什么是科学？（2/4）-科学是现代的祛魅工具
要理解科研为何推崇可重复性，首先应当澄清何谓可重复性。如果以日常的自然语言来理解“可重复性”，中医毫无疑问是科学。但是，我们承认B超验孕是科学的，却不可能承认号脉验孕是科学的。号脉验孕难道“不可重复”吗？显然不是的。如果采集脉象、构建描述符，用机器学习来重复中医号脉的结果，这也毫无疑问是科学的，而且是非常具有创新性的成果。（【人工智能时代到来，“AI VS 老中医”，究竟谁更胜一筹-哔哩哔哩】 https://b23.tv/BV1Kh4y1y76U）如此，“可重复性”这个说法无法重复，“可证伪性”这个说法也就被证伪。按照科学研究的惯例，我们可以为之打一个补丁，进一步要求“可重复性”指的是“客观的可重复性”，或者说“换谁来都可以重复”。
数学是“客观的可重复性”最好的例子。数学是科学的语言，本身并不是科学，但语言一定规训着科学研究的具体行为。数学自有其内在的运算规则，只要列好算式，无论是谁去计算都能得到一样的结果，否则就是算错了。哪怕没有人，让机器去算也可以得到一样的结果。而且某种意义上机器是更好的，因为机器不会疲劳、不会犯错。就算是“外星人”，只要遵循这套符号体系的运算规则，一样可以重复出来。这样就可以理解为什么号脉无论如何都不科学：因为号脉需要长期的练习（一般说法是十年），不可能做到“换谁来都可以重复”，也就不可能是科学的。
我们现在可以定义科学研究了。生产生活中有太多的经验积累，往往是用“若干”“少许”来记录的。这就造成不同时代、不同地域对同一生产的理解是完全不同的，容易失传。具体到个人，我们无法准确重复前人的行为，只能通过长期练习重新积累经验，知识积累低效，趋向神秘化。而科学就是对这些情况的一个解决方案，科学研究就是用数准确地量化这些经验，标准化地记录全部操作流程，做到“换谁来都可以重复”的程度。比如说，高中做空间几何的题目，最难的就是找垂足然后用“三垂线定理”，这个过程极富技巧，非常“神秘”，难以掌握。一旦引入了向量这个工具，空间几何就变成一个几乎无脑的计算问题，只要数学不太差就能轻易解题。
把感性的经验材料通过数量化达到理性的层次，大大降低了重复的难度，这就是所谓“解析合理化”。（【马克思对现代性的双重批判-哔哩哔哩】 https://b23.tv/BV11G4y1y7ro）完成了数量化、公式化（数学建模），就可以进行自动化、程序化。自信抓到了根本，就可以从基本的几个知识出发推演万事万物直到千秋万代，这就是所谓“第一性原理”。（本段出现的“准确”“全部”“感性”“理性”都是非常可疑的表述，但笔者一时难以找到更为中立的用语。）
解析合理化是2000年后又一次“车同轨、书同文”的大变革，大大提升了知识积累的效率，促进了社会生产可以跨时空无缝对接。统领某一生产的大师傅被祛魅，那些“神秘的手”被祛魅，参与社会劳动的门槛大大降低。这就是工业化，这个进程极大地推动了生产力的发展，我们必须承认这一进程的伟大。
代价和收益总是同时的。当年珍妮纺纱机的出现引发了流血事件，发明者的小屋被愤怒的同行焚毁；早几年公交车就不需要售票员了，这没有引起太大风波；直到最近出现了会做实验的机器人、出现了ChatGPT，讨论一下子热闹起来：更多人即将被机器替代，甚至包括在网络上有话语权的人！这个巨大的机器不再需要这么多人了，工业化在解放人之前先解雇了人。当然，肯定也不会是所有人都被解雇，因为机器总是需要人来协调的。但是，在现代，穿上工装的人不再是一般意义上的人，而是环境的一部分，我们能看到的只是机器是否顺畅运行而已。
真正的恐怖甚至不在于人的物化，而在于人存在价值的彻底丧失。牛顿研究力学本来是为了证明上帝无所不在，却在历史进程中演变为“万物自有其规律”，只要给定物体某一时刻的运动状态，哪怕是一台机器也能准确预测其任意时刻的状态。“一切规律都已经完全掌握”且在实验上得到广泛验证，那么一切都可以数量化、公式化、程序化，这是对决定论（或者干脆表述为“宿命论”）的重大利好：人是由粒子构成的，粒子运动可以用牛顿力学完美描述，人的一切早已被牛顿力学规定好了；人只是字面意义上的“工具人”，任何自以为的意识、决定、实践不过是程序设定的结果而已，换谁来都一样照此执行，找台机器来完成也是一样。于是，人在这个体系中没有位置。现代用科学祛魅了“前现代”，然后进一步祛魅了“人”本身。
