沈旭明

（吉首大學(xué)馬克思主義學(xué)院，湖南吉首 416000）

科學(xué)解釋中的因果性問題

沈旭明

（吉首大學(xué)馬克思主義學(xué)院，湖南吉首 416000）

科學(xué)解釋的四種模型：演繹模型、因果圖示、概率模型和神經(jīng)網(wǎng)絡(luò)模型都涉及因果關(guān)系的尋求。人們從對因果性的發(fā)生進行研究，試圖解釋事物之間的因果聯(lián)系和生理層面的發(fā)生機制?？茖W(xué)解釋中各種解釋模型在因果性研究方面取得一些進展的同時也產(chǎn)生了許多困難，沒有一種解釋模型能為因果性理解提供一種令人滿意的方案，因果性的理解仍是科學(xué)解釋中的艱深問題。

科學(xué)解釋；解釋模型；因果性

亞里士多德（Aristotle）說，哲學(xué)始于好奇，而他的哲學(xué)指的是自然科學(xué)［1］。為滿足這種好奇，我們試圖理解世界，要理解世界就必須對自然界的各種現(xiàn)象進行合理的解釋，而對這些解釋的尋求是自然科學(xué)的一個主要目的?？茖W(xué)不但解釋自然現(xiàn)象，而且“所有科學(xué)知識都是技術(shù)體現(xiàn)、建構(gòu)或詮釋的”［2］，因此，科學(xué)解釋也包括對技術(shù)的解釋，它是科學(xué)哲學(xué)中的重大課題之一。關(guān)于科學(xué)解釋，人們從不同進路對其進行研究并產(chǎn)生不同見解，如本體論觀點、實用主義觀點等。正如羅森堡（Alex Rosenberg）所說：“關(guān)于科學(xué)如何作解釋，存在著一些他擇性進路，反映了可以追溯到柏拉圖時代的哲學(xué)上的根本差異，有的人把科學(xué)解釋視為我們發(fā)現(xiàn)的類似于數(shù)學(xué)證明的東西；有的人則把它當(dāng)作人類建構(gòu)的東西。邏輯實證主義者試圖為科學(xué)家建立一種渴求已久的、理想的科學(xué)解釋標(biāo)準(zhǔn)。其他哲學(xué)家則試圖理解推理在科學(xué)家實際給出的說明中是如何起作用的?！保?］從一定意義上看，不論在科學(xué)中還是在日常生活中，解釋都包括對原因的陳述。雖然并不是所有解釋都是關(guān)于因果關(guān)系的，如對數(shù)學(xué)結(jié)果的獲得、設(shè)計中的微妙對稱性的解釋等，但絕大多數(shù)解釋都產(chǎn)生因果概念?！皬姆且蚬忉屩鸩缴钊氲揭蚬忉屇耸强茖W(xué)進步的一種明顯表征”［4］，而且當(dāng)解釋包括因果和非因果的因素時，因果的因素都試圖在解釋判斷中占據(jù)主導(dǎo)地位，同時因果理解改變了理解的常規(guī)特征。因果性看起來在大部分解釋中發(fā)揮著主要作用，并且針對不同解釋方式和解釋模型，因果關(guān)系在其中地位也不同?？茖W(xué)解釋存在諸多模式，并各具特征，其中主要有如下幾種模型。

