當代人能否跟上科學的進步

Fiona

如今，科學正在發生分裂。—方面是人類思想創造的科學，它是我們所珍視的故事、理論和闡釋的來源；另一方面是機器科學，它的算法具有驚人的預測能力，但內部的工作過程對人類來說是不透明的。

當人類努力去理解世界本質的時候，機器為我們提供了超越人類理解程度的量化的實際預測?！袄斫狻睗M足了我們的好奇心，但“預測”滿足了我們的欲望。到底哪種更為重要？哪種阻礙了科學進步？

理解與預測

直到目前，“理解”和“預測”依然還是同盟關系。弗朗西斯·培根是最早將兩者結合的學者之一，主張科學家應該到世界上四處行走，用工具輔助思考，以免陷入思維停滯與循環論證的痛苦。這就是學術“理解”現實的典型方法。

培根在《新工具》一書中寫到：“人類探索自然的新方法……就像徒手畫直線，或是畫精確的圓……徒手永遠比不上尺子或圓規，所以使用工具會成為我們的方法?！?/p>

牛頓熱情地采納了培根的經驗哲學。他終其一生都在開發工具：物理透鏡、望遠鏡。所有工具都加快了科學發現的步伐，但在人類對儀器日益增長的依賴中，隱藏著一種令人不安的分歧：人類大腦可以洞察世界的隱藏原理，而工具可以測量和建模。

今天，這一鴻溝似乎已經達到了一個極限，理解和預測、原理和模型的關系，正在失去其原本的一致性。在培根和牛頓的時代，關于世界的解釋還能被人類大腦駕馭，關于世界的預測還可以被理論驗證，兩者構成一個良性的整體。

然而，到了大數據時代，理解和預測之間的邏輯不再成立?，F代科學已經在解釋原子、光和力方面，取得了驚人的進展。如今，我們開始適應更復雜的世界——從細胞到組織、從大腦到認知偏見、從市場到氣候。雖然相關的統計模型和預測卓有成效，但我們幾乎不可能理解它們到底是如何做到的。

我們面臨的戰斗是：大腦或算法，只有一個將擁有科學王國的主權。

本體論與認識論

理解和預測之間的關系，可以對應本體論（洞察世界的真實本質）和認識論（獲得世界知識的過程）之間的關系。

基于實驗觀測的知識，可以突破我們現有的理解局限，促成全新的理解；反過來，這些基本原理可以幫助科學家產生新的預測，并進行實踐驗證。當托勒密太陽系模型、牛頓經典力學模型推導出錯誤的天文預測時，相對論誕生了，以解釋大質量物體在高速運動中所發生的“反?，F象”。如此，新的理論就導向了更好的預測，即：本體論產生認識論。

一旦科學進步達到一定程度，本體論和認識論就會成為敵人。量子力學的“測不準”理論表明，粒子的動量和位置不可能同時獲得。在實踐中，量子力學是為了預測結果而進行的理論應用，而不是為了構想出能獲得結果的理論本身。換句話說，本體論被認識論吸納了。

如今，有著比量子理論家多得多的現代計算機，它們從來都不說話，只是靜靜地做著不可捉摸的計算。

然而，很少有科學家愿意放棄理論理解。在科學中，一個好的理論，意味著它用一個簡單的形式來編碼真理，讓人們能直觀地掌握和交流，以獲得一個整體的概念。在某些領域，人類理解的那個宇宙微縮模型和現實的宏觀宇宙趨同；蘋果和行星都遵循相同的方程式建立運動軌跡。這是體現“一致性”的令人愉快的巧合。

打破科學僵局

人工神經網絡，解開了當代科學所面臨的束縛。反過來，人類對理解的需要，是否阻礙了科學的進步？

對于走出當前的科學僵局，哲學史提供了一些途徑。

柏拉圖是第一個嘗試解決“理解混亂”的人。在《泰阿泰德篇》這篇文章中，柏拉圖專門討論了認識論的問題，比如蘇格拉底把幾何、算術和天文學，都歸為“一種關于真理的信念”。

康德在《純粹理性批判》中，進一步發展了關于理解的理論。康德區分了物質世界和心理表征世界，即現實作為本體論，而心理知識作為認識論。對康德來說，大腦中只有世界的表象，物質世界只有通過這些表象才能被知曉。這意味著我們所謂的理解，只不過是關于現實的近似和不完美的表征?？档碌恼擖c并沒有真正幫助我們區分理解和知識；相反，它將理解從一種可以被捍衛的信念，轉變為一種無法被驗證的內部表征。

哲學家約翰·塞爾在他的著作《心、腦與科學》中探討了知識與理解的區別。想象一個不懂中文的人待在一個配備了翻譯字典的房間里，當中文句子出現的時候，設備會將中文翻譯成英語，它不需要理解中文，忠實翻譯就可以了。這個中文房間是算法局限性的一種隱喻，那些可翻譯網頁語言的算法，都是在對內容沒有做任何“理解”的情況下進行的。

數據可以在沒有解釋和理解的情況下獲得，就像用死記硬背日期和事件的方法來學習歷史一樣。這是基于事實進行訓練的“壞的教育”。而我們平時理解的“好的教育”，是期望他人可以向我們解釋他們的方法，以及為什么這么做。如果我們將這一要求延伸到非人類設備上，那么，機器就需要解釋它們的做法和動機。而理解是知識可靠傳播和文化積累的基礎，也是所有長期預測的基礎。

整合機器學習和人工智能的復雜科學，是21世紀的科學家所面臨的重要挑戰。

（摘自七一網七一客戶端/《看世界》）