科学的解释破坏了⾃然现象的诗意吗？这取决于你怎么想。彩虹来自阳光和雨⽔的结合，在我看来，它背后的科学原理的美妙程度丝毫不亚于这⼀景象本身。

反对科学理论的证据：能不能找到科学的⽅式去证明该证据是错的？（例.中微⼦速度超过光速）

即使我们到处寻找黑天鹅却找不到，也不意味着黑天鹅真的不存在，它可能在世界上某个我们还未踏足的⻆落。

如果没有分歧和不同观点，所有的科学家都以相似的方式观察、提问、思考和解释，那么科学家这个群体就很难像他们所主张或希望的那样坚持客观性。

现实世界中的科学并非完全价值中立（研究什么问题更容易得到资助），而通过良好科学方法获得的科学知识则是价值中立的。

有些人认为，在判断某件事是否正确时，个人和文化偏见，社会规范以及历史背景应该被考虑在内。被称为社会建构主义的理论主张，真理是由社会过程建构的，而且事实上，所有的知识都是“建构”的。这意味着我们对真理的知觉也具有主观性。这一观念甚至已经影响了我们对许多现实事物的科学表述，比如如何定义种族、性取向和性别。有时这种思考视角确实很有意义，然而，如果我们在这条路上走过了头可能就会被导向一个危险的想法，即真理是由社会决定的。

简洁的解释未必是好的。哥白尼的日心说确实比地心说更加简洁，但相对论却比牛顿力学复杂得多。我更支持对奥卡姆剃刀原则的另一种阐释：更好的理论是更有用的理论，因为它能更准确地对世界做出预测。

如今我们可以看到一种“越简单越好”的趋势，尤其是在伦理或政治问题讨论中。这种做法忽略了精妙和复杂的关系，将每件事都简化为“最大公约数”，把问题简化成表情包和推文，于是所有细微差别都消失了。 当你试图理解这个混乱复杂的世界时，将复杂问题简化成清晰而明确的观点是很有吸引力的。但你可能忘了，简化复杂性的方法不止一种，一切取决于你选择忽略哪方面以及强调哪方面。

总之，我们如何看待世界取决于自身的参考系，这使得我们更难发现世界到底是“怎样的”。事实上，许多科学家和哲学家都主张，要了解现实的真实面貌其实根本不可能，因为我们只能说我们是如何感知到了现实：一切都取决于大脑对感官信号的解释方式。但与此同时，外部世界确实是独立于我们的思维而存在的，我们应该尽量以一种不那么主观的方式去理解它，不要那么依赖我们的参考系。

几年前，我在BBC（英国广播公司）制作的广播节目 《科学生活》(The Life Scientific)中采访了英国物理学家彼得·希格斯 (Peter Figes)，著名的“希格斯玻色子” 就是以他的名字命名的。我问他能否在30秒内解释什么是希格斯玻色子。他郑重其事地看着我，然后摇了摇头，我必须承认，当时他的表情中没有丝亳感到抱歉的意味。希格斯解释说，他倾注几十年时光后才理解了量子场论中希格斯机制的物理特性，人们凭什么期待如此复杂的主题可以被浓缩成一个简短片段？伟大的理查德•费曼（Richard Feynman）身上发生过一个相似的故事。20世纪60年代中期，他获得诺贝尔物理学奖后，有记者问他能否用一句话来解释自己获奖的研究成果。于是费曼做出了那个鼎鼎有名的回答：“见鬼！如果我能用几句话解释这是怎么回事，它就没资格得诺贝尔奖了！”

对于不理解的事情，寻求最简单的解释是人类天性使然。如果找到了简单的解释方式，我们就会紧紧抓住它不放手，因为它具有强大的心理吸引力，毕竟我们可能不愿耗费巨大精力去理解更复杂的解释。在这方面科学家没什么不同，即使是最优秀的科学家也习惯如此。1915年，爱因斯坦建立了广义相对论，不久后，他将广义相对论方程应用于描述整个宇宙的演化。然而爱因斯坦发现，根据方程的计算，宇宙由于包含了所有物质的引力，所以正在自我坍缩。爱因斯坦知道宇宙似乎并没有在坍缩，他所能做的最简单假设就是宇宙必领是稳定的。因此，他修改了自己的方程，选择了最简单的数学 “修正”方案：爱因斯坦引人了一个被称为宇宙常数的数宇，这个数宇抵消了方程中描述物质累积引力的部分，这样他的宇宙模型就变得稳定了。但没过多久，其他科学家就提出了不同解释：如果宇宙其实是不稳定的呢？如果它真的在变大，而引力根本无法导致它坍缩，只是减缓了它的膨胩过程呢？这一解释在20世纪 20 年代被天文学家埃德温•哈勃证实。爱因斯坦那时意识到，“修正”已经没有任何必要了，他抛弃了宇宙常数，并称这是他一生中最大的错误。

在科学的核心特征中，最令人惊讶的事情之一是自然法则竟然是合乎逻辑且可被理解的。

常识不过是我们先天积累的偏见。

这种现象在科学研究领域最为普遍。我所在的萨里大学 物理系会定期举办研讨会，参加者形形色色，既有博士生，也有资深教授。除非有十足把握，否则大多数学生往往没有足够的自信来打断发言者，要求他进一步澄清自己正在阐述的内容，因为他们误以为一旦这么做，会暴露出自己对主题的理解极为肤浅。而我发现好玩的是，往往那些资深教投会提出最“愚蠢” 的问题。当然，有时这是因为一个最初看起来很简单的问题却可能蕴含深刻见解。但通常情況下事实并非如此，至少我是这么认为的。其实，只有那些对相关主题非常熟悉的人才会将这炎问题看作简单问题。教授们深信自己不可能什么都知道，尤其是研讨会话题在他们的专业领城之外时，所以暴露自己的“无知”没什么好羞愧的。他们也可能希望代表教室里的其他人提问，比如那些缺乏自信、不敢提问的学生。

然而，不确定性总是不可避免的，它充斥于每一个理论、每一次观察以及每一次项目测量中。因此数学模型会对近似值和精确程度进行定义说明，例如图表上的数据点会和误差棒一起呈现，后者表示置信水平。短的误差棒表示这些数值的测量精度很高，而长的误差棒则表示测量精度比较低，意味着我们对该数值没那么有信心。衡量不确定性并将其作为科学研究的一个组成部分，这种想法已根植于每个科学研究者的头脑中。 但问题是，许多没有接受过科学领域专业训练的人会把不确定性视为科学方法的弱点，而不是优点。他们会说：“如果科学家对他们的结果不确定，并承认他们可能是错误的，那么我们为什么要相信他们呢？〞事实上恰怡相反：科学上的不确定性并不意味着我们不知道，反而意味着我们知道。我们知道结果正确或错误的可能性有至大，因为我们可以趣化对它们的信任程度。对一个科学家来说，“不确定性”指的是“缺乏确定性”，这不等同于无知。不确定性为怀疑留下了空间，这表明我们可以辩证容观地评估我们所相信的内容。我们的理论和模型的不确定性意味着我们知道它们不是绝对的真理，数据的不确定性意味着我们对世界的认识是不完整的。与之相比，信誓且且的确定性要糟糕得多，因为它往往等同于狂热者的盲目确信。