論當代大數據發展中的理論終結論

不同于霍根的“科學終結”論，克里斯·安德森（Chris Anderson）等人則是在強調科學范式意義上“理論的終結”。這種理論終結論是經驗主義在當代大數據發展背景下邏輯演繹的結果，它以經驗主義為認識論基礎，在“取樣樣本”數據“總體化”的過程中，把經驗數據視為唯一可靠的認知來源，數據之間的關聯（Correlation）關系取代因果關系成為數據分析的核心任務。進而以科學模型為中心的理論建構不再必要，純數據分析技術可以替代演繹和確證等傳統方法論，科學理論或假說的作用也為數據驅動范式所取代，就此理論科學的“解釋”與“預測”的雙重功能轉變為大數據技術的單維度“預測”。科學的理論終結論反映了大數據時代科學研究的新特征和新發展趨勢，數據處理和分析成為科學運行的重中之重。但大數據技術在科學認知中重要性的突顯，并非意味著單純經驗數據可以替代人類理性對科學模型或理論的構造，科學實踐中的解釋、預測和技術應用絕非理論終結論所描述的那樣能簡單實現的。

大數據與理論終結論的提出

理論終結論源自于經驗主義與技術樂觀主義的當代結合，它是經驗論借助于大數據技術試圖再建“新的經驗主義”的一種具體表現。早在近代科學革命時期，經驗數據以及建立在此基礎上的歸納法就被培根等人視為超越經院哲學的關鍵，而人們所推崇的演繹推理卻是有限的。所以，在以培根為代表的經驗主義傳統中，科學理論的理想形態正是基于經驗數據基礎之上的，而歸納法則就此成為最重要的科學研究方法。但由于休謨問題的存在使得經驗主義的歸納方法論無法徹底貫通理論與經驗，也就是經驗自身仍無法獨立構成科學活動的基本框架。這也致使經驗論與唯理論最終不得不走向某種形式的聯合，特別是在理論至上思想以及科學實踐范圍和能力受限的情況下，以因果律為核心來建構數學模型的科學理論探究模式逐步深入人心。隨著科學哲學的興起與觀察負載理論觀念的發展，科學方法論的重心一直圍繞科學理論的辯護或確證問題而展開，因此，傳統科學研究范式是“理論－驅動”（theory-driven）模式。在理論占支配地位的研究范式下，經驗數據在某種意義上說只是被動性的，這導致傳統科學家的核心研究工作主要是建構假說或科學模型，而后再借助經驗數據進行檢驗和確證。

但近年來大數據的發展改變了理論占主導地位的傳統狀況，特別是在一些技術樂觀主義者看來，大數據技術的發展為從根本上克服經驗數據獲取的有限性提供了強有力的保證。而且，波普爾以來的科學理論可錯論觀念也逐漸被人們普遍認同，經驗與理論之間關系的傳統理解發生了變化。較之于傳統科學的小數據時代，數據密集型科學使得“取樣樣本”數據甚至可以普及到經驗數據的“總體”，也就是說傳統科學數據的抽樣式研究正在讓位于全局性的“全樣本”研究。反觀傳統科學構造的模型或理論，我們卻發現科學理論并沒有隨著經驗數據的海量擴張而能夠保證其真理性。在這種情況下，新經驗主義認識論隨之產生，他們認為既然科學的理論模型總是不可靠的，那么把科學研究直接建立在經驗數據本身不是更好嗎？

這正好回應了培根經驗主義的科學理想，僅靠經驗檢驗與歸納便可實現新知識、新理論的構建。在新經驗主義看來，傳統經驗主義之所以無法實現經驗主義的理想，關鍵問題在于人類獲取經驗數據手段和方法的有限性，但大數據使得培根蜜蜂的比喻又成為可能，這種思路特別是在數據科學家中頗為流行，安德森所謂的“只要有足夠的數據，數字就可以為自己說話”的斷言被廣為接受。就此，演繹形式的理論模型構造和以因果論為基石的科學理論理想不再是必要的，只要我們掌握了足夠數據就能掌握整個世界，數據便是科學研究的一切，這便是真正意義上的經驗主義。

