科学解释既指说明现象为何或如何发生、规律性为何成立,或系统如何具备某种特定能力的活动,也指这一活动取得的成果。它不同于仅仅描述发生了什么,或准确预测将会发生什么:解释将其对象与使之可被理解的因素联系起来。这些因素可能包括原因、定律、机制、统计关系、数学约束,或与其他原本不同的现象共有的模式。
解释的本质是科学哲学的核心议题之一。在科学实践中,这一问题同样重要:研究者会区分拟合观测结果与找出造成这些结果的过程或依赖关系。解释行星运动、放射性衰变、细胞活动和经济变化,可能需要采用有显著差异的推理方式。因此,对于所有科学解释是否具有单一的底层结构,还是构成一组彼此相关的解释成果,哲学上的各种理论存在分歧。
一种恰当的解释理论必须同时处理解释与世界之间的关系,以及解释与受众之间的关系。它必须区分具有解释意义的关联与偶然关联,阐明证据和理想化的作用,并能涵盖针对个别事件和一般模式的解释。
问题、被解释项与历史基础
需要解释的现象传统上称为被解释项;用来解释它的信息则称为解释项。被解释项可以是一个事件,例如桥梁倒塌;也可以是一种规律性现象,例如许多材料受热时会膨胀;还可以是一种能力,例如细胞调节其内部状态的能力。被解释项常以命题的形式表达,但科学解释也使用图示、方程、模拟和实物模型。这些表征本身是否构成解释,抑或只是传达具有解释作用的信息,则是另一个哲学问题。
解释并不等同于描述、预测或证明。详尽列出一座桥梁的组成部件,可以描述这座桥,却未必能解释它为何倒塌。一条可靠的预测规则可能预见桥梁会失效,却无法指出导致失效的过程。反过来,有时只有在不可预测的事件发生之后,人们才能给出解释。在数学中,证明能够确立一个结论,但数学家有时会区分两类证明:一类揭示某个结果为何成立,另一类则通过不那么有助于理解的计算来确立该结果。这一区分影响了有关经验科学中解释问题的讨论。
古代的讨论就已将知道某事确实如此与知道它为何如此区分开来。在《后分析篇》中,亚里士多德将论证性知识与通过组织得当的三段论把握原因联系起来。他的四因说区分了对解释性问题的四种回答:质料因、形式因、动力因和目的因。近代科学解释并未简单沿用这一框架:数学物理学的兴起改变了运动、物质、定律和目的在解释中所承担的角色。不过,当代围绕结构、产生过程和功能的讨论,仍与这些区分保有遥远的联系。
近代早期科学也暴露出人们对于何种解释才算易于理解的分歧。机械哲学家试图用物质的运动及其相互作用来作出解释。牛顿于1687年出版的《自然哲学的数学原理》借助强有力的数学方法解释了天体运动和地面物体的运动,却没有给出引力的机械性原因。这部著作的成功表明,解释所取得的成就,可以超越当时公认的关于底层机械运作方式的图景。后来,大卫·休谟质疑经验是否能够揭示事件之间的必然联系,使那些将因果必然性视为可直接观察之物的观点面临挑战。
20世纪的研究日益将解释视为科学的逻辑分析与方法论分析中的一个问题。与逻辑经验主义相关的哲学家考察了解释能否被重构为将观察与普遍定律联系起来的论证。随后的批评将注意力转向因果过程、机制、语境相关性以及科学实践。这些发展并未取代早先的进路,而是催生了彼此竞争的解释观;它们往往各自阐明了不同类型的解释何以成功。
定律与演绎—律则模型
演绎—律则模型由卡尔·亨普尔与保罗·奥本海姆在1948年的论文《解释的逻辑研究》中系统提出,将解释刻画为一种演绎上有效的论证。其前提包括普遍定律以及指明相关条件的陈述,结论则陈述有待解释的现象。“律则”一词指的是定律在其中发挥的作用。按照这一观点,通过表明一个事件是某种合乎定律的模式所导出的结果,而非孤立发生的事情,就能使该事件变得可以理解。
这一结构可示意如下:
其中, 为定律, 描述特定条件, 则陈述待解释项。除了逻辑有效性之外,亨普尔与奥本海姆还提出了其他要求:定律必须在推导中不可或缺,解释项必须具有经验内容,而且其中的陈述必须为真。一个从虚假前提出发、形式上有效的论证,并不能算作可靠的解释。同样,在原本已足够完成推导的论证中,简单附加一条无关的定律,也不符合这一模型的本意。
