← 返回目录


「技术解释」的技术解释

学校≠教育≠技能;文凭溢价=80%信号传递+20%人力资本

10 👍 / 1 💬

正如杰恩斯所强调的,贝叶斯概率论的定理,说到底就是从贝叶斯公理必然推导出来的数学定理[1]。有人也许会天真地以为,数学定理不会有什么争议。但这些定理什么时候适用?又该怎么用来解决现实问题?《直观解释[1]》尽量避开了争议,而这篇《技术解释》却偏要往飞速旋转的直升机螺旋桨上撞。直白地说,本文的推论在全地球所有贝叶斯研究者当中,还没有达成一致共识。至少目前还没有。

《直观解释》重在帮大家扎实掌握贝叶斯的基础知识,《「技术解释」的技术解释》则以贝叶斯理论为根基,进一步探讨人类理性和科学哲学的命题。本文之所以取这个名字,是因为它始于这样一个问题:

「技术理解与口头理解有什么区别?」

小时候我读过一些物理科普书,便自以为很懂行;我以为自己知道[2]声音是空气波,光是电磁波,物质是复概率幅波。长大后,我读了《费曼物理学讲义》,花工夫弄懂了「波动方程」[2]。到那时我才明白,在此之前,我对「声音是波」这句话的理解和相信,跟物理学家所指的意思、所持的信念根本不是一回事。

这就是技术理解与口头理解的区别。

你信这话吗?要是信了,你刚才就该活学活用,反问我一句:「那你为什么只给了一个口头解释,而不给技术解释呢?」


不妨在脑海里把「概率密度」或「概率质量」想象成一团黏土,必须分摊给各种可能的结果。

假设有一盏小灯,每次按下按钮,就会闪一下红光、蓝光或绿光。按一次按钮只闪一种颜色,几种可能互不兼容。你要预测下一次会闪什么颜色。每次预测时,你手里都有固定重量的黏土,也就是概率质量,必须分摊到红、绿、蓝三种可能上。你可以把四分之一的黏土放在绿光上,四分之一放在蓝光上,一半放在红光上,这就像给绿光分配25%的概率,给蓝光25%,给红光50%。这个比喻要说明的是:概率是守恒的资源,得省着用。如果你觉得下次做实验蓝光更有可能亮,可以给蓝光分更高的概率,但那部分概率质量必须从其他假设那里挪过来,比如从红光那儿抠一点黏土加到蓝光上。你手里的黏土绝对不会凭空变多。所有概率加起来不能超过1.0(100%)。你不能既预测有75%的可能看到红光,又预测有80%的可能看到蓝光。

为什么要对概率质量这么精打细算、省着分配呢?为什么不能把概率到处乱抹[3]呢?我们把比喻从黏土换成钱吧。每按一次按钮,你最多可以用一美元的游戏币下注。实验员站在旁边,根据你在实际亮起的那个颜色上押了多少游戏币,付给你真金白银。至于剩下的游戏币在没亮的颜色上怎么分,我们不在乎。唯一要紧的是,你在实际赢了的那盏灯上押了多少。

不过,要想让玩家谨慎下注,用来给赢家算账的计分规则就必须精心设计。假设实验员付给玩家的真钱,正好等于玩家在获胜颜色上押的游戏币。按这条规则,要是你观察到红光十次里亮了六次,你的最佳策略就不是在红光上押60美分,而是把整整一美元全押在红光上,蓝光和绿光的出现频率根本不用管。为什么?假设蓝光和绿光十次里各亮两次左右。如果你在红光上押60美分,蓝光押20美分,绿光押20美分,那么十次里有六次你会赢60美分,四次赢20美分,平均下来每次收益是44美分。在这种计分规则下,更划算的做法是把一整美元全押在红光上,十次里有六次赢一美元,四次分文不获,平均收益是60美分。

如果把收益写成函数,就是:收益 = P(获胜色),其中 P(获胜色) 是那一轮你在获胜颜色上押的游戏币金额。如果写出这条收益规则下的期望收益函数,则是:

期望(收益) = Σ颜色 P(颜色) × F(颜色) 。

P(颜色) 是你在某种颜色上押的游戏币金额,F(颜色) 是该颜色获胜的频率。

假设灯光实际出现的频率是30%蓝、20%绿、50%红。再假设每一轮我都押40%在蓝光上,50%在绿光上,10%在红光上。那么我有30%的时候拿40美分,20%的时候拿50美分,50%的时候拿10美分,平均收益为 $0.12 + $0.10 + $0.05,即 $0.27。也就是说: \[ \begin{aligned} P(\text{颜色}) &= \text{分给该颜色的游戏币} \\ F(\text{颜色}) &= \text{该颜色获胜的频率} \end{aligned} \]

收益 = P(获胜色) = 分给获胜颜色的游戏币金额。

实际获胜频率: \[ \begin{aligned} F(\text{蓝}) &= 30\% \\ F(\text{绿}) &= 20\% \\ F(\text{红}) &= 50\% \end{aligned} \]

长远来看,红光赢50%的场次,绿光赢20%,蓝光赢30%。因此,每一轮的平均收益就是红光获胜收益的50%,加上绿光获胜收益的20%,再加上蓝光获胜收益的30%。

收益取决于获胜颜色和下注方案。已知下注方案和每种颜色的获胜频率,我们要算出平均收益。把每种情况的函数值按出现频率加权求和,这种计算在数学上叫做「期望」。因此,计算期望收益的公式如下:

\[ \begin{aligned} \text{期望(收益)} &= \sum_{\text{颜色}} P(\text{颜色}) \times F(\text{颜色}) \\ &= P(\text{蓝}) \times F(\text{蓝}) \\ &+ P(\text{绿}) \times F(\text{绿}) \\ &+ P(\text{红}) \times F(\text{红}) \\ &= \$0.40 \times 30\% + \$0.50 \times 20\% + \$0.10 \times 50\% \\ &= \$0.12 + \$0.10 + \$0.05 \\ &= \$0.27 \end{aligned} \]

按这个方案下注,我平均每轮大约能赢27美分。

刚才我分派游戏币的方式实在太随意了,问题随之而来:把游戏币分配得更明智些,能不能提高期望收益?

在现有的计分规则下,把一整美元全押在红光上,期望收益才能达到最大。尽管期望收益是每轮50美分,但小灯实际闪烁的顺序完全可能是绿、蓝、蓝、绿、绿,那样我实际拿到手的收益就是零。不过,连续五轮都不出红光的概率只有3%左右。这一点可以对比《有规律的不确定》一文中的红蓝纸牌游戏。

所谓「恰当计分规则」,是指只有所押的游戏币恰好等于该颜色闪现的概率时,期望收益才能达到最大的计分规则。我们需要这样一条计分规则:假如小灯实际的闪现频率是30%蓝、20%绿、50%红,那么你只有在蓝光上押30美分、绿光押20美分、红光押50美分,才能让平均收益最大化。恰当计分规则会迫使你老老实实按自己估计的概率去下最优注。(这也常称为「严格恰当计分规则」。)如前所述,并非所有计分规则都有这种性质;要是你随手编一条听起来合理的计分规则,多半不具备这种性质。

有一条规则具备这种恰当性质:不按押注金额本身赔付,而是支付一美元减去押注的平方误差。如果你在获胜的灯上押了30美分,误差就是70美分,平方误差是49美分(0.7² = 0.49),一美元减去平方误差就是51美分[3]。(姑且算你的游戏币是以「美分的平方根」为单位的,这样平方误差算出来才是一笔钱。)

但我们不用平方误差规则。普通统计学家见什么都算平方误差,贝叶斯统计学家可不这样。

我们要提一个新要求:不仅计分规则要恰当,而且把几轮比赛分开算分和合并算分,得出的结果必须完全相同。贝叶斯学派不靠算平方误差过日子,而是要求「不变性」。

假设我连续按两次按钮。结果共有九种可能:绿-绿、绿-蓝、绿-红、蓝-绿、蓝-蓝、蓝-红、红-绿、红-蓝、红-红。假设第一轮绿光赢,第二轮蓝光赢。实验员会根据我们为 P(绿1) 分配的概率给出第一个分数,再根据 P(蓝2|绿1) 给出第二个分数[4]。我们做两次预测,得两个分数。第一次预测,是我们给第一轮获胜颜色(绿光)分配的概率;第二次预测,是在已知第一轮绿光获胜的前提下,我们给第二轮蓝光获胜分配的概率。为什么必须写成 P(蓝2|绿1),而不能只写 P(蓝2)?因为你对这盏闪烁的小灯可能怀有某种假设,比如「绿光后面绝不会跟着蓝光」、「绿光后面必定跟着蓝光」,或者「绿光后面有70%的概率跟着蓝光」。真是这样的话,第一轮看到绿光后,你或许就想修正第二轮的预测,更改下注方案了。在实验员按下按钮前的最后一刻,你随时可以利用手头的每一丝信息修正预测;可一旦小灯亮起,再改注就晚了。

假设实际结果是先出绿1,再出蓝2。我们要求满足如下不变性:无论按以下哪种方式计分,我的总分必须完全相同:

假设我给绿1分配了60%的概率,接着绿光亮了。现在我必须给出第二轮各颜色的概率。我评估了蓝2的可能性,把25%的概率质量分给它。你瞧,第二轮还真是蓝光亮了。这样一来,第一轮我在获胜颜色上押了60%,第二轮在获胜颜色上押了25%。不过,我也可以在实验刚开始、分配完 P(绿1) 之后,先想象第一轮闪了绿光,想象自己根据这一信息更新了理论,然后说出假如第一轮是绿光,下一轮我会给蓝光多大的把握。也就是说,我提前生成了 P(绿1) 和 P(蓝2|绿1) 这两个概率。把这两个概率相乘,就能得到联合概率:P(绿1 且 蓝2) = 15%。

双轮实验共有九种可能的结果。如果我为 P(绿1, 绿2)、P(绿1, 蓝2)、……、P(红1, 蓝2)、P(红1, 红2) 生成九个概率,概率质量之和同样不能超过1。这是在为「双轮实验」中九种互不兼容的可能结果做预测。

我们需要这样一条计分规则(也许跟普通庄家用的规则完全不同):无论把这两轮结果看作两次预测还是一次预测,我的得分都不会变。我可以把连续两次结果当成一次「连按两下按钮」的单体实验,按 P(蓝2, 绿1) = 15% 的预测来计分;也可以先按第一次预测 P(绿1) = 60% 计一次分,再按第二次预测 P(蓝2|绿1) = 25% 计一次分。我们要求两种情况下的总分完全相等,这样无论怎么拆分实验和预测,总分都分毫不差。这就是我们要的不变性。

我们刚才提出的要求是:

得分[P(绿1, 蓝2)] = 得分[P(绿1)] + 得分[P(蓝2|绿1)] 。

而我们已经知道:

P(绿1, 蓝2) = P(绿1) × P(蓝2|绿1) 。

唯一可能的计分规则就是:

得分(P) = log(P) 。

新的计分规则是:你的得分等于你分配给获胜者的概率的对数。

对数的底数可以任选,不管是以10为底还是以2为底,计分规则都具备所需的不变性。但实际计算时总得选定一个底数。数学家会选以 e 为底,工程师会选以10为底,计算机科学家则会选以2为底。如果以10为底,就可以像《直观解释》里那样换算成分贝;但有时候用比特算起来更方便。

