强推理（一）

引言

快速进步的领域是“一种特定的科学研究方法被系统地使用和教授的领域。任何想要改变我们的分析方法的批评或挑战，当然打击我们所有的自我防御。但在这种情况下，分析方法提供了这种巨大的提高效果的可能性。所以不幸的是，面对这个挑战，我们更多的是去与之斗争，而不是去学习它。——约翰·R·普拉特

伟大不止在事业上惊天动地，他时常不声不响的深思熟虑。——克雷洛夫

说明

本文是芝加哥大学的生物物理学家John R. Platt于1964年在Science杂志发表的一篇经典文章。作者认为，“强推理”能够使科学得以快速的发展，并且为我们提供了一个思考科学方法有效性的标准。作者指出，类似于逻辑树，我们应该系统学习和思考替代性假设，然后逐步排除，但证明或者反证才是其目的，即“问题导向”。

John R. Platt. Biophysicist at the University of Chicago.

约翰·R·普拉特 芝加哥大学生物物理学家

如今的科学家们倾向于保持一种客气的幻想，即所有的科学都是平等的。除了那个被误导的对手的工作，他的论点正好在那个时候被驳倒，我们“说得好像每个科学家的领域和研究方法都和其他科学家的一样好，甚至可能更好一点。”这让我们在互相推荐政府拨款时都很热情。

但Platt认为，任何仔细研究这个问题的人都会同意，如果可以用数字来进行这样的估计，那么某些科学领域的发展速度可能会比其他领域快一个数量级。这些发现从头条新闻一跃而出——它们是复杂和困难学科的真正进步，如分子生物学和高能物理学。正如阿尔文·温伯格(Alvin Weinberg)所说，“几乎每个月都有分子生物学方面的惊人成就发表在《美国国家科学院院刊》上。” 为什么在某些领域会有如此迅速的进步，而在其他领域却没有?

Platt认为我们倾向于认为的通常的解释——比如学科的易驾驭性，或者被吸引到其中的人的素质或教育程度，或者研究合同的规模——是重要的，但不够充分。他开始相信科学进步的主要因素是智力上的。这些快速进步的领域是“一种特定的科学研究方法被系统地使用和教授的领域，这种归纳推理的累积方法是如此有效，Platt认为它应该被命名为“强推理”。他认为有必要研究一下这种方法，它的用途、历史和原理，看看其他团体和个人是否可以在他们自己的科学和智力工作中学会有益地采用这种方法。

在其各自的元素中，强推理只是一种简单而过时的归纳推理方法，这种方法可以追溯到弗朗西斯·培根。这些步骤是每个大学生都熟悉的，也是每个科学家都断断续续练习过的。区别在于它们的系统应用。强有力的推论包括对科学中的每一个问题，正式地、明确地、有规律地应用以下步骤:

1)设计替代假设;

2)设计一个关键的实验(或几个实验)，可能有不同的结果，每一个结果都尽可能地排除一个或多个假设;

3)进行实验，以获得干净的结果;

4)循环使用过程，进行次假设或序贯假设，以提炼剩下的可能性;等等。

这就像爬树。在第一个分叉处，我们选择（在这种情况下，“自然”或实验结果选择）向右分支或向左分支;在下一个岔路口，向左或向右走;等等。在“条件式计算机程序”中也有类似的分支点，下一步取决于最后一次计算的结果。在许多一年级的化学课本中，有一种“条件归纳树”或“逻辑树”，在对未知样本进行定性分析的步骤表中有详细的描述，学生被教导一个真实的连续推理问题：添加试剂A，如果你得到一个红色的沉淀，它是subgroup alpha,然后你过滤并加入试剂B，如果没有红色的沉淀，你加入另一种试剂B等等。当然，对于任何新问题，归纳推理都不像演绎那么简单和确定，因为它涉及到探索未知。步骤1和步骤2需要智力上的发明，这些发明必须经过巧妙的选择，以便使假设、实验、结果和排除在严格的三段论中相互关联，如何产生这些发明的问题在其他地方已经被广泛讨论(2,3)。