一、科學(xué)解釋模型

按內(nèi)格爾（Ernest Nagel）的總結(jié)，科學(xué)“解釋”有四種類型。①第一種是演繹型的解釋，這種解釋把有待解釋的事實看作是解釋前提邏輯上必然的推理。這種解釋常見于自然科學(xué)當(dāng)中，它從一個側(cè)面反映了自然科學(xué)中對規(guī)律探求的必要性。第二種是或然性解釋。在實際科學(xué)領(lǐng)域中的許多解釋，由于其說明前提并不蘊涵解釋項，所以并不具有演繹形式。但是，雖然前提不能保證被解釋項邏輯上為真，但通常使后者“或然”為真。第三種是功能解釋或目的論解釋。在生物學(xué)或人類事物的研究中，往往采取這種解釋形式：“或者指明一個單元在維持或?qū)崿F(xiàn)它所屬的系統(tǒng)的某些特征方面所履行的一個或多個功能（或者功能失調(diào)），或者闡明一個行動在導(dǎo)致某個目標(biāo)中所起的工具作用”［5］（P25）。第四種是發(fā)生學(xué)解釋。一般在歷史研究中往往是通過描述一個特定的研究題材是如何從早先的題材中演變出來的，來解釋為什么恰好是這個對象具有一定的特征，這種解釋就稱做“發(fā)生學(xué)解釋”。這就是內(nèi)格爾對科學(xué)解釋進行的分類［5］（P21－27）。那么在科學(xué)解釋中，具體包括哪些解釋模型呢？按照薩加德（Paul Thagard）和利特（Abninder Litt）的劃分，可以將科學(xué)解釋模型分為四種，即：演繹模型、圖示和類比模型、概率模型和神經(jīng)網(wǎng)絡(luò)模型［6］。我們一般對亨普爾提出的演繹模型比較熟悉，研究較多，但科學(xué)解釋還應(yīng)包括其他三種解釋模型。

（一）演繹模型

在科學(xué)解釋的研究中，特別是在解釋模型的建立與分析中，亨普爾做了大量的工作。“亨普爾的科學(xué)解釋理論是20世紀(jì)最偉大的哲學(xué)成就之一，它使科學(xué)解釋問題成為科學(xué)的一個主要目標(biāo)?！保?］科學(xué)解釋不同于神學(xué)、宗教及日常生活中的說明，它必須具有自己的特點?？茖W(xué)解釋關(guān)心的是提出一種與我們的經(jīng)驗有清晰的、邏輯的、聯(lián)系的并且從而進行客觀檢驗的世界觀念。因此科學(xué)解釋必須滿足兩個要求：“解釋相關(guān)性和可檢驗性要求”［8］。亨普爾提出并捍衛(wèi)了“演繹—律則（D—N）模型”。

其中結(jié)論E為被解釋語句，其前提集由一般定律L1，L2，……，Lr及其他斷定特定事實的陳述句C1，C2，……，Ck所組成。在解釋中援引的定律，也可稱為被發(fā)現(xiàn)現(xiàn)象的覆蓋律，而解釋性論證可以說是將被解釋項包容在這種覆蓋律內(nèi)，因此該模型也稱為“覆蓋律模型”。

有關(guān)該模型他提出了如下四點要求：

1．被解釋項必須是解釋項邏輯演繹的結(jié)果；

2．解釋項必須至少包含演繹中實際需要的一個普遍定律；

3．解釋項必須至少在原則上能被實驗或觀察所證實；

4．組成解釋項的句子必須是真的［9］。

如果我們用一組陳述去構(gòu)造某一特定事實的科學(xué)解釋，那么這四個條件對于任何這樣的陳述集合被認為個體上必要、合起來充分的條件。亨普爾認為他所提出的解釋模型很好地滿足了解釋相關(guān)要求，并且也滿足可檢驗性要求。當(dāng)然，關(guān)于他對上述解釋模型所提出的四點要求，后來有許多批評意見，認為許多條件都不能滿足。

是否所有科學(xué)解釋都建立在嚴(yán)格普遍的定律的基礎(chǔ)上呢？情況并非如此。如“張三得了感冒”可用下述說法來解釋：他哥哥幾天前得了感冒，他是從他哥哥那里染病的。這兩種事件即感冒和接觸感冒患者之間有聯(lián)系，但這種聯(lián)系不能用普遍形式的定律表示出來，接觸感冒患者只能說有很高的概率感染這種病。所以，解釋項蘊涵著被解釋項并不具有演繹的確定性，而只有接近的確定性或高度的或然性。該論證可用下述圖示表示：

