突现、计算科学及大数据——保罗·汉弗莱斯教授学术报告及其著作中文版首发式综述

刘益宇 薛永红 李亚娟

应北京师范大学哲学学院董春雨教授的邀请，美国弗吉尼亚大学教授保罗·汉弗莱斯（Paul Humphreys）于2017年9月5日至9月8日在北京师范大学参加“短期引智项目”之“复杂性与突现”国际工作坊暨当代科学哲学前沿问题国际研讨会活动。保罗·汉弗莱斯教授是国际知名科学哲学家，曾任美国科学基金委员会副主席、美国哲学学会国际部主任、弗吉尼亚大学哲学系主任等职，兼任国际著名杂志Synthese、Philosophy of Science、American Philosophical Quarterly等编委，近年来尤以有关突现的认识论、计算机科学哲学等方面的研究闻名于欧美哲学界。汉弗莱斯教授此次北京师范大学之行主要参加了两项学术活动：第一项是针对突现问题的最新进展（包括随附性等概念的理解）和计算机、人工智能与大数据概念及其方法等主题开展系列学术讲座。第二项是出席其代表作之一《延长的万物之尺——计算科学、经验主义与科学方法》 （下文简称《延长的万物之尺》）的中译本发布会。参加发布会的有这本书的译校者、人民出版社的编辑，以及来自中国人民大学、天津大学等单位的学界同仁二十余人。以下将从四个方面对此次活动进行综 述。

一、学术报告综述

在主题为“突现的基本原理” （Fundamentals of Emergence）的报告中，汉弗莱斯教授首先探讨了“还原的困境与突现的一般进路”。他指出还原有两种主要类型，即理论还原和本体论还原。其中，理论还原的典型例子是把开普勒行星运动理论还原为牛顿引力理论和经典力学。它的困境在于，虽然达到理论的近似还原是可能的，但在很多情况下，还原实际上是很难成功的。当理论还原失效时，我们不得不介绍新理论去做出有效预言。在某些情况下，我们会得到一种认识论突现或者概念突现。这就是菲利普·安德森（Philip Anderson）的著名论文《多者异也》的结论。本体论还原的典型例子是把股票市场的特性还原为个体经济主体的决定。虽然本体论还原失效的例子并不常见，但在量子力学中确实存在。因此，无论是理论还原还是本体论还原，它们都面临着各自无法摆脱的困境。此后，在谈到关于突现的一般进路时，汉弗莱斯教授强调，因为有关突现的清晰例子意见相左，所以我们不能使用例子作为建构突现的一般理论的出发点，我们必须从关于具体突现的一般原则出发，识别突现的特征。

其次，汉弗莱斯教授对比分析了“逻辑原子主义与生成原子主义（Generative Atomism）”。具体而言，伯特兰·罗素的“逻辑原子主义”认为：（1）世界最终由原子事实组成，而原子事实可以通过概念的逻辑分析来发现；（2）我们的分析不得不坚持认为，实体被分析为独立于整体时，与在整体之内时是同样的实体；（3）这种观点也加强了因果分析、实验分析。而汉弗莱斯教授指出，生成原子主义认为：（1）在相关范围内所有其他客体被建构的过程中，基本实体（原子）产生聚集；（2）具有一系列固定的规则主导建构过程。例如，经济学中基于主体的建模、哲学中的逻辑分析、布尔逻辑、原始递归函数、机器人制造过程、社会科学中的方法论个体主义等。生成原子主义的优点在于它是一种成功的研究策略。在数学、计算机科学和逻辑中，生成原子主义总体上是明晰并易处理的，可以明确地解释使用生成原子主义的系统，并且在应用生成原子主义时，还原常常是可能的。

生成原子主义的问题在于，关于原子和组成规则的事实暗含了关于组成实体的事实，但关于组成实体并没有新东西产生。而当突现发生时，有些新东西的出现并不是由生成过程产生的。更明确地说，无论这些生成过程是本体论意义上的、预测意义上的还是概念上的，都不能产生新东西。这就是新颖性总是突现的一部分的原因。

汉弗莱斯教授以社会科学中的方法论个体主义为例进一步解释了生成原子主义的失效。其中，原子等同于个体，而规则就是所有社会事实是个体互动的产物，典型的例子就是谢林的社会隔离动态模型。

在谢林1971年提出的社会隔离动态模型中，每个个体都对自己周边环境存在一个同类异类构成的阈值（比方说，每个白人都希望自己近邻中的白人比例不要低于30%）。如果这一偏好得以实现，个体就继续留在当前环境；如果这一偏好没有实现，个体会选择离开，直到所处环境满足条件为止。隔离动态模型的模拟结果显示，即使所有人都没有种族歧视或基于其他社会特征的歧视，而只是希望自己不要变成少数，最终还是会带来社会隔离的宏观后果。

