文 / 金一鑫
科学实践中，类比作为一种生动的方法尤其值得关注。实际上，科学家早就注意到类比在科学实践中发挥的作用。1830年，数学家、化学家和天文学家约翰·赫歇尔（John Herschel）在《自然哲学研究初论》中强调类比在科学中的作用，他指出遇到无法解释的现象时，往往会寻找和研究类似的现象，例如电和磁之间的类比，光与声之间的类比。麦克斯韦（James Clerk Maxwell）也曾明确表示类比帮助科学家理解不同的现象。类比在科学实践中的地位不可小觑，科学家利用类比深化认知、促进发现、产出知识。在人工智能如火如荼的今天，类比愈发重要，不同于计算和演绎，类比是人类常用但人工智能很难模仿的思维方式。美国著名计算机科学家侯世达（Douglas Hofstadter）甚至声称，类比能力是人类认知的核心。探究类比的属性特征与运行机制，是深入推动人工智能时代科学实践的重要一环。因而，从繁杂的科学实践中剖析类比的基本性质，厘清类比在科学实践中的功能角色，具有重要意义。
类比的基本性质：相似性、映射性与语用性
类比通常是指两个不同种类间相似之处的比较。实际上，类比与类之间的特定关系有关，而类之间的比较又不是事物之间的关系本身能够直接显现的，因此，类比具有客观性和主体性双重特征。就是说，科学家所面对的杂多现象之间的关系是类比存在的基础；同时，类比的生成、传达与理解也离不开科学家、接受者的意向性活动。
一般来说，相似越多，类比越强；相似越少，类比越弱。基于相似，玛丽·黑塞（Mary Hesse）对类比概念作了详细的逻辑分析，区分了物质类比与形式类比。物质类比是基于具有某些共同可观察特性的两个事物或类似物之间的比较，比如地球与月球之间的类比，可以基于体积大、不透明、接收太阳的光和热等它们共有的可感性质作出。形式类比是指，一个领域中某些元素之间的关系与其它领域中相应元素之间的关系相同或相似的情况。例如，鱼鳍与鱼的关系同翅膀与鸟的关系的类比，这两种关系间的类比不可直接观察到，但仍可以通过分析得出：翅膀和鳍在功能上具有相似性，使鸟类和鱼类能够移动。形式类比更具有复杂性和抽象性，需要科学家发挥主观能动性才能将这些功能、机制等不能直接感觉到的关系抽象出来灵活地运用到科学实践中。从论证力度上讲，形式类比不如物质类比有力，但从重要性上讲，正是由于形式类比的相似性无法直接通过观察或实验获得，才更体现了科学实践的启发性和开放性。
科学实践中的类比还具有映射性。从认知心理学进路，德德雷·根特（Dedre Gentner）构建了完整的类比框架：作为结构映射的类比。类比是从源域到目标域的映射，源域是待解释的目标域的知识来源，源域的谓词“传递”到目标域。这种类比结构呈现了实际的推理活动与可能的推理。从映射结构上看，类比关系分为属性映射、关系映射和系统映射三种。 属性映射是指源域的元素与目标域的元素间存在直接的属性映射关系，表明目标域中可能具有源域中相同或者相似属性的元素。关系映射是指类比过程中，源域中元素之间的谓词关系到目标域中元素之间的谓词关系的映射关系。上文所说形式类比反映在映射结构中就是关系映射，比如国家之于公民的保护关系正如父母之于子女的庇护关系。因此，关系映射比属性映射更加复杂和丰富，首先需要对源域中元素之间的关系作出分析，才能进一步揭示源域中元素关系与目标域中元素关系之间的相似之处。关联的构建涉及到主体的选择，却非随意的，我们依旧可以区分出哪些是好的类比。系统映射则可以作为判断类比映射的好坏的标准之一。系统映射是属性映射与关系映射的综合，根特指出，“类比工作的好坏取决于类比谓词相互关联，形成一个完整的知识系统”。太阳系和原子的卢瑟福模型就是典型例子，从太阳到行星或从原子核到电子的距离、两者之间的吸引力，太阳和行星的质量或原子核和电子的带电程度，每组要素相互关联，其中一些因素的改变会波及到其它因素，处于同一系统之中。
