MD系统实验验证了科学发现理论

结语：未尽的问题

一、对科学发现的认知重建

科学史家和科学哲学家分别偏重于对科学发现过程进行历史的重建和理性的重建。而西蒙开创的机器发现领域是一个不同于以往的新的研究科学发现途径，他们的计算机模拟科学发现的工作可以看作是一种认知的重建。这种认知重建强调科学发现的认知过程，使科学思维过程可以在经验上重现，从而使关于科学发现的理论成为经验上可检验的。然而，从西蒙的科学发现观和BACON的设计思想中我们看到，这种认知重建途径又与历史重建和理性重建不能隔离。认知重建既以历史重建为基础、合理利用理性重建的思想资源，同时又考虑实现的可能性。这样就使科学发现方法论研究部分地转向了硬科学。

虽然本文对BACON系统的考察已经向我们展现出来的结果表明，它远远不是一个完整的科学发现过程的“再现”，更直接地说，它离一个典型意义上的“科学发现”还有不小的差距。但是，BACON在模拟复杂发现任务中的一些子任务方面的确取得了成功。而且它的成绩以及继之的其它MD成绩，已经形成了一个活跃的研究科学发现的新领域。这个研究领域在研究科学发现逻辑的事业中发挥着独特的作用。

MD的工作已经通过实验检验了人们提出的关于科学发现的一些理论，其中就包括我们考察的BACON系统对一些长期争议的科学哲学问题的检验。BACON的运行结果表明：不区分观察陈述和理论陈述有助于更有效地做出发现；区分社会因素的内部情境作用和外部情境作用更接近理解科学发现的本质；启发式策略在科学发现中的作用进一步得到确证。BACON的工作还表明，科学发现不是仅仅需要直觉、灵感、顿悟的垂青才可以做的事情。科学发现具有逻辑途径，而这种逻辑的途径不是限定在培根的归纳，也不是仅仅指皮尔斯和汉森的溯因，它包括归纳方法、演绎方法、溯因方法、分析方法、综合方法、类比方法等等多种方法的运用。而且MD工作将不断开拓科学发现的逻辑之路。

未来就如同博登所展望的：如果我们能清楚地说出使人能想出新思想的心理过程，我们就能把那些思想计算地表示（或检验）出来。而究竟是今天的概念和计算机模型中，“经典的”、“联接论的”、“自组织的”、还是“进化的”模型来满足这个愿望，则另当别论［49］。

二、对“自动发现机”的疑虑

科学家对未来的MD系统的态度十分矛盾。一方面，科学家希望更加智能化的MD系统把他们从大多数平凡而又必须的西西弗斯（即Sisyphean，出自希腊神话，意指艰苦又没完没了）式的活动中解放出来。一般来说，在科学家的实验室里，新的仪器设备总是受欢迎的。比如在一个分析化学家的实验室里，计算机参与了化学分析中的所有工作：取样、样品转移、处理试剂、生成信号、获得数据、解释数据、控制性质等等。然而请注意，这只是指“工具性”的实验设备，而不是一个能完全取代科学家位置的“自动发现机”之类的设备。而且目前的计算机虽然已经替实验科学家完成着大量的工作，但还远远不是科学家的同事（partner），只是一个被动的工具。

西蒙他们的MD系统将改变这种局面。这种新的AI同事将增加科学家的经验资源，提高做出科学发现的机会。但另一方面，又使科学家疑虑重重：如果它知识太渊博了并严格遵守原则的话，会不会与科学家实际行为发生冲突？尽管科学家声称用理性方法，但在实践中常用直觉，常常违反常规。如果用正规的证明标准，科学家有时会为自己做的而羞愧。基于机器发现的程序可以检验科学家的工作，它是一个客观的检查员，可以让不光明正大的事不存在，但这样的话，科学家的分析的直觉会不会枯萎？几百年来，科学家用自己感觉舒服的、多产的和创新的方式工作，每一步他都会感受美和满足。难道不正是这些情绪的作用在有助于做出发现吗？“科学家会放弃自己亲身从事科学活动中所体验的乐趣吗，会放弃自己的虽然不完美但却完美地适合科学家本人的科学发现活动吗？”［126］(www.xing528.com)

这些疑虑或许可以用一句话概括，就是担心机器发现系统将会分享人类的某些特权。西蒙、兰利、席特考、维尔德斯·佩雷兹等机器发现领域的研究者也在认真地思索这些实际工作的科学家讲述的疑虑。他们提出在追求未来自动化的MD系统的同时，永远将MD的作用定位在辅助科学家工作的交互式工具（interactive tool）上。未来的“自动发现机”不会分享人类的特权，只是人类的助手。比之AI研究雄心勃勃的目标，AI研究者的声明虽然无法完全打消科学家的疑虑，但至少他们想让科学家接受他们的MD系统。