在大數據主義這里，讓數據自己說話的目的并不是要對其相關現象給出合理性解釋或說明，這種非理論式的科學只是更多意在實現經驗或數據的“預測”。但這些預測和結論并沒有建立在對數據現象背后實在問題的探查上，而只是從數據本身就得出了現象之間的相關性結論。而且，這種預測只是概率性質的統計推理，它成為“以數據為中心世界的關鍵革新”。不可否認，這些大數據技術的相關成功預測，在某種程度上的確改變了人們對科學的許多傳統認知。這就是安德森所說的，“關鍵是人們做什么，我們都可以用空前的精確性來追蹤和測量它”。而且，大數據預測的優勢又避開了傳統理論科學涉及經驗之外判斷所遇到的諸多形而上學難題，諸如微觀領域不可見實在的存在、理論術語的指稱和實體之間的關系等問題。

理論形態與方法論：否定理論科學必要性的雙重維度

大數據作為當代新經驗主義復興的強心劑，其關鍵武器在于重新肯定經驗數據在科學研究中的基礎和核心地位。換句話說，這種經驗主義意在通過經驗數據的獨立性和全面性而消除其他認知因素對科學研究的決定性影響的可能性。它的主要辯護分為兩個方面，即科學理論形態的自然化以及科學方法論的經驗化。這種理解意味著在科學研究中只要存在足夠經驗數據，科學研究便是可能的，而傳統理性主義的邏輯、演繹等不再是科學理論的核心要素，這是理論形態在大數據背景下的科學中終結的基本含義。

其中，對科學理論形態自然化的最重要影響是大數據調整和改變了傳統理論對說明與預測并重的科學目標，數據密集型科學擁有的海量數據使得“預測”成為科學實踐活動的基本內容和目的。對相關現象及其預測的解釋說明被回避掉了，數據專家關心的只是數據與數據之間呈現出來的“相關性”，但數據和現象背后的因果實在性等問題被被懸置。這樣，“相關性”取代“因果性”成為科學探究的基本目標，科學家面對海量數據只要關注現象或數據間的協變關系就足夠了。這樣，傳統意義上的形式化理論科學的形態已經過時，而且也沒有必要存在。

這種以預測為核心的數據密集型科學還進一步回避了理論模型可錯論經常遇到的尷尬局面，“只要關聯是穩定的，人們就可以用它做出預測，不需要一個精確的因果說明來解釋這個預測。只要相關性模式能夠繼續到未來，我們就可以用它來作出預測，而無論我們是否理解”。我們可以有多種理由來解釋關聯關系，大數據科學僅強調對關聯關系的揭示，而回避了其后單一因果性探究的有限性，也就是說傳統理論模型的理路可能掩蓋或誤導著科學家的認知活動視野。進而，以假說-驅動研究為中心的傳統范式失去意義，數據-驅動成為大數據時代科學研究模式的主流。在大數據支配下的科學研究中，數據分析成為整個科學工作展開的前提和中心，數據的處理和分析能力決定著科學家研究進展的程度。但在這一大數據決定的推理過程中，經驗預測的精確性與模糊性是并存的，因為大數據推理是基于數據概率統計基礎之上的，數字的完全精確化難以實現而且也無必要，這樣復雜性和模糊性為大數據技術所接受，也即數據的“量化一切”和“預測的概率化”在大數據時代“新科學”中結為一體。

