不确定性
| 不确定 | |
|---|---|
| 學科、專業領域、研究领域、状态与条件类型 | |
| 上级分类 | 风险源、心理狀態  |
| 所属实体 | 心理学术语集 |
| 话题方面 | 知识论 |
| 原因 | 无知、随机性 |
| 導致 | information request |
| 研究学科 | 心理學 |
| 影响因素 | 不稳定性 |
| 拥有特性 | 不确定性类别 |
| 处理、缓解或管理途径 | 测试 |
| 相對概念 | 確定性 |
| 认识论 |
|---|
| 该侧栏隶属于哲学系列。其他相关主题参见Template:认识论和Template:哲学。 |
不确定性（英語：uncertainty，incertitude）或不确定度[1]，是指涉及不完美或未知信息的情境[2]。它适用于对未来事件的预测、已完成的物理测量，以及对未知事物的认知，在决策中尤为重要。不确定性出现在哲学、物理学、计量学、统计学、经济学、金融学、保险学、心理学、社会学及信息工程等多个学科之中。在计量学中，不确定性是表征测量结果分散性的参数，也是描述未定误差特征的量值，一般用可能发生的概率或区间表示。在经济学中，它属于关于风险管理的概念，指经济主体对于未来的经济状况（尤其是收益和损失）的分布范围和状态不能确知，其不可量化部分又称奈特氏不确定性[3]。
决策论专家对于不确定性有更深入的分析。道格拉斯·W·哈伯德认为不确定性是当我们没有足够知识来描述当前情况或估计将来的结果[4]。对于可量化的不确定性，可以根据所有可能的结果，套用概率密度函数来分析。风险则与不确定性不同：风险是可能出现负面效果或损失的「不确定性」状态。弗兰克·奈特于1921年从概念上划清了风险与不确定性的界限：风险是可测量的不确定性，而（真正意义上的）不确定性是不可测量且无法计算的[3]。
基本概念
[编辑]不确定性的定义
[编辑]决策论和统计学中的不确定性指缺乏确定性——一种有限知识状态，导致无法精确描述以下一项或多项内容：当前状态或目标或备选方案的全集，所有未来可能状态及其概率或价值的全集，所有利益相关者的全集，或任何阻碍计算备选方案预期价值的其他信息[5]。对于可量化的不确定性，可以通过对每个可能状态或结果赋予概率来测量，这包括对连续变量应用概率密度函数[6]。
二阶不确定性
[编辑]在统计学和经济学中，二阶不确定性——表现为对概率估计的置信度——通过（一阶）概率的概率密度函数来表示[7]。主观逻辑中的意见承载着这类二阶不确定性[8]。
风险与不确定性
[编辑]奈特认为，不确定性必须在一个与风险截然不同的意义上理解：「风险」在某些情况下是指可测量的量，而在其他情况下则指不可测量的东西。可测量的不确定性，或严格意义上的「风险」，与不可测量的不确定性有着根本性的区别——后者实际上根本不是不确定性[3]。奈特指出，已知风险的不利结果可以在决策过程中通过保险来对冲，因为它具有明确定义的预期概率分布；不确定性则没有已知的预期概率分布，可导致极端后果。承担不确定性的人被称为「企业家」。
风险与变异性
[编辑]风险与变异性之间存在区别。风险通过概率分布来量化，该分布基于对未来单一真实值可能性的认知（如掷骰子）。变异性则通过从观测数据中推导出的多个实例的频率分布来量化（如击球率）[9]。
模糊性与歧义性
[编辑]模糊性（vagueness）是分析者无法明确区分两个不同类别时的不确定形式，例如「中等身高的人」与「高个子」。这种模糊性可以通过模糊逻辑或主观逻辑来建模[10]。
歧义性（ambiguity）是即使可能结果本身也不清楚其含义和解释的不确定形式。例如「他去了银行」（bank可指河岸或金融机构）。丹尼尔·埃尔斯伯格通过瓮实验说明了歧义性及其与风险的区别[11]。
测量中的不确定性
[编辑]测量不确定度计算的最常用程序是国际标准化组织（ISO）发布的《测量不确定度表示指南》（GUM）[12]。测量结果的不确定度通常由若干分量组成，这些分量被视为随机变量，根据估算方法分为两类：
通过将各分量的方差通过测量函数传播，合成标准不确定度表示为合成方差的平方根，其最简形式为重复观测的标准偏差[12]。
在计量学、物理学和工程学中，测量不确定度或误差限通常以可能包含真实值的区间表示。当不确定度表示一个标准偏差时，称为标准不确定度，假定近似服从高斯分布。常用表示法包括：
- 测量值 ± 不确定度
- 测量值 +不确定度
−不确定度 - 测量值（不确定度）
最后一种括号表示法是±表示法的简写。例如10.5 米表示测量值在10.45至10.55米之间。又如1.00794(7)表示1.00794±0.00007[13]。
当不确定度表示标准误时，约68.3%的情况下被测量的真值落在所述的范围内。若将区间宽度加倍，则约95.4%的真值落在区间内；宽度三倍时，约99.7%落在区间内（即「一倍西格玛」、「两倍西格玛」和「三倍西格玛」置信区间）。
科学与公众传播
[编辑]科学中的不确定性在公共领域与在科学界的解读可能完全不同[14]。部分原因在于公众的多样性以及科学家容易误解受众倾向而未能清晰有效地传达信息。此外，某个公共议题上常有多方科学声音同时发声。不同科学研究因方法差异导致结果差异，可能被公众解读为缺乏共识，而在实际上共识确实存在[14]。
记者可能夸大不确定性（使科学显得比实际更不确定）或淡化不确定性（使科学显得比实际更确定）[15]。例如，气候变化否认者曾利用弗兰克·伦茨的建议将全球变暖框定为科学不确定性议题，这后来成为记者报道该议题时常用的冲突框架[16]。
哲学视角
[编辑]在西方哲学中，第一位关注不确定性问题的哲学家是皮浪，由此产生了希腊化哲学中的皮浪主义和学园怀疑论，这是哲学怀疑论的最早流派。困惑（aporia）和不可知（acatalepsy）代表了古希腊哲学中关于不确定性的核心概念[17]。
牛津大学哲学家威廉·麦卡斯基尔提出了「道德不确定性」的概念——即在缺乏任何一种道德理论确定性的情况下应该如何行动，以及在面对这种不确定性时应该如何行动的研究[18]。
应用领域
[编辑]不确定性在多个领域中具有重要的实际意义：
- 天气预报：现代天气预报已普遍包含不确定性数据（如降水概率）。
- 物理学：在亚原子层面，不确定性可能是宇宙的一个基本且不可避免的属性。海森堡测不准原理对观察者能够同时知晓粒子的位置和速度的精度设定了极限[19]。
- 经济学与金融学：股票市场等金融市场中的投资涉及奈特氏不确定性，因为罕见但灾难性事件的概率未知[3]。
- 工程学：不确定性在材料建模的验证与确认中得到应用[20]。
- 人工智能：在不确定性下推理是AI系统的核心能力之一。贝叶斯网络、主观逻辑、模糊逻辑和Dempster-Shafer理论等技术用于在部分可观测和随机环境中进行决策[21]。
