可证伪性Falsifiability

一个判断要经得起检验，先得说清什么证据会让你承认它错了。

1919年5月29日，爱丁顿在非洲西海岸外的普林西比岛拍摄日食，要检查星光会不会按爱因斯坦的预言弯曲。太阳被月亮遮住后，附近的恒星显露出来；把照片与平时的星空照片比较，就能测出星光经过太阳附近时偏了多少。爱因斯坦的理论与按牛顿引力计算的结果给出了不同数值，照片因此有机会让理论碰壁。当年公布的观测结果支持爱因斯坦。他的理论赢得关注，关键在于它事先给出了一个能被观测判错的答案。

为什么成立

判断越明确，现实越有机会让它出错

“所有天鹅都是白的”遇到一只确认无误的黑天鹅就会失败；看到再多白天鹅，也不能保证下一只仍是白的。支持与反驳在这里不对称：有限的观察无法穷尽所有天鹅，一个反例却能推翻这个全称判断。可证伪性说的就是：一个经验判断必须排除某些可观察的结果，让现实有机会与它冲突。

能解释任何结果的话，无法接受检验

“这项策略迟早会成功”没有截止日期，失败多少次都能继续等。改成“在预算不变时，新流程会在三个月内缩短平均交付时间”，才有明确的检验对象。**先写下什么结果算失败，再看结果。**如果交付没有加快，就撤回这条承诺；每次失败后都改期限、换指标，判断便逃出了检验。

检验失败时，要查清哪一环出了错

现实中的预测由理论、前提和测量方法共同推出。照片上的星位不合预测，既能指向理论错误，也能指向仪器失准。先校准仪器、复核数据，再让不同方法重复检验。修正前提也要给出新的可检验预测，不能只为保住结论临时加理由。

通过检验，意味着暂时站得住

一个判断经历越严格的挑战，仍与观察相符，我们就越有理由继续使用它。新的场景仍能暴露它的边界。这个模型把争论从“我能举多少支持的例子”，转向“我们同意什么结果出现后，就修改判断”。

出处

可证伪性来自科学哲学。卡尔·波普尔在1934年出版的《科学发现的逻辑》中系统提出，用它划分经验科学与非科学。他强调，科学理论应提出能与观察冲突的预测。爱因斯坦关于光线偏折的预言及1919年的日食观测，是他反复讨论的典型。

换个领域看

医学

让病因接受挑战

巴里·马歇尔用亲身实验挑战了胃炎病因的旧解释。1984年，他在澳大利亚珀斯喝下含幽门螺杆菌的培养液，随后出现胃炎，检查也发现了细菌。这给细菌致病的主张增加了直接证据；后续根除细菌、观察溃疡复发的研究，又让这个主张接受了治疗结果的检验。

技术

先写失败条件

排查故障时，明确预测能让工程师放弃错误解释。一名工程师怀疑页面偶尔显示旧价格，是缓存失效出了错。他先写下：若请求完全绕过缓存，旧价格就应消失。测试确认请求直达数据库后，页面仍显示旧价，他便撤回“缓存是唯一原因”的判断，转查数据更新链路。

投资

给持有理由设限

投资理由写得具体，坏消息才有机会改变持有决定。一位投资者买入连锁零售商，理由是顾客愿意为品牌支付更高价格。他事先约定：若连续两年只能靠更深折扣维持销量，就撤回这个判断。后来折扣加深、毛利率下降，即使股价上涨，他也重估品牌溢价和持有理由。

遇事时问自己

我相信的具体判断是什么，它预测在什么条件下、何时出现什么结果？
什么可观察的结果出现后，我会撤回或修改这个判断？
我怎样主动寻找这个结果，而不是只收集支持自己的例子？
若检验失败，我能怎样复核测量和前提，让问题落到具体的一环？
我是否在看到坏结果后改了期限或指标，以保住原来的结论？

边界与误用

可证伪性适合检验关于事实的主张，无法直接裁定价值选择或审美偏好。“人应当诚实”表达的是规范；“诚实能提高客户续约率”才接受经验检验。最常见的误用，是把一次坏结果当成彻底推翻：概率判断允许个别失败，要事先约定样本、期限和判定标准。无法证伪也不等于毫无意义；波普尔提出的是经验科学的划界标准。遇到反常结果，先复核证据，再修改判断，避免把每次修补都当成狡辩。

练一练

客服团队试用自动答复工具。负责人事先承诺：六周后，从实际工单中随机抽取400条，答复准确率至少达到95%，否则撤回“工具已能独立处理这类工单”的判断。到期后，独立复核确认准确率为88%。团队提出，再给工具两周，改用客户满意度评估。

此时哪种处理最站得住？

搬家时，林悦决定保留母亲留下的手写菜谱。她说：“即使网上能找到更好的做法，我也愿意留着，因为这些字迹对我有意义。”伴侣要求她先说明，出现什么证据后，她会承认这些菜谱不值得保留。

对伴侣的要求，哪种判断最合适？

一座小城的调查组判断，河水中的某种污染物主要来自上游工厂。他们提前预测：工厂停产七天后，在水流条件不变时，下游浓度应降至规定范围。停产后读数仍高，但调查组发现，采样站恰好在当天换了传感器，新设备尚未与标准方法比对。

调查组接下来哪一步最合理？