不管是对类比的相似性还是映射性作出的分析，都无法避免语用因素。正如吉尔所说，模型表征不是模型与世界之间的二元句法或者语义关系，而是纳入科学家目的、意图等语用因素的表征关系。类比也是如此，一方面与科学家的目的和意图密切相关，并且需要根据科学家的专业知识、科学经验等等提出合适的类比。另一方面，科学家的类比工作还需要为科学同行、受教育者、科学爱好者等其他人接受和理解，这一过程又充满了语用因素，他人需要结合语境查找和分析证据，理解科学家使用类比的目的和意图。因此，不论是生成还是理解类比都在认知语境中完成，与语用因素息息相关，是复杂的意向性过程。理解者只有结合语境并与科学家的认知水平相当，才能对类比作出正确的理解。
类比的功能角色：科学发现与科学解释
科学发现和科学解释是科学实践活动的两大主题，类比在这两个方面都发挥重要作用。
从科学发现的维度看，科学家通常构建模型并通过模型与世界的类比进行研究，而模型不直接等同于其研究的对象本身，模型与研究对象之间有相似也有差异。通过类比能够清楚地看到相似与差异，而尚不能判定是相似还是差异的方面更值得留意，那些方面往往成为新发现的突破点，对它们进行研究很可能产生新的认识。黑塞就把已知的共同点称为正面类比，已知的差异称为负面类比，所有那些尚未建立共性或差异的属性都称为中性类比。中性类比通常表明适合进一步研究的方面。比如，当我们用台球模型研究气体动力学时，把属于台球的性质而不属于分子的性质称为负面类比，如果气体真如台球集合，除了已知的负面类比，根据对台球力学的了解，我们能对分子运动做出新的预测，哪怕预测是错误的，也会增进知识。因此，类比具有启发性。
从科学解释的维度看，类比有助于利用人们相对熟悉的内容解释相对陌生的对象。正如哲学家 欧内斯特·内格尔（Ernest Nagel）指出：“类比有助于将新事物同化为旧事物，并防止新颖的解释性前提变得完全陌生。”就是说，对新事物的解释可以借助它与旧事物的类比来完成，在可比较的情况下，用类比来解释是合理的。如果两种现象之间存在相似性，并且其中一种现象的相关科学原理是已知的，则可以根据这些原理探索和解释待研究的现象。这样有助于促进我们对新对象以及相关概念的理解与掌握，甚至可能发展理论。比如，对光波和声波的解释类比了水波模型，对原子构成的解释类比了太阳系模型，对核裂变的解释类比了液滴分裂模型。
总之，科学实践中的类比具有相似性、映射性与语用性，具体哪种相似、映射发挥作用则与科学家的目的、意图等主体要素息息相关，需要科学家调动主观能动性与专业判断力。类比被传达、接受与理解同样离不开语用因素，只有接受者了解到科学家的意图并具有一定认知能力，才能对类比作出精准的理解。语用性渗透于相似性与映射性中使类比成为生动又有效的科学实践手段，使其在科学发现和科学解释中发挥独到的作用，同时也充分展现出科学实践创造性的一面。值得注意的是，随着信息技术、人工智能的发展，科学实践的范围不断扩大、方式不断更新，对类比的综合研究、应用研究也应不断深入。以人工智能领域为例，近年来，人工智能的发展受到深度神经网络推动，深度神经网络本身就是对人类大脑中神经元分层组织的类比。科学家梅兰妮·米切尔（Melanie Mitchell）却发现：“今天最先进的神经网络非常擅长处理某些类型的任务，但它们难以将自己在 A 情况下学到的知识转移至 B 情况——类比思维的本质。” 这就意味着，对于类比作用机制的研究仍需推进，类比与人工智能自主学习领域的结合有待加强，类比研究仍具有相当广阔的空间。
作者单位系中南财经政法大学马克思主义学院
本文由中南财经政法大学中央高校基本科研业务费专项资金资助（2722023BQ003）
文章转自《中国社会科学报》2023年4月4日第007版
via:
-
金一鑫：探索科学实践中的类比 发布者：林昇 发布时间：2023-11-29
优秀的数学家在定理之间看到类比，伟大的数学家在类比之间看到类比
当前，实际的逻辑学只擅长处理确定的、不可能的或者完全可疑的事情。幸运的是，这三者都不需要我们推理。因此，这个世界真正的逻辑是概率演算的逻辑，它考虑的是一名理性思考者的大脑中已经或者应该存在的概率大小。
——詹姆斯·克拉克·麦克斯韦（James Clerk Maxwell，1850）
