最近看了政治学教授讲述了现代政治学领域是如何做研究的，以及社会科学与自然科学做研究的区别，结合以前学到的一些知识点做个小笔记梳理一下思路：

首先定义什么叫做研究：如果只是把一些经典理论或最新学术文献重新整理归纳，就不叫做研究，只有当研究者贡献了新的理论或新的知识才算得上一项研究。

其次，社会科学不同于自然科学能直接依赖“确定性数学”（如微积分、微分方程、线性代数）来建模自然界的规律。社会科学研究方法主要分为两种研究路径，一种是定性研究，研究者一般采用讲故事、案例分析，包括历史事件在内的比较分析方法。另一种是定量研究方法，研究者主要是通过对大量数据的回归分析等统计研究技术来验证自己提出的观点或理论。

社会科学之所以被称为软科学就是采用的这种研究方法无法像自然科学那样获得精确结果，也许最大的核心问题就是人性无法被精确预测，人性的不稳定会导致黑天鹅事件的发生。

那么这种社会科学的定性和定量分析缺陷在哪里呢？

一、社会科学定量分析方法的缺陷：
类似金融/经济学、认知科学、进化心理学会使用统计学对样本数据进行回归分析，还可以做实验组/对照组分析。这里的核心问题在于样本数量，究竟多大的样本才算大样本？假如整体是正态分布/高斯分布，那么随机样本数＞30就算大样本了，但如果整体是幂律分布，想要达到正态分布30个大样本数量的收敛效果，实际样本需要达到上亿个之多！比如衡量财富效应的八二法则（数学证明可参见尼古拉斯塔勒布的《肥尾效应》）。那么，在社会科学领域中，整体究竟是属于正态分布还是幂律分布？尼古拉斯塔勒布和他的数学家朋友认为如果你在某个领域看到＞6个标准差事件，那这个领域就是幂律分布的，他认为现实世界中包括历史、政治、经济等都是如此，尤瓦尔赫拉利说的二级混沌系统也是同理，本质是这个现实世界中隐藏着巨大的黑天鹅！

二、社会科学定性分析的缺陷：
如果说社会科学相比于自然科学属于软科学，那么在社会科学中的定性分析相比于定量分析就更软了。主要采用逻辑学的两种论证方式演绎和归纳。演绎是从一般到特殊的推理方式，比如传统经济学假设人是理性的，因而会趋利避害（一般性），由此产生一个推论，当价格下跌到某一个阈值时人们会止损（特殊性），如果不止损就说明行为人是非理性的。不难发现这种演绎最大的致命问题就是基本假设如果有问题，所有努力可能都白费，理性人基本假设对吗？依据错误的基本假设建立的推理模型是无法外推的。而归纳则是从特殊性到一般性的推理，比如我看到天鹅是白色的，你看到也是，他看到也是（特殊性），所以可以推论出世界上所有天鹅都是白色的。归纳法最大问题是你无法保证穷尽世界所有可能性，只要有一只黑天鹅出现，这个理论就崩塌。

这就是社会科学领域的特殊性，所以在历史、政治和经济学领域中，时至今日依然有很多问题无法解释清楚，各种理论都会有争议。也许人工智能在社会科学和自然科学领域都会有质的突破，就像它学习语言并不是按照人类语言学家教授的语法，而是直接靠算力暴力破解，也许有一天agi能真正看穿人性，准确预测未来。