-前情提要-注本文一共字，全部阅读完大约需要7分钟。
上一篇我们说了如何搞科研的流程，那今天“形而上”的聊一聊科学哲学吧。如果不感兴趣，只是看文章标题进来的朋友可以直接向下翻到文章的最后一个章节。开局一张图，全文会围绕这个图展开。昨天是洋葱??图，今天是冰山??一角图。就算用科研的方法研究我们认知的世界。我们能认知的也只有冰山的一角而已。01开局一张图
▼人都是恐惧未知的▼
真实世界如果真如
物理世界的宏观层面
描述的那样，就完美了
比如：
在条件气压下，
所有的水加热到℃，
就必然会沸腾。
又比如：
在条件温度下，
铜加入浓硫酸中反应，
加水稀释后，
必然出现唯一的蓝色。
……
这样机械的、唯物的
忠实而又坚定的确定性
就像人们描述的“安全感”
一样让人放心。
那如果世界是不确定性的呢？
如果树上有5只鸟
开枪打死1只，
其他鸟都傻站着不动
对枪声和同伴漠不关心
那么，5-1=4才能成立。
如果婴幼儿奶粉的
顾客真的是婴儿
婴儿能直接鉴别和购买
甚至婴儿能通过口感和直觉
鉴别出比竞品真的多了5%的DHA
那么，某些产品的市场假说才能成立。
如果一个x只有一种形态和数量值
一个y也真的只有一种形态和数量值；
甚至有且只有一个r，
且只有一个形态和数量值，
那么，y=f(x
r)才能成立。
（看不懂的参考上一篇文章）
然而，
在这个以人类生活为核心的
有机世界中。
确定性现象变得弱不惊风，
排山倒海呼啸而来的
是诸多不确定性现象。
我们拥有一栋房子，
就比拥有一个爱人要更踏实；
我们拥抱大自然，
就比拥抱工作要更幸福；
《婚姻法》保护财产
就比“保鲜爱情”更具备可操作性；
前者是那么多真实，
后者却是丰富多彩，充满变数。
于是乎，
从单一事实向全称事实过渡的通路
就这样被“不确定性”无情的阻断了。
那怎么办好？
只好来认识不确定性现象，
其中也许藏着“确定”呢？
于是一群科学家
经过多年研究之后
将“不确定性”改名为“随机现象”。
必然现象与随机现象▼
随机现象的标准定义之一，李勇《概率论》
在自然界与生产实践
和科学实践中，
人们会观察到各种各样的现象，
把它们归纳起来，
大体分为两类
1，可预言其结果的。
即在保持条件不变的情况下，
重复进行试验??，
其结果总是确定的，
必然发生（或必然不发生）。
这类现象称之为：
必然现象（inevitablephenomena）
或确定现象（definitephenomena）
2，事前不可预言结果的。
即条件不变，重复试验，结果未必相同。
这类结果呈现偶然性、不确定性现象，
称之为：随机现象（randomphenomena）
或不确定现象（indefinitephenomena）
重点讲不确定现象。
对一次或少数几次观察或实验而言，
其结果呈现偶然不确定现象。
但是相同条件下进行大量重复试验，
其结果却呈现出某种固有的特定规律
——频率的稳定性，
通常称之为随机现象的统计规律性
又称之为：伯努利大数定理。
单称、全称▼
1，单一事件，在科学哲学讨论中，
称为单称陈述/事实。
2，一般事实，在科学哲学讨论中，
称为全称陈述/事实。
在卡尔纳普（RudolfCarnap的《科学哲学导论》）
看来“在科哲中，一个重大的、
令人困惑的问题就是：
我们怎么能够从这样的单称陈述出发
到达全称规律的断言”
休谟诘难的也是这个问题；
物理学家康普顿说，
现象，并不被看作是
通向真理的线索，
但是，我们似乎没有任何别的线索。
（这个和经济学“理性人”的假说
如出一辙。详见《到底带不带口罩上街》）
归纳演绎▼
1，规律是比较出来的。
如最上图所示，
从对「个别事实的直接观察」开始，
当许多观察被互相比较
（事物之间的关系属性）
规律性才得以发现。
到这一步是发现“规律”
（全称规律和统计规律）。
2，规律是人对认知对象
背后决定原因的发现、归纳、
猜想和描述。
是对确定性和随机性的临摹或理想刻画。
3，规律服务于
「解释已经知道的事实」和
「预言尚未知道的事实」。