假设在某个黑夜，一名警察在空荡荡的街上巡逻。突然，他听到防盗报警器的响声。他立即向街对面看过去，发现一家珠宝店的窗户被砸破了，一名戴着面具的男子从破碎的窗户里爬了出来，身后还背着一个装满了昂贵珠宝的袋子。警察会毫不犹豫地判定这名男子是坏人。但他是通过什么推理过程得出这个结论的呢？让我们先来看看这类问题的一般性质。
只要稍微想一想，我们就会明白，警察的结论并非是依靠证据做演绎推理得出的。实际上，完全可能存在这名男子无辜的合理解释。比如，这名男子是珠宝店的老板，刚从化妆舞会回家，没有带钥匙。正当他经过自己的店面时，从一辆路过的卡车里甩出来的石头砸碎了窗玻璃。他为了保护自己的财产，才从窗户带走了珠宝。
尽管警察的推理过程并非逻辑演绎推理，我们仍然会认为它具有一定程度的有效性。已有的证据并不能使该男子是坏人这件事确信无疑（certain），但确实使这件事变得极其合理可信（plausible）。在学习任何数学理论之前，我们或多或少已经精于此类推理。在现实生活中，我们经常会碰到这种情况：没有足够的信息来进行演绎推理，但是又不得不马上采取行动。例如，判断今天是否会下雨，然后采取相应的行动。
尽管我们对此并不陌生，但合情结论的形成是一个非常微妙的过程。虽然历史上对这个问题的讨论已经延续了 24 个世纪，但至今还没有人对该过程做出过完全令人满意的分析。我将阐述一些有用且激动人心的新进展，其中，明确的定理将取代相互矛盾的直觉判断，确定的规则将取代特定的处理流程——这些规则由一些几乎不可避免的基本的理性准则确定。
所有对这些问题的讨论都是从举例说明演绎推理与合情推理之间的区别开始的。归功于亚里士多德的《工具论》（公元前 4 世纪），演绎推理通常最终可以分解为以下两种强三段论的重复应用：
和它的逆
这是我们希望能一直使用的推理模式。但是，如上所述，在我们面临的几乎所有实际情况中，都没有适当的信息来进行这种推理。我们不得不依赖于以下弱三段论：
证据并不能证明 A 真，但验证其结果之一（B 真）能让我们对 A 真更有信心。例如，我们定义：
A ≡ 最迟在上午 10 点开始下雨；
B ≡ 天空会在上午 10 点之前变得多云。
上午 9：45 观察到天空多云并不能从逻辑上保证随后一定会下雨。然而，我们的常识遵从弱三段论：如果乌云密布，可能会促使我们改变计划，并表现得好像我们相信随后会下雨。
这个例子还表明，大前提“A 真则 B 真”只表示 B 是 A 的逻辑结果，两者并不一定存在物理上的因果关系（若是因果关系，B 只能在 A 之后发生）。上午10 点下雨不是 9：45 多云的物理原因。然而，正确的逻辑关系也不是由 B 推出 A这种并不确定的因果方向（多云 =⇒ 下雨），而是由 A 推出 B 这种确定但非因果的逻辑方向（下雨 =⇒ 多云）。
**我们在一开始就强调我们关注的是逻辑关系，原因是一些关于推理的讨论和应用由于未能看到逻辑蕴涵关系与物理因果关系之间的区别，而陷入了严重的错误。**西蒙和雷舍尔（Simon & Rescher，1966）曾深入分析了这种区别，他们指出，所有试图将蕴涵关系解释为因果关系的行为都会导致第二种三段论 (1.2) 中的 A与 B 之间产生不可置换性。也就是说，如果将大前提解释为“A 是 B 的物理原因”，那么我们将很难接受“非 B 是非 A 的物理原因”。
另一种弱三段论使用了同样的大前提：
在这种情况下，证据并不能证明 B 假。但是，保证 B 真的一个可能的依据已经被排除了，所以我们对 B 真的信心会减少。科学家接受或拒绝某理论的推理过程几乎全部由第二或第三种三段论组成。
现在来看，前述警察的推理过程甚至不属于以上几种模式中的任何一种。它用一种更弱的三段论来描述最合适：
尽管抽象地用 A 和 B 来描述的这种论证模式看似存在明显的缺陷，但我们意识到警察的结论仍然有很强的说服力。有某种东西让我们相信，在这一特定情况下，警察的论证几乎与演绎推理有同样的效力。
