严厉审视奥卡姆剃刀

武夷山

     美国圣菲研究所网站2025年1月28日发表文章，A sharp look into Ockham’s razor（严厉审视奥卡姆剃刀）。

原文见https://www.santafe.edu/news-center/news/sharp-look-into-ockhams-razor。

以下文字是我让DS翻译了第一稿，我再修改定稿的。第一次做这样的尝试。

中世纪的修士William of Ockham提出：永远要选择最简单的解释。这一想法经常被称为俭约原则，几百年来一直影响着科学决策过程。

然而，最近，极其复杂的人工智能模型开始表现出与较简单的模型相比更棒的性能。可以预测蛋白质结构的AlphaFold，或生成类人文本的ChatGPT及类似产品为例。

《美国国家科学院院刊》（PNAS）上的一篇新论文指出，由于科学家们在建模时过于依赖简约原则，导致一些错误，错失了一些机会。

 论文的第一作者、圣菲研究所（SFI）复杂性研究博士后研究员玛丽娜·杜博娃（Marina Dubova）表示，科学界对简约性的依赖具有历史渊源。

 “科学家需要一种工具来指导他们构建世界的模型。历史上，简约原则被采纳，因为它是一种易于使用的工具。自那时起，它并未受到足够的质疑。教学计划都是将简约性作为科学理论和模型构建的关键原则进行传授。大多数研究试图证明简约性的好处，但这些证明并未经受住时间的考验。”她说。

 杜博娃最近进行了一项计算模拟，结果显示，随机实验生成的模型比基于简约假设的科学实验生成的模型更好。

 作为一名认知科学家，杜博娃正在探究：迄今最大的科学假设之一，即避开复杂模型，是否合理。

 “仅将简约性作为我们的指导原则，限制了我们了解世界的能力，并可能将我们引向错误的方向。”杜博娃说，“简约性和复杂性是互补的工具。科学家需要根据证据、判断和具体情境需求，来决定是更简约还是更复杂的模型更适合其研究目标。”

 杜博娃和合著者讨论了他们的研究结果，表明错误应用简约原则可能导致模型偏差并产生糟糕的预测。例如，用于解读活体脑部扫描的简单模型通常会读取到周期性的来回模式，而实际上，大脑活动是随时间缓慢变化的。在评估未经验证的新药时，忽略关键特征（如患者年龄）可能会导致关于哪些患者会对新药有良好反应、哪些患者会反应不佳的预测不准确。

 相比之下，复杂模型可能更具灵活性和准确性，正如气候变化研究中的新方法所显示的那样。在科学领域，每个实验室通常会开发自己的模型来预测感兴趣的现象，而该领域最终会收敛于最符合数据的最简约模型。然而，气候科学家发现，当他们将来自不同实验室的数十个有时相互矛盾的模型集成为一个整体时，这种复杂的气候预测模型在预测现实世界现象方面表现更好。

 “即使这些气候模型互不兼容，科学家们也决定全部使用，因为他们知道每个模型都捕捉到了世界的某些方面。文献表明，将它们合并使用有助于我们更好地预测周围的现实。”她说，“这种进路能否启发人们对气候的全新理解，而不需要我们科学家强行选择一种简单解释？”

 杜博娃希望，这篇论文能够引发新的研究，帮助科学建模者确定何时应选择简约性，何时应选择复杂性。

相关阅读

删繁就简的决策策略， https://blog.sciencenet.cn/blog-1557-3104.html