L：與感冒患者接觸的人，得病概率很高

C：張三接觸感冒患者

E：張三得感冒

上述模式表示前提使得結(jié)論有著或大或小的概率。

以上兩種都具有某些基本特征，在這兩種情況下，給定事件都是用其他事件來加以解釋，這些事件與被解釋項用定律聯(lián)系起來。只不過在第一種模型中，定律是普遍形式的，而第二種情形中定律是概率形式的。第一種是演繹解釋，第二種屬歸納解釋，對被解釋項的預(yù)期也不一樣。

以上就是亨普爾提出的著名的科學(xué)解釋模型，當(dāng)然主要是針對自然科學(xué)的。但該模型在科學(xué)哲學(xué)中進展并不順利，科學(xué)家個人經(jīng)常不會按照這種形式去做，即使是普遍性定律也很少如此清晰巧妙地服從于證據(jù)的進步。作為科學(xué)解釋，除了物理方面的東西，最基本的作為演繹鏈條中的表面相似性都開始消失了。對不是科學(xué)家的人來說覆蓋律模型顯得更不合理。日常的解釋中人們更不會去考慮這一系列的公理而去運用演繹推理的模型。人們通常喜歡一個解釋而不能說出其所以然。我們通常把解釋認為是提供一種機械論意義的理解，所以當(dāng)涉及到?jīng)]有機械性的生理學(xué)的解釋時，認為是一種結(jié)果而不是一種真正的解釋。在科學(xué)解釋的研究中，我們不但要考慮其產(chǎn)生和發(fā)現(xiàn)的過程，同時應(yīng)研究其提出和接受的過程。

（二）因果圖示

在日常生活中，解釋項和被解釋項之間的聯(lián)系通常都是比較松散的，不像演繹模型那樣的嚴(yán)謹?？坍嬤@種因果聯(lián)系的形式就叫做因果圖示，例如，認知科學(xué)使用的一種普遍的解釋圖示的結(jié)構(gòu)如下：

解釋目標(biāo)：為什么人們有特定的心智行為？

解釋形式：人們有心智表征；人們具有實現(xiàn)這些表征的運算過程；這些運算過程運用于表征就產(chǎn)生行為。

這些圖示包括更多用于刻畫特定心智表征的特殊圖示，如概念、規(guī)則和神經(jīng)網(wǎng)絡(luò)等。哲學(xué)家已開始探討這種解釋圖示和形式的重要性。

應(yīng)用普遍圖示解釋包括與應(yīng)用類比解釋具有相同的過程，推理過程如下：

1．識別被解釋的事件；

2．在記憶中搜索與之相匹配圖示或事件；

3．應(yīng)用搜索到的時間或圖示為需要解釋的事件提供解釋。

在演繹解釋模型中要求解釋項與被解釋項之間有嚴(yán)格的邏輯關(guān)聯(lián)，而在圖示或類比解釋中僅僅需要一種大致的特定的因果關(guān)聯(lián)。

（三）概率模型

第三種解釋模型是概率模型。該模型是用更加定量的方法——概率理論建立起來的，解釋者與他們的目標(biāo)之間的關(guān)系比演繹模型更松散。薩爾蒙（W．Salmon）提出解釋的關(guān)鍵是統(tǒng)計的相關(guān)性，如果在給定A和C時B的概率與只給定A時B的概率不同，那么B和C相關(guān)［10］。概率解釋模型的主要計算方法是貝耶斯（Thomas Bayesian）網(wǎng)絡(luò)，是皮埃爾（Judea Pearl）和其他一些哲學(xué)和計算科學(xué)的研究者發(fā)展起來的［11］。貝耶斯網(wǎng)絡(luò)是一種定向的非循環(huán)的圖表，里面的節(jié)點是統(tǒng)計變量，它們之間的邊界代表條件概率，不允許有循環(huán)。

貝耶斯網(wǎng)絡(luò)是表征因果聯(lián)系的一種方便的方法（如圖1），在該網(wǎng)絡(luò)中每一個節(jié)點表示一個變量，箭頭表示條件概率表征的因果關(guān)系。

