🔬

什么是科学的思考方式

这本书是 2017 年阅读完的,一本书的价值在于读者和作者之间碰撞出来的火花,而非把作者的内容抽离再画出「脑图」。这篇文字也是如此,倘若希望系统的了解此书,还是自己重头阅读比较好,这里谈到的,都是对个人的启发。

什么是科学的思考方式:承认无知,不断的改进

记得之前在维东老师的禅修课上,印象最深的一个概念是「觉知」。从脑科学的角度来讲,我们都非常容易用快认知回答一切事情,而拒绝去思考一些司空见惯的东西背后,其成因和合理性是什么。而「觉知」,则是能让你停止自动驾驶,重新审视这个世界(马克•威廉姆斯,2013)。

这本书的意义便是于此,我们今天所谓的互联网思维,所谓的精益创业,这些热闹的概念背后,其实就是朴素的「科学思考方式」的一些演绎而已。正好趁着假期重读了在赫拉利的《人类简史》第四章节,讲的也是科学革命的前生今世,即:

  • 承认自己的无知
  • 以观察和数学为中心
  • 取得新能力

但限于那本书是讲历史的形成的,关于何谓「科学的思考方式」,反而在这本「挂羊头卖狗肉」的心理学书籍中获益良多,因为知道了历史的成因,才能更好的理解。

为什么要学习科学的思考方式:137亿年的样本数据

《穷查理宝典》的编辑,Glenair的 CEO Perter Kaufman 在一次访谈中提到:每一个统计学家最好的朋友是巨大且相关的样本量。找寻普遍规则的过程中,最大最相关的三个样本是什么呢?

  • 第一个是无机系统,有137亿年的样本量。它包含了所有数学和物理学的规律,是整个物理宇宙。
  • 第二个是有机系统,地球上生物的历史有35亿年的样本量。
  • 第三个是人类的历史,你可以选择自己喜欢的年份,我选择了有记载的2万年的人类行为样本。

这些就是我们在这世界上所能接触到和最相关的三大样本。一个更形象的图示如下:

image

所以科学的思考方式,便是人类了解上面三大系统的最根本手段,是被时间检验过的方式。这些方式远比个人短短几年的工作、生活上积累的所谓的经验(很多都是小聪明)更为扎实有效。

关于错误

1. 用错误不断逼近正确

在说科学的思考方式之前,先讲一个艺术上的故事:小时候学素描,方形三角形很快就能搞定,惟独球体怎么都画不出来,在纸上不停的练习「圈圈」也并没有什么效果 —— 出来的都是非几何意义上的球体。

而后来美术老师给我变了一个神奇的魔法:想要画球,先画个正方形。

网上的例子真丑,比当年白菁老师画的差的海了去了
网上的例子真丑,比当年白菁老师画的差的海了去了

在看这本书的时候,其中讲到科学中关于错误的态度「逼近真理」时,脑海里却不断浮现的是儿时画球形的画面 —— 我们如果直奔答案而去,往往得到的都是非系统性的解答(歪七扭八的球形),而更好的做法是,先确定大致的范围(一个方形),不断去试错(削减方形),去不断的接近最终的答案(球形)。这个过程中我们会犯很多错误,你很难说最终哪一笔让方形变成了球形,但我们知道最开始的笔触基本上都是无效(错误)的,我们很快就能确认并不再重复那些笔触,向更精确的球形前进。

这就像对于一个律师来说,知道什么案件是「不公正」的要比确认案件是「公正」的更容易;对医生来说,知道什么是「不健康」要比知道什么是「健康」更容易。

于我启发的的地方便在于此,倘若近百年来,整个科学体系的演化方式便是如此,一路踏着错误的步子蹒跚走来,那么作为一个普通人来说,妄图在一段时间内思考清楚一辈子应该如何度过,或者说凭感觉就「follow your heart,just do it」,是多么可笑的一种行为。其实能做的最有价值的事情,就是去不断的尝试,然后犯错,承认错误,向下一个路口走去。

2. 接受错误以改进错误

俗话说「以不变应万变」,先来看一道题目

被试坐在两盏灯(一红一蓝)前,要求他们预估每次测试哪盏灯会亮。测试中其实红灯亮的几率为70%,蓝灯几率为30%,最好的策略是什么?

