《创世神会梦见真空中的球形鸡吗？》
——极简人类思想史（下篇）
二、古生代思维模式
（1）孤立！抽象！量化！测量！
聊古生代的思维之前，先请大家思考一个问题——玻璃对人类文化的进步，起到了多大的作用？
从自然科学来说，玻璃是无数实验研究的前提。
化学的各种试管烧杯都是玻璃制品，玻璃化学性质很稳定，几乎不会和各种试剂反应；它是吹出来的，所以它的形状自由度更高，化学家能吹出自己想要的所有形状；更重要的是，它的透明能让人观察到内部发生的变化——颜色、气泡、沉淀等。
生物，尤其是微生物学，就是在列文虎克显微镜，和巴斯德的鹅颈烧瓶肉汤试验以后才有的事。
物理的光学，天文学，也是借助了各种透镜才能进行观测，正是天文学和光学的发展，宗教开始了祛魅，圣光与星辰失去了魔力，取而代之的将是更世俗化的宗教，和更宗教化的机械体系。
可以看出，玻璃在实验科学中有着举足轻重的地位，为什么？因为玻璃具有特殊的性质，它的透明方便了“观测”，同时构建了观察者和被观察物的物理上的间接而非直接的连接，这种“间接”，保证了一种“中性”和“客观”的观测态度。
一个不受人类思想、行动、意志和恳求影响的中性世界的概念，是人类想象力取得的最伟大的胜利之一，而它本身也代表了一种全新的价值观——理性主义。
这种价值观，这种概念世界又是缘何而来？
来自艺术，来自“透视”的出现。
每一次科学的爆炸式进步，都伴随着人文主义精神的复苏，这似乎既奇怪，又不奇怪。真正开启理性主义，实证主义科学的，不是机械，不是资本，而是透视画法。
为什么是透视？在透视出现以前，绘画是这样的：
你会发现，人物出现了一种奇妙的扭曲，就是怎么看怎么不顺眼，不像个人。毕竟在引入长度，宽度，质量，体积这种度量之前，人就是人，一个“象征”，一个“综合”，一个张三李四王五，一个“社会关系的总和”，你如果要认出一个人，你可能只需要记住他脸的特征，而不是一个“180cm,180kg,180mm”的数据组。
但科学要的正是这样的数据组，物理研究运动不需要颜色，气味，只需要你的质量，你的形状。换言之，我们不需要一个作为抽象体，一个名字，而是需要一个某几个数据非常明确的物。将一样东西的多余性质排除不考虑，抽象它本身的运动环境，用最简化的数学语言和条件来描述它，测量它，这是物理，或者说所有理科的典型研究方法。
而这，便是透视带来的思想转变。它用玻璃隔开了观察者和观察物，在这种“间接”观察中，一些特质被有意的孤立，人们从经验主义的总体观察过渡到实证主义的特征值观察。
从观察到实验，从直觉到计算推理，抽象+量化+推理=古生代科学。
人类迈开了理性的第一步。
（2）形式主义的疯狂与崩溃
人类迈开第一步后的不久，就已经健步如飞。
物理学建立了力学、光学、电磁学、热学；化学有了有机化学、无机化学、物理化学、分析化学……
但是，重要的突破发生在了数学——来自牛顿与莱布尼茨关于微积分的争论。
现在的考证普遍认为，是两人各自独立地发明了微积分。很多人以为这个是大师的殊途同归，尽管用的符号完全不同，但是想表达的本质却是一样的。但懂行的人知道，牛顿和莱布尼茨发明微积分的视角是完全不同的。
牛顿是个物理学家，其次是个数学家。他发明微积分是为了物理上的运算，比如椭圆。为此他的取名有很特别的风格——流数而非导数等等，他的求导基于时间dt而非一个dx（比如物理上“动量流=力”），可以说，牛顿的微积分还是建立在直观的物质世界体系上的。
但是莱布尼茨却是相反的，他是真正的数学家。他的理论建立在严密的代数基础上，而非直观的图像世界。抛弃了图像我们能获得什么？我们能获得无比的严谨和普适性，而这份严谨能让我们走的更远，哪怕是直觉无法到达的地方，超越三维的高维空间，高复杂度环境……
后世的数学家，选择了莱布尼茨。在严谨与直观中，选择了前者，或者说作为数学家，他们不得不走前者的道路。接着，魏尔斯特拉斯、柯西、拉格朗日、黎曼……一个个大神完善了这一套体系，让它变得完美无缺；勒贝格，康托尔……他们又拓展了这个体系，让它适应性更强。尤其是康托尔的集合论，它完美的定义了现代分析数学的底层公理。当然，这样的证明也越来越抽象，越来越不直观。