对数计分规则是恰当的:如实说出心中的预期时,期望得分最高;它奖励诚实。要是我们觉得蓝光有60%的概率闪现,计算一下不同下注方案的期望收益就会发现,跟实验员报「60%」能使期望收益最大化。(懂微积分的读者可以自行验证。)此外,无论把按两次按钮算作「一次实验」还是「两次实验」,这条计分规则算出的总分都保持不变。只不过,现在的收益全成了负数,因为概率介于0和1之间,取对数后必然为负。0.1的常用对数(以10为底)是−1,0.01的常用对数是−2。这没关系,我们早就接受了这条计分规则可能不像真正的庄家所用的规则。要是愿意,你可以想象实验员手头有一堆钱,实验结束时,他会给你一笔钱,再扣掉你那一大串负分。(呃,准确说是那笔钱加上你的负分。)比方说实验员有一百美元,一百轮下来你累计得分为−48,最后就能拿到52美元。

得分是−48,可底数是多少呢?只要标明单位,就能消除分数的歧义。10分贝等于10倍,−10分贝等于1/10。给实际发生的结果分配0.01的概率,得分就是−20分贝;概率为0.03,得分就是−15分贝。有时我们也会用比特:1比特是2倍,−1比特是1/2。概率为0.25,得分是−2比特;概率为0.03,得分大约是−5比特。

如果你对每种颜色得出了概率评估 P,即 P(红)、P(蓝)、P(绿),那么你的期望得分就是:

得分(P) = log(P)

期望(得分) = Σ颜色 P(颜色) × log(P(颜色)) 。

假设你给出的概率是25%红、50%蓝、25%绿。为简单起见,我们先按以2为底来算。你的期望得分是:

\[ \begin{aligned} \text{得分(红)} &= -2 \text{ 比特,有 } 25\% \text{ 的时间闪现,} \\ \text{得分(蓝)} &= -1 \text{ 比特,有 } 50\% \text{ 的时间闪现,} \\ \text{得分(绿)} &= -2 \text{ 比特,有 } 25\% \text{ 的时间闪现,} \\ \text{期望(得分)} &= -1.5 \text{ 比特。} \end{aligned} \]


不妨把我们的贝叶斯计分规则,跟日常口语中谈论相信程度的方式对比一下。平时有人可能会随口说:「我有98%的把握肯定菜籽油的欧米茄-3脂肪酸含量比橄榄油高。」他们真正的意思是,自己感觉有98%的把握,就像脑子里有个衡量确信感强弱的进度条,这会儿满了98%。况且,真有办法测量的话,这个情绪进度条多半也不是刚好停在98%。「98%」在口语里只是表示「我差不多完全确定,但还留有一点余地」。这并不意味着,在该结果上押整整98美分的游戏币就能让你获得最高的期望收益。只有当你觉得自己连续回答一百道难度相当、彼此独立的同类问题,平均大约只会错两次时,才应该给出98%的「校准把握」。我们会长期记录你的正确率;要是发现你说「有90%把握」时,十次里只有七次说对,我们就会说你「没校准好」。

要是你说了上千次「有98%的可能」,结果只有五次出乎意料,我们照样要扣你分,算你没校准好。因为你给「自己出错」这一可能分配了太多的概率质量。你本该说「有99.5%的可能」,才能让得分最大化。计分规则奖励的是准确校准,既不鼓励谦卑,也不纵容傲慢。

看到这里,有些读者可能会想到一个实现完美校准的捷径:碰到任何是非题都抛硬币决定,然后给自己的答案打上50%的把握。你说50%,结果也正好对一半。这难道不是完美校准吗?没错。但校准只是贝叶斯得分的一部分,另一部分叫做「区分能力」。

假设我问你十道是非题。你对相关领域一无所知,于是每道题都把概率质量五五平分给「是」与「否」。恭喜你,你校准得完美无缺:凡是你标了「50%概率」的答案,确实有一半是真话。无论正确答案的排列顺序如何,也无论一共有几个「是」,这一点都成立。在十次实验里,你一共说了二十次「50%」——对「是1」、「否1」、「是2」、「否2」、「是3」、「否3」……全都给出了「50%」。其中有十次答对了,比如:是1、否2、否3……另有十次答错了:否1、是2、是3……

现在轮到我作答。我多花了不少心思,努力区分「是」和「否」哪个才正确。我对自己看好的每个答案都给出了90%的把握,结果十个答案里错了两个。论校准,我不如你。我说了十次「90%」,却错了两次。下次别人再听我说话,心里可能就会把我的「90%」折算成80%,知道我十拿九稳的时候,实际正确率只有八成左右。但是,你给最终结果分配的概率是1/2的10次方,即0.001(1/1024)。而我给最终结果分配的概率是90%的8次方乘以10%的2次方,即 0.9⁸ × 0.1²,算出来大约是0.004,即0.4%。你校准得很完美,我没有,但我区分正确与错误答案的能力更强,足以弥补校准上的偏差而绰绰有余。我的最终得分更高,因为我给整场实验的最终结果分配了更大的联合概率。要是我当初没那么盲目自信,校准得更好一些,给最终结果分配的概率就会是 0.8⁸ × 0.2²,算出来约为0.006(即0.6%)。

还能做得更好吗?当然能。假如你每道题都猜对,而且给每个答案都分配99%的概率,那么你为整个实验结果分配的概率就会是 0.99¹⁰ ≈ 90%。

这样你的得分就是 log(90%),即 −0.45 分贝或 −0.15 比特。这里必须取对数,这样在我力求让期望得分 Σ P × log(P) 最大化时,才没有动机去耍滑头。如果不采用对数规则,我把所有概率质量全押在最可能的结果上,就能让期望得分达到最大。况且,没有对数规则,把好几轮算作几次独立实验还是算作一次整体实验,得出的总分也会不一样。

校准不佳,可以通过简单的数学变换来修正,代价是降低区分度。如果你习惯在一百道题里对90个正确答案和10个错误答案都号称「百万分之一的出错率」,我们只要把你嘴里的「百万分之一」替换成「十拿九稳(9比1)」,就能让你的校准变得完美。相反,要想提高(真正的)区分能力,却没有什么捷径。如果你习惯在一百道题里对90个正确答案说「9比1」,我固然可以轻易把「9比1」替换成「百万比一」,从而提高你口头宣称的区分度;但没有任何简单的数学变换能提高你实际的区分能力,让你的回答变成挑出95个正确答案、只留5个错误答案。正如耶茨(Yates)等人所写[5]:「良好的校准往往可以通过简单的数学变换(比如给每个概率判断加上一个常数)来实现;而良好的区分能力则要求掌握可靠、具预测力的证据,并具备巧妙利用这些证据的技能,这在现实生活的实际处境中是很难做到的。」如果你缺乏辨别真伪的能力,坦白承认无知就能实现完美校准;但光靠承认无知,本身并不能帮你分清真假。

由此,我们又破除了对理性的一种刻板印象,以为理性就是面对未知时保持谦逊低调、承认自己无能为力。那只是投机取巧的逃避,相当于给所有是非题都分配50%的概率。我们的计分规则鼓励你在力所能及的范围内尽量做好。无知时,就坦承无知;有把握时,就亮出把握。盲目自信而又猜错,我们会罚你;满怀把握而又猜对,我们也会奖你。这就是恰当计分规则的妙处。


假设我抛二十次硬币。如果我相信硬币是均匀的,能做的最佳预测就是每次出正面和反面的机会均等。如果我相信硬币均匀,就会给二十次抛硬币的每一种可能序列分配相同的概率。二十次抛硬币大约有一百万种(1,048,576种)可能的序列,而我手里只有1.0的概率质量可用。因此,我给每一个单独序列分配的概率都是 (1/2)²⁰——几率大约是一百万比一,也就是−20比特或−60分贝。

我做了一个实验预测,结果得分是−60分贝!这难道没有证伪我的假设吗?凭直觉说,没有。我们不会在抛了二十次硬币、看到一串看似随机的结果后,倒吸一口凉气说:「天哪,出现这种结果的几率可是一百万分之一!」但看到这串特定序列的几率,确确实实是一百万分之一;要是天真地预测下一轮抛二十次硬币还会出现完全相同的结果,我马上就会领教到这一点。理论给结果分配的概率极小并不要紧,只要没有别的理论表现更好就行。不过,要是有人根据另一个备选假设,事先把这串准确的序列写进密封信封里,并给出了99%的概率,那我就要怀疑这枚硬币是不是做过手脚了。当然,前提是她只封了一个信封,而不是封了一百万个。

这告诉了我们按常识该怎么回答,但还没说明这个常识性的答案是怎么从数学里推导出来的。要解释常识为什么对,就得把目前讲过的内容全都整合进贝叶斯信念修正的框架里。做完这一步,我们就会对「口头理解与技术理解的区别」有真正的技术理解了。


设想有一项实验,结果会产出一个0到99之间的整数。比方说,实验用的是一台粒子计数器,告诉我们一分钟内通过了多少个粒子;或者是在星期三去趟超市,看看一袋10盎司装的核桃仁卖多少钱,记下价格的最后两位数(美分)。

我们正在检验几个试图预测实验结果的不同假设。每个假设都会在所有可能的结果(这里是0到99之间的整数)上生成一个概率分布。各种可能互不兼容,所以分布中的概率质量之和必须等于1(或小于1);我们不能既预测有90%的概率看到42,又预测有90%的概率看到43。

假设有一个精确假设,预测有90%的机会看到结果51。(也就是说,该假设认为超市通常把核桃仁定价为「X美元51美分」。)这个精确理论把90%的概率质量押在了结果51上,剩下10%的概率质量则分摊给其余99种可能结果,即0到99之间除51以外的所有数字。由于该理论没有做进一步说明,我们就把剩下的10%概率质量平均分给这99种可能,每个非51的结果分到1/990的概率。为书写方便,我们把1/990近似记为0.1%。

这个概率分布,就相当于该假设下出现这一结果的「似然」或「条件概率」。我们不妨称之为该假设的「似然分布」,也就是在假设成立的前提下,看到每种特定结果的机会。假设 H 的似然分布是一个由所有条件概率组成的函数:P(0|H) = 0.001,P(1|H) = 0.001,……,P(51|H) = 0.9,……,P(99|H) = 0.001。

精确理论预测有90%的概率看到51。假设还有一个模糊理论,预测「有90%的概率看到五十几的数字」。

当真看到结果51时,我们不会说这个结果同等程度地证实了两个理论。两个理论都做了预测,都给出了90%的概率,结果51也确实符合两者的预测。但精确理论占了上风,因为它把概率质量集中到了更尖锐的一点上。如果模糊理论没有做进一步说明,我们就把「有90%的概率看到五十几的数字」,折算成看到50到59之间每个数字的概率各为9%。

假设一开始我们认为精确理论和模糊理论成立的几率均等——比值为1:1,即两个假设各有50%的概率为真。看到结果51之后,精确理论成立的后验几率是多少?两个理论的预测就相当于各自的似然分配,即假设理论为真时看到该结果的条件概率。两个理论之间的似然比是多少?第一个理论给这个确切结果分配了90%的概率质量,模糊理论只给这个确切结果分配了9%的概率质量。似然比是10:1。因此,如果先验几率是1:1,后验几率就是10:1,精确理论占优。两个条件概率的落差形成推力,把我们对精确理论的把握从先验的50%推高到了后验的91%左右。当然,前提是受检验的只有这两个假设,考虑的也只有这一项证据,等等。

