不被信任的科学：大数据、人工智能与信息欺骗

书中用多个真实或实验性质的案例，形象地揭示了数据挖掘在“看似有效”背后潜藏的致命威胁： 1. ​​2014 年巴西总统选举预测​​ • 研究者对 14 个大城市推特热门话题进行数据挖掘，声称能预测各城市选民的最终走向。 • 书中指出，推特高频词并不等同于选民样本，大量账号可能是机器人或被操纵，结果严重高估了模型的代表性与可靠性——展示了“用社交媒体大数据做政治预测”时的偏差与风险。 2. ​​离婚预测实验​​ • 心理学家将 352 名已婚/未婚同居者与 176 名离婚者访谈录音分成两半：一半用于挖掘特征，另一半用于测试。 • 挖掘出的模型在训练集上准确率 90%，但在新数据上骤降至 69%，假阳性率高达 72%——揭示了数据挖掘容易找到纯随机巧合，却无法保证泛化能力，模型“看上去准”却不可靠。 3. ​​“谷歌趋势 × 道琼斯”选股策略​​ • 研究人员穷举 98 个搜索词、计算其与道琼斯指数 1176 种可能的联动，最终找到一条在历史数据上成功率颇高的策略。 • 这属于典型的 HARKing（先挖掘再解释），说明当可选变量远多于样本量时，总能淘到“有效”模式，却极大概率是虚假信号，暴露了数据挖掘对伪相关性的放大效应。 4. ​​大数据规模越大，威胁越明显​​ • 书中总结，从比特币行情到 ESP 研究，再到沃森医疗诊断，模型表现往往随数据规模膨胀而更加耀眼，却在进一步验证时崩盘；作者强调“问题不是数据太少，而是太多”，海量数据让偶然性更易被误当规律，放大了过拟合与不可复现的风险。 这些案例共同表明： • 数据挖掘容易把噪声当信号，生成“看上去很准”却无法落地的模型； • 训练集表现与真实泛化能力之间可能隔着巨大鸿沟，导致决策失误； • 当研究者或商业机构急于展示“高科技结论”时，数据挖掘可能被用来包装伪洞见，进而损害公众对科学与技术的信任。 因此，作者呼吁：在享受大数据与 AI 带来的便利时，必须同步提升透明度、复现性与统计素养，才能避免落入数据挖掘的致命陷阱。

麦田怪圈，登月骗局，离我们有点远，但是后疫情时代沸沸扬扬的疫苗导致了人抵抗力变弱我也听很多人讲过。至于国外那个打了疫苗就会被植入一个芯片而收到控制听上去更匪夷所思。这些虚假信息的传播伴随着信息技术的快速迭代相较以前有了更广的传播范围。真相有时候特别乏味，远远没有一个个故事跌宕起伏。 这几年风起云涌的某些学术造假就是依靠数据歪曲进行的。原本没有显著性差异的两组数据，通过筛选舍弃硬造了一个极小P值出来。话说回来，P小于0.05有显著性差异这个事儿也挺神奇的，是某个有绝对天赋的先贤，随口那么一说就定下了科学界最重要的一个常数。 创新理论是数据挖掘的重灾区，原本八杆子打不着两个东西，在数据挖掘的努力下，居然产生了因果关系，这叫“科学巫术”。我们的数据太多了，多到小概率的巧合看上去确凿无误。 用多了AI会发现它是一个流利的胡说八道者，如果你再质问一下它，它会快去的承认错误给出另外一个答案，这是墙头上一棵看上去挺真的假草。我们好像是高兴的有点早。

