第十七章　典范更替怎样改变科学家的工作

一、答案改变与问题改变

一套理论遇到困难，至少可能发生两种不同的事情。研究者可能保留原有问题，找到更精确的答案；也可能发现原来的问题表达已经排除了重要条件，必须重新组织对象、概念和检验方式。前一种变化常常能够直接记入既有成就清单，后一种变化则可能改变清单本身。典范讨论关注的正是这种较深层的调整。

例如，一项研究原先把系统看成若干相互独立单元之和，偏差出现后可以继续修正各单元参数，也可以把单元之间的相互作用纳入基本对象。参数修正未必浅薄，对象重构也未必高明。二者的优劣需要看证据和成果。然而，一旦相互作用进入基本构成，研究者需要记录什么、怎样比较两个系统、什么算相同情形，都会随之改变。

因此，典范更替不能只由某条结论被推翻来识别。一项重要结论可能在既有方法内被修正，而共同体的基本工作方式保持稳定；一个表面不大的概念调整，也可能引出新的测量程序、研究问题与训练方式。判断变化层级，需要追踪它在研究活动中的后果，而不是依据提出者使用了多么宏大的词语。

库恩以反常、危机、竞争性方案和科学革命描述科学发展的某些转折，提醒读者注意共同体承诺与研究标准的变化。本书承接这一提醒，但不把它写成每个学科必须依次经过的固定阶段。研究中有长期并存、局部转变、交叉融合，也有新方案始终未能成为共同研究基础的情况。

二、反常不会自行宣布自己的意义

一个结果与预期不符时，研究者必须判断偏差来自哪里。可能是计算错误、样品污染、测量失准，也可能是模型的适用范围被超出了。只有在这些可能性得到适当处理之后，偏差才可能支持对基本框架的怀疑。把每次失败都宣布为旧典范崩溃，会让研究失去累积能力；把所有失败都归入操作失误，又会使框架永远免于检验。

反常的意义需要经过工作才能形成。研究者重复观察，改变条件，比较不同仪器，追查推理依赖，寻找能够产生同类偏差的其他对象。在这个过程中，原本零散的不一致可能聚集成一个问题族，也可能逐渐消失。不能从最终被认可的发现反推每个早期迹象都已经具有明确含义。

数学中的类似问题更加细致。一个反例可以否定一个具有明确量词范围的命题，却不必否定整个研究方向。如果猜想声称所有对象都满足某性质，一个合格反例足以推翻它；但若这一性质只是研究纲领希望首先探索的现象，反例反而可能揭示分类边界。需要被放弃的可能是全称断言，也可能只是错误的定义组合。

对人工智能而言，这种区分十分重要。系统可以快速生产反例候选，但研究者必须核验候选是否满足原命题的全部假设。遗漏一个条件的反驳，可能看似具有震撼力，却没有击中命题。反过来，正确反例的力量也不应被修辞消解。人—AI复合体应当允许证据改变研究路线，而不是让工具只承担维护既有结论的角色。

三、改变框架，也改变研究者的能力结构

当一套描述方式发生变化，研究者所需的能力会重新组合。原来有用的计算技巧仍可能发挥作用，但其位置改变了。有人善于在成熟理论中进行精密推导，有人能够把新概念转化为实验设计，有人擅长建立旧语言与新语言之间的联系。转折时期的共同事业需要这些不同能力，而不只是少数提出新口号的人。

爱因斯坦一九〇五年关于运动物体电动力学的论文，以相对性原理和光速不变的要求重新组织时空关系。这一历史实例表明，基本原则的调整可以改变量之间的关系，而不只是增加一个修正参数（爱因斯坦，1905）。对本书而言，值得追问的是：新原则提出之后，还需要哪些推导、测量和解释，才能成为可持续的研究方式？

以低速近似作一个数学说明：当速度与光速之比很小时，相关表达式可以展开为接近经典形式的近似。这种近似联系使旧理论的许多成功获得新的适用范围说明。旧知识由此可能被重新定位，而不是在职业转折中全部作废。研究者能否识别自己已有能力的新位置，正是生涯升级的一项重要任务。