明明两个理论都符合证据,模糊理论为什么输了?因为模糊理论太怯懦了;它做的预测宽泛笼统,四处留后路,容许许多足以证伪精确理论的可能结果存在。这不是科学理论应有的品质。科学哲学家告诉我们,理论应当大胆,一旦预测失败,就甘愿接受证伪[6]。现在我们明白其中的道理了。精确理论把概率质量凝聚在更尖锐的一点上,一旦实际结果落在别处,就很容易遭到证伪;可一旦预测命中,精确性就会比模糊性拥有巨大的似然优势。

概率论法则不给作弊留余地:你没法编造一个模糊假设,让50到59之间的任何结果都能像证实精确理论那样有力地证实它,因为那需要总和高达900%的概率质量。只要你事先记下预测,就没法作弊,没法事后宣称无论出现什么结果,你的理论都给它分配了90%的概率。人类特别喜欢放马后炮,所以科学的社会运作流程要求必须先做预测,事后结果相符才能叫证实理论。不过,人类怎样才能顺应贝叶斯之道、驾驭它的力量,跟数学本身管不管用是两码事。做数学推演时,我们直接默认似然密度函数是假设的固有属性,概率质量之和等于1,做梦也不会想乱改。

不妨花点时间在脑海里推演一下:如果我们用「校准」来定义概率,贝叶斯定理就会把前后的校准联系起来。假设我猜理论1有50%的可能成立,理论2也有50%的可能成立。假设我校准得很好,每当我说出「百分之五十」这几个字,事情确实有一半的时候会发生。接着我看到了结果 R;在理论1成立时,R 大约十分之九的时候会发生,而在理论2成立时,R 大约只有百分之九的时候会发生。我知道这一情况,并运用贝叶斯推理。如果我起初校准得完美无缺(尽管说五五开时区分度很差),那么当我宣布自己对理论1的把握现在升到了91%时,我依然保持着完美校准(而且区分度更高了)。要是把这种情形重复许多次,每当我说「91%」时,大约会有十一分之十的次数是对的。只要我从校准良好的先验概率出发,按贝叶斯规则推理,得出的结论也依然校准良好。但这一切,只有用校准来定义概率时才成立!如果把「90%的把握」理解成确信情绪的强烈程度,那就没理由指望事后的情绪会与事先的情绪保持严格的贝叶斯关系了。

现在假设先验几率是10比1,模糊理论占优。为什么呢?假设我们描述假设的方式有两种:要么指定一个确切数字,要么只指定十位数的数字;也就是说,既可以说「51」、「63」、「72」,也可以说「五十几/六十几/七十几」。假设我们觉得真实答案属于第一类或第二类的可能性差不多。但是,在这个问题里,第一类假设有一百种可能,第二类假设只有十种可能。因此,如果我们认为这两大类假设事先正确的机会大致相等,就得把先验概率质量分摊给比模糊理论多十倍的精确理论。这样一来,预测正好是51的精确理论,分到的先验概率质量就只有预测「五十几」的模糊理论的十分之一。看到51之后,几率就会从模糊理论以10:1占优,变成1:1,精确理论和模糊理论平分秋色。

仔细想想就会发现,这跟常识的预期完全一致。起初你拿不准某现象到底是每次都产出完全相同的结果,还是每次都产出「几十几」的结果。(如果你需要一个理由来解释为什么50到59是合理区间而49到58不是,不妨把这想成超市的定价区间。)你测量了一次,结果是51。嗯,这既可能是因为结果固定是51,也可能是因为结果固定在五十几。于是,留存下来的那个精确理论和留存下来的那个模糊理论几率相等;而这恰恰要求模糊理论最初的概率必须是那个精确理论的十倍,因为精确理论与证据吻合得更紧凑。

只看到一个数字(比如51),并不会改变该现象本身属于「精确」还是「模糊」的先验概率。但实际上,它把这两大类假设各自的概率质量,全都集中到了每一类里唯一幸存的那个假设上。

当然,说某种「现象」精确或模糊,是个严重的错误,属于杰恩斯所说的「心理投射谬误」[7]。精确或模糊是地图的属性,不是疆域的属性。我们真正该问的是,超市里的价格到底是固定不变,还是上下浮动。「模糊」类的假设很适合描述上下浮动的价格,而精确的地图则契合固定不变的疆域。

再举个例子:你抛了十次硬币,看到序列「正正反反正:反反反反正」。也许你一开始觉得这枚硬币有1%的可能做过手脚。那么,「这枚硬币做过手脚,专门产出『正正反反正:反反反反正』」这一假设,分配给观测结果的似然质量,难道不是均匀硬币假设的一千倍吗?是的。那硬币做过手脚的后验几率,难道不会飙升到10:1吗?不会。「硬币做过手脚」那1%的先验概率,必须分摊给所有可能的作弊方式——专门产出「正正反反正:反反反反正」的硬币、专门产出「反反正正反:正正正正反」的硬币,等等。硬币专门产出「正正反反正:反反反反正」的先验概率不是1%,而是百分之一的千分之一。看到结果后,硬币专门产出「正正反反正:反反反反正」的后验概率才变成了1%。换句话说:你原本认为硬币多半是均匀的,但有1%的可能被设定为产出某串随机序列;你抛了硬币,硬币产出了一串看似随机的序列;这件事根本没法告诉你硬币到底是均匀的还是做过手脚的。它只告诉了你:假如硬币做过手脚,被设定的是哪一串序列。

这个小故事有助于说明,为什么贝叶斯学派必须考虑先验概率。统计学里有一个分支,有时称为「正统」或「经典」统计学,坚持只看似然。可要是只看似然,抛到最后,总会有某个作弊硬币假设击败均匀硬币假设,这种现象叫做理论对数据的「过拟合」。抛满三十次后,对应那串特定序列的作弊硬币假设,其似然是均匀硬币假设的十亿倍。只有当这个作弊硬币假设(准确说是那个特定的作弊硬币假设)在先验上比均匀硬币假设渺茫十亿倍时,才有可能输给均匀硬币假设。

要是你晃晃硬币把它重置,再重新抛一轮,结果硬币又一次产出了「正正反反正:反反反反正」,那就另当别论了。哪怕初始概率只有1%,这一来也会把作弊硬币假设的后验几率推高到10:1。

同理,如果我们用粒子计数器连续测量两次(或者连续两个星期三去查超市价格),两次结果都是51,那么精确理论就会以10:1的几率胜出。

可见,精确理论会赢,但模糊理论的得分依然比毫无理论要高。不妨考虑第三个理论,即零知识假设或「最大熵分布」,它认为0到99之间的任何结果可能性都完全均等。假设我们看到了结果51。模糊理论做出的预测比最大熵分布更好,给我们观测到的结果分配了更大的似然。模糊理论真是字面意义上的「聊胜于无」。假设起初模糊理论与完全无知假设的几率之比是1:20,无知假设占优。(为什么是1:20?因为完全无知的假设只有一个,而且特别简单直观,符合奥卡姆剃刀原则。)看到结果51后——模糊理论预测其概率为9%,完全无知假设预测为1%——后验几率就变成了9:20,约合1:2。如果接着又看到一次51,后验几率就会变成9:2(约合10:2),即模糊理论有83%左右的概率成立(前提是没有更精确的理论参与竞争)。

然而,模糊理论的怯懦——不愿做出确切预测、不愿在出现其他结果时接受证伪——让它在面对大胆、精确的理论时不堪一击。(当然,前提是大胆的理论猜中了结果!)假设精确理论、模糊理论和无知理论的先验几率之比为 1:10:200,对应的先验概率分别为0.5%、4.7%和94.8%。这组数字反映了我们在假设「类别」上的先验概率分布,概率质量在各大类之间的分配如下:50%的概率认为结果在所有数字间变动,25%认为结果在某个十位数区间内变动,25%认为每次都重复同一个数字。完全无知的假设只有1个,十位数区间的可能假设有10个,重复同一个数字的可能假设有100个。因此,精确假设「51」、模糊假设「五十几」与完全无知假设的先验几率之比就是 1:10:200。

看到一次结果51后(三者分配的概率分别为90%、9%和1%),后验几率变为 90:90:200 = 9:9:20。再看到一次结果51后,后验几率变为 810:81:20,即概率分别为89%、9%和2%。此时,精确理论胜过了模糊理论,而模糊理论又胜过了无知理论。

现在再来考虑一个愚蠢理论,它预测有90%的概率看到0到9之间的结果。对于实际出现的结果51,愚蠢理论只分配了0.1%的概率。如果精确、模糊、无知、愚蠢四个理论最初的几率之比是 1:10:200:10,那么看到一次51后,后验几率就变成了 90:90:200:1。愚蠢理论已经被证伪了(后验概率只有0.2%)。

模型完全有可能糟糕到连没有都不如:只要它把概率质量集中到了远离实际结果的地方,满怀把握地预测错误答案。这种假设差到连完全无知的假设都比不过。无知总胜过反知识。

顺便提一句:在人工智能领域,时不时会刮起一阵吹捧随机性的风潮。偶尔会有AI研究人员发现,往自己的算法里加点噪声,算法反而运转得更好了。这类结果往往伴随着极大的热情公之于众,紧接着就是对混沌的创造力、不可预测性、自发性、连开发者自己都搞不懂AI在干什么等特质的一通肉麻吹捧。(例如「想象力引擎」公司,按他们的销售宣传册所说,他们卖的是受损垂死的神经网络[8]。)可要是往中间处理阶段注入熵反而能提升性能,这算法得有多可悲啊?这算法必定是走火入魔了,以至于花了不少力气把概率质量往远离优秀解的地方集中。如果注入随机性能带来稳定的提升,那就说明算法的某个环节表现得稳定不如随机乱蒙。也只有在人工智能界,人们才会设计出字面意义上比一袋砖头还蠢的算法,靠噪声把结果往「无知」的水平稍微拉高一点,然后大谈噪声的神奇疗效。

假设在实验中,我们依次看到了结果52、51和58。精确理论给这一复合事件分配的概率是千分之一乘以90%再乘以千分之一;模糊理论给这一复合事件分配的概率则是9%的立方。粗略按十的幂次来算,精确理论下大约是一百万分之一,模糊理论下大约是一千分之一。至于给所有结果分配均等概率的零知识分布,概率也是一百万分之一。而那个连没有都不如的模型——声称有90%的概率看到小于10的数字的愚蠢假设——概率更是只有十亿分之一。用这些近似数字来算,模糊理论拿到了−30分贝的得分(整个实验结果的概率为1/1000),而精确理论是−60分贝,无知理论是−60分贝,愚蠢理论则是−90分贝。并不是得分最高的理论就一定赢,因为我们还得考虑 1:10:200:10 的先验几率,换算成把握分别是−23、−13、0和−13分贝。加上先验之后,模糊理论依然以−43分贝的总分拔得头筹。(要是忽略先验概率,每次新实验都会推翻之前所有实验积累下来的结果,我们就没法积累知识了。而且那样一来,作弊硬币假设每次都会赢。)

和之前一样,哪怕最好的理论得分依然很低,我们也大可不必惊慌——回想一下均匀硬币的故事吧。理论只是近似。原则上,我们或许能预测抛硬币的确切序列,但那需要更精密的测量和更庞大的算力,超出我们愿意付出的代价。也许有了足够好的模型,我们能把抛硬币的预测准确率做到六四开……?我们只能采用手头最好的近似模型,哪怕区分度不够完美,也尽量把校准做好。