一个常见的例子使用理想气体方程 。对于物质的量固定、体积保持不变且近似理想的气体,该方程蕴含着压强随绝对温度成正比升高的关系。根据这一定律和所指定的条件,就能推导出某次具体的压强变化。在实际应用中,必须注意近似的适用程度:真实气体会偏离理想行为,尤其是在分子间相互作用或分子体积变得不可忽略的条件下。这种推导只有在其假设适用的范围内才具有解释力。
这一模型促使人们从结构上将解释与预测联系起来。如果在事件发生前就已知相关定律和条件,同一个论证就可以预测该事件;如果是在事后才将这些定律和条件汇集起来,它就可以解释该事件。然而,成功的预测与成功的解释并不总是一致。一个经典的反对意见涉及旗杆及其影子。给定太阳高度角和适当的光学假设,旗杆的高度就决定了影子的长度。同一几何关系也允许人们根据影子计算旗杆的高度。两种演绎推导都可能有效,但影子通常并不能解释旗杆为何具有那样的高度。
其他反对意见涉及无关前提和偶然概括。一个推导可能包含对解释结果毫无帮助的信息,而一个没有例外的陈述也未必表达了真正的定律。这些问题表明,仅凭可推导性并不能把握解释的方向或相关性。不过,这一模型仍然十分重要,因为它明确提出了一种解释的理想标准,并使人们注意到普遍原理在许多科学中不可或缺的作用。
统计解释与解释相关性
许多科学解释所涉及的结果,并不由其先行条件确定性地决定。放射性衰变、遗传、种群变异,以及借助统计学研究的众多过程,都需要用概率方法处理。统计解释可以针对个别事件、结果的分布,或总体模式的稳定性。这些是不同的任务:解释一个种群为什么呈现某种特定频率,并不一定能解释其中某个特定成员为什么会出现某种特定结果。
亨佩尔的归纳—统计模型对涵盖律方法作了调整,以应对这种情况。在这一模型中,解释项并不在演绎上蕴涵某一事件,而是通过统计定律和相关条件,使该事件具有很高的概率。这并非仅仅是前提较弱的普通演绎论证。它的解释力取决于参照类中包含了哪些信息,以及是否避免遗漏相关知识。某个事件在一个宽泛类别的成员中可能很常见,但在该案例同样所属的一个更具体的类别中,却可能很罕见。
高概率要求引发了争议。即使某种结果仍不太可能发生,解释也可能指出某个大幅提高其发生概率的因素。假设在一个虚构系统中,某种已得到充分证实的物理过程,将部件失效的概率从 提高到 。尽管大多数受到该过程作用的部件并未失效,这一过程仍可能解释某次已观察到的失效。反过来,如果没有某个因素,某种结果发生的概率也同样高,那么即使这一因素与该高概率结果相关,它也可能与解释无关。因此,概率高低与对解释的贡献需要加以区分。
韦斯利·萨蒙于1971年提出的统计相关性进路,强调条件概率之间的差异。简化地说,在背景 下,假定条件概率有定义,当
时,因素 就与结果 具有统计相关性。这一判据既涵盖提高概率的相关性,也涵盖降低概率的相关性。但仅凭这一判据,并不能识别因果关系:相关性可能源于共同原因、选择效应,或变量的测量方式。后来的因果进路试图解释,为什么有些统计依赖关系揭示了能产生结果或支持干预的关系,而另一些却不能。
统计解释还取决于对不同类型的不确定性的区分。不了解系统的详细状态,与理论中被视为根本属性的随机性,并不是一回事。例如,指数衰变定律可以解释一组不稳定原子的存活时间分布,却不能为每个原子确定唯一的衰变时刻。在种群科学中,解释则可能着重揭示彼此不同的个体过程如何形成稳定的分布。解释所针对的对象,决定了我们需要的是总体层面的定律、因果概率,还是对个体过程更细致的说明。
因果解释、干预与反事实
因果解释理论认为,要解释一种现象,往往需要找出是什么产生了它,或者它的发生取决于什么。这类理论直接回应了纯演绎方法留下的问题。旗杆有助于解释它的影子,是因为相关的物理依赖关系是从旗杆和光照条件指向影子,而不是从影子指向旗杆的建造。因此,即便用来表征系统的方程可以沿两个方向求解,因果解释仍然具有方向性。
一类颇具影响力的理论通过反事实依赖来分析因果关系。解释所回答的问题是:假如某个相关因素有所不同,会发生什么?移除一个火源可能会防止火灾发生,不过,具体的反事实情形取决于是否会有另一个火源点燃可燃物。冗余因果、因果抢先和复杂反馈表明,简单的“没有原因就没有结果”这一表述不足以充当一般性的分析。用于解释的反事实需要一个仔细界定各种替代情形的模型。