"科学家发明的互联网传播了虚假的信息，科学家对实证证据的坚持催生了数据歪曲，科学家创造的大数据和性能强大的计算机推动了数据挖掘的出现。" 这句贯穿全书的核心论断，精准揭示了加里·史密斯在《不被信任的科学：大数据、人工智能与信息欺骗》中所探讨的深刻悖论——科学自身创造的工具正反过来侵蚀科学的公信力。 作为耶鲁大学经济学博士、波莫纳学院弗莱彻·琼斯经济学教授，史密斯延续了其在《人工智能错觉》中的批判性视角，将矛头直指数智时代科学信任危机的三大病灶：虚假信息、数据歪曲与数据挖掘。全书结构清晰，分为五大部分十五章节，从超自然现象、比特币炒作等具体案例入手，层层剖析这些"科学衍生品"如何以"科学"之名行欺骗之实。 史密斯的核心论证建立在其统计学与经济学专业背景之上。他尖锐指出，虚假信息借助互联网的传播效率获得了前所未有的渗透力；对统计显著性的盲目追求催生了选择性报告和p值操纵等数据歪曲行为；而大数据与强大算力则让数据挖掘沦为"大海捞针"式的巧合发现工厂，产出的多是毫无因果意义的"愚人金"。最具讽刺意味的是，这些侵蚀科学信誉的工具，恰恰源自科学共同体自身的创造。 本书的专业价值在于其方法论上的清醒。史密斯并非反科学主义者，而是以"解铃还须系铃人"的初心，从数理逻辑和实证研究规范出发，剖析危机根源。他通过大量鲜活案例——从总统选举预测到药物临床试验，从金融市场分析到AI过度承诺——演示了如何识别和防范这些陷阱。每一章结尾的"启示语"更是画龙点睛，将批判转化为建设性反思。 在人工智能与大数据狂飙突进的时代，这本书具有紧迫的现实意义。它提醒科研工作者、政策制定者乃至普通公众：技术中性论的迷思需要被打破，算法的输出必须接受逻辑、智慧与常识的审视。史密斯最终呼吁的并非抛弃科学，而是恢复科学的自我批判与纠错机制，在第十五章"恢复科学的光彩"中，他提出了26条实用行动路径，为重建科学信任提供了具体方案。 《不被信任的科学》是一部难得的跨界批判之作，它用统计学的严谨拆解数据时代的幻象，以经济学的理性洞察技术崇拜的风险。对于任何关心科学伦理、信息素养与技术治理的读者而言，这本书都是一剂必要的清醒剂。

拥抱AI时代，守住判断力——读《不被信任的科学》 有些书读完之后，你记住的是作者的观点；有些书读完之后，你开始怀疑自己原本的观点。《不被信任的科学》属于后者。 第一次看到这个书名时，我以为作者要讨论的是：科学为什么越来越不可信。但读下去才发现，真正的问题恰恰相反。科学并不是危机的制造者，而是危机的承受者。 英文原名 Distrust: Big Data, Data-Torturing, and the Assault on Science 中的 “the Assault on Science”，直译应为“对科学的攻击”。它提醒我们：今天的科学公信力危机，并非单纯来自科学内部，而是来自外部力量、学术激励机制以及技术变革共同作用的结果。 作者将这种攻击归纳为三种形式。 第一种是虚假信息。互联网让知识传播得更快，也让谣言传播得更快。阴谋论、伪科学和情绪化内容，往往比严谨的事实更具传播力。 第二种是数据歪曲。问题不在于数据本身，而在于人们如何使用数据。为了追求显著结果、争取经费或发表论文，研究者可能有意无意地筛选数据、调整口径，让数据说出自己想听的话。 第三种是数据挖掘。大数据时代最危险的幻觉之一，就是相信“数据会自己说话”。但相关性并不等于因果性。数据能够发现模式，却未必能够解释原因。 读到这里，我逐渐意识到，作者真正担心的其实不是数据，不是算法，也不是人工智能。他担心的是人。准确地说，是人越来越愿意放弃自己的判断。 书中有一个让我印象极深的观点：人工智能并不真正“智能”。它会计算、会预测、会生成答案，却不会理解意义，也不会承担判断的后果。这恰恰构成了今天最大的悖论。 AI越来越强大，获取知识越来越容易，但独立思考却越来越稀缺。 过去，人们面对问题时，需要查阅资料、比较观点、形成判断；今天，我们越来越习惯于直接获得答案。搜索变成提问，提问变成复制，复制变成观点。效率提高了，思考却不一定随之增加。 因此，我认为这本书最重要的启示，不是如何识别伪科学，也不是如何理解大数据，而是重新理解“判断力”的价值。 科学最珍贵的地方，从来不是永远正确，而是允许自己被纠正。独立思考也是如此。它不是固执地坚持己见，而是始终保留追问的能力：这个结论从哪里来？证据可靠吗？还有没有别的解释？ 在一个答案触手可及的时代，知识正在变得廉价，而判断正在变得昂贵。读完此书，你会越来越相信： AI时代最重要的能力，不是获得答案，而是保留提问。 让工具回到工具的位置，让人回到人的位置。这或许才是面对人工智能时代，最值得守住的东西。

