在新冠肺炎疫情初期造成大量傷亡時，科學模型成為了新聞頭條。我們需要這些模型來做出明智的決策。但我們如何判斷它們是否可信呢？科學哲學似乎已成為生死攸關的問題。無論是關於新高速公路的交通噪音、氣候變化還是疫情，科學家都依賴模型，這些模型是現實世界的簡化數學表示。模型是近似值，會省略細節，但一個好的模型會可靠地輸出其開發目的的量。
模型並不總是預測未來。這並不意味著它們不科學，但它們因此成為科學懷疑論者的目標。我甚至不能責怪懷疑論者，因為科學家經常稱讚正確的預測來證明模型的價值。但這並非他們最初的想法。許多著名的科學哲學家，包括卡爾·波普爾和伊姆雷·拉卡託斯，都認為正確的預測是區分科學與偽科學的一種方式。
但僅靠正確的預測並不能構成一個好的科學模型。反之亦然：一個模型即使從不做預測，也可以是好的科學。事實上，對於政治討論而言最重要的模型是那些不做預測的模型。相反，它們產生“推演”或“情景”，與預測相反，這些預測取決於我們將採取的行動方案。畢竟，這就是我們諮詢模型的原因：以便我們可以決定該怎麼做。但是，由於我們無法預測政治決策本身，因此實際的未來趨勢必然是不可預測的。
關於支援科學新聞
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。透過購買訂閱，您將幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
這已成為解釋疫情模型的主要困難之一。2020年3月對新冠肺炎全球死亡人數的悲觀預測並未成為現實。但這些是針對我們未採取任何措施情況的推演；它們不是預測。
政治決策並非模型可能僅做出或有推演而非明確預測的唯一原因。例如，全球變暖的趨勢取決於火山爆發的頻率和強度，而火山爆發本身目前無法預測。它們還取決於技術進步，而技術進步本身取決於經濟繁榮，經濟繁榮又取決於，除其他因素外，社會是否正處於疫情的控制之下。有時要求預測實在是要求過高。
預測也不足以構成好的科學。回想一下，每次發生自然災害時，結果都證明它已經在電影或書中被“預測”過。鑑於大多數自然災害在“最終會發生類似的事情”的程度上是可預測的，這並不奇怪。但這些不是預測；它們是科學上毫無意義的預言，因為它們並非基於方法可重現的模型，也沒有人測試過這些預言是否比隨機猜測更好。
因此，預測對於一個好的科學模型既不是必需的，也不足以判斷一個模型的好壞。但是，為什麼哲學家們如此堅決地認為好的科學需要做出預測呢？並非他們錯了。只是他們試圖解決的問題與我們現在面臨的問題不同。
科學家透過使用統計方法來區分好模型和壞模型，這些方法很難在沒有公式的情況下進行交流。這些方法取決於模型的型別、資料的數量和研究領域。簡而言之，這很困難。粗略的答案是，一個好的科學模型可以用很少的假設準確地解釋大量資料。假設越少，與資料的擬合度越好，模型就越好。
但哲學家們並不關心量化解釋力。他們正在尋找一種無需剖析科學細節即可區分好科學和壞科學的方法。儘管正確的預測可能無法告訴您模型是否是好的科學，但它們可以增加對科學家結論的信任，因為預測可以防止科學家在看到資料後新增假設。因此，要求預測是一個好的經驗法則，但它是一個粗糙且容易出錯的標準。從根本上講，這是沒有意義的。模型要麼準確地描述了自然，要麼沒有。科學家在哪個時間點進行計算與模型與自然的關係無關。
與好科學必須做出預測的觀點密切相關的混淆是，人們認為科學家不應在新資料出現時更新模型。這也可以追溯到波普爾及其同事，他們認為這是不良的科學實踐。但當然，一個好的科學家會在獲得新資料時更新他們的模型！這是科學方法的本質：當您學到新東西時，就進行修訂。在實踐中，這通常意味著使用新資料重新校準模型引數。這就是我們看到新冠病例推演定期更新的原因。科學家不應該做的是新增過多的假設，以至於他們的模型可以擬合任何資料。這將是一個沒有解釋力的模型。
理解預測在科學中的作用對於氣候模型也很重要。這些模型正確地預測了許多觀察到的趨勢，從地表溫度升高到平流層冷卻，再到海冰融化。科學家經常使用這一事實來反駁氣候變化否認者。但否認者隨後會拿出一些做出錯誤預測的論文。作為回應，科學家指出，錯誤的預測寥寥無幾。否認者反駁說，論文數量偏差可能有各種各樣的原因，這些原因與科學價值無關。現在我們正在數人頭，並爭論科學出版的倫理，而不是談論科學。哪裡出錯了？預測是錯誤的論據。
對否認者更好的回答是，氣候模型可以用很少的假設解釋大量資料。對於我們觀察到的現象，計算上最簡單的解釋是這些趨勢是由人類二氧化碳排放造成的。這是解釋力最強的假設。
總之，要判斷一個科學模型，不要要求預測。而是要問模型在多大程度上解釋了資料，以及為此需要多少假設。最重要的是，不要根據您是否喜歡模型告訴您的內容來判斷模型。