汉弗莱斯教授的基本观点是，生成原子主义的失效特征之一就是突现产生。在他看来，生成原子主义的失效体现于五个方面：（1）非基本实体无法从选定范围的原子中建构；（2）非基本实体无法被分析为选定范围的原子；（3）在选定范围中没有原子；（4）没有完整系列的生成原则从选定范围的原子中去建构所有基本的实体；（5）生成原子主义在量子纠缠层次失效。在他看来，生成原子主义系统的原子必须遵循三条基本原则：不可分割原则、可识别原则、永恒性原则。

最后，汉弗莱斯教授列出了“突现现象的四条标准”：（1）突现特征从某些其他东西发展而来；（2）突现特征包括某种新颖性；（3）突现特征具有在突现基础上的自主性；（4）突现特征呈现出一种整体主义形式。

在“转换突现论” （Transformational Emergence）的主题报告中，汉弗莱斯教授首先对比分析了“共时突现论与历时突现论”。他指出，共时突现论强调突现的特征是与突现同时产生的，例如心理状态：“我正有关于一个红色正方形的意识，与从大脑状态突现出来的意识是同时产生的。”他认为，我们关于共时解释是存在偏见的，因为突现被当作还原失效的结果，而理论还原和本体论还原都是共时的，所以还原失效的结果必须也是共时的。这种“共时偏见”带来了六种影响：（1）强调组成结构；（2）关于层次的假设；（3）共时依赖关系；（4）整体主义作为突现客体或状态的一个特征，整体主义是一种根本上涉及共时整体/部分关系的概念；（5）共时突现的本体论强调基本元素的不变性；（6）根本实体的永恒性。另外，他指出，历时突现论强调突现的特征是突现之后出现特征。一个可能的例子就是，在生物进化的早期阶段，人类意识并不存在，但后来却从更原始的种群中突现出来。

其次，汉弗莱斯教授探究了“转换突现论”。他强调了三个基本观点：（1）整体主义是突现的一种可选择特征；（2）基本实体可以改变；（3）共时依赖关系、共时还原和层次不再是核心的。

汉弗莱斯教授以“乌合之众”的例子来说明“基本实体可以改变”。乌合之众是具有明显反社会行为和松散结构的组织。类似于鸟群，乌合之众在组织层次上的空间结构是自组织的结果。但是乌合之众具有一般人群所没有的明显组织层次的属性，即暴力的极端层次的展示。乌合之众的突出特征是个体成员一旦与组织其他成员开始互动，便常常会从人类的正常心理状态转变为非正常心理状态。这也将个体在心理上转变为不同领域，而原初领域的规则不再适用。作为正常心理的“原子”的理性人类，已经转变为遵循截然不同的非正常心理规则的非理性人类。即便如此，虽然在个体、非理性成员与乌合之众整体之间依然存在依赖关系，但这些依赖关系在组织层次上产生集合性特征，而不是突现特征。

具体而言，当个体a被当作领域D的基本元素并转换为不同类型的个体a*，转换突现产生，这并不是与D的其他元素互动的结果，因此变成不同领域D*的成员。D*的成员与D的成员类型不同，D*的成员受不同的规则支配。当一个领域的规则是闭合条件的一部分，已转换的个体a*将被当作涉及D的新颖性。如果考虑第三领域D+的规则和属性，而D+并不连接D和D*，那么解释已转换a*的新颖属性以及规则就是可能的。继而，通过在领域D+中应用某些形式的原子主义，解释个体a的原初属性和规则也是可能的，但是已转换个体a*涉及D时不是本体论突现，因为D和D*的成员的属性都是运用D+的规则和属性的结果。然而，如果第二种可能在于，没有这样的D+存在，a*仍然作为D*的原初元素，而a*是涉及D的新颖性，那么a*就被当作涉及D的转换突现的个体。

最后，汉弗莱斯教授分析了“转换突现与熔合突现”的关系。他认为，被转换的实体是领域D的根本实体，但是D不必是基本物理领域。许多这样的例子将是认知突现或者概念突现的例子，但转换突现可能发生于一些组成实体。在突现中对于整体主义的强调是强调共时突现和组合性的结果，而在历时突现中并不要求整体主义。熔合突现是转换突现的一种特例：（1）两种情况中，至少一种原初实体源于存在；（2）转换的结果至少是一种新颖实体；（3）然而熔合被限制为一种单独最终属性，转换突现则可以是多重终极客体；（4）互动对于熔合是需要的，而同时转换可以导致突现。

