第四部分 · 把机器架上试验台

检验五：不可证伪的大理论与预言的信息量

前四轮检验都是拿证据去撞命题。这一轮不撞了——我们退后一步，问一个更基础的问题：这台机器有没有一个位置，可以让证据撞进去？本课用信息论把答案量化：一条预言越模糊、出口越多，它的命中率就越接近 1，而它携带的信息量就越接近 0。

被什么逼出四轮检验做完了，各有裁决。可如果你把这四份裁决摆在一个真正的信奉者面前，他多半一条都不会接受。这不是固执的问题。本课最后一根柱子是方法论的——这台机器在结构上就不接受检验。本课用信息论把这句话量化：预言越模糊，命中率越接近 1，信息量越接近 0。 逼出下一课如果它既难被检验、检验结果又不利，那它为什么还是有读者？→ 18

本课路线

(1) 两个预言并排，把一个直觉逼出来；(2) 波普尔为什么把「历史决定论」整类学说判为不可证伪——以及这条判决本身的哲学争议；(3) 免疫结构在这台机器里的四种具体形态，其中一种相当精彩；(4) 他从斯宾格勒继承的方法论债务；(5) 唯一一条带明确日期的预测，以及它落空之后发生了什么；(6) 泰特洛克的经验基准线：刺猬与狐狸；(7) 对称性练习——用同一把尺子去量《国家为什么会失败》那条未兑现的预测；(8) 亲手算一算「越模糊越正确、也越没用」这条曲线。

两个预言，哪一个更有价值

先看两句话。都是关于未来的，都出自某个自信的人之口。

A「未来十年内，某地可能发生重大变化。」

B「某国的外汇储备将在今年十月前耗尽。」

A 几乎不可能错。十年很长，「某地」很大，「重大变化」没有门槛，「可能」还留了一道后门。B 则可以在日历上核对：到了十一月，你查一次数据就知道了。

问：哪一个更有价值？基本上所有人都会答 B，而且答得毫不犹豫——尽管 A 的命中率高得多。这个直觉非常牢固，但很少有人说得清它的根据是什么。本课的全部工作，就是把这个直觉变成一个可以计算的量。

提前把答案放在这儿，免得后面绕晕：一条预言的价值，不在于它说中了什么，而在于它排除了什么。A 什么都没排除，所以它无论对错都不改变你对世界的认识；B 排除了「十一月外汇储备还很充裕」这一整类未来，所以它一旦成立，你就知道了一件此前不知道的事。被排除的可能性越多，信息量越大——代价是出错的风险也越大。这两件事是同一件事的两面，无法只要一面。

波普尔：一个不冒风险的理论

把这层直觉做成一把学术工具的人是波普尔 (Karl Popper)。他在《历史决定论的贫困》(1957) 里处理的正是我们手上这类东西——那些自称能看出历史走向的宏大学说。

他把 historicism（历史决定论）定义为「一种假定历史预测是社会科学首要目的的社会科学进路」，并认为这类学说不可证伪。要紧的是他打击面的宽度：他既批评孔德与马克思那种「永久趋势」型的理论，也批评斯宾格勒与汤因比那种「循环／复现」型的理论。第 02 课列过这台机器的进货单，斯宾格勒与汤因比正是其中两条最粗的进料线——所以这一枪不是打偏的。

他描述失效机制的那一段最适合直接拿来教，我把它引全：

波普尔《历史决定论的贫困》

「历史决定论者无法想象他钟爱的趋势会消失的条件，因为这样的条件对他而言是不可思议的。这些『规律』因而对证伪性证据免疫——任何新证据都会被通过该理论的透镜来解释。」

