From Epistemic Justification to Methodological Decision: The Epistemicization of Hypotheses and the Status of H₀–H₁ in Scientific Research

科学常被想象成一条从问题通向单一、无可争辩之真理的直线。在实验室里，研究人员提出一个想法，收集数据，并希望证明这个想法是正确的。一个多世纪以来，哲学家们一直在争论我们如何才能确定我们的科学观点确实是真实的，其焦点在于验证（检查某物是否符合现实）和证伪（试图证明某物是错误的）等概念。这些辩论塑造了我们对知识的看法，但当涉及到实际的、日常的科学工作时，它们留下了一个空白。当哲学家在争论真理的本质时，从心理学到农业等领域的研究人员正忙于根据从不完美清晰的数据做出决策。他们面临着不确定性、样本量过小以及随机噪声，他们需要一种方法在没有绝对确定性的情况下继续前进。这正是统计决策工具发挥作用的地方，特别是二十世纪开发的一种系统，它允许科学家即使在无法百分之百确定答案时也能采取行动。

布伦特·巴亚特（Bülent Bayat）是一位来自努哈纳西·亚兹干大学（Nuh Naci Yazgan University）的研究员，他的一篇新论文调查了这两个世界之间日益加深的深刻困惑：对真理的哲学追求与对决策的实际需求之间的矛盾。该论文指出，科学家和教科书一直犯着一个根本性的错误，即将统计工具视为哲学证明。几十年来，研究人员使用一种标准方法来测试他们的想法，通常将他们的预测标记为“假设”，然后根据统计检验宣布它们被“证明”或“证伪”。巴亚特认为这是一种范畴错误。这个被称为内曼-皮尔逊决策理论（Neyman–Pearson decision theory）的统计系统，其设计初衷并非为了告诉我们宇宙中什么是真实的。相反，它是为了帮助科学群体在面对不确定性时，就下一步该做什么做出连贯且理性的选择。

问题的核心在于我们如何描述这场统计博弈中的两个主要角色。在标准方法中，研究人员设定一个“虚无假设”（null hypothesis），这本质上是一个默认假设，即没有什么有趣的事情正在发生；以及一个“备择假设”（alternative hypothesis），即研究人员自己的想法，即有某些事情正在发生。当数据到来时，研究人员决定是否拒绝默认假设以支持自己的想法。巴亚特指出，在这一系统的原始设计中，这两个想法并不被视为关于现实的竞争性主张。它们不应该是互为对立且非此即彼的关系。相反，它们被设计为决策过程的两种不同路径。目标不是寻找真理，而是控制犯错的风险。该系统允许科学家说：“如果我们假设什么都没有发生，那么看到如此极端数据的概率是非常低的，因此我们将选择采取行动，假定有事发生。”这是一种行为规则，而非事实陈述。

尽管设计如此明确，但该方法的使用方式和教学方式已经偏离了其初衷。教科书和研究论文经常将拒绝默认假设描述为研究人员想法正确的“证据”。它们谈论“接受”一个假设，仿佛它已被宇宙验证。巴亚特将这种混乱追溯到一段长期以来专注于如何证明知识的哲学辩论史。因为哲学家花费了大量时间争论验证和证伪，科学家开始假设他们的统计检验是这些哲学理论的实际应用。他们开始将统计输出视为对其理论真伪性的直接裁决。该论文认为这是一种误解。统计检验并不能告诉你你的理论是否正确；它只能告诉你，你收集到的数据是否异常到了足以触发预先约定的改变行动路径的规则。

这种混乱导致了一种可能产生误导的程式化科学行为。研究人员经常列出长长的编号假设列表，从 H1 到 H14，将每一个都视为需要被证明或被证伪的独立主张。他们使用诸如“假设得到了支持”或“虚无假设被证伪”之类的语言，仿佛统计检验已经对现实做出了最终判决。巴亚特解释说，这种语言是危险的，因为它掩盖了统计检验实际上只是一个管理风险的工具这一事实。当一名科学家说他们“证伪”了虚无假设时，他们并不是在说他们证明了备择假设是正确的。他们只是在说，由于数据在默认假设下出现的概率极低，他们决定遵循特定的路径，并且愿意接受一个预定义的、出错的可能性。该系统旨在通过许多、许多项研究来运作良好，确保整个科学群体犯错较少，而不是为了保证单项研究找到了绝对真理。

该论文还探讨了这种混乱如何影响我们对研究人员角色的理解。在哲学视角下，科学家是真理的寻求者，试图构建尽可能准确的世界图景。在决策理论视角下，科学家是风险的管理人员，试图做出能让长期误差率保持在低水平的决策。这是两份不同的工作。通过混淆这两者，我们要求统计工具去做它们从未被设计用来做的工作。我们要求一个决策规则告诉我们什么是真实的，而它原本只被设计用来告诉我们何时该采取行动。这导致了一种情况：我们对数据的要求超过了它的能力，最终得到的科学结论虽然感觉很确定，但实际上仅仅是机械过程的结果。

巴亚特的工作并不建议我们停止使用这些统计工具。相反，该论文认为这些工具对于现代科学至关重要，因为它们使我们在面对不确定性时能够继续前行。问题不在于工具本身，而在于我们如何解释其结果。提出的解决方案是停止试图将统计决策强行塞进“哲学真理”的框架中。相反，我们应该承认这些工具属于另一个类别：它们是调节我们在不知道答案时如何行动的方法。如果我们能够将“什么是真实的”这一问题与“下一步该做什么”这一问题区分开来，我们就能更有效地使用这些工具。我们可以停止假装统计检验已经证明了一个理论，转而理解它仅仅是帮助我们做出了一项理性的选择。

论文最后指出，科学史创造了关注知识意义的哲学家与关注决策机制的统计学家之间的鸿沟。长期以来，这两组人一直在各说各话，导致了目前的混乱，即科学家认为他们的统计检验就是哲学证明。巴亚特建议，前进的方向不是试图通过使其更具哲学性来修复统计学，而是要清晰地界定这两个层面。我们需要理解 H0 和 H1 的结构是一种组织决策的方法，而不是现实的地图。通过接受这一区别，科学家可以更诚实、更清晰地使用他们的工具，承认他们是在基于风险和不确定性做出决策，而不是声称发现了绝对真理。这种视角的转变并不会削弱科学，而是通过使我们的方法与其真实目的相一致来强化科学。