写作绅士,读作丧尸 X岛揭示板
顺猴者昌 逆猴者亡 首页版规 |用户系统 |移动客户端下载 | 丧尸路标 | | 常用图串及路标 | 请关注 官方公众号:【X岛揭示板】 官方微博: 【@X岛极速版】| 人,是会思考的芦苇
常用串:·豆知识·跑团板聊天室·公告汇总串·X岛路标

No.69301086 - 无标题 - 科学


回应模式
No.69301086
名 称
E-mail
标题
颜文字
正文
附加图片
•涵盖各类科学的讨论板块
•可盖棺定论各热门事件/关注后续/谣言粉碎
•干货什么的最喜欢了!
•请注意发言所包含的信息量,信息量过低的内容将移回综一
•引用请注明出处,民科、伪科学退散

无标题 无名氏 2026-08-22(六)21:56:18 ID:lBNsq7w [举报] [订阅] [只看PO] No.69301086 [回应] 管理
上周和chatGPT一起看了1994年版的《现代科学基础知识:干部选读》,以2026的视角回顾,当年这本书虽然不是完全的预言,但几乎可以当做发展中国家如何科技强国的教科书了。所以我决定让ChatGPT仿照当年的旧例写一写2026年的现代科学基础知识,看看是否能成为一个有价值的科普读物。欢迎肥肥们一同阅读和探讨!以及如果嫌ChatGPT写的不够深入浅出,也可以压力他一下让他讲清楚点
…
无标题 无名氏 2026-09-24(四)22:05:26 ID:lBNsq7w (PO主) [举报] No.69508480 管理
二十七、概率预测错了一次,是不是模型就错了?

如果天气预报说明天下雨概率70%,结果第二天没有下雨,这并不能单独证明预报错误。70%本来就意味着类似情况下仍然可能有相当一部分不下雨。

要评价这种概率预测,需要看很多次。所有预报为70%的日子里,最后是不是真的大约七成下雨?如果长期只有三成下雨,那么预测出来的概率显然有问题。

医学风险预测也是如此。如果医生说某患者未来十年某种疾病风险20%,十年以后这个人只有“得病”或者“没得病”两种结果。不能因为他最后没得病,就说20%错了。

一个人的一次结果,是0或者1。概率描述的却是一组类似情况下结果怎样分布。这也是概率最违反日常直觉的地方之一。

二十八、数据越多,是不是越不会犯错?

今天的数据比过去任何时代都多。手机、传感器、医院、卫星、互联网和实验设备每天都在产生巨大数据量。

但更多数据并不会自动解决前面这些问题。数据很多,更容易发现微小差异;变量很多,也更容易碰巧发现某种图案;模型足够复杂,还可能把过去数据里的偶然噪声也学进去。

所以现代社会一个新的困难已经不是“没有数据”,而是太容易从数据里找到东西。

真正困难的是判断:这个图案在新数据里还会不会出现?它有多大?背后是不是我们以为的原因?它能不能帮助预测或者改变结果?

数据越多,对判断方法的要求反而可能越高。
…
无标题 无名氏 2026-09-24(四)22:05:41 ID:lBNsq7w (PO主) [举报] No.69508482 管理
二十九、人工智能的一个高分,究竟说明什么?

同样的问题也适用于人工智能。一个模型在某项测试中取得95分,首先只说明:它在这个测试的这些题目、这种评分方法下取得了95分。

如果测试题和训练材料高度相似,换成真正的新问题以后表现可能不同。如果只测试短问题,并不能直接推出它可以稳定完成持续几个月的复杂工作。如果模型平均表现很好,也可能在少数特殊问题上出现严重错误。

所以评价人工智能时,同样需要问:这个测试究竟测了什么?它和真实使用环境有多像?平均成绩掩盖了哪些失败方式?换一批真正没见过的问题还能不能维持?

数字本身不会替我们完成解释。

三十、一个预测到底要多准,才算有用?