请注意这句话的结构。它说的不是「这个理论错了」，而是「这个理论的持有者没有为『我错了』预留任何位置」。这是两种完全不同的指控，混淆它们会让整节课变味。

免疫化策略 immunizing stratagem

是什么: 当反例出现时，不撤回原命题，而是给它追加一层解释、限定或重新定义，使这个反例转而成为原命题的又一个例证。每一次操作单看都合理，累积起来的结果是：再也不存在任何一种可能的观察会被记为失败。
判据: 问一个问题就够了：「什么样的观察结果会让你承认这条命题不成立？」如果对方答不上来，或者给出的条件在实践中永不可能出现，那么这条命题就不是一条关于世界的经验命题。
本课的用法: 不用来判定「他对不对」，只用来判定「他的说法能不能被判定对错」。后一个问题是前一个问题的前置条件。
最强反驳: 可证伪性作为科学划界标准本身在科学哲学里争议很大（迪昂-蒯因论题：任何单个命题都可以靠调整辅助假设来保全，所以「孤立的证伪」在严格意义上不存在）。因此本课不把它用作「科不科学」的裁判，只用作一个程度性的度量——你的命题排除了多少种可能的未来。这个度量下面会被真的算出来。

⚠️ 一条必须说明的限定：波普尔这一枪打不打得中斯宾格勒，是有争议的

有哲学文献（McDonough）论证：波普尔的论证对马克思型（从既有趋势往前外推）与斯宾格勒型（形态学／循环）的理论，适用性并不相同——两者的推论结构不一样，一套针对趋势外推的批评未必能原样移植到一套形态学类比上去。
所以本课的立场是：「斯宾格勒不可证伪」是一个有争议的判断，不是定论。我们不靠这句话定案。下面真正定案的，是这台机器自己的文本里那些可以直接指出来的免疫操作——那些不需要先解决波普尔与斯宾格勒的争议就能看清楚。

免疫结构在这台机器里的四种形态

抽象讲完了，看具体的。下面四条都能在他自己的文本或他的体系的常规用法里找到对应，而且四条的工作方式各不相同。

形态	怎么运作	例子
(a) 双向解释的机器	两个互相排斥的观察结果，被同一套说法分别吸收，各自成为模型成立的证据。因为两边都通，所以没有一边是检验。	蛮族入侵 → 输入秩序、重启循环；没有蛮族入侵 → 「费拉」化加深。中国没有崩溃 → 「费拉化更深了 / 洪水尚未到来」；中国崩溃了 → 「他说对了」。某地出现分离主义 → 「觉醒」；某地没有 → 「费拉化程度证明了帝国的毒性」。
(b) ⭐ 倒转推理	把史料的分布本身重新解释，使史料多寡都不构成反证。	《经与史》第八章论两浙：「浙人留下的受害纪录最多，恰好说明他们的社会所受破坏不大，知识精英在劫后仍然拥有左右历史记忆的能力。」——即记载的苦难越多，实际破坏越小。
(c) 价值权重的免疫化	把所有可测量的量预先定义为不相关，于是任何用数据做的反驳在进门之前就失效了。	「文明的价值并不取决于人口和财富，而是取决于组织的复杂度或秩序的生产力……巴托洛缪大屠杀的几千死难者比黑死病的数百万死者重要。东方暴君屠杀整个行省，不如雅典民主审判苏格拉底重要。」——人口、GDP、技术、寿命，全部出局。
(d) 伪量化	借用数学的外观，但不附带任何测量程序：没有单位、没有数据来源、没有他人可以复算的路径。看起来像可检验，实际上不能被核对。	「[组织度]≈……结果当然也是负值」这类算式。第 03 课已经指出「组织度」从来没有被操作化过——这里它却出现在了一个等号的左边。

四条里，(b) 值得单独说两句，因为它是这些操作里最精彩、也最容易被不公正对待的一处。

公道话：两浙那条推理本身不无道理

幸存者偏差确实存在，而且确实常被忽略。受害记录要有人写、有人抄、有人藏、有人在几百年后重新刊刻——每一步都需要一个仍在运转的士绅社会。破坏最彻底的地方，往往连「谁死了」都没人记得下来。这条洞察是真的，而且很有用；它是史料批判里一个正经的题目。
问题不在这条推理，而在它的适用范围。一旦它从「某些情况下要小心史料的生成过程」升级为一条通则，事情就变了：史料多 → 破坏小；史料少 → 破坏大到没人记录。任何史料分布都可以被吸收进结论，于是史料不再能否定任何东西。一个原本增加判断力的工具，被推到通则的位置上，反而取消了判断——这正是本课要认的那种毛病，而且它恰恰不是从谬误里长出来的，是从一条正确的洞察里长出来的。

