前几天在野外研究蝗虫群体行为的时候，我设计了一个实验，想看一看蝗虫群体中的个体间如何相互作用，从而影响个体的选择。实验的设计很简单，就是在一个长方形的通道内，设置一个Y形的分叉口，看行进的蝗虫如何选择方向。其中的一个实验是在Y形分叉口的一个入口处放置了一些绿色的甲虫，这些甲虫是蝗虫的捕食者。但可惜的是，我的这些甲虫经过一夜的放置都死掉了。

在做实验的时候，让我印象很深刻的是，居然有一些蝗虫主动爬到了甲虫的附近，还有几只根本爬到了甲虫的身上，在那儿小憩一会儿。我把这个结果告诉了我们小组中的教授，他是研究蝗虫的专家了，他分析估计是蝗虫对静止的物体不敏感，所以根本不害怕静止的甲虫。这个说法倒是很符合我观察到的事实，我当时也就相信了这种说法。这个实验我做了好几轮，回来我把拍摄的实验录像粗略的看了一遍。在看录像的过程中，我发现，虽然有个别的甲虫根本不在乎这些死掉的甲虫，可是大部分的蝗虫似乎都选择回避甲虫，从而选择了另一个方向。当然，最终的结论还要等到统计数据后才能下。

 这件事让我想到了单个人的所见所闻和由此形成的观念与科学上的统计数据以及后面所隐藏的统计规律的关系。

一个人由自己看见，听见或感觉到的意象而形成知识的过程是一个最自然的过程，这种认知模式深深的烙印在我们的血液中。最简单的例子比如婴儿学习语言，当这个婴儿不断听到父母在耳边重复的发音，他（她）发现，如果自己也尝试发出某一个音节，会得到父母极大的奖赏。如果在特定的情景下发出别的音节，父母的表现极为不同。于是，在这个婴儿的脑子内部，开始了学习语言的过程。我并非认为这套奖励－惩罚机制是婴儿学习语言的唯一途径，因为现在研究表明在婴儿的脑子内部先天的可能已经有了一些语法结构。即使是动物，也能够根据对环境的感受形成自己的某些知识。著名的例子比如俄国生理学家巴浦洛夫关于狗的条件反射的实验。当他给实验狗喂食的时候，同时敲铃，并测量狗分泌出的唾液的数量。这种模式经过一定次数的重复后，狗认识到，铃声与食物有关联。在这个时候，即使没有食物，只是敲铃，也会让狗的唾液分泌增加。

在另一方面，随着近代科学16世纪在欧洲的兴起，出现了获取知识的另一个重要方法——统计方法。统计方法所适用的系统一般由大量的个体构成，如物理学中大量分子或者原子构成的气体，生态学中大量的物种及其物种中的个体所构成的生态结构，到现在社会科学，经济学中由大量个体人所构成的社会系统。这套方法关心的是系统中所有个体的平均行为，其关心的量如平均值，均方差等。因此，单个个体的行为不重要是这套方法假定的准则，有一个专门的术语来描述个体行为的差异——涨落。

这套方法提出后，因为其客观性很快被应用到许多学科内。在物理学内，19世纪产生了一个专门的分支叫统计物理，就是把统计方法运用到物理领域说产生的成果。这个领域的一个重要成果是解释了时间为什么是不可逆的。根据牛顿的力学，一个原子或者分子的运动，在时间上是可逆的。但是很多很多的原子或者分子在一起后，其行为除了遵循牛顿力学规律外，还会遵守统计规律。举例来说，假设把我们的地球放在一个与外界隔绝的大盒子中，那么根据统计规律的要求，其状态会倾向与变得越来越“混乱”，从而时间有了一个演化的方向。在生物学内，这套方法在19世纪被孟德尔引入到遗传学的研究，其中一项是研究由两个杂合体父本杂交，孟德尔发现子代有显性的特征和隐性的特征，其数量比接近3：1。记得在看麻省理工大学的一个老师在讲授生物学视频的时候，他特意强调，显形子代和隐性子代的数量比并非精确的是3：1，来自真实世界的统计数据可能是308：105，也可能是295：103。确实，真实的统计数字，不在乎人们的主观感受甚至客观的分析，却又牢牢遵守规律，冰冷而又美丽。