从此之后，任何人想要了解炮弹或行星是如何运动的，又会落向何方，只要测量一下物体的质量、方向、加速度和作用力，把这些数据填入牛顿的方程式，答案简直就像魔术一样跃于眼前。一直要到19世纪末，科学家才观察到有某些状况并不符合牛顿运动定律，于是带来下一波物理理论的革命：相对论和量子力学。
* * *
牛顿告诉我们，大自然这本书所用的书写语言是数学。某些章节可以总结成某个明确的方程式。也有些学者想仿照牛顿，将生物学、经济学和心理学整理成简单的公式，却发现这些领域实在太复杂，不可能依样画葫芦。然而，这并不代表他们就放弃了数学。在过去200年间，为了处理现实中更复杂的层面，数学发展出一个新的分支：统计学。
1744年，亚历山大·韦伯斯特（Alexander Webster）和罗伯特·华莱士（Robert Wallace）这两位苏格兰长老会教士打算成立一个寿险基金，为神职人员的遗孀和孤儿提供补助。他们建议教会的每一位牧师都将收入拨一部分进入基金，基金用这笔钱从事投资。如果牧师过世，遗孀就能从基金的获利中取得分红，她的余生也有了保障。然而，他们必须先知道基金规模多大才足够完成这种目标。韦伯斯特和华莱士必须预测每年大约会有多少牧师过世、留下几位孤儿寡妇，以及这些寡妇在丈夫过世后还会活几年。
我们来提一下这两位教士“没有做”什么。他们没有向上帝祈祷告诉他们答案，没有在《圣经》或古代神学家作品中遍寻解答，也没有提出抽象的哲学争论。毕竟，苏格兰人本来就是个实际的民族。于是他们联络了爱丁堡大学的数学教授科林·麦克劳林（Colin Maclaurin）。他们收集了民众过世年龄的资料，用以计算在某一年里可能有几位牧师过世。
这些计算要归功于当时不久前在统计与概率等领域的几项突破。其中之一是雅各布·伯努利（Jacob Bernoulli）的大数法则（Law of Large Numbers）。伯努利认为，虽然某些单一事件（例如某个人死亡）难以准确预测，但只要有了许多类似事件，用平均结果来预测就能相去不远。换句话说，虽然麦克劳林无法用数学预测韦伯斯特和华莱士是不是明年就会过世，但只要有足够的数据，他就能告诉韦伯斯特和华莱士明年很有可能有多少位苏格兰长老教会牧师会过世。幸运的是，他们手上已经有现成的数据。爱德蒙·哈雷（Edmond Halley）在50年前就已经发表相关统计表，正好派上用场。哈雷分析了德国布雷斯劳市（Breslau）的1238份出生、1174份死亡记录，让我们看到某个20岁的人死在某一年的概率是1∶100，而50岁的人则是1∶39。
整理这些数字之后，韦伯斯特和华莱士得出结论：平均而言，苏格兰通常有930位长老教会牧师，每年过世27位，而其中有18位会留下遗孀。在没有留下遗孀的几位中，有5位会留下孤儿，至于有遗孀的，也有两位可能有不到16岁的孩子。他们还计算出遗孀有可能在多久之后过世或再婚（这种时候便停止补助）。有了这些数据之后，韦伯斯特和华莱士就能判断加入基金的牧师每人该付多少钱，为自己的亲人打算。当时，如果牧师年缴2英镑12先令又2便士，他的遗孀便能一年得到10英镑。这在当时可是一大笔钱。而如果他认为这还不够，可以选择年缴6英镑11先令3便士，遗孀一年就能得到25英镑，生活更为优渥。
根据他们的计算，到1765年，这个“苏格兰教会牧师遗孀及孩童抚恤基金”总资本会有58 348英镑。事后证明，他们的计算准确到不可思议。到了这一年，基金总资本为58 347英镑，只比预测少了1英镑！这可是比所有宗教先知的预言都准确太多了。时至今日，他们的基金简称为苏格兰遗孀基金（Scottish Widows），是全球最大的退休金和保险公司之一，总值高达1000亿英镑，现在任何人都能够购买其保单，而不只保障苏格兰的遗孀。[7]
