3．对科学概念的苛刻要求，并据此量化生物学和社会科学

我们知道，物理学所涉及的各层级组织，都是可计量的，可以实现数学上的关联来进行精确预测，并可以通过试验和观察来证实。因此，物理学家都非常自豪，他们自己所探讨的才是一门实实在在的科学。正如德国著名哲学家康德所指出的——真正科学的标准在于与数学的关系。按照这个标准，康德时代的化学只能算是一门学科，却不能称为是科学。当然，现在有了基于基本原理的可预测“数学化学”，也就提升为真科学了。遗憾的是，生物学目前大多依然是特例化的定性研究，明显缺少数学基础或原理的支持，因此还只能屈居为一门学科。

韦斯特显然是支持这种认识的，他甚至刚开始一直不太认可达尔文的重要成就，但是“随着我开始认真地接触生物学，我对于达尔文所取得不朽成就的赞叹与日俱增，尽管我必须承认，我依然很难理解人们如何将他置于牛顿和爱因斯坦所取得的更加伟大成就之上”。所以，他就提出：物理学是否有一些有趣的事情要告诉生物学？物理学的范式和文化如何才能帮助解决生物学面临的有趣挑战？

韦斯特很快找到了一些线索。他比较了一下，在高能物理学领域，研究人员一直致力于在最微观层面揭示基本的自然法则，因此提出的问题非常清晰，他们的主要精力就是进行技术运算。而生态学常常是“为了树木而研究森林”，并不知道想要解决的主要问题在哪儿，需要计算的相关数量是什么。其实一旦这些问题得到解决，实际的数学运算并不算复杂。另外，物理学家与生物学家彼此加强理解和合作也是非常必要的。比如，在揭示DNA的结构中，物理学为生物学所做的贡献是实实在在的，但许多生物学家仍然对理论和数学推理持保留意见，他们认为，只用笔、纸和电脑做生物学研究是不专业的。显然，生物学家的这些认识，还停留在科学研究的第一范式（实验科学）和第二范式（总结归纳）上。韦斯特认为，这种情况将会随着大数据和密集运算对各个学科的日益渗透而发生改变——那就是从第三范式（计算机仿真取代实验），逐步进入第四范式（基于大数据和密集运算）。

科学研究的范式发展

现在大多科研人员，可能都非常理解前面的三个范式，他们在研究中总是被导师、评委甚至是自己不断追问“科学问题是什么？”，“有什么科学假设？”，这就是先提出可能的理论（假设），再搜集数据，然后通过计算来验证。而基于大数据的第四范式，则是先有了大量的已知数据，然后通过计算得出之前未知、甚至未曾思考过的理论。维克托·迈尔·舍恩伯格撰写的《大数据时代》一书中明确指出：大数据时代最大的转变，就是放弃对因果关系的渴求，取而代之关注相关关系。也就是说，只要知道“是什么”，而不需要知道“为什么”。这就颠覆了千百年来人类的思维惯例，据称是对人类的认知和与世界交流的方式提出了全新的挑战。

人类总是会思考事物之间的因果联系，这是他们的天性，而对基于数据的相关性并不是那么敏感；相反，电脑则几乎无法自己理解因果，而对相关性分析极为擅长。那么，现在这种科学范式的发展，似乎是要用机器替代人类，其实不然，只是主角发生了变化：第三范式是“人脑+电脑”，人脑是主角；而第四范式是“电脑+人脑”，电脑是主角。然而，要发现事物之间的因果联系，在大多情况下总是困难重重的。我们人类推导的因果联系，总是基于过去的认识，获得“确定性”的机理分解，然后建立新的模型来进行推导。但是，这种过去的经验和常识，也许是不完备的，甚至可能有意无意中忽略了重要的变量。学习人类经验的AlphaGo战胜了人类，然后又被没有任何人类经验的AlphaZero所战胜，这充分说明了，人类经验的集合可能只是得到局部最优解，而不需要任何人类经验的解题思路却可能获得全局最优解。这启示人们，电脑和人脑还是发挥各自的特长吧。

从0开始

韦斯特在《规模》中的许多讨论，都是从分析大数据所收集的案例开始的。用定量分析来解决社会科学问题，这通常与传统物理学的范式框架相互关联。韦斯特非常自信地表示，自己及其同事所从事的工作可以被归入“社会物理学”领域。那么，同样是对社会科学问题进行量化，他为何拒绝承认撰写Social Physics（直译为《社会物理学》，但该书的中译本书名为《智慧社会》）一书的作者阿莱克斯·彭特兰团队的研究是社会物理学范畴呢？韦斯特认为，彭特兰等既非社会科学家，又非物理学家，当然这不是重点，重点是他们的工作不聚焦基本原理、普遍法则、数学分析和机制，只是对社会互动进行了大数据分析。因此，韦斯特认为科学是必须弄清因果的。所以，同样是利用大数据分析，《规模》在此基础上，还继续探讨机制和因果关系。

在说明这些问题的时候，作者没有采用数学语言那样的体例结构，而是用一种散文体式的描述，娓娓道来，有时候又像侦探小说，让你读了开头一直想知道后面是如何发展的，真相是什么。还好，作者没有写成悬疑小说，否则，又会让我们茶不思、饭不想地催更续集。