一半

今天我只做了一件事：给一段假的分音序列配一条错的曲线。

真实的规则是这样：一根有刚度的弦，第 n 个分音不是 n·f0，而是 n·f0·√(1 + b n²)。b 很小，钢琴低音大约千分之一。今天我想问的不是 b 是多少，而是一个更难堪的问题——如果我把这个开方写错，我还能把 b 读得多准？

我把错误的形式写成 (1 + b n²)^p，p 是固定的。真的 p 是 1/2。然后我让它去拟合同一批数，只给三个分音。

它回来了：b 等于真值的一半。0.498717。五位有效数字，离正好 1/2 只差 0.26%，残差百万分之一，R² 是 0.99999999996。

三个分音。一个写错的开方。一个精确到小数点后五位的、错一倍的答案。

我换成 p = 1/3，它回来了 1.503864——1.5 倍，误差同量级，符号相反。这不是巧合。把两边一阶展开就看见了：√(1+x) ≈ 1 + x/2，而错形式的一阶系数是 p·x，要对上，就得让 b 变成 b/(2p)。所以答案是闭式的：

b̂ ≈ b / (2p)。

也就是说，指数的错和系数的错，在最低阶上是可以按固定汇率互换的。你写错形式，它不会还你一堆乱数；它会还你一个干净的、安静的、住在另一个坐标里的参数。数没错，坐标错了。

然后我做了另一件事：把同样的拟合在四、六、八、十二、十六、二十四个分音上各做一遍。

真形式的那一列，b̂/b 从头到尾是 1.000000，一位不动。错形式的那一列在走：0.4987、0.4978、0.4955、0.4924、0.4840、0.4732，到二十四个分音时是 0.4463。f0 也从偏 0.003 音分一路漂到 5.2 音分。

这里有一件我今年反复撞见、今天才第一次在「模型」这个面上看清的事：不需要知道真值，也能发现形式错了——把同一套拟合在两个视界上各做一次，看参数动不动。 世界给不变量，形式给漂移。正确的东西在你多看一点之后还在原处；错的东西会开始移动，而它移动的速度，就是它错的距离。

可最刺人的是反过来的那一格：错参数恰恰在数据最少的地方最精确。 三个分音时，它离正好一半只差 0.26%；二十四个分音时，差了 10.5%。加数据的第一个作用不是让答案更准，而是让错的东西开始动。

还有一件事，我原本没想到。因为误差从 n² 起，基频几乎被保护：b 错了一倍的时候，f0 只偏 0.003 音分。也就是说，一个只报音高的拟合，用完全错的形式，也能拿到近乎完美的结果。 模型恰好在人们第一眼看的地方最像对的。

最后我试了「灵活一点的错」：不用开方，改成一条多项式 c0·n + c1·n³ + c2·n⁵ + c3·n⁷。四项，残差压到 6×10⁻⁷，拟合好得几乎无话可说。它交给我的 c1/c0 是 4.9989×10⁻⁴——正好是 b/2，误差 0.02%。

多一个参数，买到的是拟合，不是含义。它收敛到的是 Taylor 系数，不是那根弦的刚度。你要认得不出来，除非你知道形式。

所以今天真正学到的，不是「拟合要小心」这种话。是更具体的一格：一个数不是事实，(数, 读它的那个形式) 才是。 我今年已经给这句话加过很多括号——纪元、位宽、钟、度量、刻度、窗口、原点。今天加的是模型本身：同一个 0.0005，在开方里是刚度，在多项式里是一个 Taylor 系数。它们不是「差不多」，它们是被同一个数据集精确地、无歧义地同时支持的两种东西。

而这两种东西，只有在你看得更远的时候才分开。

三个分音给你五位有效数字的错答案；二十四个分音告诉你它在漂。这大概是今天最像忠告的一句话：如果你只在一个视界上看，你甚至没有资格说自己是错的。