但是，存在近似对应并不保证转型没有代价。重新学习语言、建立可信合作和取得新方向的承认，都需要时间。资深研究者可能拥有丰富经验，却受到既有职责的限制；青年研究者可能较容易接受新工具，却承担学位和职位期限。讨论典范转变必须同时看到知识结构的变化和承担变化的人。

四、旧与新为什么可能长期共存

一种新理论出现，并不意味着旧理论立刻停止使用。研究者可能根据精度要求、计算成本、尺度范围和解释目标选择不同表示。在足够准确的任务中，简洁模型可以优于更复杂的描述；在某些边界条件下，原有方法仍然是最可靠的工作工具。共存有时反映知识尚未统一，有时反映不同工具确实适合不同任务。

这要求区分三种关系。两套方案可能对同一条件作出不相容的预测，因此存在真正竞争；也可能分别覆盖不同范围，形成分工；还可能在某种映射下表达相同内容，只是计算和解释的便利程度不同。若不先辨明关系，就把所有共存都称为典范多元化，会把术语差异、方法差异和对象差异混在一起。

数学尤能显示这种复杂性。欧氏几何与非欧几何可以作为不同公理条件下的理论被同时研究。Lee的《公理几何》追踪了平行公设问题与非欧几何研究所带来的基础认识变化（Lee，2013）。这里的关键并不是后一种几何宣布前一种数学错误，而是研究者能够明确讨论不同假设所组织的结构。

由此得到的启示不是所有观点都可以并存而不接受比较。恰恰相反，共存需要更加准确的边界说明：各自从什么条件出发，哪些命题在系统内部成立，何时可以互相解释，应用时又依据什么选择。没有这些工作，多元就容易退化为彼此无法接续的命名；完成这些工作，多元才能成为可积累的研究资源。

五、库恩框架进入数学时需要怎样调整

经验科学中的理论通常必须面对观测与实验约束。一个模型内部自洽，还不足以说明它准确描述了研究对象。纯数学的命题则可以在明确假设下获得证明，研究者并不总是要求现实中存在对应实体。因而，不能把实验结果否定物理理论的图景，简单转写为新数学出现后旧数学被现实淘汰。

数学当然也会发生深刻改变：对象可以扩展，方法可以重组，基础语言可以调整，什么问题值得研究也会变化。但这些改变往往保留大量旧命题的条件性有效性。一个结论在原来的公理和定义下成立，不会仅仅因为另一种公理体系受到关注而自动失去证明。真正需要讨论的是原有结论的位置、用途和研究组织方式怎样改变。

还有一层调整涉及共同体范围。“数学共同体”不是每个问题上都保持统一判断的单一主体。代数、分析、几何、概率、逻辑及应用领域具有不同传统；同一方向内部也可能同时存在多种方法。对整个数学宣称一次统一的典范替代，往往忽略已经存在的多样性。本书所倡议的多元发生，必须在这样的历史基础上进一步说明新增之处。

新增之处在于，能否把对象与规则的候选构造，变成更多研究者能够持续开展的活动。过去可能只有少数人有资源展开数条基础路线，人工智能则可能降低部分推演、实现和比较成本。这是一个有关研究组织的假说。它不要求数学过去只有一个典范，也不意味着有了人工智能就自然出现多个成熟新典范。

六、转变中的判断标准怎样接受检验

新方案常常批评旧标准不足以识别自己的价值。这种批评有时合理。例如，以最短计算时间为唯一标准，可能低估一个解释更清晰、能够迁移到更多问题的方法。但如果新方案可以随时更换标准，使自己在每次失败后仍然被宣布成功，它就失去了可检验性。评价标准可以演变，却必须留下演变的理由和代价。

较可行的办法，是区分当前承诺与远期希望。当前承诺应当具体：定义是否完整，命题能否证明，算法能否运行，比较是否公平。远期希望可以保持开放：是否可能形成新对象群、连接不同领域、支持新的共同体。不能用远期希望替代当前承诺，也不能因为远期尚未实现就否认所有已经成立的局部成果。

