2026 年 10 月 18 日 · 星期日
这一周，我们称过一枚硬币，寻找过看不见的行星，让机器识别照片，比较过两条曲线，还讨论了一盏红灯和一只温度传感器。
这些故事分属不同领域，却反复遇到几个相似的困难：读数会波动；同一个现象可能有不同原因；已有数据上的好成绩，未必能延续到新情境；新证据值得重视，却不能不分强弱地照单全收。
现在可以把本周一直藏在这些问题背后的主题说出来了：
我们如何从不完整的观察中认识世界？
这七天尝试呈现的，是一种可以反复使用的认识结构：观察—建模—检验—更新。
它不是所有研究必须按顺序执行的流程，也不是一条能保证成功的公式。它帮助我们把“我看到了什么”与“我据此相信什么”之间的过程，展开来看。
第一道间隔：对象与记录之间
周一，硬币没有明显改变，电子秤的读数却略有不同。
这让我们注意到：读数经过了一套测量过程。传感器、环境、校准和显示分辨率，都可能影响最终的数字。重复称量能帮助了解波动，但共同存在的偏移，还需要另外检查。
因此，完整的结果不能只给一个数，还要说明对它能确定到什么程度。测量不确定度可能包含重复观测以外的来源，包括与系统效应及其修正有关的成分。NIST：测量不确定度
周二，望远镜记录的则是恒星亮度和光谱的变化。行星没有被分辨成照片上的一个小圆点，我们仍然可能通过它对星光和恒星运动的影响发现它。NASA：系外行星探测方法
这两天的联系在于：要解释一份记录，先得了解它是怎样产生的。秤上显示的数字、望远镜记录的光，都需要放回观测条件中理解。
第二道间隔：记录与解释之间
一段周期性的变暗，可能来自行星凌日，也可能来自其他天体配置或观测问题。看见现象以后，还要比较解释。
这就引出了模型。
本周所说的模型，是对对象或数据关系的某种明确表示：它可以是关于行星遮光的物理关系，可以是一条拟合曲线，也可以是把图像像素映射到类别分数的程序。
模型会作出取舍。凌日的简化面积公式暂时忽略了恒星表面的亮度差异；猫狗分类器则在给定的类别和训练目标下学习。哪些细节被保留，哪些被省略，会影响它能回答的问题。
周三尤其提醒我们：一个分类结果即使正确，也不能单凭结果认定程序利用了我们期待的依据。它可能用了动物的形态，也可能过度依赖背景。
于是，“给出了答案”之后，还有一个问题：这个答案依靠了什么关系，这种关系能用到哪里？
第三道间隔：解释已有材料与应对新材料之间
周四，我们构造了两个规则。它们在输入 1、2、3 时都给出 2、4、6，到了输入 4，一个给出 8，另一个却给出 68。
这个小例子把问题暴露得很清楚：有限的数据并没有自动选出唯一的规则。
所以，检验需要让模型面对它形成时没有照顾过的材料。图像分类中，留出数据用于评估，正是为了让训练成绩与未见样本上的表现有所区分；反复根据测试结果修改方案，又会破坏这种独立性。scikit-learn：交叉验证与模型评估
“未见”还要结合任务理解。同一只猫的连拍照片，与另一种光照、另一台相机拍摄的照片，并没有提出完全相同的挑战。
这让检验从一个总分，变成了更具体的提问：在哪些条件下有效？在哪些地方失效？现有证据支持的范围有多大？
第四道间隔：得到证据与改变判断之间
周五的检测机器，能识别九成的缺陷零件，但亮红灯并不意味着零件有九成概率存在缺陷。
在那组教学设定中，缺陷率为 1%，正常零件误亮灯的概率为 5%。亮灯后的缺陷概率约为 15.4%。它比原来的 1% 高了很多，却仍然离确定有很大距离。
这说明，证据的作用需要结合原来的判断，以及它在不同解释下出现的可能性来理解。我们还得检查它是否独立于已经使用过的材料。
周六把这个问题往前推了一步：既然不同证据有不同的区分能力，能不能主动选择下一份证据？
于是，我们不再只反复读取温度，而是考虑参考环境、另一支温度计，以及不同解释在这些条件下会给出什么预测。实验从“再获得一个数”，变成了“设计一个有机会分清问题的操作”。先明确目标，再选择实验设计，是实验规划的重要起点。NIST：实验目标
把六天放在同一张桌上
| 日子 | 具体问题 | 留下的关键追问 |
|---|---|---|
| 周一：测量 | 同一枚硬币为什么有不同读数？ | 记录经过了怎样的测量过程？ |
| 周二：间接观测 | 看不见的行星如何被发现？ | 还有什么原因能产生这种现象？ |
| 周三：学习 | 机器如何识别新照片？ | 学到的关系能迁移到哪里？ |
| 周四：模型检验 | 完全符合数据为什么还不够？ | 它能应对未参与建模的材料吗？ |
| 周五：更新 | 红灯应让我们改变多少判断？ | 证据在不同解释下有多常见？ |
| 周六：实验设计 | 下一步最值得测什么？ | 怎样让不同解释更容易被分开？ |
沿着这些追问，就能看见一个往复的过程：我们记录世界，提出关系或解释，检查它们的预期，再根据结果修正判断、测量方式或模型。
“更新”之后也不一定回到原处。有时需要扩大样本，有时需要重新校准仪器，有时则要承认，原来的候选解释漏掉了重要情况。
相似的结构，不等于相同的机制
这里必须守住几条边界。
预测准确，不自动等于找到了原因。 分类器能识别照片，不能据此宣称它掌握了对象生成的物理机制；一个变量能帮助预测另一个变量，也不等于改变前者就必然改变后者。
神经网络训练，不自动等于贝叶斯更新。 本周第三天介绍的是通过损失函数调整参数的做法，第五天介绍的是在明确概率假设下更新判断。它们可以在特定方法中建立联系，但不能仅凭“都在学习”就视为同一个算法。
不同领域的不确定性，不能随意混成一个数字。 测量结果的不确定度、分类器在测试样本上的错误率、某个假设的后验概率，各自回答不同的问题。它们都需要认真表达，却不能互相替代。
共同结构也不意味着证据已经同样充分。 实验室里可重复的测量、遥远天体的观测、依赖样本分布的分类任务，能够进行的控制和检验并不相同。跨领域联系能帮助我们提问，具体结论仍然要靠各自的材料和方法支撑。
这一周可以留下什么？
除了七篇文章，还可以把几组概念整理为日后查阅的知识条目：
- **测量：**重复性、系统偏差、测量不确定度。
- **模型：**间接观测、预测与解释、泛化、过拟合。
- **证据：**先验、似然、后验、证据之间的依赖关系。
- **实验：**可区分的预测、重复与随机化、预期信息增益。
这些词的价值，来自它们能帮助解决具体困难。遇到一个让你信服的数字、一条漂亮曲线或一次自信的分类时，可以先停下来问：记录是怎样得到的？解释依靠哪些前提？它接受过什么检验？什么新结果会让我重新考虑？
周一，我们从电子秤上跳动的最后一位数字出发。到了周日，那个小小的波动已经连接到行星、算法、概率与实验。
我们仍然没有获得一双能直接看穿世界的眼睛。但我们多了一种能力：把记录到的东西、据此提出的解释，以及支持解释的证据分清楚，并为下一次修正留下位置。
发表回复