第 4 章　摊平的诱惑

论点：五种处境表面上都是「我无法检验」，人们因而很想把不可验证性当作一个问题，并为之配上一个解法。就问题而言，这是错误的；就应对而言，它却指向了正确的东西。

第 2 章用了整整一章的篇幅，把不可验证性区分为五种处境。第 3 章又表明，应对这些处境的对策彼此相似。将这两点合在一起，一个念头几乎必然会产生，而且极具诱惑力：既然它们都带有「我无法检验」这一共同特征，应对的办法又大同小异，何不就此宣布：不可验证性只是一个问题，可以用一个统一的解法来应对？

本章要完成两项工作：首先指出这一念头错在何处，其次说明它在无意之中触及了什么正确的东西，并由此为全书确立一条举证责任（burden of proof）。

摊平错在何处

所谓摊平（flatten），就是把五种结构不同的处境强行压缩为一种。它的代价，第 2 章已经预先展示过。

把不可判定（undecidable）当作预算问题，以为「多投入一些算力就行」，这是错误的。停机问题（halting problem）的症结不在于计算太慢，而在于那个算法并不存在；再快的机器，也造不出一个不存在的程序。

把对抗性的缺口当作单纯的可观测缺口，以为「我只是还没看清它」，这一错误更为危险。另一方的系统会根据你的看法调整自身：你看得越清楚，它就躲得越巧妙。这是一场博弈，而不是一次测量。垃圾邮件过滤就是一个现成的例子。依据当下垃圾邮件的特征训练出一个分类器之后，发信方随即改写措辞、更换域名、插入乱码，以绕过它。谁若把这当作静态的识别问题，试图用只训练一次的模型来解决，谁就永远慢人一步。

把难解（intractable）当作不可判定，就会过早放弃一个本可以近似求解、可以按平均情形处理的问题；反过来，把不可判定当作难解，就会面对一堵逻辑之墙，无休止地投入算力。每一种错认，都会导致选错工具，并付出真实的代价。病灶一旦诊断错误，再好的药也会变成毒药。

因此，就「问题」而言，摊平是错误的，五种处境必须分别对待。这是第 2 章以一整章的篇幅换来的结论，不能在此轻易放弃。

摊平中的合理成分

然而，这一念头包含着一个真确的内核。它在「问题」上错了，在「应对」上却无意间触及了真相。

本书的命题，就是要把这一内核从错误中剥离出来，并以非常审慎的方式加以表述：

不可验证性的来源千差万别，但有限主体（bounded actor）被逼出来的应对，一再收敛到同一小组对策上。

这一表述的克制值得注意。它并不说「这些问题是同一个问题」：那是摊平，是错误的，任何一个领域的专家读到这里都会弃书不读。它所主张的是另一件更强、也更站得住脚的事：问题各不相同，应对却彼此押韵。全书要交出的，是一张「同一种对策在不同领域术语下的对照表」，以及一个解释：为什么收敛到的恰好是这几种对策。

本书必须承担的举证责任

论述至此，最大的风险也随之显现。人天生偏爱类比。莱考夫与约翰逊¹⁴向我们表明，连日常语言都是以隐喻为骨架搭建起来的；根特纳⁶、霍利约克⁹、巴尔塔⁷等人则研究了类比何时成立、何时只是好看。然而，正因为类比如此顺手，它也最容易误导人。漂亮的跨领域类比，往往什么也证明不了。最现成的反面例子，是霍夫施塔特《哥德尔、艾舍尔、巴赫》¹一类的写法：跨领域的呼应写得令人目眩神迷，却常被批评为「终究只是类比」，经不起追问。