甚至，物理学家在数学上的客场战败后，主场也被攻下——分析力学诞生了。我们从小就接受的是牛顿力学的熏陶，当说到受力分析时第一反应就是画图，标出一个个力矢，那么你能不能想象“分析力学”一本书中可以一幅图都没有？一切的矢量，力、动量、几何关系，都被蕴含在泛函分析中……物理学也因此获得了无比的严谨。
数学家们发现，从自然数与康托尔集合论出发可建立起整个数学大厦。因而集合论成为现代数学的基石。“一切数学成果可建立在集合论基础上”这一发现使数学家们为之陶醉。那时的人类像个刚学会跑步的孩子，便以为这个世界的一切地方，他都有理论上到达的可能。
直到一个叫罗素的哲学家，提出了一个悖论，彻底击垮了集合论的根基——设集合S是由一切不属于自身的集合所组成，即“S={x|x ∉ S}”。
它有一个容易理解的版本——在某个城市中有一位理发师，他的承诺只为本城所有不给自己剪发的人剪发，那么他该不该给自己剪发？
这个悖论动摇了所有得意满满的数学家，一位数学家如实表示：“一个科学家所碰到的最倒霉的事，莫过于是在他的工作即将完成时却发现所干的工作的基础崩溃了。”
此事件，史称第三次数学危机。而这场危机的解决，来自于大牛哥德尔，这就有了著名的哥德尔不完备性定理。
任意一个包含一阶谓词逻辑与初等数论的形式系统，都存在一个命题，它在这个系统中既不能被证明为真，也不能被证明为否。
如果系统S含有初等数论，当S无矛盾时，它的无矛盾性不可能在S内证明。
如果你看不懂它，没关系，你只要知道，这个定理彻底击碎了数学家们的美梦，彻底击碎了人类用形式主义获得“真理”的可能性。你不可能找到一套公理系统，能证明或证伪所有的命题。
也就是说，以抽象真理为核心的科学体系崩塌了，以追求真理为目的的科学行为没有意义了，人类的一切行为，都有局限性。以“抽象+量化+推理”的古生代科学体系，因为“推理”的局限性，注定是个有局限的科学体系。
但是，天无绝人之路，一个真理倒下了，千千万万个“真理”却站了起来，人类迎来了科学的新时代。
三、新生代思维模式
（1）自由范式的兴起
既然在保证一致性的前提下，完备性永远不能达成，那我们还要完备性干什么？针对每一个问题设计一套全新公理体系不好吗？只要它能解释就好了呀！
这种思想并没有多少改变自然科学的研究方式，却给了社会科学新生。立论立说，开始成为了一个非常普遍的行为。因为社会科学的公理比自然科学弱的多，所以得出的结论更是千奇百怪，不同的公理体系完全可能得出相反的结论。这也是为什么诺贝尔经济学奖可以颁给两个相反的结论。
比如现实主义历史学家认为生存与繁衍是人类的根本追求，自由主义学者却认为幸福才是人类的根本追求，建构主义者还认为每个时期每个地区，甚至不同社会地位的人他们追求都不一样！怎么能不专门编一套体系来研究他们呢？所以要是比灌水论文量，建构主义保证完胜。
这种“编一套体系”，就是所谓的科学范式，是一个共同体成员所共享的信仰、价值、技术等等的集合。指常规科学所赖以运作的理论基础和实践规范，是从事某一科学的研究者群体所共同遵从的世界观和行为方式。开展科学研究、建立科学体系、运用科学思想的坐标、参照系与基本方式，科学体系的基本模式、基本结构与基本功能。Kuhn给出了如上的范式的基本定义和如下的评判一个范式好坏的标准：
1. 准确（accurate）：与实验观察吻合
2. 一致性（consistent）：能自圆其说，也能和其他理论契合
3. 普适性（Broad scope）：应该有深远的影响，超出自身最初的目的
4. 简单（Simple）：保证它的效率
5. 成果丰厚（Fruitful）：能揭示新现象，新关系
可以看出，这种新时代的科学范式已经不再以“正确”为唯一指标了，它的标准中透露着浓浓的功利主义思想。科学，不再是追求真理，而是追求实用。这不是在批评它，而是科学，已经无法追求所谓的高度理想化的“永恒真理”。
那你要问了，这范式好是好，可是别人不承认怎么办？当然没有办法。要看你的自身能量，你导师的能量。你是圈中大佬，自然大家叫好，认真学习，要是你是个初出茅庐的新人……这也就是为什么，社会科学研究者“找个好导师”比自然科学重要得多。
