 心目中的年度最佳歌曲就这样诞生了！ 最近聊天中讨论起来关于物理学和社会科学的差异，正好应了最近几周的复杂系统课的阅读主题。这些阅读让我更加理清楚了一个脉络。 我们知道物理学家一直以来的努力就是企图找到一种统一理论来解释全部现象，那么社会科学其实也正处在这种瓶颈期。之前在六度分隔那篇中提到，网络社会学就像当年的天文学一样，天文学家第谷·布拉赫已经积累了足够丰富的行星运行数据，就差开普勒来总结行星运行的三大定律了。现在的社会科学如果放到历史上来看，很像是物理学的早期。我们在等待自己的开普勒和牛顿。 最近几周的阅读让我认识到，现在的社会科学的研究思路可以大致分为两种。 生物学家如何修收音机 第一种是传统的方法。之前在102. 模型有什么用？那一篇里提到过一篇非常精彩的文章《生物学家能不能修好收音机》，里面的类比非常有趣。
一个生物学家面对一个坏掉的收音机，他的思维方式是类似的。首先进行抽象：收音机嘛就是一个可以发声的铁盒子。然后再往这个抽象模型里面逐渐加入变量，来看看各个零部件到底对整个收音机会产生怎样的影响。 但是，最终的研究结果很可能是很讽刺的。有时候拆掉一个零部件，发现收音机的小指示灯不亮了，安上又亮了，那么科学家得出结论这个元件是控制灯泡是否发光的。但是进行其他研究的时候，发现其他部件有时也会导致灯泡不发光。由于整个收音机是一个相对复杂的系统，各个元件之间的联系和交互对于一个外行来说非常复杂，要想真正研究清楚非常困难。生物学家遇到的就是同样的难题。我们似乎对于每个细胞每个器官的用处都已经足够了解，但是要想解释人这个整体，似乎还是遥遥无期。 然而，收音机的真正运行原理却在工程师的手中。工程师根据电路图就可以生产出一台收音机，这个过程并不复杂。但是要想从一个成型的收音机倒推出一个电路图，这个复杂程度完全不是一个等级的。 我理解生物学家的终极目的就是，从人或者生物体上，推导出关于人的电路图。类比到社会科学中来，经济学家，心理学家和政治学家在做的事情是完全类似的。 以经济学为例，经济学家们观察到一个现象，想研究清楚背后的道理。首先经济学家们抽象出一个非常简单的模型，然后往模型里面添加变量，让这个模型更加符合实际，拥有更好的解释能力。然而，社会科学的研究已经过去了几百年，现在的研究成果还是显得非常苍白。大多数社会科学的研究成果都不够劲爆，一番操作以后，就证明出了一个世人皆知的道理。很多社会科学的科学家做决策的水平也并不显著高于普通人。
另外，之前的文章也说过，物理学再难，其研究问题的复杂度和社会科学完全没法比。无论是经济学，心理学，宗教，艺术，政治学，这些学科研究的都是人类社会。 之前万维钢老师有过一种大致的分类，如果说数学是排在底部的最精确学科，是完全不可能被推翻的，那么物理学排在数学上面，因为物理学的结论大多也都是通过观察实验得出的，也有被推翻的可能性。社会科学要排在物理学之上，他们的精确性更差。以前有数学老师给我们讲课，老说你们学经济的都太糙。我承认，但是经济学的糙是经济学的属性决定的。如果数学才是精确，那么用纯数学来描述真实世界是何其困难。 刚才的这个排序，由下到上，精确度逐渐降低，但是问题的复杂程度逐渐上升。具体来说，社会学科复杂度高的原因有两点。一是难做实验。物理可以玩玩小球，生物可以搞搞实验室观察，化学可以配一配溶液，但是社会科学很难做到在很好的控制变量的情况下进行实验。第二是影响因素太过复杂。人本身是个太过复杂的系统，而社会又是由人类构成的另一个复杂系统。这两个系统的交织决定了有太多太多因素来影响人的每一个行为。很难严格分开哪一个行为是由什么因素决定的。 如何长出一台收音机 第二种是最近兴起的演化视角。如果让我作类比，它更像是“长”出一台收音机的方法。我先用这周的阅读中的几个例子来进行一个说明。 如果历史可以重播，那么重播后的世界还会和现在一样吗 美国的演化生物学家Richard Lenski一直在做一个叫长期实验（Long-term Experiment）的项目。他在实验室用大肠杆菌在最简单的环境中做了6000代的繁殖实验，观察其演化过程。类似的，1960年代，生态学家E.O.Wilson带领他的团队，在六个小岛上就行了消毒处理，毁掉了实验区域的所有生物，并在上面进行新的生物演化实验。 在一个访谈中，Lenski说到，如果历史能够倒带并重新播放，我们想看看再次播放一遍的世界会和现在有多大程度的类似。相比于之前对于现有生物体的研究，这种自造演化的过程让我们直达进化的本质。相当于我们回到收音机刚被发明时候的最初状态，看着收音机再被发明一遍。通过观察几组收音机同时进行几百代的迭代，收音机可能和我们现在某些地方长得一样，或者不一样。这些观察将对于我们真正研究清楚收音机有很大的作用。 Richard Lenski 微信和股票市场是社会科学的试验场 社会科学其实也有很多自然的试验场。 最好的试验场之一就属现在的社交媒体，比如微信和facebook。Facebook最早从学校内部开始迭代，逐渐长成了一个全世界共用的社交媒体。股票市场也是一样，从0到1的迭代都有非常充足的数据积累，吸引了足够多的人参与其中，在上面博弈。诸如此类的还有赌球市场，电商平台等等。商家只要有了数据，就可以对我们的行为进行更好的研究，这比真正搞一个社会实验要来的方便的多，数据也收集的更加精准与充足。 其实在社会科学中，演化的视角并不新鲜。