顺带说一句，(a) 这一类在他这里还有一个更隐蔽的版本，第 03 课埋过：凡兴盛即秩序的生产者，凡衰亡即秩序的消费者。这不是一条可以被历史否定的假说，这是一套后验命名法——先看结果，再发标签。

他继承的方法论债务

这些免疫操作不是随手写坏的，它们有来历。第 02 课查过进货单：斯宾格勒自认的方法是「直观的相术」（Physiognomik）以及「宏观鸟瞰和平行类比」，明确地不依赖因果推断。这不是别人栽赃，是他自己的方法论声明。

他把这套方法继承了下来。他自己在为杜正胜《编户齐民》所写的评论里也有过同样坦率的声明——「只知观照、不作考订」，并要求读者「信任作者记忆力犹如信任罗马教皇」；他还正面论证过这样做的理由：「如果你以计算机式的实证主义为准绳，非但不能厘清问题，多半还会制造更大的混乱。」（第 01 课引过全文。）

到这一步为止，都还只是方法之争。一个自觉放弃考据、以「格局判断力」立身的历史书写，仍然可以是有价值的——它可以是一种视角、一套修辞、一个提示你换个角度看的装置。真正的问题出在下一步：

最坏的组合

方法论上不可证伪＋结论上可证伪＝最坏的组合。
他继承了斯宾格勒那套不依赖因果推断、也不接受实证核对的方法，又给它加上了可以被日历核对的具体预测。这两样东西单独存在都还好办：只做形态学观照的人不欠你一个日期；肯给日期的人则接受被日历审判。同时做这两件事的人，等于既享受了具体预测带来的注意力，又保留了在预测落空后回到「格局判断」层面的退路。这条退路是本节的靶心——不是那次落空的预测。

唯一一条有明确日期的预测，以及它落空之后

话说到这里，得给出实例，否则以上都只是修辞。他的文本里绝大多数论断都没有时间界限，但有几条有。最著名的两条是：

带日期的两条

「17 年应该是大洪水元年」（他给的理由是：2016 年美国大选后对华封锁，2017 是政策落实出结果的窗口）。
「撑到十月，顶多到十月，外汇就空了。」

前者与后者均未兑现。这句话不需要加装饰，客观陈述即可。

他的辩护是：「这是个外交预测。时间其实很简单，就是 2016 年的美国大选」——也就是说，他指认的是一个外部环境的转折点，不是一个崩溃日期；至于节点之后会发生什么，他明说不可预测，用的词是「大洪水是……路径积分」。支持者一侧的辩护则是「元年指的是过程的起点，不是结果的日期」。

第 07 课已经详细处理过这套辩护在内容上是否公允（结论：姨粉与姨黑双方都把它读成了硬时间预言，双方都读错了；但辩护本身仍然是一次免疫化操作）。本课只关心它在结构上做了什么。

重点不在错了一次

预测失手很正常。任何肯给出具体判断的人都会失手，而且失手率通常远高于外行的想象——下一节泰特洛克的数据会让这一点非常清楚。所以「他 2017 年说错了」这件事本身，不构成对任何理论的严肃批评。
真正要紧的是错了之后是撤回还是重释。撤回意味着这条命题曾经承担风险，输了，被记账；重释意味着它从一开始就没有真正承担风险，只是看起来像。
「元年指的是过程的起点」这句话把一个原本可以在 2017 年 12 月 31 日结算的命题，改造成了一个永远无法结算的命题。这正是波普尔说的免疫化策略——而它的代价，恰恰就是本课要算的那个量。

泰特洛克：一条不诉诸立场的基准线

波普尔提供的是结构诊断。但结构诊断有个弱点：它可以被读成一种哲学偏好之争。所以还需要一条经验的基准线——如果这类预言家真的被系统地记过分，成绩单长什么样？

这份成绩单是存在的。泰特洛克 (Philip Tetlock)《专家的政治判断》(2005) 追踪了 284 位专家的 82,361 次预测，历时约二十年。结果：

