理解與預測：科學的兩條路
編譯／賴佳昀
科學的兩條路
「我們發現科學的新方法，不能只依賴敏銳而強大的頭腦，而是同時使用頭腦與才能。像是想要徒手畫一條直線，或是標準的圓時，熟練度和穩定的手是關鍵；但若使用直尺或是圓規，則和之前提到的兩者關係甚小。我提出的方法就是如此。」英國哲學家培根在自己的著作《新工具》（Novum Organum）中所指的新方法，就是使用工具來增強人類的感知和判斷力，避免閉門造車、迷失在不切實際的思緒當中。理解（understanding）和預測（prediction）於是被整合在一起：一個成功的科學理論不僅僅是人類對自然現象背後發生機制的理解，更需要對發生在這個世界的現象給出精確的預測。
中世紀到近代科學的發展中，科學家們普遍認為一個好的理論是簡單並且可以直觀理解的。像是傳統力學，蘋果和行星的運動軌跡都遵循同一個運動方程式。「兩個物體之間的作用力和距離平方成反比」是一個無論對於重力（大尺度）或電磁學（小尺度）而言都適用的定理。然而時至今日，面對更複雜的現象，像是細胞內的種種生化反應、生物的認知與氣候，統計與大數據──而非一套優雅、完整的理論與解釋──似乎更能告訴我們系統的演進與動態變化，理解和預測兩者似乎又漸行漸遠。
自然語言處理（Natural Language Processing，NLP）即為一例。80、90年代，語音識別一開始是希望能發展出一套對應人類語言結構的數學模型，能夠分辨單詞的種類以及分析高階句法和語義。直到90年代後期，深度學習的成功，使得語意理解再也不是重點，而是如何表現出「看似聽得懂」指令的正確反應。這種方法的成果驚人，研究人員於是放棄糾結演算法是否透明易懂，實用有效才是王道！
（圖片來源：Wikipedia）
理解和預測之間的曖昧關係，悖論或錯覺或許是最好的演示，兩者都突顯了人類感知與現實之間的差距。「鴨兔錯覺」是一個非常有名的例子，奧地利哲學家維根斯坦（Ludwig Wittgenstein）於是認為人們是先對一個物體有所預期與設想，而後才藉由觀察來驗證，而不是看到物體之後才試著理解。在物理學中，雙生子弔詭、薛丁格的貓等等，都是基於探討相對論和量子力學的基礎架構下發展而來，這些在腦中假想的實驗，有著跟我們常識認知不同的結果。於是有人認為：人類中心主義（anthropocentrism）才是阻礙科學發展的元凶。只有當我們不再需要安撫人們脆弱的心靈、跳脫人類思維的限制，機器才能更有效率地幫助我們掌握這個世界。
理解 vs. 知識
理解和預測之間的關係，可以對應到哲學上本體論（ontology，探討事物的本質）和知識論（epistemology，如何獲得知識）之間的糾葛。透過實驗得來的知識可以開闊我們的眼界，幫助我們理解這個世界運行的基本法則，而這些法則可以回饋科學家們得出新的預測，就像當托勒密的地心說或牛頓力學無法完美解釋天文現象時，相對論便被提出圓了那些大質量星體快速運動時產生的怪異行為，形成一個相輔相成的正向循環。
然而當科學進步到一定的程度以後，本體論便站到了知識論的對立面。量子力學中的測不準原理告訴我們無法同時精準地量測出一個粒子的位置和動量。這個敘述牽涉到精確測量的極限（知識論），和在量子尺度上「位置」和「動量」似乎有著更深層的關聯（本體論）。實際上，正如哥本哈根學派的名言：「閉嘴，算就是了！」量子力學著重在結果的預測，而非產生該結果的背後機制，也就是說，知識論掩蓋了本體論！
以上述NLP的例子為例，美國當代哲學家John Searle提出了「中文房間論證」：假想一個對中文一竅不通的人被關在一間備有中英字典和完整中文語法資料庫的房間，當房外的人說出一句中文句子時，房內的人可以使用這些資源將句子正確地翻譯成英文。於是乎一個智慧體似乎可以「不理解」一種語言，卻具備該語言的所有知識。所以我們不禁要問：到底什麼是「理解」？為什麼需要理解？
理解是傳遞和累積知識的基礎
德國哲學家康德在《純粹理性批判》中，將世界區分為「物質現象界」和可思而不可知的「物自身」。我們透過感官體驗的世界與對這個世界的理解，只不過是對「物自身」的一種近似罷了。舉個例子，當我說這隻貓好可愛，這句話便牽涉到了三種貓：我口中的貓、我眼中的貓以及貓本身。我口中和眼中的貓就是對該物體的感知，貓本身則為物自身，「貓」則是其名字。即使世界上的貓長得百百種，但我們卻可以正確說出美短是貓，折耳也是貓。康德的二分法或許無助於解決爭端，卻將「理解」從需要辯護的信念轉變為無法驗證的內在表徵。
Searle的中文房間其實就像件工具，例如計算尺（slide rule，後被計算機取代）可以用來計算較複雜的乘法問題、羅盤和量角器可以證明幾何定理。這些技術（工具）能幫助使用者但卻不要求他們理解，只要遵循使用規則就能輕鬆獲得想要的結果。然而就像一堂死背硬記年份與事件的歷史課，填鴨式教育無法讓我們從中學習到如何不會重蹈覆轍，無法告訴我們為什麼這個方法可行？如何可行？並提出另一個構想驗證其準確性。
「教」讓我們能交流所知的因果關係（如果按照這些規則，那麼你就可以完成除法）；「學」則讓我們串起因和果之間的關係（為什麼這些規則可行）。「理解」是傳遞和累積這些知識並為往後預測的基石。
編譯來源
D. Krakauer, “Will brains or algorithms rule the kingdom of science?“, Aeon, 2020.
參考資料
- S. Law, “Do you see a duck or a rabbit: just what is aspect perception?“, Aeon, 2018.
- N. Mermin, “Could Feynman Have Said This?”, Physics Today, vol. 57, no. 5, pp. 10-11, 2004. Available: 10.1063/1.1768652.
(本文由教育部補助「AI報報─AI科普推廣計畫」執行團隊編譯)