科学模型靠谱吗？

楚天开

科学家的武器——模型

2010年底，美国宇航局地球系统科学家研制出了迄今精度最高的地球气候模型——GEOS-5（戈达德地球观测系统模型第五版），并通过这个模型绘制出了一幅全球气候模拟图。根据这个模型，只要科学家能够收集到所必需的一些地球物理属性，如能量、温度等等，就能相当精准地预测诸如雷暴、飓风等气候现象。目前，科学家已经使用该模型对地球未来数十年的气候变化状况进行了预测，并开始着手应对预测到的未来气候变化。

自有科学研究以来，科学家就需要用模型来研究问题。模型可以表示一种基于类比的思维方法，比如将电流比作一种流动的流体，将原子比作一个小型太阳能系统等等；也可以像孩子的玩具模型那样做成一个真实的物理模型来辅助人们进行思考。1953年，詹姆斯·沃森在研究DNA双螺旋结构时，就制作了四个碱基的模型。

计算机诞生以后，计算机就能制作出更加复杂、更加抽象，同时处于动态的模型，这使科学家在做研究时更加得心应手。尤其是动态模型，能够处理很多不同的变量，当我们改变计算机模型中的一个数字后，就能马上看到因此而对结果产生的影响。这能让研究者尝试各种不同的计算，以寻找正确的结果。如今，科学研究者已经无法离开计算机模型的帮助。大到宇宙形成与发展的模型，小到分子结构的模型，科学家们每天的工作，都与一个又一个的模型紧密相连，甚至许多研究的结论也完全是建立在这些模型的基础之上的。

不仅如此，在今天的世界中，科学研究早已与人类社会的运作交织在一起，因此，由科学研究模型推导出的结论，也成为了引导人们行为的指向标，影响到政府的政策、公司的经营决策以及科学的研究方向。有时，计算机上一个看似简单普通的模型，也会演变成现实社会一场声势浩大的行动，直接影响人类生活。

模型正在左右我们的生活

2001年，英国爆发了一场极为严重的口蹄疫。流行病学家针对这场疫病，制作出了一个预测疫病传播情况的模型。从数学角度看，测绘一张疾病传播图谱并不复杂。模型中体现的疫病感染趋势取决于不同情况下新患病例的数量，即增殖数。如果一个区域新增病例数量大于1，说明流行病在此处得以传播，反之则说明无事，这其中并没有什么高深的道理。

英国政府的首席科学顾问大卫·金根据这个模型，向布莱尔首相提出了最直接的解决方法——屠杀一切有患病可能的牲畜，“在两天内将增长指数变为下降指数”，使区域范围内的新患病例增殖数小于1。布莱尔接受了金的提议，于是，一场英国有史以来规模最大的宰杀牲畜行动开始了。幸运的是，这个方法果然奏效了，也帮助布莱尔成功连任了首相一职；不幸的是，大量未患病的牲畜同样遭到了灭顶之灾，农户损失惨重。

金本人其实是一名化学家，他怎么能根据流行病学家绘制的模型，如此轻易地得出结论呢？很简单，早在1980年代，金就从事着分子运动方面的研究，当时他也绘制了一个模型，用以描述分子在固定表面扩散的运动情况。在金看来，这两个模型看上去差不太多，有着“异曲同工”之妙，因此理解起来自然也就得心应手了。在他想来，这个模型既然能够正确描述分子运动路径，自然也就能够正确描述病毒传播路径，因而言之凿凿地向布莱尔介绍了这种方法。一个小小的模型竟然决定了成千上万条生命的存亡，其威力可见一斑。

其实，这只是模型威力的冰山一角。在股票市场，股民按照专家给出的模型预测结果一掷千金，少数的幸运儿一夜暴富，多数的普通人赔光家底；在气象局，气象学家根据气象模型预测风霜雪雨、洪水干旱，无数农民根据预测结果春耕秋收，维持生计；在宇航局，天文学家根据天体物理模型计算宇宙中可能存在的天体和天文现象，让人类了解我们的生存空间，也最大程度地避免地球遭遇来自外太空的威胁……可以说，模型从生活的方方面面左右着我们的世界。

无法避免的不确定性

但是，你有没有想过：所谓的科学模型，就真的那么科学、那么可靠吗？事实上，无论是传统模型，还是计算机模型，都与实际的研究对象有所出入。比如沃森制作的碱基模型，其实是人体内碱基的数百万倍的放大；而计算机动态模型则是先将客观现象公式化，再输入数据以求结论，而公式化的过程其实是一个抽象化的过程，它不可避免地会将客观事物的细节全盘删除。

一个模型在制作时，就已经埋下了不准确的伏笔。假设你要为一场爆发性流感设计模型，那么你必须要考虑哪些人在他们开始打喷嚏时会待在家里；哪些人会自己随便吃点药来减缓症状；哪些人可能提前接种了疫苗从而避免了被传染等等。确定了这些可能之后，你又要考虑，不同性别年龄的患者抵抗力差别有多大；是否有人携带病毒但却没有严重症状；是否会有医生将流行感冒误诊为普通感冒……

如此一来，最终的模型成果可能会包含成百上千的元素。接下来计算机会检查所有可能的变量，看看哪个对结果影响最大，然后将那些影响可能不那么大的元素全部删除，剩下被计算机认为最关键的元素，综合起来做成模型，这样的模型当然只是粗略的。

模型确定以后，我们将原始信息输入模型进行计算时，也会出现各种误差。单从数据输入环节来说，首先，原始数据就没办法做到完全精确；接下来，计算机计算的连续性使它拥有放大错误的缺陷，这个很好理解，比如最早输入的数据本应是1，结果输入成了2，这只是1的差别，但通过一系列计算后，这个数字可能变成了10，再次进入运算系统后不断循环，这个错误就会以10的倍数不断扩大。

无法逃避的主观性

除了不可抗力的客观原因造成的不确定性外，更为严重的是，模型制作者还常常把自己的主观意志加入到描述客观事实的模型当中，导致了模型的片面和失真。这种情况在社会经济学领域尤为常见。

经济学家在应用计算机模型时，必须要使用公式来表示人类的行为，但人类的行为千变万化，经济学家观察的角度各不相同，得出的公式也是千奇百怪，这也是为什么同一个经济现象，不同的经济学家却能给出差别迥异的解释。

因此经济学模型令其他领域的科学家不敢恭维，甚至一些自然科学领域的建模专家根本不愿意将经济学模型当成模型来看待，因为在他们看来，经济学家在建模时过于“随心所欲”了。即使在经济学界内部，人们对模型的意见也无法统一。比如对于计量经济学模型，不同经济学家对待它的态度就完全不同。有些人对其持高度肯定意见，有些人则完全不屑一顾。这与自然科学的模型不同，虽然由自然模型得出的结论可能不那么准确，但科学家们对这些模型本身往往是普遍认可的。

综上所述，虽然模型在所有科学领域都起着相当重要的作用，但在实际应用中常会出现偏差，有时，一个模型偏差甚至会引发现实世界的一场灾难。因此，在科学家越来越依赖模型的今天，我们有必要对模型得出的结论保持一定的警惕和怀疑，不要过度迷信模型，被模型牵着鼻子走，以至于与现实产生越来越大的偏差。