到目前为止,我们的分析都是在贝叶斯概率论的规则下展开的:在这里,概率质量绝不可能超过100%,因此也没法耍滑头,不能不管出现什么结果都算成对理论的「证实」。在贝叶斯法则下,游戏币不能伪造,你手里就只有那么多黏土。

遗憾的是,人类并不是贝叶斯主义者。人类会莫名其妙地去「捍卫」假设,刻意设法证明它,或者阻止它被推翻。这种行为在概率论或决策论法则里找不到任何对应。在形式概率论中,假设就在那里,证据也就在那里,假设要么得到证实,要么得不到证实。在形式决策论中,行动者可以对自己尚不确定的某个问题展开调查,事先并不知道证据会偏向哪一边。无论哪种情况,都绝不会有人刻意去证明某个想法,或者设法避免它被推翻。人们可以去检验自己真正拿不准的想法,但调查结果不该有所谓「偏爱」的方向。你既不能存心去证明假设,也不能阻止假设得到证明。对真正的贝叶斯主义者来说,这种念头荒谬到了什么地步,我简直没法用语言充分传达;贝叶斯语言里甚至连描述这种错误的词汇都没有……

每一分对正面证据的期望,都必然伴随着一份大小相等、方向相反的对反面证据的期望。如果 A 是支持 B 的证据,那么「非 A」就必然是支持「非 B」的证据。两边的证据强度未必相等;一方罕见却有力的证据,可能与另一方常见却微弱的证据相平衡。但 A 和「非 A」绝不可能同时成为支持 B 的证据。至少在概率论法则下绝无可能。

人类却总想两头占便宜。无论亲眼看到什么结果,都说是证明了自己的理论。正如《期望证据守恒[4]》一文中提到的牧师施佩(Spee)所言:「调查委员会要是判一个女人无罪,就会觉得奇耻大辱;人一旦被捕戴上镣铐,无论用正当手段还是卑鄙手段,都必须有罪。」[9]

人类心理的运作方式似乎是:先看到某件事发生,然后设法论证这件事符合自己事先抱有的某个假设。我们手里没有守恒的概率质量去分摊给事先的「预测」,反而只有一种「相容感」,即觉得解释与事件有多「吻合」。「吻合感」是不守恒的,这里没有「概率质量之和必须等于1」那种规则。精神分析师只需构建一套恰当的「合理化」与「防御机制」结构,就能解释受访者的任何行为;因为吻合,所以必定正确。

不妨回想一下《虚假的解释[5]》里讲的那个故事:学生们看到暖气片旁边放着一块金属板。他们事先绝不会预测金属板靠近暖气片的那一侧温度更低。然而,当看到这一事实时,他们却设法让自己的解释跟事实「吻合」了起来。他们错失了宝贵的困惑机会,没能意识到自己的模型根本预测不出所观测到的现象。他们牺牲了「对虚构比对真相更困惑[6]」的能力。他们也没有意识到,「热感应,如此这般,所以靠近的那一侧更凉」只是一个模糊的口头预测,其概率分散在极其宽泛的具体温度测量值区间上。如果运用扩散与平衡方程,就能对可能的联合数值给出尖锐的预测。方程也许不能直接指定你测到的头几个数值,但只要知道了几个数值,就能对其余数值做出精确预测。就整个实验结果而言,其得分将远超任何不够精确的备选方案,更不用说模糊的口头预测了。


现在,对于口头解释与技术解释的区别,你有了一个「技术」解释。说它是技术解释,是因为它能让你算出一个解释到底有多技术。模糊假设有时模糊到了极点,只有超人类智能才能算出它究竟有多模糊。或许,足够庞大的智能可以推演出每一种可能的实验结果,推演出模糊猜测者对模糊假设与结果有多「吻合」的每一种可能裁决,然后再把这种「吻合度」分布重新归一化为总和等于1的似然分布。但原则上,我们依然能算出一个模糊假设到底有多模糊。只不过这种计算在算力上不可行,就像用量子力学计算飞机的飞行轨迹在算力上不可行一样。

我主张每个人都至少要学一门硬核的技术学科:物理、计算机科学、演化生物学、贝叶斯概率论,或者其他什么都行。一门技术学科都没学过的人,根本不知道「解释」一件事究竟意味着什么。他们可能会像古希腊哲学家赫拉克利特那样,以为「万物皆火[7]」就算是一种解释。因此,我提倡在高中教授贝叶斯概率论。在我所知的数学分支里,唯有贝叶斯概率论既能在高中阶段听懂,又能让人对「信念的动态变化」这一日常现实领域形成技术理解,并产生触动人心的影响。学习贝叶斯概率论,能让学生真正明白「解释」一件事到底是什么意思。

太多学者以为,所谓「技术性」,就是满嘴干巴巴的生僻大词。下面就是一段关于技术解释的「技术性」解释:

概率论方程偏爱对确切观测数据做出强力预测的假设。强模型大胆地将概率密度集中于精确结果,数据一旦偏离便易于证伪,从而相较欠大胆、欠精确的模型具备巨大的似然优势。口头解释依赖对不守恒的事后相容性做心理评估,而非分配守恒的事先概率密度。此外,口头解释不描绘细节分明的图景,意味着在数据邻域内呈平滑的似然分布。

这样讲令人满意吗?不满意。听听这些庄重气派的句子,字字句句都透着专家那种沉闷的威严;看看那些倒霉的学生,正把这些句子往纸上抄。听众听完了这番如同咒语般的话,依然什么计算也做不了。你懂背后的数学,所以这些话对你有意义;你听了这些气派话之后能做计算,正如你听之前就能做一样。可那些没见过具体计算过程的人呢?听完这场「技术」讲座,除了学会背诵一堆漂亮话,他们到底掌握了什么新本领?

「贝叶斯」真是个迷人的词,对吧?来,我们一口气念个够,把瘾过足:贝叶斯、贝叶斯、贝叶斯、贝叶斯、贝叶斯、贝叶斯、贝叶斯、贝叶斯、贝叶斯……

这几个神圣的音节本身毫无意义,它唯一的作用就是提醒听者去运用数学。因此,听的人必须本来就懂这套数学。

反过来,只要你懂背后的数学,哪怕表现得再滑稽,也依然具备技术水准。

由此,我们又破除了对理性的另一种刻板印象,以为理性就是枯燥死板、不苟言笑的严肃。那跟辨别真伪有什么关系?跟绘制契合疆域的地图又有什么关系?一个配得上穿白大褂[8]的科学家,哪怕穿着小丑服[9],照样能做出原创发现;哪怕吸了氦气、捏着尖细的嗓子,照样能做学术报告。概率论的数学公式里,哪一行写着不准找乐子了?斩开迷雾、直抵正确答案的利刃,本身无所谓庄重与滑稽,哪怕握刀的人是个活宝也丝毫无妨。


有用的模型,不仅仅是你单纯知道的某件事实,好比你知道飞机由原子构成。有用的模型,是你能在合理时间内算出来、用以预测自己知道该如何观测的现实事件的知识。也许有人会发现,用一个稍微违反一点动量守恒定律的模型,计算波音747空气动力学特性的成本[10],要比死守严格的动量守恒低得多。于是,如果让两台计算机比赛谁能做出更好的预测,胜出的反而是那个违反动量守恒的模型。但这并不意味着波音747在现实生活中违反了动量守恒。两个模型都没把单个原子算进去,但这并不意味着波音747不是由原子构成的。物理学家预测飞机和粒子碰撞时会采用不同的模型[11],只是因为一粒粒原子地去算整架飞机,代价实在太高昂了。

要证明波音747由原子构成,你会用空气动力学模型无法处理的实验数据——比如用扫描隧道显微镜对准机翼的一小块切片,直接观察原子。同样,你也可以用更精密的测量仪器,来区分波音747到底是像廉价近似模型预测的那样真的不遵守动量守恒,还是像底层物理学预测的那样严格遵守动量守恒。综合预测所有实验结果表现最好的理论,才是最终赢家。我们的贝叶斯计分规则,恰恰提供了一条途径,能把所有实验的结果(哪怕用的是截然不同的实验方法)全都结合起来。

不仅如此,原子理论容许、包含,甚至在某种意义上要求必须有空气动力学模型。只要对原子理论的假设做一番抽象思考就会明白,空气动力学模型理应是原子理论的一个良好(且廉价得多)的近似;因此,原子理论支撑着空气动力学模型,而不是与它竞争。一个成功的底层理论可以针对不同领域衍生出许多模型,只要承认这些模型是近似,且每个模型都与底层理论相容(最理想的情况是由底层理论直接推导出来)。

我们的基础物理学——量子力学、标准粒子族以及相对论——就是一个包含了庞大宏观物理现象模型族的底层理论。物理学里有液体物理学、固体物理学、气体物理学;但这并不意味着世上存在着本身就具有「流动性」这一内禀属性的基础物质。

表面上有色彩,表面上有甜味,表面上有苦味,实际上只有原子和虚空。
——德谟克利特,公元前420年,引自罗宾逊与格罗夫斯[10]

我主张把「技术」理论定义为将概率高度集中于特定事先预测的理论,这其实是立下了一个极其严苛的标准。前文已经看到,模糊理论也可以比完全没有理论好。如果没有精确理论参与竞争,模糊理论也能战胜无知假设。

在生命与生物学的核心底层理论——常称为新达尔文主义、自然选择或演化论——旗下,也有一个庞大的模型族。演化论里有些模型是定量的。DNA编码蛋白质的方式具有冗余性,两段不同的DNA序列可以编码同一种蛋白质。DNA有四种碱基 {A, T, C, G},三个碱基的组合共有64种可能。但这64种可能的密码子只编码20种氨基酸外加一个终止信号。因此,基因漂变理应通过偶然在基因库中固定下来的突变,在物种基因组中产生非功能性的改变。

拥有共同祖先的两个物种,其基因组中非功能性差异的积累速率,取决于经历的世代数、该基因位点承受的选择强度等参数。这就是演化模型族中能做出定量预测的一个例子。此外还有选择压力下的非平衡等位基因频率、博弈论策略的稳定均衡、性别比例,等等。

光这样罗列,都还属于「漂亮话」的范畴。遗憾的是,某些宗教派别四处散布关于演化论的恶劣虚假信息。因此我要特别强调,演化论中有许多模型都能做出并已得到实验证实的定量预测,而且这些模型足以确凿无疑地证明人类与黑猩猩拥有共同的祖先。如果你曾受过神创论虚假信息的蒙蔽——也就是说,如果你听说过任何诸如演化论有争议、不可检验、「只是一个理论」、不严谨、缺乏技术性,或者没有堆积如山的实验证据支持之类的说法——我建议你读一读《TalkOrigins 常见问题解答》[11],并结合数学去学习演化生物学。

不过,不妨想象一下回到十九世纪,回到查尔斯·达尔文和阿尔弗雷德·拉塞尔·华莱士刚刚发现自然选择理论的年代。想象一下刚刚诞生的演化论:那时候,它根本没有今天这样成体系的定量模型和堆积如山的实验证据。当时谁也无从知晓,后来会发现人类和黑猩猩有95%的遗传物质相同;当时甚至没人知道DNA的存在。即便如此,科学家还是纷纷拥抱了自然选择这一新理论。而后来的事实证明,确实存在着能够精确复制并有可能发生突变的遗传物质,人类与黑猩猩也确实有血缘关系,等等。

可见,我刚才为「技术」理论提出的那个极严苛、极高昂的标准,未免太苛刻了。从历史上看,依靠被我称为「模糊」的那类预测,确实有可能成功区分正确理论与错误理论。哪怕是只有80%把握的模糊预测,只要实验次数足够多,也能对备选假设建立起巨大的优势。像这样虽然做不出精确入微的预测、但方向依然正确的理论,或许可以称为「半技术」理论?