1平均而言，专家的准确度仅略优于「掷飞镖的黑猩猩」；相当一部分专家还不如随机猜测。

2专家普遍过度自信——他们说「几乎肯定」的事，兑现率远低于「几乎肯定」应有的水平。

3意识形态立场与教育背景都不是成功的强预测因子。左派不比右派准，博士不比硕士准。

4真正有预测力的是认知气质：刺猬透过一个单一决定性理念看世界，更自信也更常出错；狐狸借助多种互不统属的经验拼凑判断，判断更好。

谦逊限定（这一条必须一起记住）

更好的判断不等于伟大的判断。狐狸赢过刺猬，但赢得并不体面——多数狐狸能与简单的外推模型（「明年大体照旧」）打个平手就该满意了。这项研究的结论不是「听狐狸的」，而是「所有人在这件事上都比自己以为的差得多，而其中一类人差得特别有规律」。
顺带一提，这一条也约束本课自己：本课不预测任何事，也不推荐任何替代性的预言家。

把这把尺子对准我们的研究对象，结果没有悬念。他是教科书级的刺猬：一个单一决定性理念（秩序存量的生产与耗尽）、极高的自信、对所有新证据用同一个框架消化——这三项正是泰特洛克刺猬画像的三条主要特征。而泰特洛克的经验发现是：这种认知气质与预测准确度负相关。

请注意这个论证的性质。它完全不涉及他的政治立场，也不涉及他的结论是否讨人喜欢。它只说：在一项覆盖两万八千余次判断、跨越二十年的记分研究里，具备这组认知特征的人，作为一个类别，表现更差。这是一条可以对任何人使用的尺子，包括对反对他的人。

《超预测》(Tetlock & Gardner, 2015) 补上了另一半：既然记分是可能的，那就把它做成常规。该书用 Brier score（0 为完美，2 为最差）给概率化预测打分；在 Good Judgment Project 里，一小批「超级预测者」击败了拥有机密情报渠道的分析员团队。他们的共同特征相当朴素：懂一点统计、先看基础率（这类事件历史上多久发生一次）、做贝叶斯更新、频繁更新、对自己的旧判断不留情面。注意这几条里没有一条是「有更好的大理论」。

对称性练习：用同一把尺子量另一本书

现在到了这一课最该做、也最容易被跳过的一步。

第 16 课用《狭窄的走廊》的相图指出了他的处方方向性错误。同一批作者——阿西莫格鲁 (Daron Acemoglu) 与罗宾逊 (James A. Robinson)——在更早的《国家为什么会失败》(2012) 里，把中国的高速增长评估为「包容性经济制度＋榨取性政治制度」组合下的暂时性成功。

这也是一条已做出、尚未兑现的预测

它没有明确日期，没有量化门槛，而且「暂时性」这个词本身就为任何时长留了余地——十年不算长，三十年也可以说不算长。既然我们要用可证伪性去量刘仲敬，就得用同一把尺子去量它。
下面的部件里有一个专门的预置按钮就是它。请务必按一下。拿两套标准量两个人，是这门课最该避免的事。