詹姆斯·伍德沃德在《使事情发生》(Making Things Happen,2003)中提出了一种颇具影响力的干预主义理论。粗略地说,在特定条件下,如果通过适当干预改变变量 会使 或 的概率分布发生变化,那么 就与 存在因果相关性。干预不只是观察到的变化:它必须以某种方式改变目标变量,使该变量的影响能够与结果的其他原因区分开来。这一理论既涉及实际可行的干预,也涉及假想的干预,并不把因果关系等同于人类在物理上能够操控的关系。
一个简单的结构表示为
其中, 包括模型中考虑的其他影响因素, 则表示未被明确分析的背景因素。在因果推断中,观察到 与将 设定为干预条件是有区别的。朱迪亚·珀尔的理论框架使用记号 来表示后者。关联关系 可能与之不同,因为观察到的 值携带着有关共同原因的信息。这一区别解释了为什么具有预测能力的变量未必能指明有效的因果干预手段。
不过,因果解释仍然涉及选择。火灾可能取决于燃料、氧气、点火以及缺乏有效的灭火措施,但调查仍可能将线路故障认定为起火原因。这并不必然否认其他条件的相关性,而是相对于特定的解释问题和背景,选定一个因素。原因与背景条件之间的区分在一定程度上取决于语境,但其背后的依赖关系仍然受到经验约束。因果模型还必须明确自身的适用范围:某种依赖关系在一类变化下保持稳定,却可能在系统的组织方式或周围条件发生变化时不再成立。
机制、组织与构成性解释
机制解释通过识别相关组成部分、它们的活动或相互作用,以及它们的组织方式来说明现象。这类解释在分子生物学、神经科学和生理学中尤为突出,因为仅仅陈述一种一般关系,可能仍无法回答系统如何产生其特有行为的问题。机制并不只是组成部分的清单。这些组成部分必须处于某种组织安排之中,其运作能够说明所要解释的现象,包括现象发生的时序、空间组织,以及对周围条件的依赖。
彼得·马卡默、林德利·达登和卡尔·克雷弗在2000年发表的论文《思考机制》中,将机制描述为经组织而产生变化的实体与活动。威廉·贝克特尔、罗伯特·理查森等哲学家也提出了强调分解与组织的解释理论。这些进路挑战了这样一种假定:解释必须主要采取从普遍定律出发进行演绎的形式。不过,这并不意味着定律或定量模型可以舍弃:机制往往通过反应方程、动力系统、电学模型和模拟来表征。
动作电位提供了一个具体例子。艾伦·霍奇金和安德鲁·赫胥黎在1952年的研究中,描述了钠电导和钾电导随电压发生的变化如何产生神经细胞膜的电活动。他们的数学模型表征了离子电流和门控动力学,而没有对通道蛋白作出完整的分子层面描述。后来的结构与分子研究进一步揭示了相关组成部分的细节。这段历史说明,一种有力的解释即使没有在每个更低层次上都做到完备,仍然能够为理解机制提供重要信息。
机制解释可以是因果性的,也可以是构成性的。因果解释可以追溯较早发生的事件如何产生较晚发生的事件。构成性解释则说明,经组织的各个部分及其活动如何实现系统层面的能力。离子通道的活动与细胞膜兴奋性之间的关系,并不总是如同先发生的事件与后发生的事件之间的关系那样简单;离子通道的活动也可以是构成这种兴奋性的有组织过程的一部分。对于这些跨层次关系本身是否应归为因果关系,哲学家们意见不一。混淆时间上的产生关系与部分—整体的构成关系,可能使人无法看清一项实验究竟确立了什么。
支持某种机制的证据通常综合运用多种方法:干预组成部分、测量其活动、确定时间顺序、进行空间定位,以及成功地重建或模拟机制。然而,仅仅扰乱系统并不足以得出定论。移除某个组成部分,可能是通过间接效应使系统失去功能,而非揭示该部分在正常情况下所作的贡献。同样,在某一过程中观察到某个组成部分的活动,也不能据此断定它发挥了所提出的作用。有力的机制解释会将组成部分层面的研究发现与整体的有组织行为联系起来,并区分那些能够产生相似输出的不同组织方式。
统一、数学与非因果解释
有些解释之所以能启发理解,是因为它们揭示了不同现象其实是同一种共同结构的具体表现。牛顿力学将物体下落、抛射运动和行星轨道联系起来。统计力学则将压强和热现象与对粒子及其分布的底层描述联系起来。这些成就促成了统一论的解释观:解释通过减少必须独立接受的模式的数量来增进理解。