在题为“计算科学及其影响” （Computational Science and Its Effects）的报告中，汉弗莱斯教授主要讨论了计算科学在哲学上的三个方面的问题：（1）计算科学是何种意义上的革命；（2）计算科学需要什么样的认识论；（3）计算科学的哲学意义。

通过列举和分析人类思维方式的不同风格，汉弗莱斯教授指出，人类思维最显著的特征之一就是其所具有的扩展思维方式的能力。而任何一种思维方式都是由表征、推理和证据评估的模式决定的，如非欧氏几何体系、计算机辅助证明等。

计算机作为对人类思维的延伸，在近几十年迅速发展，使得一种新的科学方法——计算科学（Computational Science）出现并迅速崛起，成为现代科学的核心研究方法。关于计算科学的地位，西尔万·施韦伯哈斯（Sylvain Schweberhas）认为，计算科学的出现实际上是一种“哈金式革命（Hacking Revolutions）”，而非库恩式的革命（Kuhnian Revolutions）。汉弗莱斯教授一方面承认施韦伯哈斯的看法，但另一方面又认为施韦伯哈斯在细节上并没有捕捉到将计算科学引入科学的特殊之处。他认为，只有准确把握了这些特殊之处才能阐明为什么计算科学是一种“哈金式革命”，而非库恩式革命。“哈金式革命”有几个典型特点：（1）能引发多学科的科学实践方式的大转变；（2）引导新机构促进新的做法；（3）革命与实质性的社会变革有关；（4）这种革命的历史可以不是完整和全面的。19世纪末到20世纪初的统计学的发展就是一个典型的例子。正是基于此，迈克尔·马霍尼（Michael Mahoney）指出，并不存在所谓的计算的历史。在库恩所讲的革命里，当科学革命发生时，方法会随之改变。而我们都知道的是，现代科学中保留了很多旧方法，新方法只是作为一种补充而被现代科学所使用。因此，汉弗莱斯教授认为，计算科学的兴起实际上是一种“侵位革命” （Emplacement Revolution）。

望远镜和显微镜使人们跨越了人类“可观察性”和“不可观察性”之间的界限。计算机为人类跨越人类的“可计算性”和“不可计算性”之间的界限建立了可能性。但问题是：边界的另一侧是什么？人类如何去理解？毕竟，由仪器引入所引发的认识论问题在伽利略时代就已经产生。如果我们承认仪器能客观地反映实在，逻辑上就应该承认计算机所介入的认识具有可靠性和实在性。但是，如何论证这种可靠性和实在性呢？

汉弗莱斯教授对这一问题的看法是，计算科学的进步不仅仅是理论上的，而且是技术上的。新的技术可以将人类引入新的认识领域。计算机的运算速度、存储能力以及相关的数据库技术都是人类自身感官和思维无法比拟的，所以计算机使得什么是可认识的方面和领域产生了质的变化。比如，人类自身的计算速度为每秒10-2次浮点计算，而目前的超级计算机可以达到每秒1012次浮点计算。一台万亿次浮点运算级别的机器运行三小时所执行的计算量如果让一个人来完成的话，则需要花掉他相当于整个宇宙年龄的时间。因此，正是计算机对人类认识能力的巨大扩展使得传统的经验主义几乎完全不适合现代科学认识论。在现代科学研究的许多情况下，我们都遵从计算机的认识权威。也就是说，人类已经被嵌入到具有非人类认知主体的网络中，这种网络的基本节点是仪器、计算设备和实验装置。因此，汉弗莱斯教授认为，在我们对自己的感知能力进行扩展的同时，科学认识论也将不再是人类中心主义认识论（Human Epistemology）。

作为人类，我们怎么能理解和评估以计算为基础的方法的可靠性？计算科学的方法远远超越了人类自身的能力，并以人类无法完全理解的方式运作。在一个高级的计算过程中，由于一个人不可能完全地、严格地追踪计算机所做的每一个步骤，这就使得计算科学的认识论在本质上有别于传统的数学证明和科学推导，它必将导致认识论的不透明性（Epistemic Opacity）。但是由于当代科学知识的获取过程大部分来源于技术进步（除了概念、理论和数学），并且大都具有基本的认识论的不透明性，这是人类所无法绕开的。因此，人类理性的选择应当是放弃对计算科学认识透明性的坚持，从而采取一种不透明的认识论，使人类在各种过时的经验主义与纯粹的臆测之间找到一个可辩护的哲学立场。基于此，计算科学的认识论不应该将以人类为中心的认识论作为固有基础，人类只有放弃人类中心主义认识论，才能走出人类中心困境（The Anthropocentric Predicament）。