更扎实的教训来自幂律（power law）研究的热潮。许多系统被宣称服从同一条幂律、共享同一种深层机制，听起来极为统一。然而，一旦采用克劳塞特、沙利齐与纽曼²⁵2009 年提出的那种严格统计方法加以检验，大量所谓的「幂律」便站不住脚。他们重新审视了二十余个被广泛宣称服从幂律的真实数据集，能够稳稳通过检验的寥寥无几；多数数据集无法排除对数正态（log-normal）等其他分布，而这些分布的拟合效果同样好，甚至更好。斯坦普夫与波特²⁶2012 年的文章「关于幂律的若干真相」说得十分直白：看起来像，不等于是。

因此，本书必须为自己设定一条铁律：任何被宣称的收敛，都必须被证明不只是类比。

何谓「不只是类比」？科学哲学中已有现成的标准。一个跨领域的映射若要算作实质性的，就必须是结构保持（structure-preserving）的：不仅表面相似，而且机制对应、失效方式对应、权衡也对应。根特纳⁶的结构映射（structure-mapping）理论，以及巴尔塔⁷对类比论证（analogical argument）的评估，所提供的就是这套标准。此外还有一条更为严格的判据，即稳健性（robustness）：一个结论如果能够从多条相互独立的路径反复导出，就更为可信。这一思想来自稳健性分析（robustness analysis），其发展始于莱文斯¹⁷，继而有维姆萨特¹⁸与韦斯伯格¹⁹的推进。

安德森⁵「多者异也」（More Is Different）的论断、福多²⁷关于「特殊科学」（special sciences）的论证，以及卡特赖特²⁸的《斑驳的世界》都表明，跨层次的真实模式确实存在，但它们是挣得的，而不是宣布出来的。博克斯³³的名言始终悬于头顶：所有模型都是错的，有些是有用的。本书所要争取的，是「有用，且其用处经得起检验」，而不是「优雅得令人忘记检验」。

落实到操作层面，这条铁律意味着，第三部每抽离出一种对策、每进行一次跨领域的并置，都必须追问：这一迁移是实质性的（机制相同、失效方式相同、权衡相同），还是仅仅是一个漂亮的比喻？只有经得起这番追问，那张对照表才能成立；否则，它就只是一本好看的散文。第 13 章将尝试把这种收敛建立在一个共同的底层结构之上（风险与信息的分解），但那是一张有待兑现的期票，需要接受检验，而不能预先假定。第 14 章则将正面回答：这究竟是一条定律，还是一个很强的经验模式。

小结：第二部的次序

既然不能先宣布收敛、再挑选几个例子凑数，唯一可靠的检验办法，就是进入真实的领域，考察那些做得好的人究竟做了什么。应当让对策从案例中自行生长出来，而不是预先设定对策，再拿案例去套。

这也解释了本书为何把具体场景（第二部）置于对策的系统论述（第三部）之前。先抽象、后举例，会显得武断，也浪费了案例本应具有的说服力。因此，第二部并不急于命名。它让各种对策嵌在各自的领域之中，彼此交织地出现，表面上显得杂乱一些；到了第三部，才把每一种对策从其所属语境中抽离出来，剥除领域术语，并予以命名。先归纳，后命名。

第二部将进入四个具体场景：一位揣摩用户心思的设计者，一个被放出去自行其是的智能体，一位对着黎曼假设撞墙的数学家，一个看不见自己的庞大组织。它们所面对的不可验证性，分别来自五种处境中不同的几种。下面就来考察，在神谕始终没有降临的时候，他们各自采取了怎样的办法。