可是,技术理论肯定比半技术理论更可靠吧?技术理论难道不该享有优先地位、赢得更多敬重吗?物理学能做出极其精确的预测,在某种意义上,难道不比演化论得到了更好的证实吗?这当然不是暗示演化论有错;只是,支持演化论的证据哪怕再堆积如山,物理学凭借同样堆积如山的精确实验证实,难道不更胜一筹吗?对中子星的观测,已经把广义相对论的预测证实到了百万亿分之一(10¹⁴)的精度。演化论有什么能与之匹敌的呢?

丹尼尔·丹尼特曾说,如果以理论本身的简洁程度和所能解释的复杂程度来衡量,达尔文提出了有史以来最伟大的一个想法[12]。

十九世纪的物理学与十九世纪的演化论,曾经发生过一次正面冲突。根据当时最好的物理模型,太阳燃烧的时间不可能太长。靠化学能只能烧三千年,靠引力能也只能烧四千万年。十九世纪的物理学找不到任何能让太阳燃烧更久的能源。十九世纪的物理学虽不如现代物理学那么强大,做不出精确到 10¹⁴ 分之一的预测,但已经具备了现代物理学的数学特质,其模型能产出详尽、精确、定量的预测。而十九世纪的演化论则完全是半技术性的,没有半点定量模型,当时甚至连孟德尔的豌豆实验都还不为人知。然而,演化过程看起来确实需要比区区四千万年漫长得多得多的时间才能奏效——得要几亿年,甚至几十亿年。地球历史极其古老,这是十九世纪演化论这门模糊的半技术理论做出的一个模糊的半技术预测。相比之下,十九世纪的物理学家手里有精确的定量模型,经过严格计算,得出了一个精确的定量论断:太阳根本不可能燃烧那么久。

物理科学对地质年代所设的限制,固然不能推翻物种演变这一假设;但确实足以推翻物种演变是通过「自然选择下的传代修饰」而实现的学说。
——开尔文勋爵,引自莱尔·扎帕托[13]

历史记录了最终谁赢谁输。

这说明了什么道理?如果你能对是非题事先给出有80%把握的预测,哪怕这是一个「模糊」理论,哪怕五次里会错一次,依然能对无知假设建立起巨大的得分优势。只要没有更好的竞争理论,这就足以证实一个理论了。现实是自洽的;关于宇宙的每一个正确理论,都与其他所有正确理论相容。不完美的地图之间会起冲突,但疆域只有一片。十九世纪的演化论或许是一门半技术学科,但它依然是正确的(如今我们已经知道了),而且是当时最好的解释(哪怕在当年也是如此)。演化论与另一个得到充分证实的理论发生冲突,必定反映出某种反常,说明「两个理论互不相容」的断言本身出了错。十九世纪的物理学没法为太阳的内部动态建模——那时候人们还不知道核反应。物理学家无法从技术细节上证明自己对太阳的理解是正确的,也无法根据一个已获证实的太阳模型去推算太阳存在了多久。因此,事后回顾时我们可以说:「十九世纪的物理学有可能根本就没搞懂太阳是怎么回事。」

但这只是事后诸葛亮。真正的教训在于:十九世纪的物理学即便既精确又定量,也不会自动压倒十九世纪演化论这一半技术理论。两个理论都有强有力的证据支撑,在各自归纳得出的适用领域内都是正确的。两者表面上的冲突是一种反常,而最终查明,这一反常源于十九世纪物理学的不完备与不当应用,而非十九世纪演化论的不完备与不当应用。去比较支持这两个理论的证据之山哪座更大,其实是徒劳的。哪怕在当年,这两座证据之山都已经太大了,没法设想其中哪一个理论只是单纯搞错了。如此庞大的两座证据之山不能拿来对撞,仿佛一个能证伪另一个似的。必定是你把某个理论用错了,或者把模型用到了它无法准确预测的领域之外。

所以,不必因为某个理论属于半技术性质就一味嗤之以鼻。与所有可选的备选方案相比,半技术理论照样能积累起足够高的分数,让你确知它至少大体上是正确的。终有一天,半技术理论可能会让位于更精确的竞争者,甚至被其证伪,但即便是技术理论也同样如此。想想爱因斯坦的广义相对论是怎么吞并牛顿引力理论的吧。

只不过,半技术理论(即目前还没有算力上可行、能用现实实验加以检验的精确模型的理论)到底对不对,远不如技术理论那么一目了然。要把优秀的半技术理论与纯属脑子糊涂的理论区分开来,需要技巧、耐心和审视。人类凭本能做不好这件事,所以我们才需要科学。

人们总是急于下定论,一抓到什么理由就迫不及待地拒斥自己不喜欢的理论。正因如此,我才举了十九世纪演化论的例子,说明为什么不该仅凭「缺乏技术性」就草率地把一个理论一棍子打死。若按科学界的道德惯例来衡量,十九世纪的演化论犯下的罪过不止一桩:它做不出定量预测;不容易检验证伪;很大程度上只是在解释已经看到的事物;缺乏底层机制,因为当时没人知道DNA;甚至还违背了十九世纪的物理学定律。然而,自然选择作为一个事后解释实在太出色了,人们纷纷接纳了它,而事实证明他们是对的。科学作为人类的一项事业,要求事先做出预测;概率论作为数学,则不区分事后解释与事先预测,因为概率论直接假定概率分布是假设的固有属性。

要求事先做出预测,是科学社会运作流程的规则——是一项道德惯例,而非数学定理。确立这项道德惯例,是为了防止人类犯下连用概率论语言都很难描述的人性错误,比如事后偷偷篡改自己的假设当初预测了什么。当时的人们断定,哪怕十九世纪的演化论属于事后解释,也依然是一个极佳的解释。从概率论的角度看,这种推理是完全正确的,所以尽管它犯下了诸多科学大忌,最终依然行得通。概率论是数学,而科学的社会运作流程则是一套防止人们在数学上作弊的法规惯例。

不过话说回来,与当代的演化理论家相比,十九世纪末和二十世纪初的演化理论家确实常常误入歧途。达尔文聪明到足以创立这一理论,他在极大程度上都想对了;但达尔文的后继者们只聪明到足以接受这一理论,他们对演化的误解既频繁又严重。随后不得不靠常规的科学流程来纠正他们的错误。达尔文[14]在《物种起源》和《人类的由来》中犯下的推理错误如此之少,与后来的学者相比,简直令人难以置信。

这也是半技术理论的一大隐患。哪怕天才的灵光一现得到了证实,在缺乏形式模型的情况下,平庸的科学家依然可能无法恰当地运用这些洞见。直到20世纪60年代,还有生物学家大谈演化是为了「物种的利益[12]」,或者认为个体会节制繁殖[13]以防止种群过度挤占栖息地。顶尖的演化理论家心里明白这不对,但普通的理论家却拎不清[15]。

因此,拥有技术理论终究比半技术理论要好得多。遗憾的是,大自然并不总是那么体贴,既不会总是顺从地让我们用简洁、形式化且算力上可行的模型去描述她,也不会总是为研究她的学生备好能直接探测现象的测量仪器。有时这只是时间问题。十九世纪的演化论是半技术性的,但后来有了群体遗传学的数学模型,最终又有了DNA测序。大自然不会总让你在萌生基本洞见的十五秒之后,就能用技术模型把现象描述出来。

然而,科学的前沿,那些真正的争议所在,往往正是围绕着半技术理论,或是伪装成半技术理论的胡说八道展开的。等一个理论达到技术水准时,(在科学家内部)通常已经没有争议了。所以,如何区分优秀的半技术理论与胡说八道,对科学家而言至关重要,绝不是把所有非技术理论一概斥退那么简单。整个理性学科之所以存在,就是为了辨别真伪。这门技艺无法简化为一张核对清单,至少无法简化为普通科学家培训一小时就能可靠套用的清单。要是真有那么简单,我们就不需要科学了[14]。


你为什么要去关注科学争议呢?教科书里有那么多丰盛扎实的佳肴,为什么偏要去啃媒体提供的[15]那些干瘪腐烂的草料呢?教科书里的科学多美啊!教科书里的科学是可以真正理解的,不像那些单纯的漂亮话,永远谈不上真正的美。没有数学支撑,漂亮话既没有力量,也没有意义。漂亮话不是知识,只是知识的幻觉,所以光知道一句「引力源于时空弯曲」,才几乎带不来什么满足感。科学不在那些漂亮话里,尽管突发新闻里你能读到的只有漂亮话。

关注科学争议,有时也有正当理由。也许你是相关领域的专家,那场科学争议本来就是你的本职工作。又或者,那场科学争议直接关系到你的生活,你眼下就急需知道答案。比方说现在是十九世纪,你正色眯眯地盯着一位身穿十九世纪泳装的异性看,你急需知道自己心中的性欲到底源于自然选择塑造出来的心理机制,还是魔鬼为了引诱你下地狱而塞进你心里的试探。

我们确实不排除会碰上直接影响自身、急需找到正确答案的科学争议。因此,我接下来会讨论一些危险信号;从历史上看,正是这些信号把后来证明是反科学胡话的模糊假设,与后来晋升为已证实理论的模糊假设区分了开来。只不过,请牢记十九世纪演化论的历史教训,克制住「只要有一条不符清单就全盘否定」的冲动。我的本意可不是给人们多找一个借口,去拒斥那些让自己不舒服的优秀科学理论。如果你对不喜欢的理论套用更严苛的标准,对喜欢的理论却放宽标准(或者反过来!),那么你每多学会一种吹毛求疵的技巧,每多学会识别一种逻辑漏洞,就会变得更蠢一分。智力要想有用,就得用在正道上,而不能用来自我挫败。


劣质假设的一个典型标志,就是不得不煞费苦心地逃避证伪——现象的表现明明不符合预期,还要费尽唇舌地编造理由,解释假设为什么与现象相容。卡尔·萨根举过一个例子:有人声称自家车库里住着一条喷火龙[16]。萨根最初从中总结出的教训是,劣质假设需要靠眼花缭乱的腾挪闪躲来逃避证伪,以维持表面的「吻合」[16]。

我倒想指出,这位声称有龙的人,脑子里的某个地方显然对实际情况有着相当准确的模型,因为他能事先精准地预测出自己将会需要哪些借口。对贝叶斯主义者来说,假设不是你扯着嗓门大声断言的东西;假设是支配你「预期」的东西,是你分配给未来体验的概率。在贝叶斯主义者眼中,这才是概率的真正含义——是你计分的对象,也是你校准的对象。所以,那人嘴上尽管大声、笃定、诚实地宣称自己「相信」车库里有一条隐形龙,但他心里并不「预期[17]」车库里有隐形龙——他所预期的实际体验,跟怀疑论者毫无二致。

评判一个假设的预测时,我问的是自己会预期看到什么体验,而不是会相信什么事实。

反过来看:

最近我跟一位朋友就演化论的某个问题争论了一番。朋友声称,化石记录中变化的聚集现象(表面上看,往往是相对停滞的时期之后紧跟着相对急剧的变化,这一有争议的观测现象称为「间断平衡」)表明,我们对物种形成的理解出了问题。朋友认为背后有某种未知的力量在起作用——倒不是超自然力量,而是标准演化论未曾纳入考量的某种自然因素。既然朋友没有给出一个能做出更好预测的具体竞争假设,他的论点就必然是:标准演化模型在现有数据面前显得很「愚蠢」——也就是说,标准模型做出了一个被事实打脸的具体预测,表现得连完全无知或其他默认备选方案都不如。

起初我掉进了陷阱,默认接受了「标准模型预测变化平缓」这一隐含前提,并凭记忆反驳说化石记录的变化并不像他说的那么急剧。他向我发出挑战,让我找出一例介于直立人(Homo erectus)与智人(Homo sapiens)之间的演化过渡物种;我上网搜了搜,找到了海德堡人(Homo heidelbergensis)。他向我道贺,承认我扳回了一大局,但依然坚称变化太急剧,不够平缓。我便着手解释,为什么我认为不均匀的变化模式完全可以从标准模型中产生:环境选择压力未必恒定不变……「哈哈!」朋友抓住了把柄,「你这是在提前找借口了。」

可是,假如化石记录呈现出的是一系列平滑渐进的变化呢?我这位朋友会不会又反过来论证说,把演化视为混沌噪声过程的标准模型,根本解释不了如此平滑的变化?如果事后宣称自己心爱的假设早就预测了现有数据是一桩科学罪过,那么事后宣称竞争假设在现有数据面前显得很愚蠢,难道不也是同样的罪过吗?