最后，汉弗莱斯教授从本体论角度，简要阐述了计算科学的发展在哲学上的重要性和意义。他结合计算机模拟在各领域的广泛使用，包括人工生命、经济学、天文学等，指出了计算科学的优势和潜在的方法论危险，而这些问题在大数据与人工智能领域将更加突出。

在关于“大数据与不透明表征” （Big data and Representational Opaqueness）的主题报告中，汉弗莱斯教授从对大数据的历史回顾出发，区分了两种大数据：“小写的大数据” （big data）和“大写的大数据” （Big Data）。在此基础上，他建立了三个概念——数据域（Datasphere）、深调（Thick Mediation）和不透明表征（Opaque Representation），以此作为一个理论框架来分析和理解大数据。

汉弗莱斯教授认为，大数据之所以越来越被各个国家、组织、团体和个人所重视，是因为它涉及巨大的商业价值、公平公正以及隐私等基本问题。“大数据”这个词最初是在20世纪90年代被创造出来的，当时是由于各行业和各门科学广泛使用数据采集和存储设备，从计算机科学仪器和收银机到关系数据库和数据仓库，潜在的难以控制的数据盈余汇集成了大量的数据，使得过量的数据问题变成了一个机会。于是，从大数据集中挖掘潜在的认知和商业价值的数据挖掘技术便应运而生。2008年，“大数据”的含义发生了明显的变化。在这一年，《自然》杂志和《连线》杂志围绕“大数据”这一主题组织了有关谷歌（Google）的讨论。讨论的主题并不是它在管理和开发大数据方面所取得的成功，而是讨论它作为一个科学研究的典范，人类能从它身上学到什么。目前，与大数据概念密切相关的不仅是一套行业内行之有效的如何使用数据的方法、数据科学和机器学习，而且是一种发现科学知识的新工具。

汉弗莱斯教授指出，沿着这条发展线索，大数据逐渐派生出了两种广泛的含义：即小写的（big data）和大写的大数据（Big data）。小写的“大数据”是与数据科学相关的活动和方法，这些数据集太大以至于不能用传统方法进行研究，如大型强子对撞机的数据处理。大写的“大数据”是指与数据相关的方法和活动嵌入到社会各领域中。在经济上，这个术语表示以数据为中介的商业形式，如谷歌；在文化上，这个术语代表了一种由数据科学所驱动的新的知识和知识生产方式，如个性化推荐。

大写的大数据（以下简称“大数据”）在本质上指的就是大数据的经济和文化转型，它反映了知识的社会结构的历史转变。这种转变源于最近几十年发展起来的渗透在全球各个领域、组织的电子网络空间及其生产和消费的大规模数据集。这个网络空间既不是抽象的，也不是虚拟的，而是在人类社会中发展起来的具有技术和社会要素的具体结构。汉弗莱斯教授将其概括为“数据域”。数据域作为拉图尔意义上的行动者网络——通过共同参与的代理人（包括人和机器）之间的交流——共同产生于我们可能与具体社会、文化和机构联系的独特交互模式。两种含义的大数据的存在皆因数据域的存在而存在。

为了揭示数据域的结构和作用，汉弗莱斯教授提出了“深调”的概念，并用下图来揭示基于数据域的数据交互结构。

基于数据域的数据交互结构

图中，P1和P2是数据流之间的代理：人或计算机；M是调解数据流的中央计算机；O是控制M的组织，负责托管、控制由M支持的服务，如大型数据公司。以通过移动电话进行通信的两个人（P1和P2）为例，由于这种通信技术的目标是将发送者（P1）发送的信息忠实地复制到接收者（P2）处，其最高目标是消除信号通过的信道噪声。可以说，这些技术对信息所做的处理是浅调（Thin Mediation）。相比之下，在数据库介入的通信如机器学习中，由于数据域中的信息将被文本化并存储在数据库中，它们被形成、处理和重新定向到与原始对话无关的第三方机构中，因此导致交互行为的性质发生了根本性改变。它的目标不是摆脱信息干扰，而是从根本上重新塑造信息表达的方式，这被称为“深调”。数据域及数据流动的机制恰恰能反映两种大数据之间的重要区别。比如，在小写的大数据领域，如在自然科学领域，当科学家收集和处理非常大的数据集时，只有从世界到数据收集器之间的通信。科学研究的结果往往不会改变自然世界，如天体物理学的数据收集并不会影响星系本身。但在大写的大数据的许多领域，信息和影响力在双向流动。如社交媒体公司可以收集青少年数据，然后使用（和销售）这些数据来重塑他们的购买习惯和娱乐喜好。因此，大数据涉及观察者和被观察者之间的反馈关系，而小写的大数据通常不会。