以上分析都源于科学教育，但我们似乎不习惯这样去思考问题。我记得初中物理的第一次实验课是测量水温，我们亲身体验人手和温度计分别测量水温，羡慕仪器能够获得如此精确的数值，自惭形秽之下自觉得出“人的感觉不可靠，要相信仪器”的结论。到了高中，物体的受力之复杂早已超出人所能把握的范围，不老老实实按照受力分析去做一定吃大亏。“不要相信人的感受”“数量化是好的”“精确才是好的”等等观念就这样潜移默化地进入了我们的脑子。
我们没有反抗这种灌输吗？肯定有的。在五六年级的时候，我们学会了设未知数解方程，从此不再需要逆向思维解题，解决问题的门槛降低了。但我相信，班上总有几个特别聪明的孩子不愿意，非要先逆向思维解一遍，再装模作样去解方程。后来寻找适用“三垂线定理”的垂足、寻找式子中子含的等价无穷小等等都是如此。这不是幼稚，或者简单的“无法体现自己很聪明”，而是本能地试图保留人的存在价值（或尊严）。顺便一提，很多中学生成绩不好的原因也在这里，并不是不懂科学那一套，而是“我凭什么要像机器一样？”这种后现代的巅峰之作是提取青蒿素：把古籍中的做法用现代科学的方式重复一遍，成功完成了传统学问的华丽转身，登上“咱们的最高科学殿堂”。
历史地说，在一个地域（比如国家）进行工业化原始积累的时候，我们不得不培养大量这样的人才，用人替代机器（L替代K）来完成工业化的进程。在这个历史时期，作为个体的人可以有超越时代的眼光，但以此来反抗只会显得可笑，也必须显得可笑。因为，历史的中介者应当甘为人梯、去推动历史演进，在历史事件发生之前就主动超越历史，自私者成为逐利者，无私者可能成为烈士。
“坚固的堡垒往往是从内部被攻破”。工业化进程尚不平衡不充分，决定论的世界观已经被动摇。
——量子力学试图解释一种非经典概率，但最终凝成的薛定谔方程和海森堡矩阵却仍是确定性的。“什么，一个粒子竟然是按概率同时分布在整个宇宙中的？”
——混沌现象、三体问题等对解题能力发起挑战，即便一个问题是确定的也可能接近于无解。“什么，初始数值略有偏差，结果就天翻地覆？”
——哥德尔不完备性原理干脆宣告数学并没有我们想象的那么靠谱，公理化宇宙的努力可谓“创业未半而中道崩殂”，所谓“第一性原理”已经破产。“什么，竟然存在不可证明也不可证伪的命题？”
这些在决定论者眼里完全不科学的情况在20世纪集中爆发，至今未能妥善处理，幸而大部分科研工作可以无视这些矛盾。然而机器学习不同，无论研究者的是否及时更新思想，机器学习已经破门而入，与各个学科的具体研究工作结合。机器学习的过程几乎是无法解析的，如黑箱般神秘。使用神经网络模型时，研究者大多只会考虑输入（描述符）、输出和可靠性（拟合误差），不太可能去考察第一隐藏层的第二偏置代表什么物理量，目前为止也无法明确这一点。通过蛋白质的一维序列预测其三维结构，也不可能是第一隐藏层对应蛋白质二级结构、第二隐藏层对应蛋白质三级结构，人类通过解析合理化获得的生物学理性被机器学习祛魅，又回到了神秘的境遇。这种无法解析机制的“黑箱”是主流的科学研究者所排斥的，但机器学习本身又不得不用，奈何？
“科学的尽头是玄学”并不只是调侃，直面黑箱的不只是生产生活，科学研究也无法回避。无需讨论这一点只是现代科学短暂历史的一种偶然，现在，结束了。我们必须正视，科学研究必然是有世界观预设的，科研工作者也应当清醒地意识到自己采用了哪些预设，但这种理论自觉显然只是一种奢求。1923年的科玄之争在我国设置了科学-玄学二元对立，百年来我国工业化艰难起步发展则深化了这一议题，思潮延宕至今，“如何传承中华优秀传统文化”的时代之问难以回答。