如果一个假设拥有纯粹的技术模型,那就不会有这种麻烦;我们可以按形式规则直接算出模型的预测,没有任何非形式化的变量给事后动手脚留余地。可半技术理论怎么办呢?显然,半技术理论总得对某些事情做出像样的事先预测,否则要它何用?但当这个理论得到初步证实之后,反对者能不能拿着事后倒推出来的所谓「问题」,声称数据表明该半技术理论有缺陷呢?反对者至少必须明确指出:一个已获证实的模型到底在哪些具体数据上做出了愚蠢预测,以及为什么该模型(从事后来看)必定会做出那个愚蠢预测。从定量角度看,多急剧的变化才算「太急剧」,以至于超出了标准演化模型所能容许的范围?你认为标准演化模型到底预测了多高的平稳度?你又是怎么知道的?看到数据之后再说这些,是不是已经太晚了?

当朋友指责我找借口时,我停下来问自己,我原本预期需要找哪些借口。我意识到,以自己目前对演化论的掌握,根本判断不出演化速率的快慢走势应该是断断续续、高低起伏,还是平滑渐进。要不是事先见过那张图表,我根本预测不出来。(遗憾的是,就连这个判断也是我看到数据之后才做出的……)也许演化模型族里真有某些模型能事先预测变化是平稳还是多变,但就算有,我也不知道。更关键的是,我那位朋友同样不知道。

想知道某个理论预测了什么,去问该理论的反对者往往并不明智。应当去向该理论最优秀的拥护者了解其预测,只需确保事先把他们的预测记下来就行。诚然,理论的拥护者有时会设法让理论去「迎合」明显不符的证据。但如果你拿不准某个理论到底预测了什么,还是先去问它的拥护者,然后再让反对者来交叉质询吧。

此外还要注意:模型是可以包含噪声的。如果我们假设数据呈缓慢而稳定的上升趋势,但测量仪器有5%的误差,那么指着某个比前一个数据点略低的数据点,得意洋洋地大喊「看呐!跌了!跌了跌了!别跟我扯你的理论为什么能解释这次下跌,你就是在找借口!」,是毫无意义的。形式化的技术模型往往包含明确的误差项。误差项会分散似然密度,降低模型的精确度,拉低理论的得分,但贝叶斯计分规则依然有效。技术模型可以容许偏差、出现偏差,却依然表现得比无知假设更好。在前面超市核桃仁的例子里,哪怕是预测51的精确假设,也只把90%的概率质量押在51上;该精确假设只声称十次里有九次会出现51。无视九次51,偏偏指着一次82欢呼胜利,根本不构成反驳。那不是找借口,而是技术模型明确做出的事先预测。

当然,误差项的存在,确实会让这个「精确」理论在面对连那次82都能准确预测出来的「超精确」备选理论时处于下风。同样,如果有一个「精确把握无知」的模型,偏偏在出现82的那一轮预测只有60%的概率出51,从而在那次特定偏差上把似然分布得更具熵(更分散),标准模型也会输给它。无论现有理论多出色,科学永远欢迎得分更高的竞争者。但如果你拿不出更好的替代理论,只想证明某个公认理论在现有数据面前很愚蠢,那么这项科学任务的要求,恐怕比直接用新理论取代旧理论还要高。

天文学家曾记录下水星近日点进动中无法用牛顿物理学解释的偏差——准确地说,牛顿物理学预测每世纪进动5557角秒,而实际观测值是5600角秒[17]。但当时的科学家难道应该因为这点微小且尚无解释的反面证据,就把牛顿引力理论扔进垃圾堆吗?扔了它又能用什么代替呢?后来,在爱因斯坦的广义相对论精确解释了水星轨道偏差、并成功做出其他事先预测之后,牛顿引力理论确实退出了历史舞台。但在事前,根本没人能预料到事情会这样发展。

十九世纪时,天王星的轨道也存在长期反常。有人说:「也许距离太远时,牛顿定律就开始失效了。」后来有几个聪明人审视了这一反常,提出:「这会不会是一颗未知的外侧行星造成的?」奥本·勒维耶和约翰·库奇·亚当斯各自独立运用标准的牛顿理论写写算算,把海王星的位置预测到了偏差不超过一度的范围内,从而戏剧性地证实了牛顿引力理论[18]。

直到广义相对论精确推导出了水星近日点进动,我们才确知牛顿引力理论永远无法解释这一现象。


在《直观解释》中我们已经看到,卡尔·波普尔关于「证伪强于证实」的洞见,如何转化为贝叶斯理论中关于似然比的事实。波普尔的失误在于,他以为证伪与证实有着本质的定性区别;实际上,两者都受同一套贝叶斯规则支配。但波普尔的哲学确实反映了证伪与证实在定量上的一个重要差异。

波普尔对弗洛伊德、阿德勒等人自诩的「科学」理论,与二十世纪头二十年爱因斯坦相对论在物理学中掀起的革命,二者之间的反差印象极为深刻。在波普尔看来,两者最主要的区别在于:爱因斯坦的理论极具「风险」,也就是说,可以从中推导出在当时占统治地位的牛顿物理学看来极不可能的推论(例如光线经过大质量天体附近会发生偏折——1919年由爱丁顿的实验所证实),而这些推论一旦被证明为假,就会证伪整个理论;反观精神分析理论,哪怕在原则上也没有任何事物能够将其证伪。波普尔渐渐觉得,精神分析理论与原始神话的共同点,反而比与真正科学的共同点更多。也就是说,他看清了精神分析表面上的最大优势及其自称具备科学地位的主要依据——即能够容纳并解释人类一切可能的行为形式——实际上恰恰是它的致命弱点,因为这意味着它不具备、也不可能具备真正的预测力。精神分析理论因其本性所限,不够精确,无法导出否定性的推论,因而对经验层面的证伪具有免疫力……
于是,波普尔摒弃了归纳法,拒绝将其视为科学研究与推论的特征方法,并代之以可证伪性。他指出,为几乎任何理论寻找支持证据都易如反掌;因此他主张,这类被他称为「确证」的证据,唯有作为一次真正「冒风险」的预测(即原则上完全可能出错的预测)的正面结果时,才具有科学价值。对波普尔而言,一个理论唯有能被某个可设想的事件所推翻,才算得上科学。因此,对科学理论的每一次真正检验,在逻辑上都是一次试图反驳或证伪它的尝试……
由此,在波普尔看来,每一个真正的科学理论都是禁止性的,即它必然在逻辑上禁止某些特定事件或情况的发生[19]。

按照波普尔的哲学,科学理论的强大之处不在于它解释了多少事情,而在于它排除(不解释)了多少事情。科学理论的优点不在于它允许什么结果发生,而在于它禁止什么结果发生。弗洛伊德的理论看似无所不能解释,实则什么也没有禁止。

把这段话翻译成贝叶斯语言就会发现:模型禁止的结果越多,在其余允许发生的结果上集中的概率密度就越大。理论禁止的结果越多,所包含的知识量就越大。理论越是勇敢地将自己暴露在证伪的风险之下,就越能明确地告诉我们该预期什么样的体验。

一个能解释任何体验的理论,就相当于完全无知的假设——其概率密度均匀地平摊在每一个可能的结果上,呈均匀分布。


「燃素」是十八世纪对古希腊炼金术士「元素之火」的翻版。你没法用燃素说去预测化学反应的结果——你只能先看结果,然后再用燃素去解释它。燃素说具有无限的弹性,是一个伪装起来的零知识假设。同样,「活力论」既解释不了手是怎么动的,也无法告诉你有机化学中会发生什么样的转化,更不可能用来做任何定量计算。

反过来看:

要警惕机械套用核对清单的思维:抱有神圣不可侵犯的奥秘、用神秘概念搪塞问题,跟拒绝做进一步解释并不是一回事。物理学中有些要素被视为「基础要素」,目前尚未得到进一步还原或解释。但物理学中的这些基础要素,全都遵循定义明确、数学上简洁、可做形式化计算的因果规律。

偶尔会有科学妄人跳出来反对现代物理学,理由是现代物理学没有为某条目前被视为基础的数学定律提供「底层机制」。(指责数学定律缺乏「底层机制」,正是约翰·贝兹所编《妄人指数》中的一条得分项[20]。)而这位妄人自己提出的「底层机制」,却往往模糊、口头化,丝毫不能提高预测力——否则我们也不会把提出者归为科学妄人了。

当前的物理学把电磁场视为基础要素,不再做进一步解释。但「电磁场」是一个遵循明确数学规律的基础要素,在数学规律之外没有任何多余属性,可以通过形式化计算来描述它对世界产生的因果效应。将来也许会有人提出改进的数学模型,做出更好的预测,但我绝不会以「神秘主义」的罪名起诉现有的模型。包含「基础要素」的理论,跟包含「神秘要素」的理论绝不是一码事。

基础要素应当是简单的。「生命」不是好的基础要素,「氧」是好的基础要素,而「电磁场」则是更好的基础要素。在活力论者看来,生命或许很简单——无非就是肌肉在精神指挥下活动的简单而神奇的能力。既然如此,为什么不能用像「生命冲动」(élan vital)这样简单而神奇的基础物质来解释生命呢?然而,在心理上显得极其简单的现象——夜空中的小光点、橙黄炽热的火苗、随心意而动的血肉躯体——背后往往隐藏着极其深邃的底层复杂性。在活力论者眼里,面对一个黑箱般捉摸不透、毫无抓手的奥秘,说「生命是复杂现象」或许令人难以置信;但没错,孩子,底层确实存在高度的复杂性。与奥卡姆剃刀相关的简单性标准,是数学上或计算上的简单性。一旦我们把模型提炼为数学上简洁的基础要素,这些要素本身不再带有原现象那种神秘特质,而是通过明确界定的方式相互作用,把昔日神秘的现象作为详尽的预测推导出来——这就是人类迄今所掌握的最彻底的「祛魅」之道。


