观察与理论：观察渗透理论

预计时间：25 分钟读 + 10 分钟做习题 = 35 分钟。

一、核心概念定义

观察渗透理论（Theory-Ladenness of Observation）

核心主张：所有的观察都已经被理论「染色」——你用什么理论，就看到什么数据。

经典例子：

• 伽利略的望远镜：伽利略看到月球有山脉，但 Aristotelian 学者说「那是大气的折射」——同一张图，不同理论看到不同东西
• 水星近日点进动：Le Verrier 看到「水星轨道异常」（牛顿框架下），但 Einstein 看到「时空弯曲的证据」
• Cloud Chamber 中的粒子轨迹：物理学家「看到」的不是轨迹本身，而是理论预测的粒子行为

观察语句的归因问题

「我看到一个红色的苹果」这个「观察语句」实际上依赖：

1. 光学理论：光如何反射、折射、色散
2. 神经科学：视网膜 → 视神经 → 大脑皮层的信息处理
3. 语言/分类体系：什么颜色叫「红色」，什么水果叫「苹果」
4. 概念框架：「苹果」是一个分类概念，依赖于植物学理论

结论：不存在「纯粹的中性观察」——所有观察都在理论框架内进行。

实验证据的建构

「观察到证据」的推理链条：

实验设置 → 原始数据 → 数据处理 → 理论解释 → "证据"

每个环节都涉及理论假设：

• 实验设置：选择什么实验取决于你的理论问题
• 数据处理：用什么统计方法、排除什么异常值
• 理论解释：数据意味着什么

二、学科直觉

1. 观察不是被动接收，是主动建构：这不是说「数据是假的」，而是说同样的原始数据在不同理论框架下可以被解释为不同的证据。科学家不是「客观记录仪」，是「理论的囚徒兼仆人」。
2. 理论的作用是「聚焦」：理论让你看到重要的东西，但也让你忽略可能重要的东西。达尔文看到「变异」，但他之前的生物学家也看到了——只是不认为它重要。理论决定了「什么值得注意」。
3. 科学共同体的作用是「三角测量」：单个科学家被理论偏见，但科学共同体通过独立重复、 peer review、方法论多样性来校正个体偏见。这是科学自我纠错机制的一部分。

三、跨学科应用

医学：影像诊断的理论依赖

X 光片上的阴影：

• 放射科医生看到「肺癌」（基于肿瘤学知识）
• 骨科医生看到「肋骨骨折」（基于解剖学知识）
• 没学过医学的人看到「白色阴影」

同一张片，不同理论框架 → 不同「观察结果」。这就是为什么医学影像需要专科训练。

投资：技术分析 vs 基本面分析

同一张 K 线图：

• 技术分析师看到「头肩顶形态 → 卖出信号」
• 基本面分析师看到「公司财报恶化 → 卖出的基本理由」
• 量化分析师看到「波动率突破历史分位 → 减仓」

同一个「数据」，不同理论框架 → 不同决策。

AI/机器学习：数据标注的理论依赖

训练数据中的「猫」图片：

• 标注者基于「什么是猫」的分类学知识标注
• 如果标注者的「猫」概念与目标受众不同 → 模型学习的是错误的映射
• 著名的「ImageNet 偏差」：训练数据中的猫多为宠物猫 → 模型难以识别野生猫科动物

练习题

单选题

案例分析

反事实思考题

下一步：Lesson 0005 · 归纳问题：休谟的幽灵