这两位苏格兰神职人员所用的概率计算，后来不仅成了精算学的基础（这是退休金和保险业务的核心），也成了人口统计学的重要概念［人口统计学则是由圣公会的牧师罗伯特·马尔萨斯（Robert Malthus）所建立］。接着，人口统计学又成了达尔文（他也差点儿成了英国圣公会的牧师）建立演化论的基础。虽然没有公式能够预测某种条件下什么样的生物可能演化，但遗传学家还是能够利用概率计算，了解某个特定族群产生特定突变的可能性。这样的概率模型已经成了经济学、社会学、心理学、政治学和其他社会科学及自然科学的基础。就算是物理学，最后牛顿的经典公式也加入了量子力学的概率云（probability cloud）概念。
* * *
只要看看教育的历史，就能知道这项进展对人类有多大的影响。一直以来，数学就是一门深奥的学问，就算是知识分子也很少真的全心投入。在中世纪的欧洲，教育的核心是逻辑、语法、修辞，数学教育通常就只是简单的算术和几何学。没有人研究统计学这件事。神学无疑是所有学科中的王道。
但到了今天，修辞学乏人问津，逻辑只剩哲学系继续捧场，神学只剩神学院大力支持。但有越来越多的学生有兴趣或者被强迫学数学。走向精确科学（exact science）的趋势势不可挡，而所谓的“精确”，正是因为使用了数学工具。就算是像语言学或心理学这种传统上属于人文领域的学科，现在也越来越依赖数学，并试图让自己看来有着精确科学的样子。统计课程现在已经不只是物理学和生物学的必修课，连心理学、社会学、经济学和政治学也同样需要。
例如，在我任教的大学，心理系列出的第一项必修课就是“心理学研究统计与方法概论”。而到了第二年，心理系学生还得修“心理学研究统计方法”。如果你告诉孔子、佛陀、耶稣和穆罕默德，要先学会统计，才能了解人的心灵、治愈人的疾病，他们一定会觉得一头雾水。
知识就是力量
对大多数人来说，要消化了解现代科学并不容易，因为对人脑来说，这种数学语言很难掌握，而且其结果常常与一般常识互相矛盾。在全球70亿人口中，有多少人真的了解量子力学、细胞生物学或总体经济学？尽管如此，因为科学为人类带来太多新的能力，也就享有崇高的地位。虽然总统和将军可能自己不懂核物理，但他们对于核弹能做什么事可是了如指掌。
在1620年，培根（Francis Bacon）发表了《新工具》（The New Instrument）的科学宣言，提出“知识就是力量”。对“知识”的考验，不在于究竟是否真实，而在于是否能让人类得到力量或权力。科学家一般公认，没有任何一种理论百分之百正确。因此，用“真实”与否来为知识评分并不妥当。真正的考验就是实用性。能让我们做出新东西来的，就是知识。
几个世纪以来，科学为人类提供了许多新的工具。有些是思考的工具，例如能够用于预测死亡率和经济成长率的工具；但更重要的是科技工具。科学和科技的关联实在太过密切，让许多人将这两者混为一谈。我们常常会认为，没有科学研究就无法发展出新科技，而如果不会产生新科技，科学研究也就没有意义。
但事实上，科学和科技是在最近才开始紧密相连。在公元1500年前，科学和科技还是两个完全不同的领域。培根在17世纪将这两者接轨的时候，其实是个革命性的想法。两者的关系在17、18世纪更趋紧密，但要到19世纪才真正孟不离焦。即使到了1800年，当时多数的统治者都希望能有一支强大的军队，多数的商业大亨也都希望能有蓬勃的企业，但他们都还完全不会想到要为物理学、生物学、经济学等研究提供资金。