（2）数据拟合的承认
刚刚，我们为了一致性性放弃了完备性，现在，我们又将为了效率而放弃一致性。
学计算机的都知道，很多时候，如果你愿意牺牲一丁点微不足道的准确性，你能将时空复杂度降低一个甚至很多个档次。
比如说，让你求π，你会怎么求？
迭代？模拟？精度够吗？
蒙特卡罗算法就用概率统计的方法给出了一个强大的方法：
我们画一个靶子，是一个正方形，再作它的内切圆，每次随机生成一个二维坐标，就把它当做一个飞镖，biu往上一扎！比如扎个四万只，看看它有多少只在圆的内部——这个数量除以10000，就是圆周率π了。
除了这种用概率统计代替严格计算的方法，我们还有哈希匹配等等已经被非常广泛应用的非准确但是高效的算法。
如果上面的算法还是用科学方法能严格论证其原理以及误差有限的，那么更新的“数据密集型科学”就并不这么认为了。只要数据显示两个事物有关联，哪怕你找不到任何因果的解释，或者牵强附会地编造了几个可能的因果关系，他们也承认这一结论。
拟合的另一个著名例子是经济学家弗里德曼，他就明确表示，如果发现世界经济周期跟太阳黑子周期有稳定的相关性，那他愿意用太阳黑子数据预测世界经济情况。在现代的许多科学研究中，“准确性”本身就获得不了——非自然学科无法有实验室、变量不正交不可分离、变量不可控、变量集合无法完备。我们只能逼近真理，却永远无法获得真理。
甚至我们会怀疑，真理真的存在吗？
我们不该再抱有不切实际的真理幻想了，传统科学本就已无路可走，用数据实现科学的逆流而上，是我们唯一的逆天改命的机会。
（3）结构建模的必要
在古生代，我们强调孤立和抽象，强调极简模型，这个固然是有其时代意义的，因为那个时候的数学工具和计算工具，乃至“范式”都是很弱的，完全无法处理高复杂度的情形。这也就意味着，数理化可以发展，但是生物学，社会科学等就无法使用这种体系。
（图为物理梗：真空中的球形鸡，源自一个物理学笑话。用于讽刺盲目简化条件假设前提、过度简化模型，以至于得出的结论完全不符合现实的情况）
那么，该如何应对？新时代的科学家又如何解决这一问题？
思路是，要将物理和数学中取得成就的科学方法扩展到其他的经验领域，让活着的有机体和人类社会也成为系统研究的对象，并基于这个学科的范式，抽出专门的定量特征——建模。
在某一个范式上建模，将所要研究的对象的某些数据用结构化的形式表达。甚至，超越“数据”这一概念，而是运用矛盾论这些哲学概念作为基本运算进行建模。模型的类型是我们定义的，运算也是我们定义的。
然后我们就能看到无数的成果，19世纪的心理学就像17世纪的力学，不再是机械构成生命的一个形式，而是生命成为了机械的一种形式。科学不再仅关注物质运动，更关注能概括复杂事物事件背后规律的潜在秩序和逻辑。
模型是我们定义的，运算是我们定义的，我只希望，结果不是我们定义的就好——但事实上，这个也只是一厢情愿，模型有两种——解释模型与预测模型。
解释模型着眼过去，分析过去发生过的各种事情，并利用一个模型来解释它，比如社会学经典名作《新教伦理与资本主义精神》就用新教的禁欲主义伦理来解释了西方理性主义和资本主义的初期发展。但是任何解释模型都有其缺陷，尤其是社会科学，你从宗教发展看技术，我为什么不能从艺术发展来看技术？“解释”模型的结果是确定的，那么在作者的妙笔生花下，选择性忽略下，它总能“很有解释力”。
至于预测模型，一般就以范式为前提，建模作手段，然后就是数据大放异彩的时候了。从基础的线性回归，到现在热门的数据挖掘，深度学习……我们的世界会如何改变？数据作为超越实证和理性的存在，又能走多远？
第三代的思维模式=自由范式+结构建模+数据拟合。它远远超越了第一代的直觉系统，和第二代的公理系统，在理论上拥有无穷的潜力。它失去了第一代的直观，第二代的正确，而它获得的是无比强大的效率，和逆天改命的可能。
它会是人类科学思维的终极吗？如果不是，第四代思想又会是如何？
……
……
不如我们建个模，拟合一下？
联系客服