假设被试有100次机会,那么下面有两种方案,A 方案是在100次测试中,红灯亮了70次,因为每次都要决策红和蓝,按照最大几率猜测也只能猜对70次中的70%即49次,同理可得蓝灯猜中的几率是9次。而 B 方案就是简单粗暴的,只猜一种答案:

  • A:100 x 70% x 70% + 100 x 30% x 30% = 58%
  • B:100 x 70% x 100% + 100 x 30% x 0% = 70%

我数学不好,最后发现最好的策略是B的时候,还是愣了下,因为只笃定红色,接受错误,却可得到最优解。简单来说,就是无论自己开车技术多么高超,每次出行都系上安全带的生存几率一定会超过有时系有时候不系的人。

可惜大多数时候我们都像赌徒一样(瓦格纳,1998),虽然有时候能意识到赌博造成的不良后果且输多赢少,但是他们却不能用统计学的思路来看待接下来的赌博,丰富的直觉经验让他们觉得能控制下一局结果。

在之前招聘过程中,也会犯下类似「有效的策略应该在每一把都有效」的赌徒谬误,过多的看中面试的过程,用个人经验对其判断,继而认定/否定这个人的价值和潜力,而忽略了当其进入试用期期间,给予一个统计学上的日常评估测试来考察其真实的能力,导致出现问题后才意识到,没有将其放在合适的岗位或能力并不足以胜任当前的岗位。若不是这本书,这种亏其实吃了好几次还不会有反思,因为总觉得,「这个人和那个人不一样」。

所以 Stay foolish 有多么重要,因为有时候我们就是太「聪明」

关于答案:没有银弹,接受渐进式整合

我们都喜欢答案,尤其是喜欢唯一性的答案,比如生病了吃这个药就好了,太胖了喝这个汁就好了,想让她看上你?读这本书就够了。在设计产品的时候,我们内心深处也是希望找到一枚银弹,或者找到一个 Magic Number(比如42,懂梗的留言吧)就能让产品一鸣惊人飞黄腾达。

看来这种痴梦不是我一个人有,在整个科学体系里面,抱有这种幻想的人还挺多。尤其是在医学方面,多少生病担任希望一种药能针对性的对一种病产生明确效果,没有任何副作用,然而这并不可能。

这本书里面提到的「渐进式整合」是对我的产品观的一个验证,毕竟做产品越久,越觉得所谓的银弹都是事后的总结,所有超前的产品都死在了沙滩上,更多的改变则是基于现有的习惯持续不断的演化而来,就像看完张小龙2359条饭否之后,你会看到他在封神之前不断的向前飞奔,拿下一个又一个的需求,而不是指望一招毙命。

在另一本书里面《伟大创意的诞生》也提到了类似的观点:如果所有的部分皆为原创,则现在的环境无法提供足够的支持(如巴贝奇的差分机)。而SpaceX之所以能成,是因为利用了一切现有的成熟技术去攻克一个别人忽视的问题。

关于答案还有一个很容易忽略的问题,就是有些情况就是纯粹的偶然,没有什么意义,但我们的快脑总会不断的去寻找奇怪的联系。就像我们嘲笑彩票站里面对着中奖号码沉思的人,却没觉知自己为了一个异常波动的小数据耗费了多少时间。

统计心理学:注意第三变量,忽略偶然因素

这本书还顺带贩卖了下统计学的各种谬误,其中印象最深的例子是第五章的「戈德伯格与糙皮病」,细节请看书。核心点就是在所有人都觉得这个病和卫生条件(尤其是饮水)有关,但是戈德伯格却说是和营养有关。

听起来都很有道理,准备看撕逼大戏,结果作者阴险的说了句「因为戈德伯格吃下了糙皮病患者的排泄物,顺带还输了个血」,然后这幕大戏就怂了(作者很喜欢这种写作风格……)。丫创造了一个极端情况,符合了论点一的所有传播条件,但是平安无事!丫还顺便做了个关于营养的 AB 测试,结果控制组真的因为营养不良复现了糙皮病!对,就是下面这个帅气的家伙!

image

当然除了对戈德伯格的经验精神感动之外,更多的是提醒自己,两个变量相关,并不意味着变量之间有直接的联系,可能他们都和第三变量相关,而很多时候我们忽略了这个第三变量。

即使我们大多数时候能识别「喝可乐杀精子」这种不靠谱的论调,但是如糙皮病这种看似逻辑上合理的推论,如果缺乏一些探究精神,则就会如作者所说「医疗的历史大多数时候是安慰剂的历史」。

结语

值得花时间读一下,尤其是非理科生的人。