從科學方法論的角度來看，大數據主義的這種非理論化研究傾向背后的根本方法論依據在于新技術的樂觀主義。但在傳統科學哲學那里，歸納法總是受制于理論導向的，這是因為歸納法本身總是不像演繹那樣存在邏輯的嚴密性，正因如此，被波普爾等推崇的演繹法和假說才是必不可少的，大數據的發展開始改變了數據有限性這一狀況：“模型基礎上的科學是相對隨意的，經常是可錯的，因為它建立在溯因和演繹實踐以及過多的批判性思維之上。”這樣，徹底的經驗主義再次看到單純依靠經驗實證自身而沒有任何玄學思辨的基礎上建構科學形態的可能性。所以，大數據技術的核心方法論規則是歸納方法和統計推理在經驗數據中的應用。在數據統計的歸納和推理中，數據的被動性被大數據的巨大容量、快速反應特征造成的“全樣本”狀況所改變，由此，人們樂觀地認為，只要充分掌握經驗數據就能得到新知識。如此以來，大數據主義就說明了為什么科學理論或模型不再必要，科學方法論中演繹證明也變得不重要了，數據真正成為科學探究活動的核心，即數據-驅動（data-driven）科學成為典范，科學方法論在大數據基礎上實現了真正的自然化。

大數據主義通過科學認識論中的方法論與理論形態兩個層面的描述，重新刻畫了一幅新的科學形象，這幅畫像的核心是經驗數據對整個科學實踐的統領作用。新經驗主義的科學觀強調了如下幾方面的特征：

首先，科學是關于現象層面的研究，現象或數據背后的實在或本體問題不再是其關注和探究的對象，科學理論的終結論同現象主義一樣，只需描述現象、數據之間的相互關系即可，也即只以“相關性”為科學研究的目標。其次，以相關性為目標的科學開始改變傳統理論科學的功能和目的，新科學降格為“一種資源和工具，它意味著告知而非解釋”，數據與現象的復雜性本質帶來的概率和模糊性被承認。再者，大數據背景下“新的科學模式”表現為純粹數據自身，任何公理、公設以及以此為基礎的公理化體系的解釋性和等級模型都不再需要。最后，數據－驅動范式決定了科學認識的自動化和機器學習成為可能，這主要包括消除性歸納法以及數據分析的機器型推理。

理論終結論中的意義與邏輯問題

科學理論終結論的提出是當代大數據發展中新經驗主義思潮的典型反應，它和“第四范式”構成大數據經驗主義的主要代表。這種理論終結論在生物學、經濟學等領域產生了很大影響，以數據統計為特征的大數據技術在擱置傳統形而上學探討而專注于經驗關聯性問題過程中取得了一定成就，這更堅定了他們對“數據－驅動”科學范式的信心，以至于安德森、維克托等特別強調數據學家應專注于歸納統計現象間的關聯性，而不必理睬其后的因果性解釋說明問題，更不用去構建形式化的理論模型。數據優先觀念在一定程度上打破了科學研究要建構理論的舊有思維以及對形式化理論的崇拜觀念，這種思潮擴展了科學實踐的范圍和視野，也進一步揭示了科學研究的局域化特征。而且，大數據的新經驗主義也在改變著我們思考世界和理解世界的方式。但從科學認知過程的整體上看，理論終結論的得出還是有些牽強，其建立在數據充分獨立性的基礎并不牢固，它在邏輯和科學實踐方面還存在著一定的問題。

從科學實踐方面來看，這一結論的得出并非基于整個自然科學實踐本身，它更多只是來自于部分學科研究領域，尤其是大數據在商業等領域的實踐總結。此外，大數據還催生了一系列新興產業和跨學科研究，在這些領域中關聯性研究的特色較為明顯。但這些研究都是非精確性的，它們都不屬于傳統學科，許多傳統領域并未受到很大沖擊，如很難想象物理學家會像數據專家那樣僅僅關注物理現象之間的關聯而徹底放棄對數據背后因果關系的探討。關聯關系只是科學認識和學科發展的初步階段，預測不應該只是科學研究的唯一目標，這是應用性較強的一些學科的基本特點，但科學說明和預測仍是系統科學研究不可或缺的重要維度。