下一章： 5. 控制台前的人 →← 3. 可证伪，不可证实

参考文献

落足点：① 历史上科学家的判断　② 理论上被研究过的东西　③ 科学如何进展　④ 如何在无法验证的世界里生活。本节经网络逐条核实。

D. Hofstadter (1979).《Gödel, Escher, Bach: An Eternal Golden Braid》. Basic Books. Google Books [②] 霍夫施塔特借哥德尔的不完全性、埃舍尔的视觉悖论与巴赫的赋格，编织出一套关于自指、递归与意识如何从形式系统中浮现的宏大类比。它是跨域类比写作的标杆，也是本章的反面教材：呼应写得目眩神迷，却屡被批评「终究只是类比」，正好提醒读者，漂亮的跨域共鸣本身并不构成论证。
H. A. Simon (1969).《The Sciences of the Artificial》. MIT Press. Google Books [②③] 西蒙提出研究「人造物」的科学，主张设计是一门可以系统化的学问，并以有限理性、满意而非最优来刻画真实主体的决策。本书对本章重要，在于它把「有限主体在受约束下如何应对」当成正经的科学对象，正是全书命题里那个「被逼出来的应对」的思想源头。
W. C. Wimsatt (2007).《Re-Engineering Philosophy for Limited Beings: Piecewise Approximations to Reality》. Harvard University Press. doi:10.2307/j.ctv1pncnrh [②④] 维姆萨特主张哲学应当为「有限存在者」重写：认知资源有限的主体只能用启发式、近似与稳健性来逼近实在，错误是不可避免却可管理的。书名几乎就是本书副线的注脚，读者可重点看它如何把稳健性当作有限主体辨别真伪模式的核心工具。
H. A. Simon (1962).「The Architecture of Complexity」. Proceedings of the American Philosophical Society, 106(6), 467-482. 链接 [②③] 西蒙论证复杂系统多为「近可分解」的层级结构，子系统内部联系紧、子系统之间联系松，这种架构既便于演化也便于理解。它为「跨层次存在真实模式」提供了经典的结构性论据，值得与安德森、福多对照着读。
P. W. Anderson (1972).「More Is Different」. Science, 177(4047), 393-396. doi:10.1126/science.177.4047.393 [②] 安德森反对还原论的傲慢，指出每一层级都会涌现出新的规律，下一层的定律无法被上一层简单推导出来。本章引用的「多者异也」一语即出于此，它说明跨层次的真实模式确实存在，但要靠各自的科学挣来，而非从基础物理宣布得到。
D. Gentner (1983).「Structure-Mapping: A Theoretical Framework for Analogy」. Cognitive Science, 7(2), 155-170. doi:10.1016/s0364-0213(83)80009-3 [②] 根特纳提出结构映射理论：好的类比迁移的是关系结构而非表面属性，系统性的关系网络比孤立的相似点更有价值。这正是本章「实质类比须结构保持」判据的理论来源，读者可由此理解什么叫「机制对应而非表面相似」。
P. Bartha (2010).《By Parallel Reasoning: The Construction and Evaluation of Analogical Arguments》. Oxford University Press. doi:10.1093/acprof:oso/9780195325539.001.0001 [②] 巴尔塔为类比论证建立一套规范性的评估框架，追问一个类比何时能真正承载推理的重量，关键在于源域与目标域之间是否存在相关的因果或结构联系。它给本章那条「不只是类比」的铁律提供了可操作的判别标准。
M. B. Hesse (1966).《Models and Analogies in Science》. University of Notre Dame Press. （扩充版，初版 1963。） Google Books [②③] 赫西分析模型与类比在科学中的认知功能，区分正面、负面与中性类比，指出类比的「中性部分」正是科学预测与发现的生长点。它是类比方法论的早期奠基之作，为后来的结构映射与类比评估铺路。
K. J. Holyoak & P. Thagard (1995).《Mental Leaps: Analogy in Creative Thought》. MIT Press. doi:10.7551/mitpress/4549.001.0001 [②] 霍利约克与萨加德提出类比的多重约束理论，认为人脑在结构、语义与目的三类约束的相互制衡下完成类比映射。本书把类比放进认知与创造的现实过程中考察，有助读者理解类比为何既强大又易出错。