很多时间科学都是应该被信任的，但是科学作为自然学科可能更加容易被我们所认为经过了严格逻辑以及实验验证，从正常的链条之中，大部分还是按照设计的过程来得到可以确定的结论，但是在科学研究之中不是完全展示全部的数据，特别是哪些与理论相差比较大，或者不符合自己预期的数据大部分都是被舍弃了，但是只要随后的研究证明了结论，似乎其中瑕疵就是可以被忽略的，其中比较典型的就是密尔根的电荷测试实验，还有就是孟德尔的豌豆实验，数据似乎也是非常符合结论的，当下对于原始数据分析，发现还是存在着一些偏差的，对于爱因斯坦相对论的月食验证实验似乎也是存在着争议，在科学本身很多时间都是可以被信任的，特别是哪些结论还是需要被反复验证，只有这样才会成为我们知识体系的一部分，而对于那些不能被证明或者证伪的东西基本上都进入了宗教的领域，可能科学本身不是用了被信任的，而是用来验证的，或者是构成了我们知识的框架组成部分，一旦建立之后，就是被我们认为是值得信任的。在数据为基础的科学发展，而并非逻辑的过程之后，似乎科学发生了非常巨大的变化，特别是 ai 出现之后，对于我们知识产生了更多的幻觉，本来我们自己的幻觉都很难判断，更不用说 ai 产生的，因为当下我们还是可以进行判断的，因为幻觉本身还是非常简单的，一旦 ai 使得我们产生知识的依赖之后，再次进行判断就是非常困难，特别是能够形成自己判断之前使用 ai 的群体，就会很难产生幻觉的判断了，对于人类的智商是削弱了的状态，我们的知识体系应该与 ai 融合，但是如何获得准确信息还是非常具有挑战的。

这本书让我想起商朝时的占卜，商朝人做什么都要占卜，比如今天是去上学还是打猎，而且他们会根据事实结果去改进占卜的模式，比如对龟壳纹路的解读，从出土甲骨的数量可知，商朝人有大量的数据可以回溯，就如本书中所说，商朝人有符合P值的占卜模式，当然这个P值是多少不得而知，但其一定是有标准的，某种程度上符合统计学标准，由此可以，占卜与人工智能的预测并没有太本质的区别，符合已发生的结果未必能预测未发生的事件。

科技进步方便科学知识的传播，同时也被伪科学及其它虚假内容传播滥用，后者甚至远甚于前者，使科技发展的目的走向背驰。而大数据挖掘等先进手段也方便了虚假科研和学术不端现象，还有对人工智能的盲信推崇以及各类虚假网络信息这些都导致了大众对科学的不信任。作者最后也为如何挽回大众对科学的信任，提出了一些针对前述情况产生原因的应对办法。

很多沉浸其中的研究者难道真的不知道其中的不科学之处吗？不过社会总是在这种迂回曲折的道路上行进，从来没有人保证每一步都是前进。我们需要更多的质疑者，不论是具体科研还是我们的思维方式。 书中的举例特别一针见血而语言辛辣，有时半夜都让我笑出声。

题材挺好，但是内容虽然很详实，各种例子罗列一堆，还是想打一般。

核心还是对统计方法的审视，同时对学术圈的唯统计结果论进行了严肃拷打。