世上有很多人相信,死后会面对一位目光严厉的圣彼得,他会审视你生前的所作所为,算出一个道德总分。想来圣彼得的计分规则必定是唯一的,不会因为观察视角的细微改变而变动。遗憾的是,信徒们拿不到这份计分规则的定量、可精确计算的说明书,这未免有些不公平。

而「贝叶斯教」则主张,你死后的永恒命运取决于生前做出的概率判断。与那些低等信仰不同,贝叶斯教可以给出一份定量、可精确计算的说明书,清楚交代你的永恒命运是如何决定的。

我们的恰当贝叶斯计分规则,提供了一套跨实验累加分数的方法;无论怎么拆分「实验」,也无论按什么顺序累加结果,总分都保持不变。我们把概率的对数加起来,这相当于把每次实验中分配给实际结果的概率相乘,从而求出所有实验结果的联合概率。我们之所以取对数,是为了让累计得分更直观易懂,为了能把握住其中涉及的极小分数,也是为了确保唯有如实报出心中的概率(而不是把所有游戏币全押在最可能的结果上)才能让期望得分达到最大。

贝叶斯教宣称,当你死后,皮埃尔-西蒙·拉普拉斯会审视你一生中的每一个事件,从早上醒来在床边找到鞋子,到去上班发现工作单位还好好地待在老地方。每一张没中奖的彩票,都意味着你当初在乎到愿意掏钱去买。拉普拉斯会评估你事先给每个事件分配的概率。对于你事先没有分配确切数值概率的事件,拉普拉斯会审视你的预期或惊讶程度,推演出其他可能的结果以及你在那些结果下的反应,再把推演出的情绪重新归一化为所有可能结果上的似然分布。(「拉普拉斯超级智能」一词便由此而来。)

接着,拉普拉斯把你一生中的每一个事件、以及你分配给每个事件的概率全都拿出来,把所有概率乘在一起。这就是你的「最终审判」——你为自己这一生分配的概率。

贝叶斯教的信徒毕生都在努力让自己的「最终审判」最大化。这是贝叶斯教唯一的善行,其余全都是数学。

听好了:贝叶斯教的戒律是极其严苛的。每天早晨,对于「太阳会升起」这一命题,你该分配多大的概率?(阴天、地球绕太阳公转之类的字眼纠缠,这里一概不论。)不信奉贝叶斯教的人或许会出于谦虚,给出99.9%的概率。但我们贝叶斯教徒会抛开一切谦卑与傲慢的考量,一心只图让「最终审判」最大化。就像痴迷的电子游戏玩家一样,我们只在乎这个数字得分。太阳升起的问题每年都要面对365次,所以稍微调整一下概率分配,或许就能让「最终审判」得到相当可观的提升。

照目前这样,就算太阳每天早晨都照常升起,我们的「最终审判」每年也会缩水到原来的 0.999³⁶⁵ = 0.7,大约损失0.52比特。每过两年,「最终审判」的缩水程度就会超过对一次抛硬币结果一无所知所受的损失!简直不可容忍。如果把每天太阳升起的概率调高到99.99%,那么每年「最终审判」只会缩水到原来的0.964。好多了。可即便如此,万一我们正好活满70岁去世,「最终审判」也只有原本可能达到的最高值的7.75%。要是给太阳升起分配99.999%的概率呢?那么70年后,「最终审判」将乘以77.4%。

为什么不干脆分配1.0的概率呢?

贝叶斯教徒绝不会给任何事物分配1.0的概率。给某个结果分配1.0的概率,会耗尽你手里所有的概率质量。如果你给某个结果分配了1.0的概率,而现实给出了不同的答案,那就意味着你给实际发生的结果分配了「零」概率。这是贝叶斯教唯一的必死大罪。零乘以任何数都等于零。当拉普拉斯把你一生中所有的概率乘在一起时,总概率就会变成零。你的「最终审判」将化为乌有,归零,完蛋。哪怕你这辈子其余时候的猜测再理性,死后也只能跟一个相信飞碟、所有信息都来自荒诞小报《世界新闻周刊》的家伙做永恒的邻居了。取对数在这里又一次帮了大忙,让听起来人畜无害的「零」显出了原形。冒着给实际结果分配零概率的风险,就如同接受了一场输掉就会赔上负无穷大的赌局[18]。

要是人类决定把太阳拆了当物质用(恒星工程),或者嫌太阳白白浪费熵而把它关掉呢?你会说,那种事事先肯定看得出苗头,在实际发生前有的是机会修改概率分配。可要是某人地下室里的人工智能通过递归自我改进成了超级智能,悄悄发展出纳米技术,某天早晨突然把太阳拆了呢?如果在世界末日的前夜,你依然给明天的日出分配99.999%的概率,你的「最终审判」就会暴跌十万倍。整整扣掉50分贝!太惨了,不是吗?

那么,你的最佳策略是什么?假设你有50%的把握预期某个地下室诞生的AI超级智能会在未来十年内的某个时候拆掉太阳,而且觉得从现在起往后每一天发生此事的机会大致均等。那么在任何一个夜晚,你对明天太阳升起的预期大约是99.98%。如果这确确实实是你内心的预期,那你就毫无动机报出99.98%以外的任何数字。如果你心里发慌,觉得这个预期太低或太高,那就说明把你的发慌考虑进去之后,这并不是你真正的预期。

但贝叶斯教更深层的真理在于:你没法钻系统的空子。你既不能给出一个谦虚的答案,也不能给出一个狂妄的答案。你必须弄清楚自己到底有多预期明天太阳会升起,然后如实报出那个数字。你必须剔除每一丝谦卑或傲慢,只问自己到底预期最终会因为太阳升起而计分,还是因为太阳不升起而计分。不要去管事后能找什么借口,而要问自己事先预期会用上什么借口。在得出确切的预期程度之后,要想进一步提高「最终审判」得分,唯一的办法就是提升预期的准确度、校准度和区分度。除了猜得更准、预期得更精确,你别无他法。

呃,好吧,除非你在五岁时就自杀,从而阻止「最终审判」继续往下降。或者,要是我们在效用函数上打个补丁,把自杀列为新的罪过,你还可以逃避一切未知,躲开所有自认为无法完全掌握的情况。得,这个宗教就到此为止吧。


理想情况下,我们先用模型预测实验结果,然后再做实验,看结果是否符合模型。遗憾的是,我们无法总是控制信息流入的顺序。有时大自然直接把体验扔到我们脸上,等我们想出解释时,早就看过有待解释的数据了。这就是十九世纪演化论犯下的科学罪过之一:达尔文是先观察到了许多物种的相似性及其对特定局部环境的适应,脑子里才萌生出自然选择这一假设的。十九世纪的演化论在诞生之初,是一个事后解释,而非事先预测。

这也不只是半技术理论才会遇到的麻烦。1846年,人们根据天王星轨道的引力摄动成功推导出海王星的存在,被视为牛顿引力理论的一场伟大胜利。为什么?因为海王星的存在,是首个证实牛顿引力理论「事先」预测的观测结果。牛顿所解释的其他所有现象,诸如行星轨道、轨道摄动和潮汐,在牛顿给出解释之前,早就被人观察得详详细细了。当然,没人 seriously 怀疑过牛顿的理论是否正确;牛顿的理论解释了太多现象,而且解释得极其精确,用一条统一的数学定律取代了一堆东拼西凑的模型。即便如此,事先预测海王星的存在,随后又在几乎分毫不差的预测位置上观测到海王星,依然被视为牛顿理论在「预测以往模型无法预测之事」上的首个伟大胜利。从牛顿理论获得广泛接受,到牛顿引力理论做出第一个令人叹服的事先预测,中间隔了相当长的时间。在牛顿提出自己的理论时,科学家其实早就把牛顿引力所能预测的大多数现象观察得一清二楚了。

但要求事先预测,只是科学界的道德规范,不是概率论的法则。如果你在解释之前就已经看到了数据,科学界或许会把你骂得狗血淋头,但你的处境并不会让概率论法则失效。真正发生的变化是,凡夫俗子要想遵守概率论法则,变得难上加难了。在根据贝叶斯计分规则评估一个假设时,你需要弄清该假设给观测结果分配了多少概率质量。如果规定必须事先做出预测,那么一旦有人企图把每一种可能的结果都说成是自己的事先预测、透支概率质量、故意含糊其辞以逃避证伪,旁人就很容易看穿。

没有哪个数字命理师能预测出下周的彩票中奖号码,但他们却很乐意为你解说上周中奖号码的神秘寓意。假设上周彩票的「超级球」从52个可能结果里摇出了7号。显然,这是因为7是个幸运数字。那么,下周彩票的超级球也会摇出7号吗?我们明白这事不能打包票,可既然7是幸运数字,你分配给它的概率总该高于1/52吧……接下来我们会连续几年记录你的猜测得分,要是得分太低,就把你抓起来抽鞭子……什么?你说你想分配正好1/52的概率?可那跟其他所有数字的概率一模一样啊,不是说7是幸运数字吗?不,抱歉,你不能既给7分配90%的概率,又给11分配90%的概率。我们明白它们俩都是幸运数字。是的,我们明白它们是「非常」幸运的数字。但规矩不是这么定的。

哪怕听众不懂贝叶斯之道,不要求给出形式化的概率,要是你试图面面俱到、把所有可能都包揽下来,他们多半也会起疑心。假设他们让你预测下周中奖的超级球号码,你用数字命理学解释为什么1号球非常符合你的理论,2号球也非常符合你的理论,3号球也非常符合你的理论……哪怕最轻信的听众,听你数到12号时恐怕也要开始发问了。要不你告诉我们哪些数字不吉利,绝对不会中奖?呃,13号不吉利,但也不是绝对不可能(你开始留后路,事先预期自己可能需要用到什么借口了)。

可要是让你解释上周的彩票号码,哎呀,出7号简直是板上钉钉的事。那个7号绝对应该算作彩票「幸运数字」模型的一次重大胜利。而且上周绝不可能摇出13号,幸运理论直接就把13号排除了。


设想你某天早晨醒来,发现自己的左臂变成了一条蓝色触手。这条蓝色触手听从你的运动神经指挥——你可以用它拿杯子、开车,等等。你会怎么解释这个假想的场景?在继续往下读之前,不妨先花点时间思考一下这个谜题。

(防剧透留白……)

要是我左臂变成了一条蓝色触手,我会怎么解释这一事件?答案是:我根本不会去解释。因为这种事绝不会发生。

真要编造一个与该假想场景「吻合」的口头解释,可谓易如反掌。有太多解释可以跟任何事情「吻合」,自然也能跟「左臂变成蓝色触手」(作为「任何事情」的一个特例)相吻合。神明干预就是一个万能解释;或者是动机和能力随你怎么编的外星人;又或者是我疯了、出现了幻觉、躺在医院病床上做白日梦。这类解释与所有结果都同样吻合,也同样不吻合,等同于完全无知的假设。

检验一个现实模型能不能「解释」我的手臂变成蓝色触手,标准在于该模型是否把可观的概率质量集中到了这个特定的结果上。躺在医院里,为什么偏偏做这个梦?外星人有十亿件事可以做,为什么偏偏对我做这件特定的事?我的手臂在人生此前每一个早晨都好好的是条手臂,为什么偏偏在今天早晨变成了触手?无论哪种情况,我都必须寻找一个有足够说服力、能事先做出这一特定预测的论据,而不是仅仅寻求事后的相容。一旦我已经知道了结果,再想从众多假设中筛选出好的解释,就会变得难上加难。无论尝试哪个假设,我都会不由自主地给昨天已经发生的「长出蓝色触手」分配更多的概率质量,远超我在事先毫不知情、单纯推导该模型对明天最可能的预测时所会分配的概率。

模型并不总能预测数据的所有特征。大自然并没有什么特殊倾向,非要给我出一些有解的难题不可。也许是有某个神明在捉弄我,而神明的心思在算力上根本无法推演。如果我抛一枚均匀的硬币,得出的结果就没法做进一步解释,没有任何模型能做出比最大熵假设更好的预测。可要是我猜了一个毫无内部细节、或者做不出任何进一步预测的模型,我不仅毫无理由相信这个猜测,甚至毫无理由去在乎它。昨晚我的手臂变成了一条蓝色触手。为什么?外星人干的!那他们明天又会干什么?不知道!同样,如果我把蓝色触手归咎于自己昏迷卧床时产生的幻觉,我依然不知道明天又会幻觉出什么来。既然如此,到底是外星人干的还是幻觉,我又何必在乎呢?

