AI 与科学思维如何帮助我们应对不确定的选择？
关键点
- 应用人工智能和科学思维可以增强基于证据的决策。
- 科学不会证明任何事情。
- 学会科学思维涉及培养一些任何人都能学会的基本技能。
- 科学思维对个人决策之外也有深远的影响。
科学思维不仅仅局限于实验室或穿着白大褂的研究人员在显微镜下工作。它是一种推理方式，使普通公民能够在个人和职业生活中做出有数据支持的明智决策。
与普遍认为科学是专家领域的看法相反，科学思维对任何愿意系统地解决问题、批判性评估证据并接受不确定性的人来说都是可及的。本文探讨了什么是科学思维、什么不是科学思维、人工智能如何辅助以及为什么这对日常决策有帮助。
什么是科学思维？
科学思维是基于证据、逻辑和愿意在面对新数据时修订信念的一种有纪律的方法。它从提出假设和可测试的预测开始，然后收集数据来评估这些预测。这种方法不仅限于专业科学家；它是任何人都可以发展的技能，用于探索复杂问题，无论是决定医疗治疗、评估公共政策还是辨别事实与误导信息。
例如，如果研究人员想要调查移民是否抢走了美国出生公民的工作，他们会提出一个零假设：“移民不抢走本土公民的工作。” 并提出研究假设：“移民确实抢走了本土公民的工作。”
然后，研究人员会收集和分析数据，这些数据可能表明零假设无法被否定（在这种情况下，证据表明移民并未抢走本土公民的工作）。然而，如果证据表明零假设可以被否定（即证据表明移民确实抢走了本土公民的工作），这并不等于绝对证明。任何科学研究中都存在观察结果可能是由于随机变异而非真正关系的可能性。
这就是为什么重复实验——重复研究以查看相同结果是否出现——以及元分析和伞式研究（综合多项研究的结果）至关重要的原因。这些实践通过减少错误结论的可能性，帮助建立更可靠的现象理解。
澄清误解：科学不证明任何事情
流行媒体甚至科学出版物经常误用“科学证明”这一短语，但这反映了对科学思维的误解。当我遇到这样的陈述时，我立即认识到对科学过程缺乏理解。
科学研究提供支持或反驳假设的证据，但它们并不提供无可辩驳的真理。发现总是可以随着新证据的出现或方法论的改进而进行修订。
以医学研究为例，一项研究可能表明一种新药对某种疾病有效，但后续研究可能会显示初始结果是统计异常或仅适用于特定条件。这就是为什么建议会随着时间演变，为什么对绝对主张持怀疑态度是科学思维的标志。
为什么科学思维很重要？
科学思维为个人提供了在日常生活中做出更好决策的工具。考虑一下医疗决策。
几年前，我摔断了胳膊，医生强烈建议我安装金属棒来固定骨头。我没有简单接受这个建议，而是查阅了相关科学文献，了解金属棒对我具体伤情的利弊。最终，我根据证据和自我认知决定不安装金属棒。
这个例子说明了两个关键原则：
- 科学适用于平均值： 大多数科学研究提供的是关于群体的见解，而不是个体。虽然平均结果可能倾向于某种治疗方法，但个体情况可能会有所不同。理解这一点使我们能够考虑一般发现如何应用于我们的特殊情况。
- 个人知识很重要： 将科学证据与个人见解相结合，可以做出更细致的决策。我知道佩戴金属棒会不断提醒我受伤的事实，可能导致焦虑情绪。而且我担心感染的可能性。这种自我意识与数据一起影响了我的选择。
如何科学思考？
二十多年来，我一直教授科学思维，对象包括大学本科生、研究生和公众。这是一种容易学习的技能，像数学或写作一样重要。然而，高中阶段很少强调这一点，许多大学生第一次接触科学思维。由于它通常不是大学必修课，许多学生毕业时从未学习过科学方法或如何科学思考。为此，我创建了多样性科学方法®。
学习科学思考涉及培养一些基本技能：
- 质疑假设： 从质疑普遍持有的信念的有效性开始。它们是否有证据支持？还是基于轶事和推测？
- 理解假设的作用： 认识到假设不是事实，而是调查的起点。
- 评估证据： 考虑证据的质量。它是基于严谨的方法吗？它被复制了吗？它是更大一致发现的一部分吗？
- 接受不确定性： 接受任何发现都不是最终的。科学结论始终是临时的，可能随着新证据的出现而修订。
- 应用冷静推理： 使用逻辑框架连接证据并得出结论，避免认知偏差和情感推理。
更广泛的影响
科学思维的意义超越了个人决策。它是民主的基石，使公民能够就影响社区和世界的政策进行知情辩论。
气候变化、公共卫生和经济不平等问题需要能够理解复杂数据并在不确定性中推理的公民。没有科学思维，我们可能会基于恐惧、误导信息或意识形态偏见做出决策。
此外，科学思维培养了智识谦逊。通过认识知识的局限性和对新证据保持开放，我们成为更好的合作者、倾听者和问题解决者。这种心态对于解决当今的两极分化问题至关重要，在这些问题中，根深蒂固的情感意见往往掩盖了细致的理解。
AI 与科学思维的结合
生成式人工智能工具可以通过总结研究、解释风险和比较治疗方案来帮助将科学思维应用于医疗决策。例如，如果你摔断了胳膊，生成式人工智能工具可以根据医学元分析和伞式研究概述金属棒插入的利弊。它可以解释恢复时间、潜在并发症和替代治疗如石膏固定或物理治疗。
生成式人工智能工具还可以通过呈现数据而非意见来帮助识别决策中的偏见。在评估移民是否抢走美国出生公民的工作时，生成式人工智能工具可以总结劳动力市场的经济研究。它可以比较来自不同来源的发现，帮助我们理解冲突的观点。
通过要求生成式人工智能工具提供历史趋势，我们可以看到移民如何长期影响就业。
生成式人工智能工具还可以帮助我们识别误导性声明，通过分析数据的框架。有效使用这些工具意味着询问来源并检查专家共识。
无论是在做出医疗选择还是分析移民和经济声明时，生成式人工智能都可以通过提供基于证据的见解来强化科学思维。
尽管人工智能和科学研究已经改变了我们分析复杂问题的能力，但两者都有内在的局限性。有一句表达是“垃圾进，垃圾出”，意思是生成式人工智能工具或科学研究的质量仅取决于塑造它们的数据或算法。有缺陷的数据、有偏见的假设或不完整的方**法可能会导致误导性的结论，强调了仔细审查和持续改进的必要性。
然而，一个重要警告是，尽管有缺陷的输入会导致误导性结论，但当正确应用时，科学方法允许通过同行评审、重复和更新证据进行自我纠正，而人工智能系统则需要人工干预来改进或重新训练其模型。
结论
科学思维不是专业人士的专利，也不局限于实验室。它是一种普遍的技能，使个人能够应对复杂性、做出明智决策并对社会做出有意义的贡献。
通过拒绝绝对证明的概念，接受不确定性并严格评估证据，我们可以以清晰和自信的态度应对生活中的挑战。
在一个日益由快速变化和信息过载定义的世界中，科学思维的能力不仅是有益的——它是必不可少的。无论你是做出医疗决定、评估新闻头条还是投票支持政策，科学思维和生成式人工智能工具都为我们提供了基于证据的合理选择路线图。它是一种每个人都可以每天使用的方法。
(全文结束)