D. Gentner, K. J. Holyoak & B. N. Kokinov (Eds.) (2001).《The Analogical Mind: Perspectives from Cognitive Science》. MIT Press. doi:10.7551/mitpress/1251.001.0001 [②] 这本文集汇集认知科学各路对类比的研究，从计算模型到发展心理到神经机制，系统呈现「类比何时为真、何时只是好看」的研究版图。它是本章关于类比研究脉络的总览性入口。
D. Hofstadter & E. Sander (2013).《Surfaces and Essences: Analogy as the Fuel and Fire of Thinking》. Basic Books. Google Books [②] 霍夫施塔特与桑德主张类比是思维的核心引擎，连最基本的范畴化与概念形成都是不断进行的类比。本书把类比的地位推到极致，恰好与本章的警惕形成张力：类比无处不在，正因此更需要一套判据来分辨哪些迁移是实质的。
S. Vosniadou & A. Ortony (Eds.) (1989).《Similarity and Analogical Reasoning》. Cambridge University Press. doi:10.1017/cbo9780511529863 [②] 这本文集集中讨论相似性与类比推理的关系，追问「相似」究竟意味着什么、它如何驱动推理与学习。它为本章背后的问题，即如何把「看起来像」与「确实是」区分开，提供了概念上的准备。
K. Dunbar (1995).「How Scientists Really Reason: Scientific Reasoning in Real-World Laboratories」. 收入 R. J. Sternberg & J. E. Davidson (Eds.),《The Nature of Insight》, 365-395. MIT Press. doi:10.7551/mitpress/4879.003.0017 [①②③] 邓巴实地观察分子生物学实验室，发现科学家在真实工作中大量使用类比，且近距离的、领域内的类比往往比远距离的更富成效。它以现场证据支撑本章「让对策从案例里自己长出来」的方法选择，说明真实推理与教科书叙述并不相同。
G. Lakoff & M. Johnson (1980).《Metaphors We Live By》. University of Chicago Press. Google Books [②] 莱考夫与约翰逊论证隐喻不只是修辞，而是人类概念系统的结构本身，连「时间是金钱」这类日常表达都暗藏成体系的隐喻。本章引它来说明类比与隐喻深植于人类思维，正因如此才更需对其可靠性保持戒心。
A. Tversky & D. Kahneman (1974).「Judgment under Uncertainty: Heuristics and Biases」. Science, 185(4157), 1124-1131. doi:10.1126/science.185.4157.1124 [②④] 特沃斯基与卡尼曼揭示人在不确定下依赖代表性、可得性、锚定等启发式做判断，这些捷径虽高效却会系统性地导致偏差。它提醒读者，有限主体的应对往往不是最优解而是凑合用的对策，也解释了为何漂亮的类比格外容易骗过我们。
R. W. Batterman (2001).《The Devil in the Details: Asymptotic Reasoning in Explanation, Reduction, and Emergence》. Oxford University Press. （精装初版 2001 年 11 月；部分编目著录作 2002。） doi:10.1093/0195146476.001.0001 [②③] 巴特曼研究渐近推理在解释中的作用，论证许多物理现象的解释恰恰藏在取极限时浮现的「细节」里，普适性正源于此。它为「跨系统的共同结构如何可能」提供了一个精细的哲学案例，呼应本章对收敛之机制的追问。
R. Levins (1966).「The Strategy of Model Building in Population Biology」. American Scientist, 54(4), 421-431. 链接 [②③] 莱文斯指出建模无法同时兼顾普适、精确与现实三者，建模者必须取舍，并提出当多个不同假设的模型给出一致结论时，该结论更可信。这正是稳健性分析的源头，本章那条「多路径反复导出更可信」的硬判据由此而来。
