一种对科学事业本身的怀疑似乎也越来越流行 ， 怎样对抗这种“反科学之风”？Mike根据在MIT迄今所观察到的事情提供了一些见解 。
首先 ， 就是上文第一章节所说——质疑一切 。 没有任何东西可以免于审查和合理的怀疑 。 当你看到一篇文章时 ， 先看看是谁写的 ， 看看他们之前的工作 ， 是否有资本推动 。 在得出结论之前 ， 要交叉地参考来源进行确认 。 问问别人为什么要争论 ， 以及可以得到什么 。 如果论点存在偏见历史 ， 那么自己很可能只看到事情的一面 。
第二 ， 分析论据 ， 寻找逻辑中的常见错误 ， 比如人身攻击、不合逻辑的推理 ， 选择和确认偏差（其中选择性偏好最为要紧 ， 因为它产生的深远影响难以被发现）；跟随作者提出论点的过程 ， 确保论点在哲学上是有效的（correct ， 前提正确）、合理的（sound ， 结论从前提中得到）；警惕错误的暗示、毫无根据的主张和被人为控制的图表数据；要为所有论断寻求证据 ， 没有证据就可以断言的东西 ， 也可以在没有证据的情况下被驳回 。
最后 ， 认识到人都会犯错 。 数据往往不完整或有偏差 ， 新的证据出现可能会冲击原本立论 。 思想是可以改变的 ， 也应该去改变 。 成熟的做法是——面对新的事实时 ， 让旧观念消失 ， 并承认所犯的任何错误 。

文章图片
图片来源：GregRakozy
Mike希望这些建议可以帮助我们在这个看似“后真相”的世界中找到方向 ， 学会深入挖掘论点 ， 对结论的得出方式进行分析 。 科学是一种思维方式 ， 是开放思想和怀疑主义之间的微妙界线 。 关键是 ， 只要稍加实践 ， 科学就能深刻地影响一个人的世界观 。
参考链接：
https://towardsdatascience.com/5-things-i-have-learned-working-in-an-mit-ai-research-lab-for-a-year-a65b4fcaef31

文章图片
【我在MIT人工智能研究实验室工作一年学到的 5 件事】雷峰网

• 公共基础设施|成都智算中心正式进入试运行阶段 将打造人工智能产业高地
• 人工智能|国产人工智能操作系统 降低大模型训练架构编程门槛
• 中国团队|国产人工智能操作系统 降低大模型训练架构编程门槛
• 一体机|俄乌战争给中国敲响警钟，人工智能需全面发展，必须小心美国星链
• |生产力工具，微星Summit MS321UP显示屏
• 语音识别|人工智能顶级专家波维，在美两次遭到羞辱，投奔中国后取得技术突破
• 奋斗者 正青春｜我在洛阳造飞机
• 引加生物与智峪生科达成战略合作，人工智能助推蛋白工匠上新台阶
• 微云人工智能口内扫描仪斩获德国红点奖，AI智能或掀起口腔行业新革命
• 人工智能专业就业4大方向一览，未来都无可限量，你中意哪一个？