先说清楚这不是「各打五十大板」。两者的位置并不相同，而部件会把这个差别算出来，不是靠感觉宣布。差别在哪儿，等你按完三个按钮再说。

把直觉变成一个量

要计算，先得把一条预言参数化。任何一条关于未来的断言，至少可以用三个数刻画：

时间窗 W允许它在多长的时间里兑现（年）。窗口越长，越难判错。

幅度门槛 m要多剧烈才算兑现（0 = 任何变化都算，100 = 必须是极端事件）。门槛越低，越难判错。

逃生条款数 k若没发生，可以怎样重新解释——出口的数量。出口越多，越难判错。

接下来把它们接到一个最粗糙但足够诚实的事件模型上。设「够格的剧变」按一个基准年率发生，幅度门槛越高发生率越低：

g(m) = e^{−2.5·m/100}　　　p = 1 − e^{−λ₀·W·g(m)}　　　（λ₀ = 0.06 / 年，示意值）

p 是裸命中率：不带任何出口时，这条预言碰巧对的概率。然后加上逃生条款。一条预言要被判为失败，必须每一个读法都失败；k 条出口意味着 1 + k 个读法：

1 − p′ = (1 − p)^1+k　　⟹　　p′ = 1 − e^{−λ₀·W·g(m)·(1+k)}

最后一步，把「排除了多少」写成比特。一条命中率为 p′ 的断言，成真时携带的自信息是：

I = −log₂ p′　（比特）

三个公式加起来说的是一件很朴素的事：p′ 越接近 1，I 越接近 0。一条几乎必定成真的断言，成真时不告诉你任何事。这就是那个直觉的量化形式。

顺手掉出来的一个等式，值得记住

把两个公式合并之后会发现：加一条逃生条款，在数学上完全等价于把时间窗乘以 (1 + k)。三条出口 ≈ 四倍的时间。
这解释了一个平时说不清的直觉：为什么「后来我说的是过程的起点」这种事后补充，听上去只是澄清措辞，实际效果却和把预言从「明年」改成「未来几十年」一模一样。它们在信息论上是同一个操作。

动手：预言信息量计算器

下面这个部件把上面三条公式跑出来。三个滑块，三个预置按钮。请按顺序按那三个按钮。

预言信息量计算器：命中率 p′ 与信息量 I

先按「大洪水元年（2017）」——时间窗一年、门槛高、没有出口：命中率极低（1% 上下），信息量六比特以上。这是一条真正冒了风险的预言，所以它错得起，也确实错了。再按「路径积分版重述」——窗口三十年、门槛放低、三条出口：命中率逼近 1（0.99 上下），信息量掉到 0.02 比特以下。这一条永远不会错。最后按「《国家为什么会失败》的中国预测」，看它落在哪儿。曲线上的红线是命中率（左轴），绿线是信息量（右轴），竖线是当前的时间窗。

时间窗 W 10 年幅度门槛 m 50 逃生条款数 k 1

命中率 p′

—

信息量 I（比特）

—

判定

—

I 掉到 2 比特处的 W

—

判定用了两条线：p′ > 0.95 判为「近乎不可证伪」（它几乎不可能被任何观察记为失败）；I > 2 比特判为「有实质信息量」（它至少排除了四分之三的可能未来）；两者之间是「弱」。第四个 KPI 是反解：固定 m 和 k，把时间窗放宽到多少年，这条预言的信息量就会掉到 2 比特以下。

三个预置一起看，结论就出来了。

这不是两个预测，这是同一个预测被重新参数化了

「大洪水元年」那一版信息量高（六比特以上）——所以它错得起，也确实错了。「路径积分」那一版命中率逼近 1、信息量逼近 0——所以它永远不会错，也永远不会告诉你任何事。
关键在于：这两条不是两个不同的判断，这是同一个判断被重新参数化了。内容一个字没改，改的只是 W、m、k 三个数。而三个数一改，它就从「可以被 2017 年 12 月结算的命题」变成了「不可能被任何一年结算的命题」。这就是免疫化策略在数值上的样子。

而《国家为什么会失败》那一条落在中间：命中率大约 0.62，信息量 0.68 比特，判定为「弱」。它比重述版有信息量（0.68 比特对 0.02 比特，差三十多倍），比元年版稳妥（它不太可能被彻底判错）。用同一把尺子量出来的位置，就是它应得的位置。——不是替它开脱，也不是拉它下水：0.68 比特是个不高的分数，一条学术预测拿到这个分数，说明它作为预测的价值有限，尽管它作为分析框架可能仍然很有用。这个区分下面就要用到。

还有一个操作值得试：把 k 从 0 一路拖到 5，同时盯住绿线。你会看到整条信息量曲线像被人从左边推了一把，整体向下、向左塌。这就是前面那个等式的图像：出口不是给预言打的补丁，出口就是时间。

这个部件不能被用来做什么

λ₀ = 0.06 是示意值，不是从任何数据集里估出来的；g(m) 的指数形式也是为了演示而选的。所以KPI 上那些数字不是真实概率，不要拿去引用。这个部件量的是结构——参数怎么变，量怎么跟着变——不是量某条具体预言的真实胜率。
还有一层更诚实的限定：把某条预言映射成 (W, m, k) 这三个数，本身就是一次判断，而不是一次测量。我给《国家为什么会失败》那条预测配的是 (25, 45, 1)；你完全可以论证应该是 (40, 30, 2)，那样它的分数会更难看。这个部件不能替你做判断，它只能让你的判断变得可以被别人检查——这恰好就是本课在要求的那件事。

