模型、地图与理想化

房间 I漫长的前史

拯救现象：一场四个世纪的争论

正文把实在论与工具主义之争框成了二十世纪的事：普特南、劳丹、范·弗拉森。但这场战争古已有之，而且大部分时间都是工具主义者占上风。这个传统甚至有一句从希腊天文学传下来的战号：拯救现象（sōzein ta phainomena）。按这种古老观点，模型的任务从来不是说出天体是什么，只是复现它们看起来做什么，让每晚的圆点落在正确的位置。

托勒密的本轮，一圈套一圈地解释行星的逆行回环，是第一种有用的虚构。他的许多读者，以及中世纪的大多数天文学家，都坦率地把本轮当作计算装置。没有人需要相信天上挂满了实体齿轮，齿轮只要好用就行。这就是工具主义的摇篮，比这个词出现早了一千年。

戏剧性在哥白尼时代加剧。1543 年《天体运行论》付印时，路德宗神学家安德烈亚斯·奥西安德尔未经弥留之际的哥白尼同意，塞了一篇匿名序言，向读者保证这套狂野的日心说不必为真，只是个便于计算位置的方便假设。这是与当权者签订的和平条约，用纯工具主义的墨水写成：放心，它只是一个更好的计算器。

到了二十世纪初，物理学家兼哲学家皮埃尔·迪昂——我们在第 2 日因「你总可以怪罪辅助假设」而结识他——把这套想法铸成了一门完整学说。迪昂在 1906 年的《物理学理论的目的与结构》中主张，物理理论不是对隐藏实在的说明，而是对实验定律的经济分类：一种为现象极度压缩的档案系统。关于不可见原因的真理不是目标，整洁而可预测的簿记才是。三百年的「拯救现象」，至此蒸馏为一杯烈酒。现代工具主义者欠迪昂这份蓝图。

房间 II实在论反击

以太唯一完美的预言

正文把发光以太当作劳丹墓园里的头号展品：一个极其成功的理论，其核心对象却被证明不存在。但以太的案子远比「它曾成功，然后死去」更扰人，原因是一个美丽到让实在论者念念不忘的片段。

约 1818 年，法国科学院举办了一场关于光本质的悬赏竞赛。奥古斯丁·菲涅耳提交了波动说：光是以太中的振动。评审席上坐着西梅翁·德尼·泊松，坚定的微粒说信徒。他用菲涅耳的方程做了些计算，得意洋洋地推出一个明显荒谬的结论。如果菲涅耳是对的，小圆盘阴影的中心应该有一个亮斑——来自四面八方绕过边缘的波在那里同相抵达。泊松说，荒唐，这是推翻整个波动说的清晰reductio。另一位评委弗朗索瓦·阿拉戈走到实验台前真的做了实验。亮斑就在那里。

这是实在论者的重拳，它有个名字：新预测。以太理论不只是容纳已知事实——谁都会曲线拟合过去。它预言了没人见过、没人料到的东西，一个如此具体而怪异、其成真看起来绝不像是巧合的细节。这就是正文主页上无奇迹论证的满血形态：显然，一个理论不可能凭空从帽子里变出兔子，除非它抓住了某种实在。然而，以太并不存在。实在论能拿出的最佳证据，竟来自一个我们今天称之为错误的理论。原来，这座墓园里埋着一位天才。

分而治之

那么实在论者如何在自己最好的例子下幸存？靠的是一招有时被称为选择性实在论或分而治之的实在论，由菲利普·基切尔与斯塔西斯·普西洛斯在 1990 年代打磨锋利。诀窍是：别再对整个理论做实在论者，只对其中的一部分做。任何成功理论里，只有一些设定真正承担预测重任，这叫有效设定；另一些是闲置设定，只是搭便车。只对有效部分做实在论者。

用以太过一遍这个筛子，你会发现它自动分类。推导出泊松亮斑的，究竟是什么？不是「以太」这种物质，不是它的密度、弹性，也不是它由什么构成。真正起作用的是波动方程的数学形式：关系、结构。而这些结构被保留下来，进入了麦克斯韦的场论以及更后来的理论。闲置的形而上学填充物，以太的「质料」，正是被埋葬的部分。于是悲观元归纳少了些牙齿：科学并非先保留家具再扔掉，而是保留了在革命中幸存的结构，悄悄扔掉了装饰。这正是正文主页最后落脚的结构实在论，如今它正在最棘手的案子上做实打实的工作。