迈克尔·弗里德曼在1974年提出的理论,将科学理解与减少需要独立接受的现象的数量联系起来。菲利普·基彻在1981年和1989年的研究中,从论证模式的角度发展出一种更为细致的进路:这些模式能够从有限的解释基础出发,推导出许多已获认可的描述。按照这些观点,理论的解释力不仅在于它与事实相容,更在于它能表明,如何通过一小组受到适当约束的推理模式推导出众多事实。
统一并不只是压缩。一个任意构造的公式可以对庞大的数据集进行编码,却不揭示任何可理解的关系;一种过度灵活的模式也可以容纳各种结果,却并未解释这些结果。因此,相关标准必须能够区分真正的共同结构与人为拼凑的概括。批评者还指出,高度统一的理论可能无法辨明因果方向,而局部解释即使没有大幅重整某门科学,也可能取得成功。统一可以是一项重要的解释成就,却未必是衡量所有解释的唯一尺度。
非因果解释对仅以因果关系为基础的解释理论提出了进一步挑战。数学约束可以表明,无论具体的因果历程如何,某些结果都不可能出现。欧拉对哥尼斯堡七桥问题的解答就是一个人们熟知的例子:将各片陆地表示为顶点,将桥表示为边,就能说明为什么不可能沿一条路线恰好经过每座桥一次。障碍来自连接模式和顶点的度数,而非行路者的体力、身体构成或运动方式。这类例子支持了这样一种主张:经验世界中的某种不可能性,有时可以通过数学结构来解释。
守恒定律和对称性原理的地位则更具争议。诺特在1918年得到的结果,将系统作用量的适当连续对称性与守恒定律联系起来:例如,在相关假设成立时,时间平移对称性会导出能量守恒。对称性论证可以解释某个量为何守恒,而不必追溯某一具体的相互作用序列。这究竟属于非因果解释、对因果结构更深层次的说明,还是对允许发生的因果过程的约束,仍存在争论。更广泛的问题是:解释是否必须揭示事物如何产生,还是也可以揭示必然性、不可能性或结构上的依赖关系。
对比、语境与科学理解
解释性问题很少是在所有可能的方面追问某事为何发生。它通常是在问:为何发生的是这件事,而不是某种替代情形?例如,为什么金属样品膨胀了,而不是保持不变;为什么增长的是这个种群,而不是另一个种群;或者为什么事件发生在这一时刻,而不是更早。明确对比项,可能会改变哪些信息与问题相关。因此,同一事件可以有多个彼此相容的解释,分别回答不同的问题。
巴斯·范弗拉森在《科学的形象》(1980)中提出了一种语用论观点,认为一个“为什么”问题涉及主题、对比类和相关性关系。问为什么某个人而不是另一位候选人赢得选举,与问为什么选举如期举行而没有取消,是不同的问题。足以回答其中一个问题的信息,未必能回答另一个问题。这一进路强调,不能总是仅凭描述结果的命题来确定什么具有解释上的相关性。
解释对语境的敏感性并不必然使解释变得任意。问题所要求的对比可能界定不清;即使提问者对某个回答感到满意,这个回答仍可能是错误的或不相关的。语境有助于选定解释对象和恰当的详略程度,却不能决定物理上的依赖关系或历史上发生的事件。一个有用的区分是:有些解释虽然正确,却对特定受众没有帮助;另一些解释虽然有说服力,却在科学上是错误的。科学传播必须兼顾准确性与可理解性。
解释也回答“如何”发生的问题,以及有关可能性的问题。“实际如何”的解释指出在特定案例中实际起作用的过程;“可能如何”的解释则确立现象得以发生的一条可信途径。例如,模拟可以表明,简单的局部相互作用能够产生大尺度模式。但这一结果本身并不能证明,模拟中的过程产生了某个特定的观测模式。要从关于可能性的主张转向对实际发生之事的说明,还需要历史证据、测量结果或能够区分不同解释的预测。
科学理解与解释密切相关,但并不等同于掌握某种语言表述。研究者可能知道一个公认的方程,却无法看出它的推论,或将其应用于新的案例。因此,关于理解的理论强调若干能力,例如识别相关的依赖关系、回答反事实问题,以及辨明模型适用的条件。可视化、类比和简化模型可以培养这些能力。它们的价值在于保留与问题相关的结构,而不在于仅仅呈现一幅令人熟悉或在心理上感到安心的图景。
层次、理想化与学科差异
科学解释在尺度和研究对象上各不相同。分子层面的解释描述化学组分之间的相互作用;生理学解释揭示器官层面的组织方式;种群层面的解释则关注分布和变化速率。这些层次不必争夺唯一的解释地位。关键在于,每个层次是否把握了与其解释对象相关的依赖关系,以及能否在不同层次之间建立联系,同时不丢失使高层次模式得以被理解的要素。