W. C. Wimsatt (1981).「Robustness, Reliability, and Overdetermination」. 收入 M. B. Brewer & B. E. Collins (Eds.),《Scientific Inquiry and the Social Sciences》, 124-163. Jossey-Bass. Google Books [②③] 维姆萨特系统阐发稳健性概念：能被多种相互独立的手段、模型或视角共同探测到的东西，更可能是真实的而非假象。本文是本章稳健性判据的核心文献，读者可由此理解为何独立路径的汇合能压制错误。
M. Weisberg (2006).「Robustness Analysis」. Philosophy of Science, 73(5), 730-742. doi:10.1086/518628 [②③] 韦斯伯格重新厘清稳健性分析的逻辑，区分稳健定理与对其经验充分性的检验，澄清它何时能、何时不能为结论提供支持。它让本章的稳健性判据更精确，提醒读者稳健并不自动等于为真，仍需经验把关。
S. H. Orzack & E. Sober (1993).「A Critical Assessment of Levins's The Strategy of Model Building in Population Biology (1966)」. The Quarterly Review of Biology, 68(4), 533-546. doi:10.1086/418301 [②③] 奥扎克与索伯批判性地审视莱文斯的建模策略，质疑仅凭多模型一致就推断结论为真在逻辑上是否成立，除非这些模型各自已得到独立支持。它是稳健性论证的重要反方，帮助本章把铁律守得更紧，避免把一致误当成证明。
N. Goldenfeld & L. P. Kadanoff (1999).「Simple Lessons from Complexity」. Science, 284(5411), 87-89. doi:10.1126/science.284.5411.87 [②③] 戈登菲尔德与卡达诺夫提醒，研究复杂系统要在恰当的尺度上选用恰当的模型，普适性虽诱人却不应掩盖具体机制，关键在于「在合适的层面上做对的简化」。它为本章如何谨慎对待跨系统普适规律提供了来自物理学内部的清醒声音。
L. P. Kadanoff (1966).「Scaling Laws for Ising Models near Tc」. Physics Physique Fizika, 2(6), 263-272. doi:10.1103/physicsphysiquefizika.2.263 [②] 卡达诺夫提出区块自旋的标度图像，说明临界点附近系统在不同尺度上自相似，为后来的重整化群与普适类理论奠基。它是「不同系统共享同一临界行为」这一真实普适性的经典范例，与后文那些立不住的「幂律」恰成对照。
P. Bak, C. Tang & K. Wiesenfeld (1987).「Self-Organized Criticality: An Explanation of the 1/f Noise」. Physical Review Letters, 59(4), 381-384. doi:10.1103/physrevlett.59.381 [②] 巴克、汤与维森费尔德提出自组织临界性，以沙堆模型说明某些系统会自发演化到临界态，从而出现幂律分布与 1/f 噪声。它引爆了后来的幂律热潮，既是跨系统统一叙事的代表，也成为本章「需用严格统计检验」的检验对象。
A.-L. Barabási & R. Albert (1999).「Emergence of Scaling in Random Networks」. Science, 286(5439), 509-512. doi:10.1126/science.286.5439.509 [②③] 巴拉巴西与阿尔伯特提出无标度网络模型，以增长加优先连接机制解释了许多真实网络中度分布呈幂律。它是网络科学的奠基之作，也属于那批被广泛宣称服从同一幂律的系统，正适合放在本章的批判性透镜下重审。
A. Clauset, C. R. Shalizi & M. E. J. Newman (2009).「Power-Law Distributions in Empirical Data」. SIAM Review, 51(4), 661-703. doi:10.1137/070710111 [②] 克劳塞特、沙利齐与纽曼提出一套严格的统计方法来检验数据是否真服从幂律，包括最大似然拟合与对替代分布的比较。用此方法复核后，许多此前被宣称的「幂律」并不成立。它正是本章那条「任何宣称的收敛都须经得起严格检验」铁律的方法样板。
M. P. H. Stumpf & M. A. Porter (2012).「Critical Truths About Power Laws」. Science, 335(6069), 665-666. doi:10.1126/science.1216142 [②] 斯坦普夫与波特总结幂律研究的教训，直言看起来像幂律远不等于是幂律，更不等于背后存在共同的深层机制，统计上的拟合与机制上的解释必须分清。本章「看起来像，不等于是」一语即本于此，是收紧举证责任的直接依据。