進一步說，與科學預測相關的科學應用和實踐問題恰恰印證了僅僅依據于大數據科學預測的有限性，這一點對評價科學理論終結論至關重要。大數據預測更多是在關注于數據間的相關性，強調科學研究停留在經驗現象預測的可能性，但這在實踐上是有問題的，在科學研究中完全拋棄因果性問題而只關注關聯性既不現實，也不可能。大數據僅僅揭示了現象或數據的果，但這仍只是科學成果的一個果，科學理論則是其深層的“因”。所以，大數據對現象關聯關系的分析和預測還是科學研究的第一步，但如果僅僅停留在這一層面，那么科學實踐和認識的深層因素和結構還遠未觸及，這只是對科學研究的淺層揭示而已。

從邏輯上看，終結論主張也不具有必然性。科學研究中經驗與理論的復雜關系并沒有被大數據所真正突破，“數據－驅動”的數據密集型科學仍難以僅憑經驗的海量化而徹底脫離理論。這一判斷在大數據時代是有意義的，理論終結論的數據自身說話的依據更多是基于統計學推理中占有經驗材料的無限級擴大。在數據科學家那里，跨學科的數據分析是其核心工作，但數學統計得出的關聯關系卻不是整個科學研究過程的結束，數據科學家的工作之后還有其他領域科學家會繼續推動相關研究，理論科學仍在進行中，只是科學分工的突顯而使得科學理論的建構被有意或無意忽視了。

理論終結論的“關聯性”只是科學家統計推理的一步，但作為完整的科學活動并不是到此結束，整個科學實踐過程難以完全超越因果性探究而只停留在于表面的關聯關系上。數據、現象間的關聯關系只是大數據科學揭示出的統計學結果，它只是一般性地對相關現象概率的描述，但單靠數據本身我們無法確定任何關系。這也表明大數據雖然極大擴展了科學實踐的經驗范圍，可科學實踐的經驗數據還是不能窮盡，大數據主義樂觀估量了大數據的能力，數據的關聯性只是對經驗數據的初步把握，它是建立在統計學基礎上的概率經驗總結，所以它更強調事物之間的時間或空間關系。但更深層次的關系還有待于自然科學的進一步揭示，因果性是嚴格意義上的數學關系，它強調因對于果的決定是充分必要條件，關聯性和因果性不是取代或被取代關系。而且，大數據主義存在一個誤區，即認為經驗數據是萬能的，只要我們擁有足夠數據便可以讓數據自己發言，這一判斷的內在含義是數據本身就意味著科學的發展，但這并不是絕對的，即使是海量數據涌現也不意味著可能窮盡所有科學認知的關鍵數據。

大數據及其引發的數據密集型科學對科學方法論與科學理論形態的發展產生了重大影響，但這并不表明科學研究的理論范式已徹底失去意義。大數據帶來了科學研究的巨大革新，也對科學方法論產生了巨大沖擊。一方面，這場數據革命的影響集中體現在數據或經驗的獲取、處理和分析等環節，信息數據處理技術使得傳統科學的觀察、抽樣、實驗等方法和手段相形見絀。在此意義上大數據意味著一場方法論的革命，科學研究中經驗維度一極急速擴展，數據信息的海量存在甚至要求科學家來專門處理，但這并不能掩蓋經驗與理論的差異。另一方面，大數據對理論形態和要素產生的影響無疑極為深遠，但科學實踐的推動性要素不僅僅是經驗數據，起到整理和系統化的科學觀念也必不可少。理論終結論注意到當代科學在數據處理方面的革命，但那主要是“技術邏輯”的進步，“向導性觀念”的作用是至關重要的，否則自然科學將只是機械型的數據處理機，這不是真正意義的科學研究。因此，完全脫離人類理性的純粹感性活動不足以支撐起整個科學，數據自身的“發言”仍需借助于科學理性之維的存在作為基礎，在認知成果的獲取和表述中科學的理論形態并未失去意義。