很明显，这有助于取得迅速而有力的进展。没有比这更快的探索未知的方法，这是步骤的最小顺序。任何未被排除的结论都是不安全的，必须重新检查。强推理和它所产生的逻辑树之于归纳推理，就像三段论之于演绎推理一样，因为它提供一种有规律的方法，以便尽可能快地得出一个又一个站得住脚的归纳结论。

“但这有什么新奇的呢?”有人会说。这就是科学的方法，一直都是，为什么要给它起个特别的名字呢?原因是我们中的许多人几乎已经忘记了它。科学现在是一项日常工作。设备、计算、讲座本身就是目的。我们中有多少人每天写下我们的选择和重要的实验，专注于排除一个假设? 我们在写科学论文的时候，可能会把步骤1、2、3放在心里。但在这些步骤之间，我们忙着工作。我们变得“以方法为导向”，而不是“以问题为导向”。我们说我们更喜欢用摸索着找到一般性结论。我们没有教我们的学生如何提高他们的归纳推理。我们也没有意识到，

分子生物学

新分子生物学是一个在作者看来这种系统推理方法已经变得广泛和有效的领域。这是一个复杂的领域。然而，在过去的十年里，一系列重要的实验让我们对遗传机制以及酶的形成和蛋白质合成的控制有了惊人的详细了解。每个实验都展示了逻辑结构。1953年，詹姆斯·沃森和弗朗西斯·克里克提出，DNA分子——细胞中的“遗传物质”是一种长链的双链螺旋分子。当一个细胞分裂时，这两条螺旋线是保持在一起的，还是分开的?马修·梅尔森和富兰克林·斯塔尔使用了一种巧妙的同位素密度标记技术，表明他们分离了。DNA螺旋总是有两条链吗?还是像原子模型显示的那样有三条?亚历山大·里奇证明了两者都有可能，这取决于离子浓度。

当然，在每一个领域都可以找到这种关键的实验。分子生物学的真正区别在于正式的归纳推理是如此系统地练习和教授的。在英国剑桥的分子生物学实验室，任何一个早晨，弗朗西斯·克里克(Francis Crick)或西德尼·布伦纳(Sidney Brenner)的黑板上都会出现逻辑树。最上面的一行是刚从实验室出来的热门新结果，或者是刚刚收到的信件或传言。下一行是两三个不同的解释，或者是一张“他做错了什么”的小单子。下面是一系列可以减少可能性的数量的关于实验或控制的建议等等。当一个人或另一个人进来争论为什么一个实验不可行，或者它应该如何改变的时候，这棵树就会在白天生长。从论文的写作风格和语言中可以也明显看出这种强推理的态度。例如，在分析抗体形成的理论时，Joshua Lederberg列出了9个“容易被否定”的命题，讨论哪些是“最容易被实验验证的”。

法国领导人弗朗索瓦•雅各布(Francois Jacob)和雅克•莫诺(Jacques Monod)的论文也因其高度的“逻辑密度”而闻名，他们的论文一段接一段地采用了相互关联的“归纳三段论”。但这种风格很普遍。从1964年Journal of Molecular Biology上发表的第一篇论文开始，你马上就会发现:“我们的结论……如果(i)……(2) ……或(iii)………则可能无效，我们将描述排除这些选择的实验。” 对于习惯于不那么严密的推理文章和不那么清晰的推理的物理学家、化学家或任何领域的科学家来说，他们会发现翻阅那本杂志是一种有益的经验。

对分析方法的抗拒

这种对生物学的分析方法有时几乎成了一场圣战，因为它激起了许多科学家的强烈抵制，而这些科学家是在一个更宽松、更广泛的传统环境中长大的。1958年在博尔德召开的生物物理学会议上，这两种观点发生了激烈的冲突。利奥·西拉德说:“酶是如何产生的，蛋白质是如何合成的，抗体是如何形成的，这些问题比通常认为的更接近解决。如果你做一些愚蠢的实验，一年完成一个，可能需要50年。但是，如果你停止做实验一段时间，并考虑如何可能合成蛋白质，只有5种不同的方法，而不是50种!只需要几个实验就能区分它们。”

其中一名年轻人补充道:“本质上这是一个老问题:一个实验能做得多小、多优雅?”