圖1 傳染病的因果圖示

為了在該網(wǎng)絡(luò)中進行概率推理和因果關(guān)系的研究已發(fā)展出強大的運算法則。雖然貝耶斯網(wǎng)絡(luò)為計算和標(biāo)準(zhǔn)的哲學(xué)應(yīng)用提供了一個很好的工具，但相應(yīng)的問題是它們怎樣才能對應(yīng)用于科學(xué)解釋的認知建模。盡管貝耶斯網(wǎng)絡(luò)具有計算力和哲學(xué)解釋力，而且，“它立足于把解釋的因果關(guān)系和解釋者的信念相結(jié)合”［12］，但它的心理相關(guān)性卻值得懷疑。雖然人們的心理表征包括一些如圖1所描述的大致因果圖形是合理的，但這種圖形具有貝耶斯網(wǎng)絡(luò)所有特性卻不那么合理。首先，大量的經(jīng)驗證據(jù)表明概率推理不是人們生來就具有的經(jīng)驗推理的一部分。其次，沒有理由相信人們能獨自具有在貝耶斯網(wǎng)絡(luò)中滿足高斯—馬爾科夫（Gauss－Markov）條件和進行推理的那種信息。第三，雖然用定向圖示表征因果知識很自然，但在許多科學(xué)和日常領(lǐng)域中這種圖示因為反饋回路必然有循環(huán)。最后，概率本身不足以獲得人們關(guān)于因果關(guān)系的理解。因此，根本不清楚貝耶斯網(wǎng)絡(luò)是否是最好的解釋模型，盡管他在諸如社會科學(xué)等領(lǐng)域中大量應(yīng)用。但是，即使在社會科學(xué)的解釋中，科學(xué)家常常依靠直覺，那種非概率意義的因果關(guān)系。

（四）神經(jīng)網(wǎng)絡(luò)模型

薩加德（Paul Thargard）提出了一種神經(jīng)網(wǎng)絡(luò)模型來評價相互競爭的科學(xué)解釋［13］。這種解釋模型中使用了局部的神經(jīng)元，整個命題通過單個神經(jīng)元來表征。命題之間的聯(lián)系通過神經(jīng)元連接之間的興奮或抑制狀態(tài)來表征神經(jīng)網(wǎng)絡(luò)模型在低層次的心理現(xiàn)象，如在感知、范疇化和記憶中使用，而不是在高層次的心理現(xiàn)象，如問題解決和推理中使用。嘗試對解釋進行神經(jīng)分析的好處是使對多模型的認知過程的合并成為可能。薩加德描述了解釋者和解釋目標(biāo)二者有時是用非語言的方式表征的。而且，溯因推理過程有情感的輸入與輸出。當(dāng)人們對事物感到迷惑或驚奇時，就會尋求解釋，而當(dāng)用一個滿意的假說來進行解釋時就會導(dǎo)致令人滿意的結(jié)果。如圖2概述了該過程。

圖2 溯因推理的過程

另一個溯因推理模型就是伊利亞史密斯（Chris Eliasmith）和安德森（Chris H．Anderson）提出的神經(jīng)系統(tǒng)的工程結(jié)構(gòu)模型（NEF②）［14］。該模型根據(jù)數(shù)學(xué)的表征和轉(zhuǎn)換來刻畫神經(jīng)團和它們的活動。表征的復(fù)雜性是受表達它的神經(jīng)團的維度約束的。簡言之，表征中的單一維度與不連續(xù)的方面對應(yīng)。表征復(fù)雜性的層次取決于神經(jīng)活動，而這些活動受限于一維的標(biāo)量、向量和有限的但數(shù)量巨大的維數(shù)或函數(shù)。其中用到了一種表征的高維形式—全息簡約表征HRR。③HRR將神經(jīng)上的合理性和維持復(fù)雜的能力結(jié)合起來，將結(jié)構(gòu)的聯(lián)系植入有效的計算形式之中。HRR是通過多種多樣的操作結(jié)合而形成的高維向量，但HRR具有重要的固定維度的特征：兩個n維HRRS結(jié)合產(chǎn)生另一個n維的HRR。

