米国的哥伦比亚大学有一门面向本科生的课程，名叫“Ignorance"，试想你在一门名叫无知的课程中得了A，那你究竟学到了什么了？我等无缘去修这门课，但这门课的主角老师根据这本书的内容，写了一本同名书。在读完了这本书后，我想说说我的感受。
为什么会有这本书，是因为作者想讲一讲诸多一线科研工作者亲身经历科学是的发展过程，和大众认知的科研发展不同的是，作者认为真正的科研如同在一间没有光的地方去寻找一只黑猫，科研不是确定了方向之后的按图索骥，而是始终要直面未知的纠缠的。而要想了解科研真正的过程，就需要了解未知这一核心概念。而我在读完这本书之后，认为这本书不止对科研工作者有现实意义，对科学爱好者辨析“民科/民哲”也是有所帮助的。由于创业同样是每时每刻都在与“未知”作战，这本书中所讲的道理也适用于创业。
当我们阅读课本时，我们看到的知识如同被整齐的放在博物馆下的标本，有聚光灯有详细的讲解，但等你走到了科研前线时，你会发现如同走进了热带雨林，面对的是没有地图，没有向导的无边未知。这样的落差，对于有志于从事科研的学生是应该早做准备的，这是作者开设这门课的初衷。作者认为，真正的科学工作者，应该如玛丽 居里在她拿到博士学位时的家信中写的那样：One never notices what has been done;one can only see what remains to be done".
谈到我们有那些要回答的问题，很多人想到的是“宇宙是如何起源的”，“意识是什么”，这样的大问题，但作者在这本书中所讲的未知却更加具体。这种无法落到具体问题的无知，会容易流于人们常说的那种罔顾事实和逻辑的无知。麦克斯韦说过：“Through conscious ignorance is the prelude to every real advance in science”， 这里的关键词是conscious，未知不会带来进步，明确的认清楚未知，才可能会带来科学的进步。比如知道目前缺少那些角度的数据，那些数据的观察不够精确，那些理论只能解释现实的部分成因，那些预言还可以完善。
随着数据科学的进展，我们都熟悉我们每年积累的数据在爆炸式的增长，但我们不那么清楚的是，我们的未知却增长的更快，虽然在谷歌的搜索结果中ignorance 要比 Knowledge 的词条少的多。但正如爱因斯坦说的，“科学每解决一个问题，都以创造出是个新问题为代价。”
与之类似的是，好的问题变得比答案更珍贵。我们看到的每一条新闻，每一篇文献，都是一个答案，但这个信息还能被用来回答那些其他的问题了？我们却不得而知。上世纪50年代有一个电视真人秀，叫做《The question man》要求参与者针对报纸上的一则报道给出其能够作为那些问题的答案。作者认为，我们在科学研究中，提出问题和解决问题有同样的价值，但由于目前对问题解决能力的过分强调，导致了提出问题的人没有获得应有的重视。
对无知的清醒认知除了会带来好的问题，还会使科学工作者获得更多的试错空间。科学家需要能舒适的与未知共舞，如果你能够准确预知了实验的结果，那这个实验一定是个没有开创性价值的实验。不过，一个实验不一定要符合预期才有价值，第一个获得诺贝尔奖的美国人是因为其实验证实了以前被物理学界认可的“以太”是不存在而获奖的，没有验证过的理论同样应该被当成未知。
这里作者举了一个他作为神经科学家的例子，多年来，他在课堂上向学生们讲述人脑中有1000亿个神经元细胞以及十倍数量的胶质细胞，但在09年时，他收到同行的邮件询问这个数字是怎么得到的？他查询了诸多权威教科书，却没有找到原始的研究材料，一年后，那个发邮件的同行告诉他由于新的检测技术，她们发现人脑中有大约86亿神经元和差不多数量的胶质细胞。这个例子说明，没有观察支撑的数字，其实也应该被看成是应当去探索的未知。
以上几种情况的未知，正如米国前国防部长拉姆斯菲尔德的名句“we know there are some things we do not know. But there are also unknow unknowns; The ones we don't know we don't know." ，一个科学家要能够区分出那些是know unknown，比如那些我们目前未知，甚至不知道会发现什么，但目前研究时没有系统固有的本质性限制的问题。然而如同意识是什么这样的问题，由于牵扯甚广，目前的研究手段也有系统性的缺陷，更倾向于是Unknow unknown的范畴，做出推论时需要慎之又慎。
在面对大问题时要谨慎，而在面对具体的问题时，我们对未知的预期又常常被我们的想象力所限制。JBS Haldane说过：”Not only the universie queerer then we suppose, it is queerer then we CAN suppose"。在认知领域，我们所能感知到的也不过是沧海一粟，我们之所以觉得量子物理和相对论难以理解，那只是因为我们石器时代的认知系统遗留给我们的旧船票已不适合那个我们不熟悉的世界。从哥白尼开始，我们逐渐意识到我们不是宇宙的中心，而认知科学的进展使得我们认识到我们大脑构造的世界也不是可观测的宇宙的中心。
正是由于我们想象力的局限，我们无法在当下预测那些研究能够改变世界。媒体列出的年度十大黑科技，只不过是受限于当下的猜测，千万不可当真。与其看这些新榜单，不如看看二三十年前的十大亟待解决的科学问题的单子，看看这些问题那些得到了解决，哪怕只是部分的解决。然后再看看为了解决这些问题还顺带照亮了多少意料之外的未知，又带来了那些新的问题。
之所以要这么做，是因为能够观测到的东西是最有价值的。我们嘲笑丢了车钥匙却在灯下寻找的人，然而，在科学中，我们最好的策略却应该是去关注那些能够大量产生新数据的领域，然后期待技术的飞跃让我们能观测记录到更多我们之前认为是unknow unknown的区域，以及观测技术的逐步改进能让我们记录小数点的下一位，通过更准确的观测让我们可以去验证不同的假说。
这本书不止对于科学爱好者了解科学研究的本质有帮助，对创业者也有所帮助。创业同样是需要考虑如何面对未知。在研究大脑的时候，研究者不会去研究人类的大脑，而会去研究老鼠的，甚至果蝇，线虫的大脑，为什么这样了，这些模式生物，如同互联网创业中的最小可行性产品（Minimum valuable product）一样，是用来验证基础但通用的假设的。
除了从小处着手，创业者从《Ignorance》这本书中还可以学到的是其认知到的世界不应该是世界的中心，你以为你是带着一个秘密去开始创业的，但你的秘密也许只适合少数人，你的秘密也许是自己的想当然。而创业的过程，就是持续的去与无知作战的过程，你不应该等到市场已经清楚了再去创业，而应该学会找出在那些领域的未知已有了或将会有足够多的数据，然后试着用你掌握的数据去照亮这片未知的地图，并未后来者带来收益。所有的创业者都是探路人，创业者要找准一个价值未知的东西，然后找到可以去照亮未知的数据，在两者之间搭上桥，唯有如此，创业者才能为社会创造价值。
扩展阅读
《粗看整体》读书笔记-说说复杂性科学和机器学习的关系
On bullshit 读后感