房间 III回调第 4 日

整个争论是一场基础率谬误吗？

这个房间会让第 4 日的毕业生坐直。回忆一下基础率谬误：一种疾病发病率万分之一，检测准确率 99%，阳性结果仍会标记出远多于患者的健康人，因为你忘了问疾病原本有多常见。混淆 P(阳性｜患病) 与 P(患病｜阳性) 是经典陷阱。

2004 年，哲学家 P. D. 马格努斯与克雷格·卡伦德指出，双方都可能一头撞进这个陷阱。再看无奇迹论证：它想得出成功理论可能为真，也就是 P(理论为真｜理论成功) 很高。但根据贝叶斯定理，你不能只从 P(成功｜理论为真) 推出这一点，还需要基础率：科学从中抽取候选理论的那个池子里，真理论的事先比例。而这个数字不仅未知，马格努斯和卡伦德认为它根本不可知，因为不存在公平的方法去计数或抽样成熟科学所有可能存在的候选理论。没有基础率，就没有推断。

同一把刀也割向悲观元归纳：它试图用历史上的失败记录把 P(理论为真｜成功) 压低，却绊倒在同一个缺失的分母上。马格努斯与卡伦德的诊断近乎临床：一旦用概率框架表述，这些宏大的「批发式」论证不仅悬而未决，而且可能是畸形的——每一件都是燕尾服里的基础率谬误。科林·豪森在 2000 年对无奇迹论证也提出了密切相关指控。第 4 日的机械装置不只是描述这场争端，它可能悄悄地把争端消解掉。未决争议

房间 IV有用谎言的语法

理想化有规则，还有一个著名的取舍

正文把「故意为假的假设」当作一回事。文献却更挑剔，区分很重要。首先，把两个常被混为一谈的动作分开。抽象是省略：模拟行星轨道时不提它的颜色。该说的没说，但没说错。理想化则是主动歪曲：明知平面有摩擦，却宣称它无摩擦。无摩擦平面不是描述中的缺口，而是一个善意的谎言。两者感觉相似，行为却很不一样。

理想化还有种类，而正文跳过的是第三种。有伽利略式理想化：为了可处理性而歪曲，并承诺日后补回细节；有极简理想化，也就是球形牛策略，只保留被认为关键的因果因素。但还有多模型理想化：为同一件事造好几个相互矛盾的模型，每个朝不同方向犯错，然后在它们之间三角定位。没有单张地图被信任；被信任的是不同错误地图之间的重合。

「我们的真理，是彼此独立的谎言的交集。」 理查德·列文斯，《种群生物学中的模型构建策略》，1966 年。

列文斯的这个观点，现在被称为稳健性分析：如果你用几个建立在不同简化谎言之上的模型去攻击同一个问题，而它们都吐出同样的定性结果，那么这个结果很可能依赖问题真实的共享结构，而不是某个模型特有的谎言。谎言彼此独立，它们的交集正是真理最可能藏身的地方。

列文斯还提出了建模史上最著名的不可能论断：你无法同时最大化一般性、逼真性和精确性。把任意两个推到极限，第三个就必须让步。正文主页上的旋钮测量逼真度与有用性，列文斯的三角则是同一个智慧的三维版：选择你的牺牲。

房间 V模型到底是什么？

中介、虚构，以及麦克斯韦想象的齿轮

退后一步，问正文绕着走的问题：当科学家「有一个模型」时，那是什么东西？三种回答照亮不同角落。

理论是一族模型。在较早的句法图景中，科学理论是一大堆句子：公理及其逻辑后承。现代的语义观说不。理论更应被理解为一组抽象结构，加上一个断言：某个实在系统在特定方面与其中之一足够相似。牛顿力学从根本上说不是一堵方程墙，而是一套理想化系统的工具箱——单摆、二体轨道、谐振子——外加一个赌局：世界的一些碎片与它们足够相像。罗纳德·吉尔把这一立场称为视角实在论：我们的模型像仪器，每一种都给出局部、视角绑定的图景；它像地图那样为真，绝不会像镜子那样为真。

模型是中介。在 1999 年那本影响深远的文集《模型作为中介》中，玛丽·摩根与玛格丽特·莫里森主张，模型既不是从理论中直接读出，也不是数据的简单总结。它们坐落在中间，在一定程度上独立于两者。你建造模型就像建造仪器，做出理论不规定的实用选择；然后，关键是，你通过操纵它来学东西，就像转动仪器旋钮来学东西。模型是你用来思考的工具，不只是你观看的图画。这也是为什么下一间房里模拟会如此像实验。