这些评论使在场的一些人感到不安。电子显微镜学家说：“先生们,这太离谱了。这就是科学哲学。”

西拉德反驳说:“我不是在和三流的科学家吵架，我是在和一流的科学家吵架。”

一位物理化学家急忙问:“我们是在午饭前还是午饭后拍官方照片?”

但这并没有转移争端。一位杰出的细胞生物学家站起来说:“没有两个细胞具有相同的特性。生物学是一门研究异质系统的科学。” 他私下补充道，“你知道有些人是科学家;有些人只是在研究这些过于简化的模型系统——DNA链和体外系统——他们根本不从事科学研究。我们需要他们的辅助工作:他们制造仪器，他们进行小型研究，但他们不是科学家。”

对此，塞·莱文索尔回答道:“有两种生物学家，一种是想知道是否有一件事是可以理解的，另一种是不停地说这件事非常复杂，什么都不可以理解……你必须研究你认为具有你感兴趣的最简单的系统。”

当他们离开会场的时候，可以听到一个人在喃喃自语:“西拉德想让我做什么——开枪自杀?”

任何想要改变我们的分析方法的批评或挑战，当然打击我们所有的自我防御。但在这种情况下，分析方法提供了这种巨大的提高效果的可能性。所以不幸的是，面对这个挑战，我们更多的是去与之斗争，而不是去学习它。事实上，分子生物学最近取得的许多成就都是在这种“过于简化的模型系统”上取得的，这与1958年的讨论中提出的分析思路非常相似。

高能物理学

这种分析思维是罕见的，但绝不仅限于新生物学。高能物理学是另一个明显存在排除逻辑的领域，甚至在报纸报道中也是如此。例如，在杨振宁(C. N. Yang)和李政道(T. D. Lee)的著名发现中，提出的问题是:在某些反应中，基本粒子是保持镜像对称还是宇称? 他们提出了关键的实验，在几个月之内，他们完成了，并且发现宇称被排除在外。Richard Garwin, Leon Lederman和Marcel Weinrich做了一个重要的实验。这是一天晚上吃晚饭的时候想到的。到半夜的时候，他们已经为它重新安排了设备，到了凌晨4点，他们已经收到了显示奇偶性不守恒的预测脉冲信号。这些现象一直在等着，等着另一种假说的明确提出。

这一领域的理论家以试图明确地预测新特性或新粒子而自豪，因此如果他们没有被发现，理论就会失败。正如生物学家W. A. H. Rushton所说:“一种理论如果不能受到致命的威胁，就不可能是有活力的。” 默里·盖尔曼(Murray Gell-Mann)和尤瓦尔·涅曼(Yuval Ne 'eman)最近使用他们称之为“八重法”的粒子分组方法来预测一个缺失的粒子——omega ，然后寻找并发现了它，但是，该理论的另一个分支预测的粒子电荷是通常的三分之一，而实验中没有发现，所以这个分支理论必须被拒绝。

Platt强调的两个领域的强推理部分是个人领导力的结果，如经典的遗传学家在分子生物学所做的努力、或1948 – 1950年间西拉德在芝加哥创办的“中西部杂烩和细菌学会”和马克思·德尔布里克在冷泉港开设地噬菌体遗传学的夏季课程。但也有一部分是由于科学领域本身的性质。生物学具有大量的信息细节和复杂性，是一个“高信息”的领域，如果一个人不事先仔细考虑什么是最重要和最具结论性的实验，那么几年甚至几十年的时间就很容易浪费在通常类型的“低信息”观察或实验上。在高能物理学中，来自新型加速器的粒子的“信息通量”和上百万美元的运行成本迫使人们采用类似的分析方法。每一次实验前都要进行一次一流的小组辩论，这是值得的，并且这种习惯在整个领域传播开来。

下期预告

下一期，我们将从归纳与多重假设、强推理的系统应用、评价有效性的系统标准和关于强推里的一些指导等方面继续为您介绍platt的思想。敬请期待！下一期，我们将从归纳与多重假设、强推理的系统应用、评价有效性的系统标准和关于强推里的一些指导等方面继续为您介绍platt的思想。敬请期待！

END

閱讀更多 思得學術 的文章

關鍵字: 芝加哥大学 2019未来科学大奖 推理