三、科学发现究竟是什么？

数千年来，人类凭借自己的智慧取得了无数堪以自豪的成就，却一直对这种智慧本身知之甚少。不要说对智慧之核、对创造性的产生机制我们比古人的浪漫幻想没有什么进步，甚至对于人类通常的基本认知能力，我们也没有足够的实验证据证明它们的生理机制或其它的什么机制。似乎又重复了一个悖论（美诺悖论？），创造性思维过程就是不可能形式化的，说不清也道不明，一旦清楚了来龙去脉，思想也就失去了创造性，只能永远赋予创造性以神秘、不可知、跳跃性，在试图串起中断的思维链条的同时，就意味着那个创造性的“精灵”正在挣脱我们的掌控，最终我们只能徒然地面对没有灵动性的“索然寡味”的理性思维。

本文中讨论的科学发现观的“主角”是由西蒙开创性地提出来的，即发现就是启发式搜索解题的发现观。西蒙想摆脱人类创造性思维的“怪圈”，他要抓住那个嘲弄人的“精灵”。我们在评价西蒙对解除发现的神秘，合理性地重建科学发现过程做出的重要贡献的同时，又不得不承认，AI同心理学、神经科学等探索心智奥秘的硬学科，都还是前途虽然远大、却刚刚脱尽乳臭的“少年”，前路依然漫长，荆棘丛生，任重而道远。

那么探索心智的软学科可否超前一下呢？也许我们可以大胆地提出关于科学发现的计算主义的猜想，计算机能够通过启发式一步一步地由逻辑的步骤产生猜想，那么我们认为的人类靠创造性直觉产生的猜想，是否也是有算法的呢？只不过因为这类算法它在人脑中发生时间极短，我们没有意识到罢了？已经有AI的专家系统在模拟专家的直觉力、洞察力。研究表明，这种直觉力、洞察力建立在大量经验的知识以及书本知识基础上，面对问题大脑快速搜索储存的知识，多次以后，会形成问题类——知识库类——解题方法类的对应关系，一遇到某类问题就能直接给出解答。

的确，科学发现总是违背常理的，重大的科学发现总是要突破原有的理论解释力所给予人们的思维定势。所以说创造知识而不是推理出知识。一个科学发现是前所未有的事物（或是事实，或是规律，或是理论），所以，科学发现需要的是创造性思维，而不是推理性思维。但实际上，任何新知识如果被科学界接受，它一定与已有知识背景或事实是逻辑自恰的，是有逻辑链条的，逻辑上连续的，不可能有“无中生有”的创造。或许我们可以说，任何新的科学发现不能说创造出的知识，而应该是推理出的知识。但是产生科学发现的思想常常是跳跃式的、顿悟式的，一个想法本身是创造式地产生出来的。

这样离我们的遐想近了一步，科学知识是推理出来的，不是创造出来的，但是产生科学知识的思维是创造式的。那么创造性思维是什么？似乎又回到先前的悖论，只能是统称为“非理性的因素”的未知数。所谓“非理性因素”就是那些与人们已知的思维形式似乎不一样的思维形式，人们不知道它们的发生机理、发生基质，却认为它们肯定起作用的因素。那么，既然是浑然不清楚的过程，就可以提出关于这种过程的种种猜想。我们文中的讨论涉及到，人们从种种途径提出解决认知之谜的种种尝试。应该说，认知科学事业是一个经验性、开放性的事业，同时也是十分年轻的事业，计算机模拟的手段在这种开拓性、探索性领域的研究中已经发挥着它的独特作用。

同时，我们是否也应该抛弃一种偏见呢？不再将计算发现系统之类的研究看成是对人类智慧的亵渎？人们通常不齿于谈论“发现机器”，一说到机器就同批量生产的车床之类的机器联系在一起。AI已经告诉我们，还有一类能思维的机器。AI系统早已不再是传统替代人的手、眼、耳等感觉器官的机器，AI系统是模拟人类思维的机器，虽然它们目前还不能以人所特有的方式思维，但它们至少已经部分地实现了人的思维。AI的启发式技术就模拟了人类思维中的那些时常有效的解题策略。我们大可不必轻率地把BACON等MD系统与加工零件的发现机器划等号。研究“发现机器”本身并不是对科学发现的创造性的贬低，而是表明我们已经揭去了那个神秘的符咒，在用正常的心态关注自然界进化出的这朵“奇葩”。如果人们的日常心态依然以为“机器发现”有伤人类的自尊，那只能说明我们关于创造性思维的创造性研究还远远不够……