模型是虚构。最挑衅的观点把无摩擦平面当真：它是一种虚构，一个并不存在的对象，却被描述得仿佛存在。这个想法并不新。汉斯·费英格 1911 年的《仿佛哲学》主张，科学与数学的很大一部分运行在明知为假却故意当作真的有用谎言之上的。回想第 3 日的惊讶：夏洛克·福尔摩斯的「演绎」其实是溯因；这里遇到的是它的表亲。科学模型也许更接近小说人物，而不是照片。理想气体有点像福尔摩斯：不是真的，从来都不是，但推理它会做什么，却能带来真正的理解。

卡特赖特的斑驳世界

再拧一圈螺丝，正文上的实体实在论会被加深。南希·卡特赖特——那个告诉我们「物理定律撒谎」的人——在 1999 年的《斑驳世界》中把这一思想扩展成整幅世界观。她主张：基本定律只在模型内部为真；它们描述现实世界的地方，只限于我们费尽心思构建的，或幸运地遇到的一台律则机器：一种被屏蔽、稳定、重复运行的部件安排，能产生律则般的规律性。物理实验室是这样一台机器，太阳系大致也是。

但世界大部分地方既未被屏蔽也不稳定，整洁的定律在那里根本够不着。它们只在 ceteris paribus——「其他条件不变」——下成立，而其他条件从不会不变。在卡特赖特看来，世界不是以宏大定律为基座的金字塔，而是一块拼布：一张斑驳的被子，由许多小区域组成，不同模型在不同区域工作，区域之间没有贯穿一切的普遍定律。按她的读法，「所有模型都是错的」不再只是关于我们的地图的评论，而是关于实在的断言：定律本身从来都是理想化。活跃立场

房间 VI信任问题

验证那不可一览无余的，以及 1994 年的炸弹

把性命押在模拟上的工程师们，早就划出了一道硬边界。验证问的是：我们算对了方程吗？代码是否忠实求解了我们写下的模型？确认问的是更难的事：我们算的是正确的方程吗？模型真的对应世界吗？算对，而非算该算的。几乎所有关于模型可信度的争论，本质上都是关于确认的争论。

然后，1994 年，三位研究者在这道边界下引爆了一颗小炸弹。娜奥米·奥雷斯克斯、克里斯汀·施拉德-弗雷切特与肯尼斯·贝利茨在《科学》杂志上论证，对于开放自然系统——气候、地下水、生态系统——的模型，验证与确认原则上不可能。他们的理由同时踩中了本课三条线索。自然系统从不封闭，你永远无法控制所有输入。模型解不唯一，拟合好永远不能证明你的模型就是对的——这正是正文主页上的欠决定。而通过匹配预测与数据来佐证模型，严格说就是第 3 日的肯定后件谬误：如果我的模型对，我会看到 X；我看到了 X，所以我的模型对。他们对「确认」一词的判决很严厉：它错误地暗示了模型无法获得的合法性。模型首要的价值，他们主张，是启发式的——它们是思考工具，不是真理证书。已确立

那我们如何信任黑箱？

这里，正文主页上的神经天气模型又来纠缠我们。如果你无法确认一个开放系统的模型，而你甚至无法细查一个学习代理模型内部数十亿权重——汉弗莱斯所说的认识论不透明性——那你凭什么信任它的预报？

2018 年，胡安·杜兰与尼科·福马内克提出了一种回答：计算可靠主义。停下来感受一下这个咔哒声。可靠主义是第 1 日的内容：一个信念之所以得到证成，不是因为你能在内部背诵出一条论证，而是因为它来自一个可靠的过程，比如良好的视力或可靠的记忆。杜兰与福马内克把这个外在主义答案对准了模拟。你不需要看穿不透明模型的内部就能信任其输出；你需要的是证据，证明产生它的过程是可靠的。

这种证据表现为：在可以检查的环节拥有一条验证与确认的记录、跨独立方法的稳健性、该技术在可被检查之处曾经成功的历史，以及了解其失效模式的专家判断。信任从透明迁移到可靠。黑箱可以像证人一样被认识：不是敲开头骨，而是审查履历。那个在第 1 日定义人脑中一个得到证成信念的东西，结果也在第 10 日定义了机器给出的一个可信答案。仍有争议

