黄翔:作为科学合理性模型的助勘式结构

2018-02-27 11:18 来源:《自然辩证法通讯》 作者:黄翔

Taking Heuristic Structure as a Model of Scientific Rationality

  作者简介:黄翔(1967- ),男,北京人,复旦大学哲学学院教授,研究方向为科学哲,科学史,知识论,认知科学,E-mail:huangxiang@fudan.edu.cn。上海 200433

  原发信息:《自然辩证法通讯》第20174期

  内容提要:科学合理性不完全依赖于算法,也依赖于可错却可靠的局部知识论规范。具有系统偏差的助勘式认知工具就是这种局部的认知规范。本文通过分析科学实践对助勘式认知工具的具体应用,总结出其中的基本特征。在此基础上提出助勘式结构的概念,并论证助勘式结构为科学合理性提供了可行的模型。

  Scientific rationality cannot be modelled purely by the algorithms,but also by some local epistemic norms which are both defeasible and reliable.Heuristics with systematic biases are this kind of local norms.By studying some concrete examples of how heuristics are used in scientific practices,this article reveals some basic characters of the heuristics,formulats the notion of heuristics structure based on these characters,and argues that the heuristic structure may provide us with a plausible model of scientific rationality.

  关键词:助勘式结构/算法/偏差/科学合理/知识论规范/Heuristic structure/Algorithm/Bias/Scientific rationality/Epistemic norms

  标题注释:国家社科基金重大项目“科学实践哲学与地方性知识研究”(项目编号13&ZD068),国家社科基金重大项目“基于信息技术哲学的当代认识论研究”(项目编号15ZDB020),上海社会科学院科技哲学创新团队成员研究成果。

 

  当代科学哲学逐渐形成了科学合理性不完全依赖算法的共识。这个共识很大程度上来自对如下看法的抛弃,即理论选择过程中存在着普遍性适用的合理性规则。科学哲学的历史主义转向巩固了科学合理性不完全依赖算法的共识,因为理论选择在很大程度上依赖于社会性的价值与承诺。而对历史主义不加审慎的运用也会引发科学哲学停止对知识论规范的追求。本文采用另一个策略来推出的科学合理性不完全是算法的结论,即论证一些科学理论并不是通过算法推出它的检验或预测结果的,而是应该依赖于建立在技术系统上的带有系统性偏差的助勘式结构(heuristic structure)。尽管这种合理性理论不是普遍适用的,却仍然可以通过虽可错却可靠的局部知识论规范来获取客观知识。我们将说明什么是助勘式结构,为什么科学合理性规范可以看成是助勘式结构。由于不同研究领域里对助勘式结构的基础即助勘式推理概念有不同的理解,第一节首先从中梳理出一个我们需要的助勘式推理概念。第二、三节分别导论一些数学和物理学领域中所使用的助勘式认知工具,并从中引出助勘式结构的概念。第四节讨论用助勘式结构来理解科学合理性时需要排除的一些误解。

  一、助勘式推理与算法

  在心理学领域,助勘式推理是一种大多数情况下正确但有时也会出错的推理。按照一般的推理规范,助勘式推理的错误的产生是由于某种偏差(bias),即它出错的方向在很大程度上是可以预见。推理者一般可以知晓一个助勘式推理在哪些与境中比较可靠,在哪些与境中比较容易出错。让我们看个例子。

  在对助勘式推理的早期研究中,心理学家卡尼曼(Daniel Kahneman)、特斯基(Amos Tversky)及其合作者们对一种被称为“代表性助勘式”(the representativeness heuristic)进行了研究([1],p.4)。这种推理被运用在使用对象A与对象B的相似性来进行概率性判断。比如,他们向被试出示一些人物照片,或提供一些有关这些人物的信息,并让被试判断这些人中哪些是哲学老师或哪些是银行职员。多数被试会通过对比所接受的信息与自己常用的范型(stereotype)之间的相似性来做出判断,甚至会忽视一些为概率赋值时需要遵守的规则。而且,研究者们还能够很好地预测被试因使用范型而出错的倾向,也就是说,能够预测代表性助勘式的偏差。卡尼曼等人认为助勘式推理的偏差是人类认知局限性的表现。这些偏差的结构与特性自然是心理学的研究对象,但并没有任何规范性和知识论层面上的意义,因为人类的知识是通过可以避免偏差的推理规则来获得的。本文的一个目的就是要展示,即使人类使用一些没有偏差的推理规则,大多数的知识仍然是通过具有偏差的认知工具获得的,因而,理解助勘式推理及其偏差有助于我们更好地理解人类的合理性。在这个意义上,偏差有其非常重要的规范性意义。

  认为偏差没有知识论层面上的规范性意义的看法来自于一种传统观点,即认为我们不应该使用心理学或其他科学资源来说明知识论规范的观点。从这个观点出发,偏差自然无关紧要,因为任何知识论规范都只能用逻辑和数学的结构分析来说明,而偏差的任何功能也都必须还原到逻辑和数学的形式结构中。人们常常把这种形式结构分析称作算法(algorithm)。回答什么是算法与回答什么是助勘式推理一样并不十分容易。在某种意义上算法有个清晰和精确的定义。算法是一种为完成特定任务而产生的一组意义明晰的指令。算法要保证自己在被正确使用时一定会得到正确结果。一般来说,只要正确使用,算法会带来决定论的结果,即其结果具有完全的确定性和可预测性。从形式化的立场出发来刻画作为数学对象的算法,这本身并没有任何问题。但对于科学合理性以及建立在科学合理性之上的科学知识来说,从形式化立场来刻画的算法并不够用。如果我们反思在科学研究领域中算法概念以及与其相关的助勘式推理的不同使用,就会产生对这些算法如何作为形式化对象而具有知识论规范的疑问。在讨论这个问题之前,我们还需要对算法与助勘式推理的区别做出一点观察。

  对于如何准确地理解算法有着不少争论。如果我们想用算法的概念来定义助勘式推理,这些争论无疑是至关重要的。在计算机科学中,算法概念常与程序的概念相区别。存在着不同的对算法和程序的区分方式,而这些不同也会引起对助勘式推理的不同理解。在心理学中算法概念直接与助勘式推理相区别,后者被认为是快速解决问题的思维捷径,尽管有时会出错。所谓思维捷径也是相对算法而言。尽管数学和计算机科学对算法有着清晰的定义,但在心理学和社会科学中却没有对算法和助勘式推理的统一而清晰的刻画。以下的讨论所要展示的是,从知识论的角度出发,助勘式推理以及它所携带的偏差是一组甚至比算法还要基础的认知资源,因为它们刻画的是人们的认知能力及其应用同“与境”(contenxt)之间的关系。在人类有目的的或出于某种价值指引之下的行动中,使用助勘式推理的频率要远高于使用算法。这对正确理解科学合理性至关重要。我们首先看一些助勘式推理在不同的科学研究领域中的应用,从中得出一些助勘式推理的一般性特征,并以此来讨论合理性的助勘式推理结构。

查看余下全文
(责任编辑:李秀伟)
更多学术内容,请关注 www.cssn.cn
';?> ';?>