解释力的评价标准

解释力的评价标准，就是你在几种可能的解释中选出“最佳”解释时使用的标准。你可以把它看作一套心里的评分规则：好的解释既简洁，又能涵盖所有事实，还符合我们已有的知识。在车道积水的情境中，“下过雨”得分最高，因为它不需要额外假设，就能解释屋顶和街道为什么都是湿的，这体现了解释范围。

想一想：“这个解释涵盖了所有事实，还是只解释了那些对它有利的事实？”

判断解释力不能只凭感觉，还要看逻辑学家和科学家用来筛选假说的具体标准。这个过程通常叫作“最佳解释推理”（IBE）。最有力的解释通常会尽量兼顾简洁性（假设最少）、统合性（能解释最多样的证据）和类比性（符合已有的解释模式）。

以医学诊断为例。如果一位患者咳嗽、发烧，还感到疲劳，“流感”这个解释就有很强的解释力，因为它用一个原因统一解释了这三种症状。另一种解释是：患者同时出现了过敏导致的咳嗽、热衰竭导致的发烧，以及失眠导致的疲劳。这个解释就比较弱，因为它需要三件不同的事恰好同时发生。

再看技术领域。如果一个网站对所有用户都无法正常运行，“服务器宕机”就是一个有力的解释，因为它能涵盖问题波及的范围。假设“每位用户的电脑都在同一时间坏了”，即使理论上有可能，也过不了简洁性这一关。

这些标准虽然很有用，但只是帮助判断的经验法则，不能保证解释一定正确。真相有时确实复杂、古怪，甚至杂乱无章。不过，从最符合这些标准的解释入手，仍然是探究世界最理性的方式。

关于解释力的研究，重点是量化我们如何从多个候选假说中选出“最佳”假说。这个领域涉及科学哲学、认知心理学和人工智能。

• Thagard（1978）提出了选择理论的三个主要标准：统合性（能解释多少类事实）、简洁性（不需要为应付特定问题而临时添加的辅助假说）和类比性（与已有解释的相似程度）[1]。
• Lipton（2004）区分了“最可能的”解释（概率最高）和“最令人满意的”解释（最能增进理解），并认为，能说明机制、足够精确等解释上的优点，会引导我们接近真相 [2]。
• Lombrozo（2007）表明，人们会使用一种“简洁性启发式”，也就是凭简洁程度来判断：即使复杂解释在统计上更有可能，人们也常常偏爱更简单的解释。这说明人们在认知上偏向简省的解释 [3]。

“最佳”解释并不总是真实的解释。一个常见陷阱是“矮子里拔将军”问题：如果现有解释都很差，即使选出其中最好的，它也很可能是错的。此外，我们对简洁性的偏好，可能让我们忽视复杂的系统性原因，比如气候变化或经济变动，转而接受简单的说法。