为了理解深调所带来的认识论影响，汉弗莱斯教授提出了不透明表征的概念。要获取机器数据库中包含的知识，需要与非计算学科中使用的方法和表示方式基本不同的特殊技术和表征模式。有许多不同类型的表征，但他主要关注透明和不透明的表征（transparent and opaque representations）。

透明的表征是指，一个系统的状态以一种开放的方式来表示，即人可以对其进行明确的审查、分析、解释和理解，而这些状态之间的转换是由具有相似属性的规则来表示的。如公理化理论体系、科学模型、围棋等都是透明表征。不透明表征则恰恰相反，它主要来源于三个方面：缺乏必要的计算技能、专有算法本身以及知识产权限制。在大数据和机器学习的背景下，透明和不透明表征之间的差别非常重要。数据库的规模迫使人们使用计算机而不是人类自身进行分析和处理。什么是机器的有效表征，原则上不需要对人类透明。因此，机器的有效表征对于人类来说往往不是透明的。在大数据机器学习中最常用的卷积神经网络和复杂神经网络，都使用了不透明的表征，并且使用了不符合熟悉的语言概念的特征。加之，深调机制又进一步加大了不透明表征发生的概率，这就导致按照传统的认识论无法理解大数据的认识过程。

最后，汉弗莱斯教授为解决这一认识论问题提供了一种思路。他认为，大数据的出现标志着我们认识世界和表征世界的方式发生了重大变化。大数据中使用的表征或模型的类型是其重要性和独特特征的核心。在深调作为一个悬而未决的问题的情况下，不透明表征的方法将占主导地位。因此，发展可以令人满意地处理不透明表征的认识论将是关键问题。这与现代科学仪器将感知上无法接近的医学分子和马铃薯基因组数据结构转换成可以理解的数据结构相同。这意味着，如果人类不能理解大数据及机器学习所使用的表征，那么程序出现意外后果的几率就大大提高；也意味着由机器、数据库和算法所构成的数据域这一神秘世界将为人类带来更多不可预测的挑战。

二、《延长的万物之尺》翻译过程简述

首先，北京师范大学的董春雨教授介绍了本书翻译的来龙去脉。董春雨教授2007年受国家留学基金委资助到美国弗吉尼亚大学做访问学者，受教于汉弗莱斯教授。2008年回国之时，即与汉弗莱斯教授相约，欲将《延长的万物之尺》一书译为中文。后来由于出版资金不到位、出版方变更等原因，几经周折，延至今日才由人民出版社出版，可谓十年磨一剑。

董春雨教授指出，《延长的万物之尺》英文版出版虽然已有13年之久，但它讨论问题之重要、分析问题之深刻、理解世界之独到，充分展示了一位科学哲学家的深厚功底和独特价值，尤其是在多年之后回溯人们对相关问题的研究，更可见作者思想的深邃、洞见和超前。例如，就观察而言，从肉眼到科学最初使用的望远镜，再到如今巡天的射电望远镜，人与世界的关系发生了根本的改变，人从认识的中心似乎退到了一种越来越无关紧要的境地，此即科学认识的非人类中心主义化。这一立场的改变发人深省，涉及我们对实在的理解。另外，早在计算机问世后不久，汉弗莱斯教授就开始关注计算科学的哲学问题，关注数据问题。在这本书中，他一开始就提出了“海量数据”的获取和处理问题，其实质就是今天人们津津乐道的大数据问题；更为重要的是，他的思考已经延伸到哲学层面的“数据的不透明性” 等问题，它对于深化人们关于世界的本质问题的认识，深化人们有关计算、数据、心灵性质的认识，尤其是深化人们关于大数据方法的限度与意义的认识，具有重要的启发价值。这充分反映了汉弗莱斯教授深厚的学养和学术洞察力与远见，包括他能够从寻常现象与知识中发现问题、分析问题、讨论问题的方式，也都值得学界后辈认真体 会。