那么,假如某天早晨醒来,发现手臂变成了蓝色触手,什么样的解释才算「好解释」呢?要想宣称对这一假想体验拥有「好解释」,就必须有一套足够有力的论证,使得我在此时此刻——在手臂还没有变成蓝色触手之前——思考这套假想论证时,就会在睡前忧心忡忡,担心自己的手臂明天真会变成触手。

人们总爱玩弄「听起来合不合理」的游戏,去解释自己预期绝不会真正碰上的事件,可这种做法必然违背概率论法则。那些自以为能「解释」一觉醒来手臂变成触手这一假想体验的人当中,有多少人会在睡前真去操心这事会不会落到自己头上?他们要是有勇气面对自己内心的真实信念,就该直说:我预期自己绝不会遇上这种假想体验,所以我解释不了,也没动机去试着解释。这种事只会发生在网络漫画里,我根本用不着提前准备解释,因为在现实生活中我永远没机会用上。万一我真落到了这般不可能的境地,那就让我彻彻底底地感受那份宝贵的困惑,一丝一毫也不要错过。

对贝叶斯主义者来说,概率是预期,不是站在屋顶上高声宣扬的空头信念。如果我手头的模型给「醒来长出蓝色触手」分配了概率质量,我就会对醒来长出蓝色触手感到发慌。如果那是个异想天开的模型,比如女巫施法把我传送进了一部随机挑选的网络漫画里呢?那么,因为「网漫巫术」的先验概率极低,我对现实世界的理解并不会给这个假设分配任何有分量的权重。如果把巫术假设当成既定前提,它或许会给醒来长出蓝色触手分配不小的似然。但我对该假设本身的预期太低了,所以根本不会去预期该假设推导出的任何预测。我脑子里能够构想出巫术假设这一事实,丝毫不该减轻我真的一觉醒来长出触手时的强烈困惑,因为我在现实中分配给巫术假设的概率实际上等于零。这个零概率假设并不能帮我解释醒来长出触手这件事,因为它的论据不够有力,不足以让我事先预期醒来会长出触手。

在概率论法则中,似然分布是假设的固有属性。在理性的技艺中,解释就是预期,预期就是解释。假设我是一名医学研究人员,在日常推进研究的过程中,注意到自己提出的新颖解剖学理论似乎容许一个微小而模糊的可能:我的手臂会变成一条蓝色触手。「哈哈!」我说,「真奇特,真滑稽!」同时心里感到一丝极其微弱的发慌。万一那件事真发生了,这才会是一个好解释。

如果一条推理链并不能让我在事前对醒来长出触手感到发慌,那么就算这事真发生了,那条推理链也依然是个糟糕的解释,因为它的先验概率与似然结合起来太低了,不足以让我在现实中给那个结果分配任何有分量的概率质量。

只要从校准良好的先验概率出发,运用贝叶斯推理,最终就会得出校准良好的结论。设想宇宙中不同星球上散布着两百万个智慧生命,都有机会遇上诸如醒来长出触手(或者——天哪!——长出十根手指)这般离奇的事。其中一百万个智慧生命对某个假设 X 给出的先验概率是「千分之一」,而每个假设 X 对醒来长出触手给出的似然是「百分之一」。另外一百万个智慧生命对某个假设 Y 给出的先验概率是「百分之一」,而每个假设 Y 对醒来长出触手给出的似然是「十分之一」。假如所有智慧生命都校准良好,那么放眼整个宇宙,我们就会发现有十个智慧生命因为合理性等级属于 X 类的假设而长出了触手,有一千个智慧生命因为合理性等级属于 Y 类的假设而长出了触手。所以,如果你发现自己长出了触手,而且你的概率评估校准良好,那么这根触手更有可能源于你归为「较可能」的假设,而非你归为「极不可能」的假设。(要是你校准得很差,嘴里说「百万分之一」的事实际上二十次里就会发生一次呢?那说明你过度自信得离谱,我们就会把你的概率往降低区分度、增加熵的方向调整。)

就算「被传送进网络漫画」这一假设能够「解释」醒来长出蓝色触手的场景,由于其先验概率极低,它依然是个糟糕的解释。网漫假设无助于解释这根触手,因为它并没有让你在事前预期自己醒来会长出触手。

假如宇宙中散布着一千万亿个有感知的心智,那么会有相当多的个体遇上极可能发生的事件,却只有区区一百万左右个体会经历终生似然为十亿分之一的事件(正如我们用全知之眼和完美校准所预期的那样),而且没有任何一个个体会经历真正不可能的事。

万一你不知怎么真的在醒来时长出了一条触手,背后的原因多半也比「被传送进网络漫画」要可能得多,必定是某个合情合理、完全正常的原因让你长出了触手,只是你事先没料到罢了。会是什么正常原因呢?我不知道。想不出来。我并不预期自己醒来会长出触手,所以我给不出任何好解释。我干嘛要费神去编造自己预期根本用不上的借口呢?要是我真担心自己哪天需要为醒来长出触手找个巧妙的借口,那么让我对这种可能性感到发慌的那个原因,本身就是我的解释。

现实派发体验,凭的是概率,不是表面的合理性。如果你发现自己的笔记本电脑不遵守动量守恒定律,那就说明现实认为这样对待你是完全正常的。违反动量守恒怎么会完全正常呢?我预期这个问题没有答案,也永远不需要回答。同样,人们醒来并不会长出触手,可见这也并不正常。


有一条石破天惊的真理,如此令人震惊、令人畏惧,以至于人们竭尽全力抗拒它的推论。然而,仍有少数孤独的人有勇气接纳这一顿悟。若你想求得智慧,智慧就在这里:

从太初至今
不曾有一件异常之事
发生过。

那些把目光从斑马身上移开、一味梦想着巨龙的人,真可悲啊!倘若我们学不会从纯粹的真实中体会喜悦,我们的生命就未免太虚空了。


[1] Edwin T. Jaynes, Probability Theory: The Logic of Science, ed. George Larry Bretthorst (New York: Cambridge University Press, 2003), doi:10.2277/0521592712.

[2] Feynman, Leighton, and Sands, The Feynman Lectures on Physics.

[3] Readers with calculus may verify that in the simpler case of a light that has only two colors, with p being the bet on the first color and f the frequency of the first color, the expected payoff f × (1 − (1 − p)2) + (1 − f) × (1 − p2), with p variable and f constant, has its global maximum when we set p = f.

[4] Don’t remember how to read P(A|B)? See An Intuitive Explanation of Bayesian Reasoning.

[5] J. Frank Yates et al., “Probability Judgment Across Cultures,” in Gilovich, Griffin, and Kahneman, Heuristics and Biases, 271–291.

[6] Karl R Popper, The Logic of Scientific Discovery (New York: Basic Books, 1959).

[7] Jaynes, Probability Theory.

[8] Imagination Engines, Inc., “The Imagination Engine® or ImagitronTM,” 2011, imagination-engines.com.

[9] Friedrich Spee, Cautio Criminalis; or, A Book on Witch Trials, ed. and trans. Marcus Hellyer, Studies in Early Modern German History (1631; Charlottesville: University of Virginia Press, 2003).

[10] Quoted in Dave Robinson and Judy Groves, Philosophy for Beginners, 1st ed. (Cambridge: Icon Books, 1998).

[11] TalkOrigins Foundation, “Frequently Asked Questions about Creationism and Evolution,” talkorigins.org/origins.

[12] Daniel C. Dennett, Darwin’s Dangerous Idea: Evolution and the Meanings of Life (Simon & Schuster, 1995).

[13] Quoted in Lyle Zapato, “Lord Kelvin Quotations,” 2008, zapatopi.net/kelvin/quo.

[14] Charles Darwin, On the Origin of Species by Means of Natural Selection; or, The Preservation of Favoured Races in the Struggle for Life, 1st ed. (London: John Murray, 1859), darwin-online.org.uk/co Charles Darwin, The Descent of Man, and Selection in Relation to Sex, 2nd ed. (London: John Murray, 1874), darwin-online.org.uk/co.

[15] Williams, Adaptation and Natural Selection.

[16] Carl Sagan, The Demon-Haunted World: Science as a Candle in the Dark, 1st ed. (New York: Random House, 1995).

[17] Kevin Brown, Reflections On Relativity (Raleigh, NC: printed by author, 2011), 405-414, mathpages.com/rr/rrtoc..

[18] Ibid.

[19] Stephen Thornton, “Karl Popper,” in The Stanford Encyclopedia of Philosophy, Winter 2002, ed. Edward N. Zalta (Stanford University), http://plato.stanford.edu/­archives/­win2002­/entries­/popper/.

[20] John Baez, “The Crackpot Index,” 1998, math.ucr.edu/home/baez/.


总目录:

《理性:从人工智能到僵尸》导读与目录

卷:

第四卷:区区现实

章节:

科学与理性

上一篇:

结课大作业

下一篇:待翻译


Thoughts Memo 汉化组译制
感谢主要译者 gemini-4-argon,校对 Jarrett Ye
原文:A Technical Explanation of Technical Explanation

参考

1. 插曲:贝叶斯定理的直观解释 ./2062903307765650455.html
2. 猜老师的密码 https://hpmor.xyz/ai2zb_31/
3. 集中你的不确定性 https://hpmor.xyz/ai2zb_20/
4. 证据期望值守恒论 https://hpmor.xyz/ai2zb_28/
5. 虚假的解释 https://hpmor.xyz/ai2zb_30/
6. 作为理性主义者的力量 https://hpmor.xyz/ai2zb_26/
7. 现实是丑陋的吗? ./2067225460942050315.html
8. 科学外套 https://hpmor.xyz/ai2zb_32/
9. 两则关于「邪教」的公案 ./1996321798212585333.html
10. 压缩的谬误 ./2055264755414218095.html
11. 还原论 ./2075547593489306122.html
12. 进化之路,通向灭绝 ./2023118761268364628.html
13. 群体选择主义的悲剧 ./2023475345806958868.html
14. 科学不相信你的理性 ./2101621172253234659.html
15. 已成定论的科学之美 ./2080666040158242594.html
16. 对信念的信念 https://hpmor.xyz/ai2zb_13/
17. 让信念(用预期)支付租金 https://hpmor.xyz/ai2zb_11/
18. 0 和 1 不是概率 ./991286265.html

专栏:理性 & 克服偏见


← 返回目录