按照万维钢老师总结，凯文凯利讲的人类技术进步，雷达里奥讲的企业进步，计算机科学家寻找高效算法，亚当斯密讲的看不见的手，都是一种自下而上，让好东西长出来的视角。股市，赌球市场，社交媒体都是经过一些简单的设计，然后在其上长出来一个复杂系统，然后我们就可以在上面观察和研究到人类行为，经济学，心理学，政策影响等等。 社会生物学的创始人之一Robert Trivers总结说： “迟早，政治学，经济学，心理学，精神病学和人类学都要成为社会生物学的分支。自然选择的概念，将会揭开行为的演化起源，解锁一切关于人的科学。” 还有的社会生物学家试着用演化的视角来推测性行为，宗教和艺术。 另一派是演化心理学。Douglas Kenrick说： “演化的视角将会给法律，医药，商学，教育提供启发。” 还有的演化心理学家表示将用演化的视角统一不同分支的心理学，并且将这种范式转移带到宗教，经济学和社会学当中。听听这野心。有多少不同的学科派别已经在同时努力，争取拿下社会科学中开普勒和牛顿的高山。 演化的视角真的必要吗 看起来这还会是一场漫长的旅程。摆在所有人面前的还有至少两个问题。 第一，演化的视角是必须的吗？理论上，要知道了大脑的演化过程，自然会对大脑的了解更加充分。但是，我们一定要知道了器官的演化过程才能了解他们吗？一定要长出一台收音机才能了解清楚现代收音机的工作原理吗？我们现在已经在医学和生物上取得了不小的成就，对于生物体有了比较深的了解。这些了解没有多少是基于演化的视角。 第二，初始条件是什么？假设我们现在想从石器时代开始，重新模拟人类的进化，那么问题是，石器时期的人类的初始条件是什么？石器时期的人拥有什么样的意识？这个问题追根溯源下去就又变成了一个哲学问题。如果我们不知道一个演化的初始条件，那么有的演化就很难进行下去。 总结一下， 1.如果说物理学一直企图找到统一理论，社会学也遇到了同样的瓶颈，同样等待着开普勒的出现。 2.社会科学现在的研究思路可以大致分为两类。 3.第一类是生物学家研究收音机的方法。抽象模型，添加变量，研究每个变量的影响。这种研究方法如此普遍，但是却经常得出非常荒谬的结果。就算了解了每个器官的用处，也仍旧很难解释人作为一个整体的存在。 4.社会科学的复杂性高于其他理工科学科。原因一个是难做实验，另一个是影响因素过多过于复杂。 5.第二类是最近兴起的演化方法。将历史倒带，回到演化的最初现场，观察好几组演化同时进行。生物学已经采取了很多类似的研究，社会科学的研究也积攒了足够的数据支撑。无论是社交媒体，电商平台，还是股票市场，都搜集了足够多的系统演化的数据，等待人们在上面发现关于人类行为更多结论。 6.演化的视角也有局限。第一是是否必要的问题，第二是初始条件很难确定。不过，我们可以通过人为设计的系统，让人们在上面博弈，让新的系统生长。 参考 Reference: 1.Putnam, H., 1962. It ain't necessarily so. The journal of philosophy, 59(22), pp.658-671. 2.Warren, B.H., Simberloff, D., Ricklefs, R. E., Aguilee, R., Condamine, F.L., Gravel, D., Morlon, H., Mouquet, N., Rosindell, J., Casquet, J. and Conti, E., 2015. Islands as model systems in ecology and evolution: prospects fifty years after MacArthur‐Wilson.Ecology Letters, 18(2), pp.200-217. 3.Atkinson, Q.D., Meade, A., Venditti, C., Greenhill, S.J. and Pagel, M., 2008. Languages evolve in punctuational bursts. Science, 319(5863), pp.588-588. 4.Jacobs, A.Z., Way, S.F., Ugander, J. and Clauset, A., 2015, June. Assembling the facebook: Using heterogeneity to understand online social network assembly. In Proceedings of the ACM WebScience Conference (p. 18). ACM. 5.Long-Term Evolution: The Richard Lenski Interview | Quanta Magazine 6.万维钢精英日课《演化的视角》 这个系列的的回顾： 102. 模型有什么用？ 关于科学中的模型的讨论 103. 谁是班里的大红人 社交网络中的中心度 104. 冥冥之中，自有天意 人类的很多行为不经意间服从分形和幂律分布等数学原理 105. 六度分隔的小世界 隐藏在人与人之间的隐形社交网络结构 107. 高考前吃雪糕会不会改变人生 蝴蝶效应和混沌系统决定了有些事情人永远也不可能掌握 |
|
|