不同问题对准确度的要求完全不同。音乐软件推荐十首歌,猜错六首也没有太大关系。医疗筛查漏掉真正需要治疗的人,后果可能完全不同。自动驾驶识别广告牌偶尔出错和识别行人偶尔出错,也不是同一级别的问题。

所以“准确率90%”本身没有多少意义。还要知道剩下10%的错误是什么,错误会造成什么后果,有没有人能够及时发现,系统会在什么环境中使用。同样水平的不确定性,在一个场景里可以接受,在另一个场景里可能完全不能接受。现实决策不能只问:“预测准不准?”

还要问:预测错了怎么办?

三十一、不确定,并不意味着什么都可以相信

面对复杂问题,人们有时会走向两个相反的极端。一种要求科学必须给出百分之百确定的答案,否则就认为“科学还不知道”;另一种则认为,既然科学承认不确定,那任何说法都差不多。

两者都不对。我们不知道明天下午某一分钟会不会下雨,不等于不知道一场强风暴正在接近。医生不能确定某个吸烟者会不会患肺癌,不等于吸烟和肺癌之间的关系不可靠。不知道一枚骰子下一次一定掷出什么,也不妨碍我们非常准确地知道大量投掷后的频率。

科学知识常常不是一句简单的“会”或“不会”。它可能是:发生概率大约有多高,影响可能有多大,哪些因素已经确认重要,哪些部分仍然不清楚。

不确定性本身也可以被测量和比较。
…
无标题 无名氏 2026-09-24(四)22:06:07 ID:lBNsq7w (PO主) [举报] No.69508487 管理
三十二、为什么现实中仍然必须作决定?

如果必须等到所有不确定性都消失以后才能行动,我们几乎无法生活。开车前,我们不知道今天一定不会出事故;服药时,也不能保证药物百分之百有效而且绝无副作用;企业投资一座工厂时,不可能知道十年后的市场;城市修建排水系统,也不知道未来每一场暴雨会发生在什么时候。

现实决策真正面对的,从来不是“确定”和“不确定”之间的选择,而是:在已有信息和剩余不确定性之下,哪一种行动更合适?

这需要同时考虑发生概率、可能收益、可能损失以及行动成本。有些低概率事件因为后果极大,值得提前防范;有些风险虽然确实存在,却小到不值得投入巨大成本消除。

概率本身不能替我们决定价值取舍。但没有概率和数量级,价值取舍就很容易只剩感觉。

三十三、从规律走到不确定性

第二章从一个非常古老的问题开始:物质究竟是什么?我们一路走过了基本粒子、量子概率和时空,看到宇宙从极热的早期逐渐形成恒星和行星,看到一颗岩石行星怎样出现能够复制和演化的生命,又看到神经系统怎样产生知觉、记忆和智能。

这些过程都遵守自然规律。但随着组成部分增多、相互作用增加,我们不断遇到另一件事情:知道规律,并不等于能够准确知道每一次具体结果。

非线性会让同样大小的变化产生完全不同的后果。反馈让结果重新进入原因。混沌会放大很小的初始误差。模型必须简化现实,而观测又永远不完整。有些系统还保留自己的历史。大量局部互动又会产生必须在整体层面描述的行为。

到了真实世界,我们还需要面对概率、混杂、反向因果、选择偏差和测量误差。科学面对这些困难的方法,不是假装不确定性不存在。它发展出了概率、统计、实验、模型和因果推断,让我们能够逐渐区分:哪些事情已经知道得很可靠,哪些只能给出概率,哪些结论仍然依赖假设。

它也告诉我们,在不能随机实验的时候,仍然可以通过不同来源、不同方法、不同错误方式的证据互相核对,逐渐逼近更可靠的判断。

所以科学真正提供的,并不是一台能够预言所有未来的机器。

它提供的是另一种更现实的能力:在一个不能完全预测的世界里,仍然能够比猜测更好地判断。

到这里,本章的任务也基本完成了。我们已经有了一张关于现实本身的地图。下一章的问题会发生变化。

不再只是“世界怎样运行”,而是:理解这些规律以后,人类正在获得哪些过去没有,或者正在迅速变得廉价的新能力?
…
无标题 无名氏 2026-09-24(四)22:07:08 ID:lBNsq7w (PO主) [举报] No.69508493 管理
第一章完结,还有两章,一章讲相对前沿的技术,一章讲相对成熟的技术

UP主: