我在MIT人工智能研究实验室工作一年学到的 5 件事( 三 )

一种对科学事业本身的怀疑似乎也越来越流行，怎样对抗这种“反科学之风”？Mike根据在MIT迄今所观察到的事情提供了一些见解。
首先，就是上文第一章节所说——质疑一切。没有任何东西可以免于审查和合理的怀疑。当你看到一篇文章时，先看看是谁写的，看看他们之前的工作，是否有资本推动。在得出结论之前，要交叉地参考来源进行确认。问问别人为什么要争论，以及可以得到什么。如果论点存在偏见历史，那么自己很可能只看到事情的一面。
第二，分析论据，寻找逻辑中的常见错误，比如人身攻击、不合逻辑的推理，选择和确认偏差（其中选择性偏好最为要紧，因为它产生的深远影响难以被发现）；跟随作者提出论点的过程，确保论点在哲学上是有效的（correct ，前提正确）、合理的（sound ，结论从前提中得到）；警惕错误的暗示、毫无根据的主张和被人为控制的图表数据；要为所有论断寻求证据，没有证据就可以断言的东西，也可以在没有证据的情况下被驳回。
最后，认识到人都会犯错。数据往往不完整或有偏差，新的证据出现可能会冲击原本立论。思想是可以改变的，也应该去改变。成熟的做法是——面对新的事实时，让旧观念消失，并承认所犯的任何错误。

文章图片
图片来源：GregRakozy
Mike希望这些建议可以帮助我们在这个看似“后真相”的世界中找到方向，学会深入挖掘论点，对结论的得出方式进行分析。科学是一种思维方式，是开放思想和怀疑主义之间的微妙界线。关键是，只要稍加实践，科学就能深刻地影响一个人的世界观。
参考链接：
https://towardsdatascience.com/5-things-i-have-learned-working-in-an-mit-ai-research-lab-for-a-year-a65b4fcaef31

文章图片
【我在MIT人工智能研究实验室工作一年学到的 5 件事】雷峰网