这个阶段就是「归纳」
旨在从一定数量的单称事实，
提炼出一个「全称规律或统计规律」来。
事后，
有大自然（包括人类社会）
的自然展现，
或者由科学家、试验者自行设计
演绎推理出蕴涵全称规律
或统计规律的「事实表现」，
也就是我们所说的观察性试验
或者干预性试验。
这个阶段就是「演绎」
旨在检验由归纳提出的假说规律。
简而言之就是
观察→归纳→演绎→判断。
需要注意的是，
统计规律本身也是
一种对现实现象/单称事实的
抽象归纳和描述。
真实世界中主要是以
复合的随机性现象存在。
确定性现象
只是我们人类思维理解
和认知上的便捷处理方式。
比如：“世界上没有一片树叶是相同的”
它们既然没有一片是相同的，
那么每一片都独立称为：一个单称事实。
这就是真实世界的随机性。
为什么又要管它们叫“树叶”。
是人类自己为了认知便捷
把相似的它们归纳为了：树叶。
科学哲学世界的两大标准▼
真实世界有无穷多的单称事实，
人类又只能靠「归纳-演绎」
来认知这个世界。
那么问题又来了。
1，选择的标准是啥？
就是统计学的抽样误差。
文绉绉的说法就是：
“任一单称事实用于表征全称事实时，
单称事实与理论总体/真相/真值之间
的客观差距”。
在抽样误差（绝对值）
及α，β被事先约定时，
应按照什么抽样原则？
抽取多少个单称事实？
才能得窥“真理”的全貌？
2，这个收敛的数值，
它是由什么决定的？
它有什么作用？
我们要如何去表征它？
这两个问题就是概率论和数理统计的基础。
科学哲学世界的三条岔路▼
由此，科学家们开始朝着三条岔路上迈进了。
1，如何让“归纳逻辑蕴含“”程序化，可量化？
比如：「归纳-演绎」的逻辑蕴含到底是什么？
它和客观事实之间的关系，即使不可能是1，
那这个接近程度是多少？
如何表征这个程度？能否计算这个程度？
一旦将归纳程序清晰化，
归纳过程定量化，
人类是否可以造出一台归纳机器？
如果成立，
现在的「人工“智能”」
才有可能成为真正的“人工智能”。
2，科学推理研究的程序范式。
回归初心，
既然“不是所有的归纳都能产生知识”。
那么我们把重心从“逻辑关系的蕴含”
转移到“对推理程序的判断上”来。
方法论只是操作程序上的描述，
在获取数据的过程中和拿到数据分析时，
我们总不能“想用什么测就用什么测”
“想怎么测就怎么测”，
拿到数据后，
我们也不可能凭肉眼观察，
就各种做出论断吧？
总得有人建立一套
在数字/数学/定量层面
的操作程序和界定标准吧？
这就是：科学推理研究的程序范式。
3，概率论和数理统计流派。
他们直面产生困境的本质
即“现象/事实/属性的随机性”
进行探究并寻找解决方案。
这一流派的大师和理论有：
柯尔莫格诺夫（概率公式）
泊松（泊松分布）伯努利（伯努利试验、大数定律）
高斯（正态分布）奈曼（α，β）
费希尔（α，1-α，置信区间，α=0.05）
车比雪夫（车比雪夫不等式）
皮尔逊（假设检验）马尔可夫（马尔可夫链）
……
只有无限接近的真理
▼
我们肯定无法穷尽单称事件
就像我们无法穷尽所有的树叶一样。
那么，我们观察多少次才算够呢？
这个放在经验世界里，
我们可以自己“估算”一下，
自己给个数值，自己反复检验后
自己认可就能过关。
（这就是常人的贝叶斯过程，
自己给β值，根据事实不断修正β）
现实生活中
“我们认为发生的可能性有多大”
放在科学世界里，
你的证实过程，
只能做一下案例报告公布于众，
而无法以明确的数据示人。
世人难以接受的真相▼
为什么大家觉得科学家都是怪人？
因为世人只想要
一个一劳永逸的、一蹴而就的，
关于这个世界的永真答案。
比如：树上有5只鸟，
如果开枪打死1只，
就必须有且只有4只在树上。
这是“安全感”在作怪。
因为这很可爱
符合人“以消耗最小能量”
获得最大满足的精神诉求。
正因为有这样的情感需求，
抵触科学、亲近伪科学
相信星座、算命
甚至是轻信
某些
转载请注明地址:http://www.abmjc.com/zcmbjc/104.html