随后，董教授简单谈及在《延长的万物之尺》的翻译过程中的点滴体会。他说，为了完成高水平的译著，译校者对书中的每一个细节都不放过，从专有名词中文译法的定夺，到字斟句酌的细致推敲、讨论，可谓费尽心力，尝遍艰辛。好在主要译者苏湛的专业知识背景和语言功底扎实，且富有文采，有时又灵感乍现，得来传神妙笔——仅书名的转译便可窥见其翻译的精妙之处。最后，董教授由衷地感谢人民出版社对中译本出版的大力支持。

接着《延长的万物之尺》一书的作者汉弗莱斯教授发言。他首先感谢董春雨教授的诚挚邀请，并谈及多年来他们在学术交流上的强烈共鸣和志同道合的珍贵友情。继而，他也特别感谢了中译本的主要译校者和出版方的奉献和辛劳。最后，他谈了关于本书论题的几点最新的想法。他认为，传统经验方法对于今天的科学研究而言并不十分有用，他更倾向于将计算科学（Computational Science）作为思想资源来重新看待科学和世界及其关系。此外，他还谈到了一些对他很有启发的数据现象和有趣思想，并且指出“计算模板”是一个崭新的概念，对于理解他的理论至关重要。最后，他简单提到这种思想在当前大数据研究上的延伸，介绍了最新的《大数据的不透明性》一文的主要观点。

汉弗莱斯教授发言结束后，刘孝廷教授谈了他对《延长的万物之尺》的看法。他指出，汉弗莱斯教授是一位极富洞察力和高悟性的学者，在有些问题还没有全面展开之时，他就能迅速抓住问题的根本，并将研究提升到一个很高的水平，切入大家共同逼近的一些重要问题。从研究方法上来讲，这是非常富有启发性的。人民出版社的编辑胡喜云代表出版社发言，她对学界专家对该书的出版工作的认同表示感谢，并希望双方的合作能够进一步深入，继续为国内的学术发展作出贡献。

三、《延长的万物之尺》核心内容

在导言部分，苏湛教授讲述了《延长的万物之尺》译名的由来。由于原书名Extending Ourselves的中文直译听起来不太像一本严肃的哲学著作，且容易引起歧义，他希望为该书找到一个能够更精准地传达作者本意的题目。考虑到此书是一部讨论人类认识论问题的著作，书名中的Ourselves的本意指的也是人类自身，这使他想起了古希腊哲人普罗塔戈拉的名言—— “人是万物的尺度”，于是便有了“延长的万物之尺”这个译名。在正论部分，苏湛教授从纵横两方面简要介绍了该书内容。从纵向结构来说，该书的第一章到第二章主要讲述了科学仪器对人类感官能力的增强，强调科学仪器的作用。第三章到第五章则主要讲述了计算科学对人类计算和思维能力的增强。在横向上，有两大主要议题横贯全书，即非人类中心主义认识论和计算模型理论。

在非人类中心主义认识论方面，苏湛教授指出，非人类中心主义认识论涉及的议题是人类对工具的依赖，这里的工具包括仪器和手段（如实验手段、数学工具、数学语言、计算机技术等）。在科学史上，最早可以追溯到伽利略时代对实验科学和数学工具的依赖。因此可以说，人类中心主义认识论始终是一种幻想，只不过现代科学的发展，尤其是计算科学的兴起，将这一事实揭示得更加清晰了。那么，工具是怎样增强人类的认识的呢？该书最初是以观测仪器为案例来讨论这一问题的，然而这些增强方式并不仅仅适用于观测仪器，在该书的后半部分，相关的讨论也被推广到计算机技术和数学工具对人类思维能力的增强上。这三种增强方式包括：外推（Extrapolation）、转换（Conversion）和益增（Augmentation）。其中，“外推”和“转换”的译法争议少，而“益增”是新词，争议较多。就三者的含义而言，诚如其名，外推是指相同感知方式下对现有感知能力的延展，如使用望远镜、显微镜等仪器。转换是指将一种感知方式转换为另一种，如使用声呐。益增是指一些物理量很难通过感官直接感知到，但可以通过工具实现，益增之“益”在于增加了感知能力的种类，例如对磁力的感知可借助指南针实现。除了提及人类认识对工具的依赖之外，苏湛还指出，非人类中心主义认识论还涉及可见/可处理和不可见/不可处理之间的界线的问题。他指出，这种界线只是一种人为的划定，其根源在于人类认识能力的局限性，实际上对宇宙本身而言，这样一条界线并不存在。苏湛认为，非人类中心主义认识论中最重要的一个话题是认识不透明性问题。在该书中，认识不透明性主要是围绕计算机辅助研究技术提出的。它所意指的是，人类无法分析地理解计算机辅助方法中机器的运算过程，从而导致了对计算机辅助方法的质疑。这种认识不透明性仅仅是相对于人类而言的，其根源在于人类非常有限的计算能力。因此，不应把认识不透明性看成计算机辅助研究技术的缺陷，相反，它恰恰来自人类认识能力的缺陷。未来破解认识不透明性悖论的方法只能是将人类从认识论的中心去掉。