还原论以不同形式主张,高层次现象可以通过低层次理论或组成要素来解释。成功的还原能够揭示某种概括为何成立,以及何时失效。然而,从微观原理出发进行推导,并不总是可行的,也不总能提供最佳解释。一份涵盖流体中每一次分子相互作用的描述,反而可能掩盖那些有助于理解其宏观流动的变量。问题不仅在于计算困难:科学家往往寻求这样的解释,即便微观细节存在诸多差异,它们仍然能够保持稳定。
多重可实现性与普适性进一步凸显了这一点。不同物理系统即使组成要素不同,也可能表现出相似的宏观行为。在某些连续相变附近,微观结构迥异的系统具有相同的临界指数。重整化群方法在20世纪70年代发展成为一个重要的理论框架,它通过追踪描述如何随尺度变化,以及哪些特征仍然相关,来解释这些相似性。这类解释阐明了为什么某些微观差异对所研究的现象并不重要。
理想化同样无处不在。无摩擦平面、质点、无限种群和完全理性的行动者,都不是对实际对象的直接描述。它们用于分离出特定的依赖关系、简化计算,或确定极限行为。理想化模型只有在其对现实的歪曲适合预定解释对象时,才能发挥解释作用。有时,被忽略的细节可以逐步加回模型;有时,解释的要点恰恰在于,某种模式对这些细节并不敏感。不同模型之间的稳健性可以支持这一判断,不过,共享同一错误假设的模型也可能呈现出具有误导性的一致结果。
历史科学又增添了一个维度。地质学、演化生物学和考古学经常依据留存的痕迹重建事件序列,以此解释独特的结果。它们通常无法重演整段历史,却可以检验相互竞争的重建方案各自推导出的后果,研究当下仍在发生的过程,并比较相互独立的证据线索。社会科学解释还可能纳入行动者的信念、制度和意义。这些差异并不意味着各个学科的解释概念彼此毫不相关。它们表明,因果重建、统计分析、结构建模和诠释所占的分量,会因解释对象和可用证据而异。
证据、解释性推理与计算模型
一种解释看似易于理解,并不能证明它是真的。一个逻辑自洽的机制未必在实际系统中起作用,模型也可能出于错误的原因再现某种模式。因此,科学评价会区分两个问题:什么能够解释某种现象,以及所提出的解释是否得到证据支持。证据可能涉及组成部分是否存在、影响的方向、方程的准确性,或某种解释关系在哪个范围内保持稳定。
溯因推理将解释上的成功视为在不同假说之间作出选择的一项考量。比较候选解释时,可以考察它们与经验的吻合程度、适用范围、简洁性、与既有知识的一致性,以及能否提出有助于区分不同假说的预期。这些优点并未构成一套公认的算法,彼此之间也可能发生冲突。适用范围更广的理论可能需要更多假设;更简单的模型则可能遗漏重要机制。如果真正的解释尚未被提出,那么即使是已考察的候选解释中最有力的一个,也可能是错误的。
这一问题将解释与科学实在论联系起来。实在论者往往认为,涉及不可观测实体的理论在解释上取得成功,是认真看待这些实体确实存在的理由。批评者则认为,经验上的成功并不能自动成为接受一切理论承诺的依据。历史上一些理论虽曾成功地解释和预测现象,却错误地描述了其背后的结构。因此,评价时必须追问:理论的哪些要素促成了它的成功,以及其他解释是否也能涵盖同样的证据。
计算科学又带来了进一步的区分。模拟可以通过实现一个得到独立证据支持的机制、探索模型的推论,或证明某种被提出的相互作用足以产生某种模式,来发挥解释作用。仅仅得到准确的输出还不够。数值近似、参数选择,以及对初始条件或边界条件的敏感性,都会影响能够得出哪些结论。计算结果的可复现性确立了一种重要的可靠性,但它本身并不能独立验证程序中内置的解释性假设。
在机器学习中,特征归因方法、替代模型和反事实示例常被称为解释。它们能够回答某个特定模型为何产生某项输出,但这不同于解释所预测的现实世界现象。某个特征可能影响分类器,却并不导致其标签所代表的结果。归因结果也可能取决于如何选择基准、比较分布或替代模型。评价这些解释时,需要明确解释的对象究竟是模型的计算过程、模型在不同输入下的行为,还是外部系统的因果结构。即使预测高度准确,这种区分也能确保解释仍须接受检验。