在神經(jīng)網(wǎng)絡(luò)溯因推理模型中，情感能夠控制“認知的”神經(jīng)活動。解釋的神經(jīng)網(wǎng)絡(luò)模型為科學(xué)解釋提供了一個發(fā)生機制，就是它的情感的輸入與輸出，是一種簡單的溯因。然而，這種簡單的溯因用來說明用認知反射模型（ECHO④）來執(zhí)行的解釋理論就顯得太簡單。在該模型中，假說和單個證據(jù)都由簡單的人工神經(jīng)元表達。它們通過處于興奮或抑制狀態(tài)的連結(jié)連接起來，而這種狀態(tài)與所表達的命題的狀態(tài)一致。反射模型說明高層次的認知活動，如復(fù)雜理論的評價，可以通過簡單的神經(jīng)網(wǎng)絡(luò)來進行。該模型具有一定程度的心理合理性，但在神經(jīng)科學(xué)的合理性上與神經(jīng)系統(tǒng)的工程結(jié)構(gòu)模型相比相形見絀，因為最大的反射模型只能用大約200個神經(jīng)元來為一個命題編碼，而神經(jīng)系統(tǒng)的工程結(jié)構(gòu)模型可以使用數(shù)千個神經(jīng)元來為少數(shù)的因果聯(lián)系編碼［15］。一個有趣的問題就是如何在神經(jīng)系統(tǒng)的工程結(jié)構(gòu)模型的框架內(nèi)用在神經(jīng)科學(xué)上更具現(xiàn)實性的反射模型來完成比較理論的評價。

二、解釋中的因果性

解釋一般都在一定意義上包含著對原因的陳述，如我們上面所說的四個解釋模型。正如劉易斯（David lewis）所說：“我們想要獲得的對任何事實的解釋都在漫長和復(fù)雜的因果歷史的盡頭。”［16］在解釋過程中，解釋者提出一些關(guān)于事件的因果歷史的知識——解釋的知識——并試圖傳達給其他人，而沒有非因果的解釋。他在《因果關(guān)系的解釋》一文中對解釋中的因果關(guān)系進行了詳細的闡述［16］。一個被解釋的事件的發(fā)生都有它的原因，這些原因是共同作用的。因果關(guān)系中的因果鏈條是緊密相連的，因果過程是一個連續(xù)的過程。幾個原因也許是匯合在一起形成一個巨大的原因。原因的多樣性和因果歷史的復(fù)雜性使得我們在談及一個具體事物的原因時極不明朗。因果性的歷史是一種關(guān)聯(lián)的結(jié)構(gòu)，它的聯(lián)系就是事件：在特定事實中那種是原因或結(jié)果的局部事件。這些事件代表著各種聯(lián)系，如事物的時空聯(lián)系，局部和整體之間的聯(lián)系，也包括概率的聯(lián)系。特定事件的因果歷史也包括事件本身，所有事件都是它的一部分。

關(guān)于演繹模型中的因果性問題，劉易斯也提出了獨特的見解。他認為，雖然在演繹解釋模型中，沒有大量的篇幅來論述因果性在解釋中的地位，他們也許堅持認為在有些特殊事件中，我們對一些特殊現(xiàn)象的產(chǎn)生可以獲得很好的非因果解釋。但在進行演繹模型的實例分析時，他們所選擇的實例的被解釋項中都包含了一系列的關(guān)聯(lián)原因，因此為因果的歷史提供了知識。

