随机数的本质：真随机 vs 伪随机 —— 从骰子到计算机的哲学思考

说到随机数，很多人第一反应是「不就是扔骰子吗？」。嗯，这个比喻很形象，但计算机里的随机数，跟扔骰子完全是两码事。

我最早接触这个概念是在做在线扑克平台的时候。当时有个玩家投诉说「你们发牌有规律，我连续三把拿到同花顺的概率不对」。我查了日志才发现，我们用的随机数生成器是 rand()，种子是当前时间戳。说白了，只要知道服务器时间，就能预测下一张牌是什么。那件事之后，我对随机数的理解彻底变了。

什么是真随机？

真随机，指的是物理世界里的不可预测事件。

• 扔骰子：你永远不知道下一面是几
• 放射性衰变：原子核的衰变时间完全随机
• 大气噪声：雷暴产生的电磁信号毫无规律
• 量子涨落：真空中的粒子对生灭，连物理定律都只能算概率

这些事件的共同点是什么？没有算法能预测。你就算把整个宇宙的算力堆上去，也猜不到一个量子比特的测量结果。

伪随机是什么？

计算机里的随机数，99% 都是伪随机。说白了，它是一段确定的算法。你给相同的种子（seed），它就吐出相同的数列。

举个例子，C 语言里的 rand() 函数：

#include <stdio.h>
#include <stdlib.h>

int main() {
    srand(42);  // 固定种子
    for (int i = 0; i < 5; i++) {
        printf("%d\n", rand() % 100);
    }
    return 0;
}

你猜怎么着？每次运行，输出都是 30 97 16 79 33。一模一样。这就是伪随机——看起来随机，实际上可重现。

真随机 vs 伪随机：一张表说清楚

维度	真随机	伪随机
来源	物理过程（量子、热噪声）	数学算法（线性同余、梅森旋转）
可预测性	不可预测	知道种子就能预测
可重现性	不可重现	种子相同，结果相同
速度	慢（需要采集物理熵）	快（纯计算）
典型用途	密钥生成、抽奖、安全场景	游戏、模拟、测试

你想想看，为什么游戏里不用真随机？因为真随机太慢了。每秒生成几千个随机数，如果每个都要等物理熵采集，游戏帧率直接崩掉。伪随机虽然「假」，但够快，够用。

伪随机算法的进化史

我刚开始写代码那会儿，用的还是 rand()。后来发现它的周期太短——只有 2^31 左右。什么意思？你生成 20 亿个数之后，数列就开始重复了。这在现代应用里完全不够看。

后来有了 梅森旋转算法（Mersenne Twister），周期长达 2^19937-1。这个数字有多大？比宇宙中的原子总数还多。你基本不用担心重复。

再后来，密码学安全伪随机数生成器（CSPRNG）成了标配。比如 Linux 的 /dev/urandom，它混合了硬件熵和算法，既快又安全。

从骰子到计算机：哲学思考

骰子是真随机吗？从经典物理角度看，骰子的运动由初始条件决定——你扔的力度、角度、空气阻力、桌面摩擦。如果这些参数全知道，理论上可以预测结果。但现实中，我们无法精确测量这些参数，所以骰子对我们来说「看起来随机」。

计算机的伪随机呢？它连「看起来随机」都做不到——只要知道种子，结果完全确定。但有趣的是，人类大脑其实分不清真随机和高质量的伪随机。你玩《俄罗斯方块》，方块出现的顺序是伪随机的，但你感觉不到。

这就引出一个哲学问题：随机到底是客观存在，还是认知局限？

• 经典物理认为：世界是决定论的。随机只是我们不知道全部信息。
• 量子物理认为：世界本质就是随机的。上帝确实掷骰子。
• 计算机科学认为：随机是资源。真随机是稀缺资源，伪随机是廉价替代品。

我个人更倾向于实用主义：在需要安全的地方用真随机，在需要效率的地方用伪随机。别纠结哲学，先解决问题。

知识体系：一张图看懂

下面这张 SVG 图，把随机数的分类、来源、用途串起来了。你可以把它当作本章的思维导图。

实际项目中的选择指南

说了这么多理论，到底怎么选？我总结了一个简单的决策树：

1. 这个随机数会被攻击者利用吗？（比如加密、令牌、抽奖）→ 用真随机或 CSPRNG
2. 需要重现 bug 吗？（比如游戏回放、测试用例）→ 用伪随机，固定种子
3. 性能要求高吗？（比如每秒百万次调用）→ 用伪随机，别用真随机
4. 只是随便用用？（比如随机背景色）→ 伪随机就行，别纠结

最后说一句：随机数没有「真假」之分，只有「够不够用」的区别。你选对了场景，伪随机就是真随机；你选错了场景，真随机也救不了你。