奖励房间

「数字孪生」到底从哪来

正文倚仗了 2024 年美国国家科学院的定义：双向、持续更新、可预测。这个想法从哪来？严格的定义为何重要？

其先驱随阿波罗任务升空。NASA 为飞船建造了物理孪生，并把它们留在地面。当阿波罗 13 号的氧气罐在离家 20 万英里处爆裂，工程师们把实时遥测灌进地面模拟器和物理模型，为一艘无法触碰的飞船即兴修补。地球上的一个模型，用太空里濒危孪生兄弟的数据不断更新，被用来做出生死抉择：这就是数字孪生的柏拉图原型，比这个词出现早了几十年。

现代概念由迈克尔·格里夫斯在 2002 年密歇根大学的一门产品生命周期课上提出：当时的幻灯片已经显示真实空间、虚拟空间，以及两者之间的双向数据流。朗朗上口的名字是后来才有的。NASA 的约翰·维克斯约 2010 年创造了「Digital Twin」一词，它进入了 NASA 的技术路线图。大约从 2014 年起，西门子、达索、GE、ANSYS 等厂商把它印满营销材料——这正是为什么需要一个清醒的定义，也是为什么国家科学院在那里划了一条线。

这条线最好被看作三级梯子，沿袭 Kritzinger 等人（2018）：能否称得上「孪生」，不在于模型多详细，而在于数据如何流动。

这个分类故意很冷峻。一个普通数字模型可以庞大而漂亮；一个真正的孪生反倒可能视觉上很朴素。差别在于那条回路。

奖励房间

模型的模型

最后一幅远景重新框定了整个前沿。正文把基于物理的干净模型与混乱的黑箱机器学习代理模型对立起来，讲起来比现实更锋利。两个事实模糊了这条边界。

第一：所谓「基于物理」的气候模型也不是纯第一性原理。它们无法分辨一朵云或一场雷暴，因为这些都比网格小得多，所以它们用参数化来伪装小尺度过程：简化替身，其旋钮被反复调校，直到模型复现已观测到的气候。气候科学家公开把这称为「气候模型调校的艺术与科学」。一个手工调校以匹配已知气候、然后被用来预测未知气候的模型，恰恰倚靠在奥雷斯克斯警告过的那种拟合上——而那种拟合不能确认任何东西。讲原则的模型里也不乏人为调和的成分。

第二：当一个模拟本身太贵、无法运行成千上万次时，科学家会为它建造一个廉价的统计替身，称为代理模型或替身模型。沿着链条看：世界被一个模拟——世界的模型——所逼近；模拟又被一个代理模型——模型的模型——所逼近。每一级都更快、更便宜，也错得更多一点。正文主页上的 AI 天气模型只是这架梯子最新、最强大的一级：直接学习模仿几十年大气的代理模型。「所有模型都是错的」原来是递归的。我们习惯于在我们错误的模型之上再建错误的模型，而每一次的技巧，都是知道哪个谎言对眼前的任务已经足够好。

把镜头拉到最远，第 10 日坐落在计算机科学家吉姆·格雷所称的科学四范式的阶梯上。

尾声

审计那句格言

让我们用审视一切的眼光来审视这一天的口号。「所有模型都是错的，但有些有用」是真的，但它已硬化成一种终止思考的陈词滥调——人们伸手拿来它，是为了把难题挥走，而不是回答难题。真正的问题是它跳过的：错在何处？对什么而言错？有些模型错得离谱得多，而一张有用地图与一张误导地图之间的差别，正是整场游戏。安德鲁·格尔曼等统计学家恰恰在这里反击过。这句格言若被当作耸肩，会纵容马虎的工作，削弱人们去检查的冲动。

乔治·博克斯本人对此绝非虚无主义。写下「所有模型都是错的」的同一批论文，也同样强烈地警告另一种错误：把模型错当成世界，或者因为爱上了自己的繁复而「为错误的事情担忧」。他所指出的纪律不是「模型都错，所以放松」。而是更难的事，也是本课围绕它而建的东西：对这张地图与这个目的之间具体缝隙的校准判断。好的建模者不是停止说谎的人，而是清楚知道自己正在说哪个谎、以及它究竟好在何处的人。

转向

从构建模型到召唤模型

2020 年后最深刻的变化不是某一项单独结果，而是科学模型由什么构成发生了变化。四个世纪以来，常规配方是明确的：选择理想化、写下方程、求解。大约从 2022 年起，另一种配方开始蔓延。在一个庞大神经网络上用海量领域数据训练，直到它吸收整个领域的统计形态，再把这个模型微调到许多具体任务上。

