不确定性

这个世界有没有看起来是确定的事情？

可能没有，

不确定才是这个世界最值得探索的奥秘。

但如果非要让一件事情变得更接近确定，那么有没有一套经得住考验的方法论呢？

这还真有，

科学家在探索自然的过程中总结了以下的方法：

• 仔细观察真实世界，并得到精确的测量数据；
• 根据观察结果提出假设模型；
• 根据模型预测未来的事件；
• 继续观察并核实预测的准确性；
• 如此反复直到确认预测和观察一致；

不要小看这个方法体系，常人要把每一步都做好是非常难的。

观察真实世界

真实世界不会说谎，但也不会主动告诉你真相，有时候你看到的世界并不是真实的，我们大部分时候只是活在一个自我假设的世界里。

科普图书《时间的形状》中讲了一个高速列车杀人事件的故事，来让大家理解时间和惯性系的问题，就是非常典型的例子。

我在生活中也遇到过类似需要理解时间的例子，如何设计一个促销系统，当系统A中的促销生效时通知B系统。当和产品经理讨论这个问题时，我无奈地告诉他，这是一个哲学问题。因为这里的时间是一个事件的结果，不能产生行为。正如《Time, Clocks and the Ordering of Events in a Distributed System》论文描述的那样，时间在不同空间中是隔离的，所以要在分布式系统中传递事件，同时还要保证事件的因果关系，这就是一个难点。

如果观察不具备完整性，也很难说明观察结果是准确的，比如在没有把天下所有的乌鸦都看一遍，你无法得出结论：天下的乌鸦都是黑的。

提出假设模型

有了观察数据，我们往往能从数据中找到一些规律，然后利用数学知识来定义，为什么是数学呢？因为数学具备推理和逻辑性。

例如：a大于b,同时b大于c，那么a一定大于c。

我们无法推翻这种原子级的认知逻辑，所以这种工具可以不用上面提到的方法来验证其正确性。

就像计算机系统优化一样，你不能直觉上提升某个或者几个组件的性能，从而得出整体性能提升的结论。至少要有类似Amdahl’s law（阿姆达尔定律）这样的模型作为指导。

预测未来

为了验证模型的正确性，所以利用模型预测未来事件就是符合逻辑的做法。因为非预测事件一旦发生就证伪了模型。就像上面说的，只要有一天出现了一只白色的乌鸦，那么天下乌鸦都是黑的结论立刻被推翻。

科学的不确定性

你会发现上面提到的科学方法，更多地是收集数据来证明预测的准确性。由于世界有太多未知，所以就像物理学家理查德·费曼说的那样：科学的不确定性源于我们对世界的无知。