计算模型理论是苏湛重点介绍的部分。计算模型理论涉及三个基本的核心概念：理论模板、计算模板、计算模型。三个概念层层推进，理论模板是基石，可被理解为一组表征变量间关系的数学表达式，我们可在类比的意义上将它粗略地理解为库恩的符号通式的对应概念。理论模板配上具体的特征函数与初始、边界条件，使之成为一组可解的偏微分方程，即计算模板，它是理论模板的一个在计算上可处理的替代个例。更进一步，将计算模板应用于具体现实问题所得到的形式化对象就是计算模型。就三者各自的特点而言，理论模板是先在的、普适的、纯形式的，它完全抽离了经验现实内容，不表征任何物理对象，同时也不承诺可解性。而把理论模板变成计算模板，则要求所得到的方程可解，因为建立计算模板的目的就是求解。若得不到，则进行近似和理想化，设法让它变成一个可解的计算模板。同时，计算模板也不再是完全的形式化对象，而是介于经验和纯形式化之间，因为引入的函数和边界条件来源于经验。需要强调的是，理论模板的语构并不决定计算模板的语构。继而，把计算模板映射到现实中，就得到了计算模型。在构建计算模型的过程中，对模板的选择建立在一些基本的假设上，即“建构假设” （Construction Assumptions）。不同于波普尔所说的Hypothesis，建构假设是可以明确反事实的。它的主要目的就是确保计算模型的可解性。当发生计算模型的预言与观测结果不符的情况时，要考虑如何调整模板的方案，而不是完全放弃模板。而且这些调整方案通常是预先设计好的。在该书中，这些成套的调整方案被称作“校正集” （Correction Set）。除此之外，把一个模板映射到一个现实的物理对象上的过程将自然地赋予这个模板一个“诠释” （Interpretation），同时需要一套“初始正当性论证” （Initial justification），即为特定计算模板为何能适用于某一物理过程做辩护。最后，“输出表述” （An Output representation）即以特定的形式输出结果，也是计算模型中很重要的部分，它关系到运算结果的可理解性。这六种组件构成了一个计算模型。需要指出的是，理论模板、计算模板、计算模型的概念划分仅仅是为了分析上的清晰性，而在实际应用中，这三者是不可分离的。从选择理论模板去解决一个物理问题开始，就已经赋予了模板一个诠释，并给出了隐含的建构假设和正当性论证。而当一个理论模板被转换为计算模板时，它已经自然地成为一个计算模型了。

苏湛认为，汉弗莱斯的计算模型理论为科学活动提供了一套全新的解释框架，它以求解为目的，试图为数理科学提供一种可靠、操作性强的研究范式。计算模型最聪明的部分在于，将作为纯语构（或者直观地说，纯数学）对象的模板和指称现实的模型分开。模板是自在的，与事实无涉的，因此也就无所谓实在性问题。然而，如果要用模板解决现实问题，它就必然指涉具体的现实，这时它也就成为一个模型。这也是模板可以被跨领域应用的原因——模板不指涉任何实在，从而也就不依赖于任何学科。但是同一个模板，当它每次被用来解决一个具体问题时，都需要一个独立的建构过程，这就解决了模板的跨领域应用与模型的主题对象依赖性之间的矛 盾。

为了更加清楚地介绍计算模型，苏湛就计算模型的特性、计算模型与其他理论之间的区别分别作了详细说明。计算模型具有：诠释的不可分离性（诠释是贯穿于全程中的）；建构假设的可反事实性（为了保证可解性，用选择性实在论的立场来为反事实性做辩护）；模板的非充分决定性等特征。他尤其强调了模板的非充分决定性的意义。模板的非充分决定性根源于模板与现实指涉的分离。它包括语义非充分决定性（同一套模板可以做不同诠释）和语构非充分决定性（同一过程可用不同模板表征，如地心说与日心说基于不同的参照系解释天体的运行轨迹）。前者保证了模板能够被跨学科应用，后者则使得人们可以通过变换语构来改变表象的可理解性。