这些系统就是基础模型，把它们引入科学是这十年的重大事件之一。Wang 等 41 位合著者 2023 年发表于 Nature 的综述 Scientific discovery in the age of artificial intelligence，宛如在新领土上插下的一面旗帜。综述

旗舰级的地球系统实例出现在 2025 年 5 月：Aurora，一个来自微软研究院及合作者的 13 亿参数模型，在一百多万小时地球物理数据上预训练。它并非为单一任务调优，而是一个通用的预训练大气模型，可被微调到空气质量、海浪、热带气旋路径和高分辨率天气。论文报告，Aurora 在 74% 的目标上持平或优于数值空气污染模拟，在 86% 的变量上优于海浪模型，并在多个机构的五天热带气旋业务路径预报上表现更好，其中包括美国国家飓风中心负责的海区。作者将其表述为机器学习模型首次在最长五天的完整业务热带气旋预报上实现超越。已确立

注意这对正文主页上的实在论之争做了什么。Aurora 是工业化了的建构经验论：一个内部不含人类可读气象学的模型，仍能在重要预报任务上做到经验充分。实在论者的不适——一个预测却不以可审视方式表征世界的模型——如今是一项已部署的研究计划，而不再是课堂上的谜题。

同样的模式正在扩散。NASA 与 IBM 的 Prithvi WxC 于 2024 年以开放权重加预印本的形式发布，是一个在 MERRA-2 变量上训练的 23 亿参数天气-气候基础模型，并在预报、降尺度、重力波通量参数化和极端事件上接受测试。已发布与已验证之间的差距，正是防炒作滤镜存在的原因。预印本

前沿地图

十三条龙，已排序

有用的问题不是「这有多令人印象深刻？」。有用的问题有两个轴：证据有多扎实，以及**万一成立，它有多重要？**右上角是真正的革命：重大且扎实。左上角是龙出没的地方：庞大主张立于薄冰之上。

急件 1 · 代理模型接管操控

机器现在操控机器

有些前沿模型已经在最字面的意义上承受负荷：被委以昂贵的硬件和不稳定的等离子体。2022 年，DeepMind 与 EPFL 发表了一个强化学习控制器，它塑造了一台真实托卡马克聚变反应堆的磁场，在 TCV 装置上将等离子体维持在目标构型。2024 年，后续研究用深度强化学习降低 DIII-D 托卡马克上撕裂不稳定性的风险。当一个学习模型被允许实时引导聚变等离子体时，「只是个模型」就不再是有用的搪塞。硬件

同一急件也带来一个警告。物理信息神经网络曾被宣传为显式方程与学习模型之间的桥梁：把微分方程写进损失函数，再让网络学习一个解。失效模式文献揭示了陷阱。PINN 可以一边把残差损失压得很低，一边让真实解严重偏离。模型可以满足你写下的每一条约束，却仍错过世界，因为你并没有写下所有重要的约束。失效模式 修复早期

急件 2 · 实在论的反击

发现定律，而非仅仅拟合

如果说黑箱代理模型是工具主义的胜利，那么一场更安静的反运动正在为实在论而战。它的要求很简单：不要满足于一个只会预测的模型；要让机器交给你一条能读得懂的定律。这就是符号回归与理论引导的发现。

三个标本值得关注。AI-Descartes 将符号回归与对背景公理的逻辑推理相结合，从数据加理论中重新推导出诸如开普勒第三定律这样的定律。AI-Hilbert 通过多项式优化与形式化证书推进这一思想。FunSearch 将语言模型与自动评估器及进化搜索配对；在 Nature 上，它发现了 cap-set 问题的新构造以及新的装箱启发式。最后一个案例在哲学上重要，因为它的输出不是权重向量，而是人类可以检查、检验并证明的对象。FunSearch

这个保留意见让它无法变成实在论的庆功巡游。许多系统仍然主要是在重新发现我们已经知道的定律，这是有力的验证，却是单薄的发现。KAN 系列同样前景可期但尚未定论：2024 年的 Kolmogorov-Arnold Networks 预印本提出将可学习函数放在网络边上，作为多层感知器更具可解释性的替代方案；2026 年 Physical Review X 的后续研究则论证其在科学发现中的应用。这是真正的势头。但它仍不能证明 KAN 通常能胜过调优良好的普通网络。有前景 KAN 存疑

