是认为世界只容纳了可供250年使用的不可再生资源，而且对于这种资源的需求在迅猛发展。二十年过后，我们已经知道这两个假设全都是错误的。石油和矿物的储量增加了，而它们的价格却没有增加；同时，对某些原材料的需求，比如铜，并未呈指数增长。1992年重新发布这一模型的时候，作者对这些假设做了修改。现在的基础假设是污染必然会随着发展而增加。如果以过去的二十年作为指南的话，我能想象，这样的一条假设，在未来的二十年中，也需要修正。这种基本性的“调整”必须要做，因为“增长的极限”模型需要它……

    没有为学习留下余地。一批早期的批评者曾经开玩笑说，他们用“增长的极限”模型模拟1800～1900年这段时间，结果发现“街上堆了一层有20英尺高的马粪”。因为当时的社会，使用马来进行运输的比例正在增长，所以这是一个逻辑外推。那些半开玩笑半当真的批评者认为，“增长的极限”模型没有提供技术学习、效率提高，以及人类行为自律能力、改革发明能力的规则。

    这个模型内里连接着某种类型的适应。当危机发生的时候（比如污染增加了），资本资产就会转过来处理危机（于是污染的生成系数就降低了）。可是，这种学习，既非分散的，也不是终端开放的。事实上，这两种类型建模都不容易。本书其他地方提到的很多研究都是有关在人造环境或自然环境中实现分布式学习和终端开放式增长的开拓性努力。而如果没有这种分散的、终端开放的学习，要不了多少日子，真实的世界就可以胜过模型。

    现实生活中，印度、非洲、中国以及南美的人口并没有按照“增长的极限”模型的假设性规划来改变他们的行为。而他们之所以适应，是因为他们自有的即时的学习周期。比如，全球出生率的下降速度快得超过了任何人的预测，使得“增长的极限”这个模型（和绝大多数其他预测一样）措手不及。这是否归因于“增长的极限”之类的世界末日的预言的影响呢？更为合情理的机制是，受过教育的妇女生育的子女少，过得也越好，而人们会仿效过得好的人。而她们并不知道，也不关心全球的增长极限。政府的种种激励促进了这些本来就已经出现的局部动态的发展。无论什么地方的人总是为了自己的直接利益而行动和学习。这也适用于其他方面的功能，比如作物的生产力、耕地、交通等等。在“增长的极限”模型中，这些波动数值的假设都是固定的，但是，在现实生活中，这些假设本身就拥有共同进化的机制，会随着时间的变化而变化。关键在于，必须把学习作为一种内在的回路植入模型。除了这些数值，模拟中——或者说想要预测活系统的任何模拟中——假设的确切构造必须具备很强的适应性。

    世界平均化。“增长的极限”模型把世界上的污染、人口构成、以及资源的占有统统看作是划一的。这种均质化的处理方式，简化了世界，使足以稳妥地给它建模。但是，因为地球的局部性和区域划分是它最显著和最重要的特性，这样做的结果最终破坏了模型存在的目的。还有，源自各不相同的局部动态的动态层级，形成了地球的一些重要现象。建立“增长的极限”模型的人，意识到了次级回路的力量——事实上，这正是福瑞斯特支撑这个软件的系统动力学的主要优点。可是，这个模型却完全忽略了对于世界来说极为重要的次级回路：