这些例子表明，大脑在做合情推理的过程中不仅会判断某件事是变得更合情还是变得更不合情，而且会以某种方式来评估合情的程度。10 点之前下雨的合情程度非常依赖天空在 9：45 是否乌云密布。大脑会同时使用旧信息与新数据来决定如何行动。我们会试图回忆关于云与雨的过往经验以及前一天晚上的天气预报来做判断。
为了说明警察也在使用过往经验来做判断，我们只需要改变这种经验即可。假设类似事件每天晚上都会发生多次，每个警察几乎都碰到过，但是那名男子每次都被证明是完全无辜的。很快，警察们将学会忽略这些无关紧要的事件。
因此，在推理过程中，我们非常依赖先验信息来评估新问题的合情程度。这种推理过程是无意识的，几乎是即时的。为了隐藏其复杂性，我们称之为常识。
数学家乔治·波利亚写了三本关于合情推理的书（George Pólya，1945，1954），举了一大批有意思的例子，表明我们在做合情推理时存在确定的规则（尽管在他的著作中，这些规则是以定性的形式给出的）。以上弱三段论模式出现在《数学与猜想（第二卷）：合情推理模式》中。强烈建议读者阅读波利亚的这部著作，它是我很多思想的最初来源。下面将展示波利亚的原则如何以定量的形式给出，并提供有用的应用。
显然，上面描述的演绎推理有一种性质，即我们可以用 (1.1) 和 (1.2) 进行一系列推理，所得结论和前提一样有说服力。对于另外的推理模式 (1.3)～(1.5)，在经过几步推理后，结论的可靠性可能发生改变。但是，在它们的定量形式中，我们发现结论的可靠性在很多情况下可能接近于演绎推理（就像警察的例子让我们相信的那样）。波利亚向我们展示了，即使是纯数学家，在大多数时候其实也在使用这种弱三段论模式进行推理。当然，在发表一个新定理时，数学家将努力发明一种仅依赖于演绎推理的证明方式。然而，在得到该定理的推理过程中，难免使用弱三段论模式（比如，用类比的方法得到后续的猜测）。斯特凡·巴拿赫也曾经表述过类似的想法（引自 S. Ulam，1957）：
优秀的数学家在定理之间看到类比，伟大的数学家在类比之间看到类比。
作为出发点，我们先来看看与另一个领域非常有启发性的类比，它本身也是基于合情推理的。
在物理学中，我们很快就发现世界太过复杂，无法一次性地进行总体分析。只有“分而治之”，才能取得进展。有时候，我们可以发明一种数学模型来重现某一小部分的若干特征，每当发生这种情况时，我们就会感觉已经取得了进展。这些模型称为物理理论。随着知识的进步，我们能够发明越来越好的模型，这些模型能够越来越准确地再现现实世界中越来越多的特征。没有人知道这个过程是否存在自然的终点，是否将无限期继续下去。
在试图理解常识时，我们将采取类似的方法。我们不会试图一下子全部理解，但是如果能够构建可以再现其一些特征的理想化数学模型，我们就认为取得了进展。我们希望当前构建的所有模型在未来被更全面的模型取代，我们不知道这个过程是否存在自然的终点。
与物理理论做类比比与纯粹方法做类比更加深刻。通常，我们最熟悉的事情是最难以理解的。
绝大多数人不知道的物理现象（例如铁和镍的紫外光谱的差异）能通过详尽的数学细节来解释，然而面对像一片草叶的生长这样的普通事实的复杂性，现代科学却显得无能为力。因此不应该对我们的模型期望太高。对于人们最熟悉的一些心理活动特征，我们可能会发觉很难构建适当的模型，必须对此做好心理准备。
还有更多类比。在物理学中，我们常常发现任何知识的进步都会带来巨大的实用价值，但是这些价值具有不可预测的性质。例如，伦琴发现的 X 射线带来了医学诊断的新方法；麦克斯韦发现了磁场旋度方程式的一个额外项，使得全球准实时通信成为可能。
我们关于常识的数学模型也表现出了实用的特征。任何成功的模型，即使只能重现常识的一小部分特征，也会在某个应用领域中被证明是常识的强大扩展。在这个领域内，模型使我们能够解决涉及复杂细节的推理问题。如果没有模型的帮助，我们永远不会试图解决这些问题。
via：
-
优秀的数学家在定理之间看到类比，伟大的数学家在类比之间看到类比 E. T. Jaynes 遇见数学 2024年07月05日 20:04 河南
468
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