J. A. Fodor (1974).「Special Sciences (or: The Disunity of Science as a Working Hypothesis)」. Synthese, 28(2), 97-115. doi:10.1007/bf00485230 [②] 福多论证心理学、经济学等「特殊科学」的规律可多重实现，无法被还原为物理学，因此科学在本质上是不统一的。本章引它支持「跨层次的真实模式确实存在且不可被还原宣布掉」，与安德森、卡特赖特同一阵线。
N. Cartwright (1999).《The Dappled World: A Study of the Boundaries of Science》. Cambridge University Press. doi:10.1017/cbo9781139167093 [②③] 卡特赖特主张世界是「斑驳的」，物理定律只在它们各自的局部域内成立，并不构成一张覆盖一切的统一图景，普适性是例外而非常态。本书为本章「真实模式是挣来的、不是宣布的」立场提供了有力的形而上学支撑。
M. Mitchell (2009).《Complexity: A Guided Tour》. Oxford University Press. doi:10.1093/oso/9780195124415.001.0001 [②③] 米切尔为复杂系统科学写了一部清晰可靠的导览，覆盖信息、计算、演化、网络与涌现等主题，且对该领域常见的夸大保持审慎。它是读者进入复杂性与幂律话题的稳妥入口，态度上与本章的克制相合。
D. Sornette (2006).《Critical Phenomena in Natural Sciences: Chaos, Fractals, Selforganization and Disorder》(2nd ed.). Springer. （初版 2000。） Google Books [②] 索尔内特系统梳理自然科学中的临界现象、幂律、分形与自组织背后的数学，给出处理这类重尾与标度行为的技术工具。它代表了跨学科寻找普适标度律的雄心，可与对幂律的批判文献并读，看清主张与检验之间的距离。
G. West (2017).《Scale: The Universal Laws of Growth, Innovation, Sustainability, and the Pace of Life in Organisms, Cities, Economies, and Companies》. Penguin Press. Google Books [②] 韦斯特提出从生物体到城市再到公司都遵循某些标度律，例如代谢率随体型的次线性缩放，试图为生命与社会找到统一的定量法则。本书是宏大跨域普适叙事的当代代表，正好供读者用本章的判据去衡量：哪些是实质收敛，哪些只是动人的统一愿景。
P. Galison (1997).《Image and Logic: A Material Culture of Microphysics》. University of Chicago Press. Google Books [①③] 加里森研究二十世纪微观物理的实验文化，提出不同子学科在「交易区」用一种工作性的混合语言协作，即便彼此理论框架并不一致也能共事。它示范了不同领域如何在不被强行统一的前提下真实地相互对接，呼应本书对「押韵而非同一」的强调。
G. E. P. Box (1976).「Science and Statistics」. Journal of the American Statistical Association, 71(356), 791-799. doi:10.1080/01621459.1976.10480949 [③④] 博克斯在此阐述科学是模型与现实反复对照、逐步逼近的迭代过程，文中写下「所有模型都是错的」；广为流传的完整说法「所有模型都是错的，有些是有用的」则见于他与德雷珀合著的《Empirical Model-Building and Response Surfaces》（1987，第 424 页）。本章把这句话悬于头顶，用以界定全书要争取的目标，是有用且其用处经得起检验，而非优雅得让人忘了检验。
T. S. Kuhn (1962).《The Structure of Scientific Revolutions》. University of Chicago Press. Google Books [①③] 库恩提出范式与科学革命的著名框架，区分常规科学的解谜与范式更替时的不可通约，重塑了人们对「科学如何进展」的理解。它是本书思考科学进展与判断的底色之作，提醒读者跨范式的比较从来不是简单的逐项对应。

← 3. 可证伪，不可证实5. 控制台前的人 →