劉易斯認為有這樣一種十分重要但相當(dāng)難理解觀點。我們可以同意關(guān)于成功的規(guī)律的知識至少與因果知識高度相關(guān)，反之亦然。因此，在實踐中對解釋的追求和對規(guī)律的研究是不可分的。但我們還是能夠質(zhì)疑解釋模型中覆蓋律的知識是否是關(guān)于該事件解釋的知識的一部分。持覆蓋律理論者說是，但劉易斯認為并非如此。他認為這是一個不可能解決的問題，假如我們實際上在沒有定律的知識的前提下不可能獲得關(guān)于因果性的知識，或者相反。我們能夠質(zhì)疑在知道所有原因而對定律一無所知的情況下解釋工作是否要做。我們可以提出問題，但無須為回答它而煩惱，因為關(guān)于這種荒謬情況下的直覺判斷不值得去考慮。但我們應(yīng)該注意到，對D—N模型中的規(guī)律普遍性而言，他既不是解釋本身也不是因果聯(lián)系所不可或缺的，因為許多情況下我們的有效解釋都只能訴諸概率的解釋模型，而概率模型中的概率定律只具有概然性，而不具有普遍性。

那么，在因果性解釋中，概率理論的解釋進路看起來比其他理論進路可能更有希望。然而，雖然貝葉斯網(wǎng)絡(luò)是表征因果聯(lián)系的一種方便的方法，但其心理相關(guān)性卻值得懷疑。概率本身不足以獲得人們關(guān)于因果關(guān)系的理解，事件概率的增加也許是意外的或者是一些普通原因產(chǎn)生的結(jié)果。從那些令人誤解的相關(guān)性中挑出因果概率知識需要大量的關(guān)于概率的和獨立的知識，而這常常是人們所缺乏的。因此，即使在社會科學(xué)的解釋中，科學(xué)家常常依靠直覺，那種非概率意義的因果關(guān)系。

那么關(guān)于我們前面提到的因果圖示的解釋模型不用贅述，它本身就是對因果關(guān)系的一種刻畫。圖示所刻畫的不是那種嚴(yán)格的邏輯關(guān)系，而是一種大致的特定的因果關(guān)聯(lián)。

就像其他解釋模型一樣，神經(jīng)解釋模型也預(yù)先假定著一些因果性的理解。薩加德嘗試提出一種神經(jīng)網(wǎng)絡(luò)來說明生物怎樣理解因果性也許是可能的，也就是對因果性進行一種認知的理解［6］。假設(shè)要進行幼兒對因果關(guān)系的把握的研究，那么原因就是一個基于感覺和自發(fā)控制基礎(chǔ)上的前語言概念。幼兒就是以如下形式獲得印象圖示的：

狀態(tài)的感覺＋自動的行為≥新狀態(tài)的感覺［6］

也許這些圖示是天生就具有的，但是它們也許是通過幼兒早期的知覺或自動的經(jīng)驗而獲得。一個簡單的圖示就是：

靜止的物體＋用手打擊物體≥移動的物體［6］

關(guān)于因果關(guān)系的前語言的印象圖示與一些哲學(xué)家所提出的因果關(guān)系的可操作性和可干預(yù)性的觀點是一致的?！癆導(dǎo)致B”與“A僅僅與B相關(guān)聯(lián)”是不同的，其區(qū)別是“控制A同樣也能控制B”只適用于前一種情況而不適用于后者。從概念上講，操作和干預(yù)的概念似乎預(yù)設(shè)了因果概念，因為使某事發(fā)生和導(dǎo)致某事發(fā)生在語言層面上沒什么區(qū)別。然而，盡管在語言層面上因果關(guān)系有這種循環(huán)，但從上述對幼兒的描述中，通過假定人們具有一種印象圖示的因果關(guān)系的神經(jīng)編碼，在心理上我們能夠打破這種循環(huán)。這種非語言的圖示是理解一事件導(dǎo)致另一事件發(fā)生和一事件僅僅隨另一事件后發(fā)生的區(qū)別的基礎(chǔ)。因果性的印象圖示自然是在我們用來建構(gòu)溯因推理模型的神經(jīng)系統(tǒng)工程結(jié)構(gòu)模型（NEF）框架下實現(xiàn)的，神經(jīng)團既能對感知和自動行為編碼也能對它們之間的聯(lián)系編碼。在神經(jīng)網(wǎng)絡(luò)模型中，對因果聯(lián)系并沒有產(chǎn)生真正的理解，因為在全息簡約表征（HRR）中的向量是自動產(chǎn)生的。為何產(chǎn)生？并不知其所以然。相反，我們可以推測人們具有對因果連接的概念進行編碼的神經(jīng)團，這種聯(lián)系作為他們最早的在操作物體時形成的前語言經(jīng)驗的結(jié)果。因為基于視覺和知覺經(jīng)驗之間的連接，不能充分地用語言表達，但它為后來因果關(guān)系的更語言化更數(shù)學(xué)化的特征提供了基礎(chǔ)。

