在新冠肺炎疫情初期造成大量伤亡时，科学模型成为了新闻头条。我们需要这些模型来做出明智的决策。但我们如何判断它们是否可信呢？科学哲学似乎已成为生死攸关的问题。无论是关于新高速公路的交通噪音、气候变化还是疫情，科学家都依赖模型，这些模型是现实世界的简化数学表示。模型是近似值，会省略细节，但一个好的模型会可靠地输出其开发目的的量。
模型并不总是预测未来。这并不意味着它们不科学，但它们因此成为科学怀疑论者的目标。我甚至不能责怪怀疑论者，因为科学家经常称赞正确的预测来证明模型的价值。但这并非他们最初的想法。许多著名的科学哲学家，包括卡尔·波普尔和伊姆雷·拉卡托斯，都认为正确的预测是区分科学与伪科学的一种方式。
但仅靠正确的预测并不能构成一个好的科学模型。反之亦然：一个模型即使从不做预测，也可以是好的科学。事实上，对于政治讨论而言最重要的模型是那些不做预测的模型。相反，它们产生“推演”或“情景”，与预测相反，这些预测取决于我们将采取的行动方案。毕竟，这就是我们咨询模型的原因：以便我们可以决定该怎么做。但是，由于我们无法预测政治决策本身，因此实际的未来趋势必然是不可预测的。
关于支持科学新闻
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道： 订阅。通过购买订阅，您将帮助确保有关塑造我们当今世界的发现和想法的具有影响力的故事的未来。
这已成为解释疫情模型的主要困难之一。2020年3月对新冠肺炎全球死亡人数的悲观预测并未成为现实。但这些是针对我们未采取任何措施情况的推演；它们不是预测。
政治决策并非模型可能仅做出或有推演而非明确预测的唯一原因。例如，全球变暖的趋势取决于火山爆发的频率和强度，而火山爆发本身目前无法预测。它们还取决于技术进步，而技术进步本身取决于经济繁荣，经济繁荣又取决于，除其他因素外，社会是否正处于疫情的控制之下。有时要求预测实在是要求过高。
预测也不足以构成好的科学。回想一下，每次发生自然灾害时，结果都证明它已经在电影或书中被“预测”过。鉴于大多数自然灾害在“最终会发生类似的事情”的程度上是可预测的，这并不奇怪。但这些不是预测；它们是科学上毫无意义的预言，因为它们并非基于方法可重现的模型，也没有人测试过这些预言是否比随机猜测更好。
因此，预测对于一个好的科学模型既不是必需的，也不足以判断一个模型的好坏。但是，为什么哲学家们如此坚决地认为好的科学需要做出预测呢？并非他们错了。只是他们试图解决的问题与我们现在面临的问题不同。
科学家通过使用统计方法来区分好模型和坏模型，这些方法很难在没有公式的情况下进行交流。这些方法取决于模型的类型、数据的数量和研究领域。简而言之，这很困难。粗略的答案是，一个好的科学模型可以用很少的假设准确地解释大量数据。假设越少，与数据的拟合度越好，模型就越好。
但哲学家们并不关心量化解释力。他们正在寻找一种无需剖析科学细节即可区分好科学和坏科学的方法。尽管正确的预测可能无法告诉您模型是否是好的科学，但它们可以增加对科学家结论的信任，因为预测可以防止科学家在看到数据后添加假设。因此，要求预测是一个好的经验法则，但它是一个粗糙且容易出错的标准。从根本上讲，这是没有意义的。模型要么准确地描述了自然，要么没有。科学家在哪个时间点进行计算与模型与自然的关系无关。
与好科学必须做出预测的观点密切相关的混淆是，人们认为科学家不应在新数据出现时更新模型。这也可以追溯到波普尔及其同事，他们认为这是不良的科学实践。但当然，一个好的科学家会在获得新数据时更新他们的模型！这是科学方法的本质：当您学到新东西时，就进行修订。在实践中，这通常意味着使用新数据重新校准模型参数。这就是我们看到新冠病例推演定期更新的原因。科学家不应该做的是添加过多的假设，以至于他们的模型可以拟合任何数据。这将是一个没有解释力的模型。
理解预测在科学中的作用对于气候模型也很重要。这些模型正确地预测了许多观察到的趋势，从地表温度升高到平流层冷却，再到海冰融化。科学家经常使用这一事实来反驳气候变化否认者。但否认者随后会拿出一些做出错误预测的论文。作为回应，科学家指出，错误的预测寥寥无几。否认者反驳说，论文数量偏差可能有各种各样的原因，这些原因与科学价值无关。现在我们正在数人头，并争论科学出版的伦理，而不是谈论科学。哪里出错了？预测是错误的论据。
对否认者更好的回答是，气候模型可以用很少的假设解释大量数据。对于我们观察到的现象，计算上最简单的解释是这些趋势是由人类二氧化碳排放造成的。这是解释力最强的假设。
总之，要判断一个科学模型，不要要求预测。而是要问模型在多大程度上解释了数据，以及为此需要多少假设。最重要的是，不要根据您是否喜欢模型告诉您的内容来判断模型。