对于相互竞争的候选方向，可以设置一组共同任务，同时允许各自提出独特任务。共同任务检验基本的交流能力，例如在相同输入上给出可核验结果；独特任务检验新框架是否打开了原先没有得到适当表达的问题。只用共同任务可能压制新方向，只用独特任务则容易使比较完全失效。两种评价需要共同存在。

研究者还应报告失败条件。一个结构在哪些情况下退化，哪类对象无法表示，哪些性质不能同时保留，这些内容能使接续者避免重复投入。限制并非论文中最后附加的礼貌段落，而是对象轮廓的一部分。清楚的失败边界常常比模糊的普适宣言更有助于形成研究方向。

七、过渡时期为什么需要翻译者

在理论变动中，最容易被忽略的是翻译劳动。新方向的研究者可能看不见旧成果可以怎样使用，旧方向的研究者也可能无法从新术语中辨认熟悉结构。能够同时进入两种表达的人，可以建立对应、指出误解，并帮助双方发现真正分歧。他们未必提出最醒目的基本原理，却可能决定新方向能否获得足够丰富的展开资源。

翻译者首先需要避免两种过度判断。一种是认为新语言只是旧语言改名，因此无需认真学习；另一种是认为旧语言完全无法理解新思想，因此任何批评都是落后。前一种判断容易忽略对象构成和问题组织的变化，后一种判断则会使新方向免于公共检查。真正的翻译要逐项说明哪些可以对应，哪些无法对应，以及无法对应是否产生可验证的后果。

对数学家来说，这种劳动可以很具体。把一种新的组合规则写成熟悉的代数表达，可能显示它满足某类公理；把两种相似的“距离”逐项比较，可能发现只有一种满足三角不等式；把直观的连续变化写成映射，可能暴露原说法遗漏的拓扑条件。翻译不是削弱原创，而是让原创的准确位置变得可见。

人工智能可以扩大初步翻译的范围，却也会带来表面对应的风险。系统善于发现词语和公式的相似性，未必已经证明结构关系。研究者应当要求它给出映射、条件和反例，而不只接受“类似某理论”的判断。一个真正成立的对应关系能够节省大量重复劳动，一个未经检查的类比则可能把整个研究带偏。

共同体需要给这种过渡劳动以职业位置。课程重写、概念对照、资料整理和验证接口，都是使新方向可进入的条件。若所有支持只投向最终突破，连接新旧知识的工作就可能无人承担。典范变动是否能够改善研究者的生涯，很大程度上取决于这些中间位置是否被承认。

八、从历史转折走向可以安排的探索

典范发生不能由行政命令制造，也不能通过规定每年产生几次革命来加速。然而，支持探索的条件可以被安排。共同体能够降低跨领域交流成本，支持可复用的验证工具，为尚未形成稳定发表路径的研究保留时间，并让研究者在失败之后仍有合理的继续研究机会。

人工智能为这些安排增加了一种新条件。一个候选定义可以较快产生算例，多个变体可以被并行展开，旧文献中的相关结构可以得到初步定位。但真正重要的变化仍然发生在研究活动中：哪些问题获得了持续投入，哪些失败改变了目标，哪些成果能够由他人接续。工具输出的规模只是过程的一部分。

对于数学家，理解典范更替的意义，并不是等待一场历史风暴把自己带走，而是学会辨认不同层级的变化。有时应当继续深入既定问题，因为其中仍有重大价值；有时需要改变方法；有时需要重新构造对象；有时还需要重新组织支持研究的共同体。只有区分这些层级，行动才不会被一句抽象的转型口号代替。

下一步的问题由此清楚起来：如果新的研究条件允许若干候选框架同时展开，我们是否必须等待其中一个完全取代其他框架，才承认发生了进步？或者，数学可以形成更有组织的并行探索，使竞争、翻译和重组本身成为持续产生新数学的机制？