从小学开始，我们被教导科学方法论：观察、研究、假设、实验、分析、得出结论。看上去完美无缺，逻辑自洽。然而，现实中的科学家很少这样工作。科学界的两大推理方式——归纳与演绎，才是科学方法的真正主角，而它们的较量，至今未分高下。
回到17世纪，英国哲学家弗朗西斯·培根站上舞台。他推崇归纳法，认为科学的真理是从无数个体观察中归纳出来的。他写下了《新工具》，详细描述了这种方法：科学家们应该广泛收集数据，寻找模式，然后归纳出普遍规律。这听上去很科学，很严谨，很接近我们认知中的“科学精神”。
但问题是，这种推理方式无法给出100%确定的结论。
在科学领域，误差无处不在。测量仪器的误差，统计样本的偏差，模型中的近似处理，每一个环节都可能导致偏差。归纳法的致命弱点就在这里——即便你观察了一百万次，得出相同的结论，第100万零一次，可能就是例外。
比如，18世纪之前，欧洲人见过的天鹅全是白色的。归纳法告诉他们：“所有天鹅都是白的。” 直到第一只黑天鹅在澳大利亚被发现，这一结论顷刻间崩塌。归纳推理永远无法保证结论的绝对正确。
然而，科学的世界里，并非只有归纳法一个选项。
另一边，演绎法的支持者们认为，科学应该从假设和理论出发，再通过实验去检验。20世纪的奥地利哲学家卡尔·波普尔，更是坚定反对归纳法。他认为，归纳法逻辑上是站不住脚的，它只是一种经验主义的妥协。真正的科学推理，应该是演绎推理——即先提出一个假设，然后用实验去检验它的真假。
波普尔提出了一个核心概念：可证伪性。科学理论必须能够被证明是错的，否则它根本不算科学。比如牛顿力学，它的计算结果可以通过实验验证，如果实验数据出现偏差，就说明它不适用。这才是科学。反观“所有天鹅都是白的”这种结论，根本无法证明它永远正确，一旦有例外，它就完全失效。
这套逻辑看似无懈可击，但也有问题。
首先，演绎法严重依赖理论的正确性。提出假设的过程，本身就充满了归纳的影子。牛顿提出万有引力定律之前，他当然也参考了大量的观测数据。甚至，达尔文的进化论，波普尔认为是演绎推理的典范，而达尔文本人却称它是归纳法的产物。这说明，科学家们往往是“混搭”两种推理方式，而不是二选一。
其次，演绎法的实验验证往往充满争议。当一个理论和实验数据不符，我们该怎么做？是推翻理论，还是质疑实验？或者，怀疑实验仪器？在历史上，这样的情况比比皆是。
19世纪末，物理学家们普遍相信以太的存在。光，必须有介质才能传播。于是，迈克尔逊-莫雷实验设计了一套精密的测量方案，结果却发现——光速和地球运动方向无关。这个实验直接挑战了以太理论，但当时的科学界没有立即抛弃以太，而是试图用各种方式解释这一矛盾。
最终，是爱因斯坦在1905年提出狭义相对论，彻底颠覆了以太的概念。迈克尔逊-莫雷实验成为相对论的基石，但在实验刚出现时，人们却不愿接受它的意义。演绎推理在科学发展中占据主导地位，但它也同样受限于人的主观选择。
这场归纳法与演绎法的较量，至今没有定论。
现代科学的实际操作中，科学家们往往是两者并用。比如，粒子物理学的标准模型，是建立在大量实验数据之上的，符合归纳法的思维方式。但一旦模型建立，物理学家们又会用演绎法去预测尚未被观测到的粒子，比如希格斯玻色子。最终，2012年，大型强子对撞机（LHC）实验验证了希格斯玻色子的存在，证明了标准模型的正确性。
再比如，新药研发。制药公司不会凭空创造一种药物，而是基于大量的临床数据，归纳出某种化合物可能有效。然后，进入演绎阶段——提出假设，设计实验，测试药效，寻找副作用。这一过程既有归纳，也有演绎，两者交错进行，缺一不可。
那么，科学到底是归纳的，还是演绎的？
答案可能是——它们都不是，而是一个更复杂的系统。科学的方法从来不是固定的，而是随着时代演变，不断调整。归纳法有其缺陷，但它提供了足够多的数据支持。演绎法能够推导出理论，但它也依赖归纳所得的假设。科学家们并不完全依赖某一种方法，而是结合各种工具，在不确定性中寻找最接近真理的路径。
– End –
转载请注明：好奇网 » 科学革命不会通过归纳累积，而是范式的变革