三、結(jié)論

解釋不管是關(guān)于科學(xué)還是關(guān)于日常生活的，一般都是人們追求一種對世界現(xiàn)象和事物的可理解性，當(dāng)然科學(xué)解釋中還涉及到預(yù)測，所以，解釋一般都是對因果關(guān)系的尋求。人們總結(jié)出了關(guān)于科學(xué)解釋的多種形式，如內(nèi)格爾提出的四種形式。而關(guān)于解釋的模式的研究也相當(dāng)廣泛，從對事物之間自身的因果關(guān)系的研究到生理層面如何理解因果關(guān)系都提出了相應(yīng)的解釋模式。如演繹模型、圖示模型、概率模型及神經(jīng)網(wǎng)絡(luò)模型等。在解釋中對因果性的研究從對事物之間的因果關(guān)系的分析上升到我們?nèi)绾卫斫庖蚬?，從對它的存在性研究發(fā)展到對其發(fā)生的研究，一直追尋到生理層面，神經(jīng)層面。在科學(xué)解釋中亨普爾提出并捍衛(wèi)了“演繹—律則（D—N）模型”。對D—N模型中的規(guī)律普遍性而言，它不是因果聯(lián)系所必須的，因為許多日?，F(xiàn)象之間的聯(lián)系并不具有那種規(guī)律普遍性。因為很多情況下事物之間聯(lián)系只具有概然性，而不具有普遍性。第二種解釋模型是圖示和類比。因為日常生活中解釋中事物之間不是演繹的而是一種較松散的關(guān)系，我們只能用一種因果圖示來描述它們之間的關(guān)系。但上述二者在解釋模型中不是競爭的理論，因為我們期望在不同的科學(xué)領(lǐng)域采取不同的解釋形式。那么一種更定量化的解釋模型是薩爾蒙（Salmon）等人提出的概率解釋模型，看起來它可能比其他解釋進路更有希望，但由于其廣泛使用的計算方法中貝葉斯的心理相關(guān)性值得懷疑，因此它也不能說是一種最好的解釋模式。那么，最后一種解釋模型是神經(jīng)網(wǎng)絡(luò)模型，它為解釋提供了一種情感的輸入和輸出的解釋機制及一種簡單的溯因推理。但其發(fā)展中也遇到了困難，其提出的模型用來說明用認知的ECHO模型來進行的解釋理論的比較評估過于簡單，以至于它也不能提供一種真正的因果性的理解。

綜觀解釋中的因果性問題研究，首先，人們已從對事物之間的因果關(guān)系的研究追尋到了其發(fā)生層面，即因果關(guān)系的認知的研究；其次，在對因果關(guān)系的認知研究還處在初步階段，主要還是關(guān)于低層次的心理現(xiàn)象的研究，而不是問題解決和推理方面的研究［6］；再者，神經(jīng)解釋模型雖對解釋認知過程進行了分析，并沒有解決什么是解釋及解釋是如何產(chǎn)生的等問題。因此對解釋及其中因果關(guān)系的探求還是一個有待人們?nèi)ミM一步探討的艱深問題。