急件 3 · 应让你警惕的结果

数据泄漏与 AI 科学中的可重复性危机

本附录中最重要的结果是一个警告。2023 年，Sayash Kapoor 与 Arvind Narayanan 在 Patterns 上发表 Leakage and the reproducibility crisis in machine-learning-based science。他们的调查发现，泄漏错误横跨 17 个领域，共影响 294 篇论文。数据泄漏会让模型在论文上看起来很出色，因为评测数据已经部分进入训练流程。

这是第 2 日的复现危机在 AI 时代的重生。当模型在它实际上已经见过的信息上被评估时，它的「准确率」就是博尔赫斯那张与训练集等大的地图：完美，却无用。已确立

泄漏抬升了你手头数据内的表现。当世界移到模型未见过的气候之外时，它的孪生问题就出现了。NeuralGCM 的作者报告，代理模型在 +1 K 和 +2 K 海表温度扰动下仍保持合理，但在 +4 K 时，其增暖响应偏离预期。艾伦研究所团队的 ACE2 明确指出，对单独变化的海表温度和二氧化碳的敏感性并不完全真实。这正是实在论担忧的经验核心：模式学习者可以是出色的插值器，却是不可靠的预言家。外推

急件 4 · 新哲学

一个不可读的模型能让你理解什么？

哲学家们并未袖手旁观。Emily Sullivan 2022 年的 Understanding from Machine Learning Models 给出了最干净的重新框架：阻碍理解的并非黑箱复杂性本身，而是关联不确定性——即模型与其声称所指向的目标系统之间联系薄弱的证据。一个关于错误目标的透明模型什么都给不了你；一个与经验联系紧密的不透明模型仍可能支持理解。不透明性不是核心问题，证据才是。

其他人以不同方式划分这片地形。Florian Boge 区分训练的不透明性与表征的不透明性，并警告深度学习可能在发现与解释之间撕开一道缝隙。Ramon Alvarado 主张 AI 是一种认识技术，一种直接作用于知识本身的工具，值得拥有自己的认识论。Sabina Leonelli 则把注意力保持在数据生态系统上：这些模型继承了喂养它们的数据集的不透明性、偏见、缺口与政治。结论是，AI-for-science 可能正在迫使出现第三种认识论范畴：不是理论，不是实验，也不完全是普通的模拟。未决

急件 5 · 大胆的龙

虚拟细胞、行星孪生与做科学的 AI

现在来到地图的左上角：主张如此宏大，若落地则会重绘一切，而它们今天仍立足于更薄的冰面上。

**AI 虚拟细胞。**2024 年，一个横跨斯坦福、陈-扎克伯格倡议、基因泰克、谷歌等机构的大型团队在 Cell 上发表路线图，旨在构建活细胞的多尺度 AI 模型。这一雄心是认真的：一个虚拟细胞，能够支持跨生物学尺度的可解释 in silico 实验。但论文是一份关于优先级与机遇的路线图，而非已建成的细胞孪生。路线图

**行星孪生。**NVIDIA 的 cBottle 是一个用于公里尺度全球大气场的生成模型：一个粗分辨率全球生成器加上局部超分辨率，在模拟和再分析数据上训练。这份预印本可信且有用。围绕 Earth-2 的「行星数字孪生」光环，是营销语言在替尚未赢得的证据干活。预印本 孪生炒作

**自主科学家。**Sakana AI 2024 年的「AI Scientist」预印本推销了一位端到端自动化研究者：选题、实验、论文、评审。2025 年的独立评估发现了更严峻的现实：十二个提议实验中有五个因编码错误而失败，新颖性判断很差，部分结果是幻觉或误导。结果并非毫无用处；自主科学家的框架正是「有争议」标签的用武之地。被戳破

未决问题

能下定论的实验

正确的姿态不是相信，也不是否定。而是知道哪一个结果会改变你的想法。

• **经过验证的增暖外推。**如果某个 ML 气候代理模型能在留出验证的高排放模拟或古气候上复现真实的增暖响应，工具主义的论据就会增强。现在，+4 K 的漂移在说：谨慎。
• **经泄漏审计的重复验证。**对一项旗舰基础模型科学主张进行独立的、检查过泄漏的重复验证，会告诉我们 Kapoor 与 Narayanan 的警告在领域顶端适用到什么程度。
• **真正新颖的定律发现。**一个符号回归系统发现了一条后来被确认的自然定律，将是领域格局的转变。FunSearch 的 cap-set 结果是纯数学中最接近的类比。
• **经过验证的临床数字孪生。**一份通过同行评议、独立验证并达到美国国家科学院标准的患者或器官孪生，将把医学界的龙移出左上角。