當下社會科學實證研究的現實謬誤及其所暗示的可能的解決方法

好的科學應當對現實世界做出預測。在人類認識世界的早期，這種預測更為武斷（例如牛頓運動定律），而在今天則允許以概率的方式呈現（例如量子力學）。這種轉變有兩種原因。其一，人們越發地認識到，世界的本質是隨機而非確定的。其二，當人們認識世界的能力越發增強，人們對世界的認識越發清晰時，人們的研究對象也從簡單、可見的系統擴充到複雜、抽象的系統。由於人們難以對後者的每個部分進行完全透徹的研究（抽象性），且由於難以將系統的每個部分的行為進行匯總（複雜性），人們允許概率的出現。這是由於人類知識與計算能力的局限性，而捨棄了部分確定性，得來的妥協結果。人們不會放棄繼續探索，以期將原本確定的部分完全確定下來。

這兩種現象在社會科學的研究對象中均存在。其一，社會科學的基本研究對象——人——的行為是隨機的。其二，人類社會是一個極其複雜、抽象的大系統。其中，複雜體現在人的個體的數量，以及他們之間的關係的更為龐大的數量上；而抽象則是由於當我們在研究社會中的人時，已經將人模型化，即提出了一系列每個人都通常滿足的基本假設。因而，社會科學的實證研究從本質上就附著有隨機性，這一點是毋庸置疑的。也正因如此，社會科學的結論幾乎必然不能以確定的方式呈現。但即便如此，這也不能成為當下社會科學實證研究的缺乏預測力的借口。事實上，不用談預測力，即便是談解釋力也是不夠的。前面提到，社會科學理論應當允許概率的存在。那為什麼會存在解釋力與預測力不夠的情況呢？

考慮以下兩個命題：

• 當滿足條件A時，現象B有40%的概率會發生；
• 當滿足條件A時，現象B會發生；以上預測有40%的概率正確。

這兩個命題的含義看似相同，但我認為一個自然、工程科學家更傾向於說出前者，而社會科學家更傾向於說出後者。區別在於「40%」這個數據的來源。在第一個命題中，40%是理論的一部分，即這個理論包含了其他的可能，而40%這個概率也是由理論所預測的。換句話說，可以認為40%這個數是先驗的。在第二個命題中，理論做出了一個確定的預測，即B一定會發生，隨後又指出了其局限性。顯然，40%是出於經驗，而並非這個理論的一部分。對於為什麼這個數是40%而非30%，理論並沒有解釋。

研究邏輯的區別在這裡體現。除了先驗與後驗的根本區別以及其邏輯的合理性外（這當然也很重要！），即便是從實用主義的角度出發，第二條命題也是不利於社會科學理論體系的健康發展的。在忍受了不精確的預言的同時，第二條命題就好像一個科學家向世界喊道：「看，我說的話大概率是對的，不要再問我它什麼時候是對的了！」顯然，這是一種責任的推脫。提出這樣的命題，就好像是把沒有完成，且無人知道如何繼續完成的課題發表。在更為嚴謹的科學（例如數學）中，或許這種問題的提出是有益的，前提是在這個空落落的架子下面，已經有了一整座堅實的大樓。然而，如果整座大樓都是由這種架子搭出，想必就是不能接受的了。在我看來，社會科學實證研究，正面臨著這樣一種系統性的窘境。

在現實中，社會科學往往不能做出一個成功率高達40%的預言，且常常不能做出預言而止步於對某現象可能的解釋。不管怎樣，這都是社會科學實證研究對於隨機性這一社會科學本質屬性的錯誤態度所導致的。

那麼如何修正這一現象呢？

答案自然是以正確的態度與方法對待隨機性。問題在於，正確的態度易於秉持，但正確的方法難覓——這也常常成為學者做出上述研究的理由。確實，由於社會極端的抽象性與複雜性，在多大的程度上引入概率、如何處理概率是困難的。然而，困難並不代表著不可行。20世紀下半葉以來的科學發展已經向我們證明了，計算機所帶來的強大算力，在許多不同的領域，在極大的程度上為人們解決了系統的複雜性問題。並且，由於複雜性問題得以部分解決，人們對於抽象性的處理也更為得心應手。可以說，計算機為我們帶來的史無前例的、數量級的算力增加，顯著推進了絕大多數科學領域的發展。既然社會科學的根本困難之一即為複雜，而算力則是解決複雜的最簡單直接的方式，那麼我認為，這也正暗示著社會科學可以藉以計算機的算力得以發展的可能性。當然，依靠現有的計算能力，是否能夠完全應付人類社會的複雜性不得而知，但或許一些合理的近似可以實現較小的損失。這就好像儘管沒有人認為我們觸及到了強人工智慧奧義的哪怕一丁點，深度學習在辨認物體這一特定任務上的準確率已經超過人類。

最後，我想提出一個更為激進的、未經深刻思考的觀點，或許會遭受反駁。社會科學應當放棄一定的可解釋性，而追求更高的實用性。我還是想用大熱的深度學習做例子。我想，任何一個理性的機器學習學者都不會認為深度神經網路的可解釋性比支持向量機（或是幾乎任意一個傳統方法）好，但深度學習在實際任務上確實表現出了最好的水平。我們應該由於可解釋性的原因否定深度學習嗎？不是的。我們要做的，是在深度學習已經在實際上達到了如此水準的事實前提下，試圖解釋為何它能夠達到如此水平。相應地，在社會科學實證研究中，存在著自下而上與自上而下這兩種思考方式，而前者由於其優秀的可解釋性長期佔據主導地位。或許我們可以稍微轉換一下，放棄一些邏輯的推理，或許可以達到更好的預言效果，在此之後再試圖去解釋這種理論之所以成功的原因。畢竟，當我們自下而上思考的時候，我們似乎也並不那麼確定我們腳下的地基是不是真的這麼堅實。