裁决 · 不成立

这不是对某一条命题的裁决，而是对整台机器的可检验性的裁决。把四种免疫形态、继承自形态学的方法论债务、以及那条落空后被重释而非撤回的时间预测放在一起看，结论是：这套理论没有为「我错了」保留任何位置。而一个与任何可能观察都相容的理论，没有排除任何东西，因而没有说出任何关于世界的内容——这句话不是修辞，上面那个部件把它算成了一个逼近 0 的数。

需要说清楚裁决的边界：判为不成立的是它的经验资格，不是它的全部价值。一套不可证伪的理论仍然可以有启发价值——它可以让你注意到本来不会注意的东西，可以提供一个陌生的视角，可以把一个熟悉的现象重新问题化。第 19 课会给它记上这一笔，而且会记得相当认真。但有一件事它不能做：不能一边免疫于证据，一边拿证据当自己的支持。这两件事只能选一件。而这套理论的实际用法，是两件都要。

常见误解

误解：不可证伪就是错的。（澄清：不是。不可证伪意味着它不是一个经验命题——它可能是一个有用的看世界的方式、一套概念工具、一种提问方法，这些都不需要证伪性。伦理学、数学、大部分哲学都不可证伪，没人因此说它们错了。真正的毛病是身份不一致：一边免疫于证据，一边拿证据当支持。选一个。）
误解：预测错一次不能说明什么。（澄清：完全同意，所以本课的重点不在那次落空。任何肯给具体判断的人都会失手，泰特洛克那 82,361 次预测的成绩单就是证据。要紧的是错之后的处理方式——撤回是记账，重释是免疫。「元年指的是过程的起点」把一个可结算的命题改造成了不可结算的命题。）
误解：他从来没说过具体时间，那些日期都是粉丝加的。（澄清：他说过，本课引了原话：「17 年应该是大洪水元年」「撑到十月，顶多到十月，外汇就空了」。不过公道地说，他确实也把 2017 那一条自限为一个外交节点判断——第 07 课处理过这层公允问题。两件事都是真的。）
误解：搬出波普尔就万事大吉了。（澄清：本课自己标注了 McDonough 的争议——波普尔的论证对斯宾格勒型理论的适用性并非定论；也标注了可证伪性作为划界标准在科学哲学里的老问题。所以定案不靠波普尔那句话，靠的是这台机器自己文本里那四种可以直接指出来的免疫操作，以及本课用同一把尺子量 A&R 的那一下。）
误解：部件算出的命中率就是这些预言的真实概率。（澄清：不是。λ₀ 与 g(m) 都是示意值，而把一条预言映射成 (W, m, k) 本身是判断不是测量。这个部件量的是结构关系——出口和窗口怎样把信息量推向 0——不是任何一条预言的胜率。）
误解：泰特洛克证明了专家没用，或者刺猬一定错。（澄清：他的发现是统计关联，不是个案判决——某只刺猬完全可能这次说对了。而且那条谦逊限定同样要记住：更好的判断不等于伟大的判断，多数狐狸也不过能与「明年大体照旧」打平。这项研究的用处是提供一条基准线，让「他准不准」从立场之争变成一个可以记分的问题。）

一句话带走

一条预言的价值不在于它说中了什么，而在于它排除了什么；把时间窗放宽、把门槛放低、再补上几条事后可用的出口，命中率就逼近 1，而信息量逼近 0。「大洪水元年」与「路径积分」不是两个判断，是同一个判断的两组参数——前者六比特多，后者不到 0.02 比特。而这把尺子必须对所有人通用：用它量过刘仲敬，就得用它量《国家为什么会失败》，量出 0.68 比特，就照 0.68 比特记账。

下一步

五轮检验做完了：一条驳倒、一条指出跳跃、一条判为过度简化、一条判为方向性错误、一条判为整体上不可检验。那么问题就变得尖锐起来：如果它既难被检验、检验结果又不利，它为什么还是有读者，而且是相当聪明、相当认真的读者？答案不在它的正确率里，得去传播这一侧找。→ 第 18 课《它为什么有人信：一个世界观的传播动力学》把「解释缺口 × 身份回报 × 无证伪成本」写进一个传染模型，算出它的基本传播数——顺便说明为什么「逐条反驳」通常打不过「一句话解释一切」。