［注釋］

①在內(nèi)格爾的譯著《科學(xué)的結(jié)構(gòu)》中“解釋”都是用“說明”一詞，二者表達相同的意義（explanation）。為使文章前后一致，以免產(chǎn)生歧義，本文均采用“解釋”一詞。

②NEF：Neural Engineering Framework．

③HRRs：holographic reduced representations．

④ECHO：Explanatory Coherence by Harmany Optimization．

［1］［古希臘］亞里斯多德．形而上學(xué)［M］．苗力田，譯．北京：商務(wù)印書館，1997：33．

［2］文祥．論伊德現(xiàn)象學(xué)中科學(xué)與技術(shù)的相互關(guān)系［J］．長沙理工大學(xué)學(xué)報（社會科學(xué)版），2014（5）：22．

［3］Rosenberg，Alexander：Philosophy of science：a contemporary introduction［M］．New York，London：Routledge，2005：21．

［4］張志林．論科學(xué)解釋——從解釋的邏輯談起［J］．哲學(xué)研究，1999（1）：27．

［5］［美］毆內(nèi)斯特·內(nèi)格爾．科學(xué)的結(jié)構(gòu)［M］．徐向東，譯．上海：上海譯文出版社，2005．

［6］Thagard P，Litt A．（forthcoming）．Models of scientific explanation［A］／／In R．Sun（Ed．）．The Cambridge handbook of computational cognitive modeling［M］．Cambridge：Cambridge University Press，2008：549－565．

［7］張萍．亨普爾科學(xué)解釋理論的價值意蘊［J］．西南大學(xué)學(xué)報（社會科學(xué)版），2010（11）：85．

［8］［美］卡爾·G·亨普爾．自然科學(xué)的哲學(xué)［M］．張華夏，譯．北京：中國人民大學(xué)出版社，2006：75．

［9］Hempel．Aspects of Scientific Explanation and Other Essays in the Philosophy of Science［M］．The Free Press，1965：247－248．

［10］Salmon W．Statistical explanation［A］／／In R．Colodny．（Ed．）The nature and function of scientific theories［M］．Pittsburgh：University of Pittsburgh Press，1970：173－231．

［11］Pearl，J．Probabilistic reasoning in intelligent systems．San Mateo：Morgan Kaufman，1988．

［12］閆坤如．科學(xué)解釋的貝葉斯網(wǎng)絡(luò)模型探析［J］．自然辯證法研究，2016（1）：98．

［13］Thagard P．Explanatory coherence［M］．Behavioral and Brain Sciences，1989：435－467．

［14］Eliasmith C，Anderson C H．Neural engineering：Computation，representation and dynamics in neurobiological systems［M］．Cambridge，MA：MIT Press．2003．

［15］Thagard P．Coherence in thought and action［M］．Cambridge，MA：MIT Press，2000．

［16］Lawrence Sklar．Philosophy of Science Explanation，Law，and Cause，David lewis，Causal Explation，1999：92．

Causality of Scientific Explanation

SHEN Xu－ming
（College of Marxism，Jishou University，Jishou，Hunan 416000，China）

The four Models of Scientific Explanation：deductive models，schema of cause and effect models，probabilistic models and neural network models are related to seek of causations．People attempt to explain the causality between things and provide a mechanism for explanation physiologically by studying the generation of causality．Every Model of Scientific Explanation still faces many difficulties while some progress has been made，but no model can offer a satisfied explanation of causality，so the understanding of causality of scientific explanation is an abstruse problem for people．

scientific explanation；models of scientific explanation；causality

N03

A

1672－934X（2017）02－0010－07

10．16573／j．cnki．1672－934x．2017．02．002

2017－02－11

湖南省哲學(xué)社會科學(xué)基金項目（11YBB306）；湖南省教育廳科學(xué)研究項目（15C1158）；吉首大學(xué)博士科研資助經(jīng)費研究項目：（jsdxxcfxbskyxm201107）

沈旭明（1971－），男，湖南長沙人，講師，哲學(xué)博士，主要從事科學(xué)哲學(xué)、邏輯學(xué)研究。