就计算模型理论与之前理论的区别而言，计算模型理论将科学研究的目的解读为解题，符合常规科学的特征。它坚持选择性实在论这一有利于解题的实在论立场，而不是给出一个清晰的、完整的本体论承诺。它以被不断批判和调整的理论模板为核心组件，而不是库恩的或者被不假思索地接受、或者被不留情面地抛弃的符号通式。它把对科学进步的解释拉回到科学是由微小的进步推动的轨道上，重视常规科学。作为分析单元，理论模板不依赖于特定的学科或物理对象，因此可以揭示现代科学中常见的学科跨界现象。之前的理论、范式和研究纲领则是主题和学科特定的，不能随便地映射到不同的学科上。基于上述介绍，苏湛认为，计算模型理论是一个可以和库恩、波普尔的理论相竞争的对科学活动的解释框架。

苏湛最后指出，汉弗莱斯的研究重新唤起了人们对常规科学研究的重视。如汉弗莱斯教授在书中反复强调的，在讨论认识论问题时，应该重视人类在实践上能够做什么，而不仅仅是考虑在原则上能干什么。语构直接影响到一个计算模型是不是可解，对此也应该予以重视。例如实验主义者所询问的，做理论科学能否提出新东西的问题，就是一个语构问题，是使科学理论从不可理解的语构成为可以理解的语构的问题。科学认识对于科学工具和数学语言的依赖也是不容忽视的。

综上所述，汉弗莱斯的计算模型理论是解读科学活动的一种新框架，但它只适用于数理科学，无法为实验研究工作提供解释。苏湛认为，汉弗莱斯的原型是计算机模拟，即首先有固定的几组数学公式，继而用它们来诠释不同的物理事实；而立足于计算机模拟，从计算机模拟倒推到现实的实验，这或许是将来可以发展的一个问题。最后，他再次强调，汉弗莱斯的计算模型理论的核心在于求解，但难以为大自然终极图景提供解释。

四、相关讨论

在讨论环节，有听众问计算模型理论是否适用于实验，汉弗莱斯教授对此的回答是否定的。他认为，对于理科来说，完全抽象的模型可以应用于很多领域，但实验研究中所采用的实验手段具有特殊性，很难在不同的学科间进行交流。苏湛同意汉弗莱斯的观点，并补充说，实验科学与理论科学非常不同，但从计算模板理论发展出的选择性实在论能够为我们关于实验的科学哲学研究提供一些很好的洞见。除此之外，汉弗莱斯认为，波普尔的证伪理论专注于科学的消极方面，而把在实验中失败的模型完全抛弃掉是不合理的，因为理论并非一开始就是完美的，他主张对失败的理论进行修正而不是放弃。库恩则更加强调科学革命中的断层经验，但常规科学是连续性的。因此，相比于波普尔和库恩，汉弗莱斯的计算模型理论较为温和。

当被问到电脑模拟算不算实验时，汉弗莱斯认为电脑实验不是实验，因为实验是建立在一系列原则基础之上的，对于数理科学十分重要。汉弗莱斯询问苏湛科学史中有没有运用计算模型的例子，苏湛指出开尔文勋爵用一组方程（最初从热力学和流体力学中用演绎方法得出的方程）去解决电磁学中的问题，赋予电磁学问题以数学的语言。他也希望从科学史中可以发掘出更多相关的例子。

此后，汉弗莱斯和苏湛还讨论了计算模板与库恩的符号通式之间的不同。苏湛表明，他只是在类比的层面将二者等同，以便于理解，但二者在意义上还是有很大不同的，最重要的不同在于计算模板是可改造的，而符号通式只能被完全接受或完全拒 绝。

在谈到常规科学中的连续性时，汉弗莱斯提到了不同层次的计算模板。他认为计算模板是分层次的，有些是通用的，有些是专用的，需要加以区分。

当被问到计算模板与计算模型之间的差别时，苏湛回应道：计算模板是抽离了的数学部分，不指涉任何实在，但用计算模板研究具体问题时，它就成了模型，要指涉物理实在。此外，模板可跨领域使用，但是每一个具体的应用都需要独立的正当性论证。模板与模型之间的这种分离绕过了传统模论型经常会遭遇的窘境。刘孝廷教授进一步阐发了这一区分，认为计算模板与计算模型的区分相当于计算机工作的原理，且这个问题只有在计算机时代才能得到回答。他指出，在人机时代，人的认识方式发生了很大变化。

最后，对于模型的跨域使用的界限在哪里，能不能跨越到社会科学的问题，汉弗莱斯认为，关键要看世界本身是什么样子的，而这是很偶然的。苏湛则认为这取决于建构的过程。在讨论与交流之后，本次“当代科学哲学前沿问题国际研讨会”也圆满落幕。