也许我们每个人的内心深处都深藏着一个智子_[新闻new]

发布时间：2021-09-14 11:25:32 阅读：次来源：蒸汽刷厂家

也许我们每个人的内心深处，都深藏着一个智子大型星系团阿贝尔2744所展现出的引力透镜现象。这种现象与爱因斯坦广义相对论的预言完全相符。NASA / ESA / STScI

Richard Feynman曾经这样说，科学的首要原则，是不要被自己欺骗我们自己，是最容易被欺骗的那个人!不被自己欺骗已是科学界的共识。但与此同时，另外一个问题也比较有意思：怎样才能证明我们没有被自己欺骗呢?

对于科学有这样一种比较流行的看法，即用以证明科学观点的实验必须能够重复，也必须具有被证伪的可能。一个科学模型，应该能够作出明确的预言。这些预言必须能够以某种方式加以检验，且无论结果是被证实，还是被推翻。有的观点甚至认为，只有能够在实验室里进行实验的才是真正的科学。这种看法无疑是片面的。观测科学比如宇宙学中的观点，也能加以检验。而且它的观测结果还可以推翻原有观点。比如我们在观察了一千只白天鹅后，可以得出一个推论：所有天鹅都是白的。但是只要视野中出现了一只黑天鹅，原来的观点就不成立了。科学观点并不是的，它具有某种不确定性。科学观点是否成立，和是否存在进一步的证据有关。

大体上是这样。但我们不能滥用不确定之名。特别是对于一些公认的科学观点而言，否则便会造成误导。比如牛顿引力学说曾在几个世纪内屹立不倒，直至爱因斯坦的广义相对论出现。现在，虽然我们说牛顿引力学说是错的并没有什么问题。但牛顿的学说同时也是一种近似性的模型，可以用来描述引力在质量间的相互作用。这种近似性的度极高，所以直到今天，牛顿引力学说仍然是实用的，仍然可以用来计算弹道轨迹。只有当我们的观察范围极大地超越了它的适用范围，才需要引入爱因斯坦的理论。

如果我们要证明某个科学观点，我们就需要收集各种证据，但同时也应该对新的方法保持开放态度。也就是说，一个观点之所以成立，多半是因为它曾在某个领域被暴力式证明过。但新的方法可能会有突破性，可能会发现一些超出预期的现象，从而把真相更为全面地展现在我们眼前。虽然科学观点从本质上来说不是的，但它同时也必然拥有极高的度。它在其本身的位置上具有合理性，而同时又在对公认的理论发起挑战。

有时候，预期结果也会在我们心中埋下智子。由于我们无法确知实验结果的真实性，因此常会忽略自己犯的错误。

这种情况在初级物理课程中较为常见。练习生测量实验数值的时候，经常会犯一些基础性错误，从而得到非预期的结果。一旦出现这样的情况，就需要对实验过程进行复查，找出错误原因。但如果几个错误结果相互抵消，或者错误不明显，那就可能没人想到去复查。既然结果和预期差不多，那么实验本身也应该是没错的。所有人都会犯这样的主观性错误，即便是非常有经验的学者也是如此。这种错误在科学史上屡见不鲜。比如在对电子电荷和光速的测量过程中，最初的结果和实际情况差得很远，但后来一段时期内人们还是会反复地得到与错误结果相似的数据。

在当今的宇宙学中，有一个理论模型对观测结果极为依赖。这个模型名为CDM，之所以叫这个名字是因为它包括了暗能量(用希腊字母表示)和冷暗物质(CDM，Cold Dark Matter)。要完善这个模型，就需要获得更为的参数比如宇宙的年龄、哈勃常数和暗物质密度。假如要让这个模型对宇宙进行描述，那么就必须用统计学的方式，来获得这些参数的公允值;必须对比不同时期获得的数据，尽量减少测量中的偏差。

这种统计学方式类似于让12个学生对黑板长度进行测量，部分学生得到的结果肯定会偏大，部分会偏小。按照正常情况，假如黑板的实际长度是183厘米，并允许存在1厘米的标准差，那么其中有8个学生测得的长度可能会介于182-184厘米之间。如果所有学生测得的长度全在这个范围内，那么黑板的实际长度和我们的预期值间就有可能存在偏差。比如黑板的实际长度是182.88厘米，那么很多学生会测到183厘米的结果。这是一种与直觉相悖的情况，假如实验结果过于，那么它和原来的预期值之间就有可能存在偏差。

宇宙学参数的不确定性是出了名的。因此如果科研团队一旦打算进行新的实验，他们通常就已经知道了预期结果是什么。那么这种预期，会不会导致偏差的出现?最近《物理学评论季刊》上的一篇论文对这个问题加以了关注。作者通过对12个宇宙学参数的637个测量结果进行了分析，获得了它们在统计学上的分布形态。由于这些参数的真值是未知的，因此作者把威尔金森微波各向异性探测器第7年的数据(WMAP 7)当作实值。结果发现，这些数值似乎稍微过于了那么一点。其影响不大，可能是一种预期偏差;但这种影响与预期也有明显的差异，因此也可能意味着我们对实验的不确定性作了过高估计。

也许这并不就意味着当前的宇宙学模型是错误的，而是向我们警示，在面对宇宙学参数的性上要稍加谨慎。幸运的是，我们有办法确认这些异常是否是由一定量的偏差导致的。这些办法很多，比如进行盲分析，比如获取更多的开放数据，让其他团队也能通过不同的方法对相同的原始数据进行再次分析等。最终结果应该能够让我们恢复信心。让我们相信宇宙学家并没有自欺其人，只不过在数据、方法和分析中仍然存在着可以完善和改进的空间。