参见
[编辑]参考文献
[编辑]- ^ 不确定度. 术语在线. 全国科学技术名词审定委员会. （简体中文）
- ^ Peter Norvig; Sebastian Thrun. Introduction to Artificial Intelligence. Udacity. （原始内容存档于2014-01-22） （英语）.
- ^ 3.0 3.1 3.2 3.3 Knight, Frank H. Risk, Uncertainty, and Profit. Hart, Schaffner & Marx. 1921 （英语）.
- ^ Hubbard, Douglas W. How to Measure Anything: Finding the Value of 'Intangibles' in Business 2nd. Wiley. 2014. ISBN 978-0470539392 （英语）.
- ^ Hubbard, Douglas W. How to Measure Anything. Wiley. 2014. ISBN 978-0470539392 （英语）.
- ^ Kabir, H. D.; Khosravi, A.; Hosen, M. A.; Nahavandi, S. Neural Network-based Uncertainty Quantification. IEEE Access. 2018, 6: 36218–36234. doi:10.1109/ACCESS.2018.2836917 （英语）.
- ^ Gärdenfors, Peter; Sahlin, Nils-Eric. Unreliable probabilities, risk taking, and decision making. Synthese. 1982, 53 (3): 361–386. doi:10.1007/BF00486156 （英语）.
- ^ Jøsang, Audun. Subjective Logic: A Formalism for Reasoning Under Uncertainty. Springer. 2016. ISBN 978-3319423371 （英语）.
- ^ Begg, Steve H.; Welsh, Matthew B.; Bratvold, Reidar B. Uncertainty vs. Variability: What's the Difference and Why is it Important?. SPE Hydrocarbon Economics and Evaluation Symposium. 2014. doi:10.2118/177391-MS （英语）.
- ^ Williamson, Timothy. Vagueness. Psychology Press. 1994. ISBN 0-415-03331-4 （英语）.
- ^ Ellsberg, Daniel. Risk, Ambiguity, and the Savage Axioms. Quarterly Journal of Economics. 1961, 75 (4): 643–669. doi:10.2307/1884324 （英语）.
- ^ 12.0 12.1 Guide to the Expression of Uncertainty in Measurement. ISO. 2023 （英语）.
- ^ Standard Uncertainty and Relative Standard Uncertainty. CODATA reference. NIST. （原始内容存档于2011-10-16） （英语）.
- ^ 14.0 14.1 Zehr, S. C. Scientists' representations of uncertainty. Friedman, S. M.; Dunwoody, S.; Rogers, C. L. (编). Communicating Uncertainty: Media Coverage of New and Controversial Science. Lawrence Erlbaum. 1999: 3–21. ISBN 978-0805827286 （英语）.
- ^ Stocking, H. How journalists deal with scientific uncertainty. Friedman, S. M.; Dunwoody, S.; Rogers, C. L. (编). Communicating Uncertainty. Lawrence Erlbaum. 1999: 23–41. ISBN 978-0805827279 （英语）.
- ^ Nisbet, M.; Scheufele, D. A. What's next for science communication?. American Journal of Botany. 2009, 96 (10): 1767–1778. doi:10.3732/ajb.0900041 （英语）.
- ^ Pyrrho. Internet Encyclopedia of Philosophy （英语）.
- ^ MacAskill, William; Bykvist, Krister; Ord, Toby. Moral Uncertainty. Oxford University Press. 2020. ISBN 978-0198722274 （英语）.
- ^ Soloviev, V.; Saptsin, V. Heisenberg uncertainty principle and economic analogues of basic physical quantities. Computer Modelling and New Technologies. 2011, 15 (3): 21–26 （英语）.
- ^ Category:Uncertainty. EVOCD. （原始内容存档于2015-09-26） （英语）.
- ^ Russell, Stuart; Norvig, Peter. Artificial Intelligence: A Modern Approach 3rd. Prentice Hall. 2010. ISBN 978-0136042594 （英语）.
