赤石

专题：哲学视角下的地质学研究（五）

乍一看标题，读者肯定有点懵：咋，推理还有强和弱之分？且听笔者慢慢道来。

1 什么是强推理？

1964 年美国芝加哥大学生物物理学家John R. Platt (1918-1992）在美国《科学》杂志上发表了一篇题为“强推理”(Strong Inference)论文，旨在激发人们对科学如何运作以及我们如何更好地运作科学的讨论（Platt, 1964；思德学术 微信公众号 中文翻译版）。这篇论文极具煽动性，引起了广泛关注，《科学》杂志于 1965 年再次发表了这篇论文。从那时起，Platt的 "强推理 "就一直在科学界中流传，并指导、激励着一代又一代科学家。

Platt在文章观察了一个现象，一些学科（举例分子生物学、高能物理学）发展快，一些学科发展缓慢。他综合分析发现，这些学科快速进步的原因是该领域“一种特定的科学研究方法被系统地使用和传授”，Platt把它命名为“强推理”。实际上，Platt坦率地说，强推理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) 设计多个平行假设（多元工作假说）;

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，进行次一级假设或序贯假设，以提炼剩下的可能性。

Platt进一步论述，科学现在是一项日常工作。实验、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”。

Platt提出的强推理实际上是一种科学方法。这种方法给了无数年轻的科学家以信心。按照Platt的说法，科学研究是一种可以学习的技能，这种技能并不需要超人的智力天赋。只要培养合适的思维习惯，我们就能取得重大突破。原来，学科发展速度的缓慢不是从事该领域的人员智力上的差距，而在于有没有使用合适的科学方法！

2 强推理的步骤

Platt发表之后的半个世纪之后，加拿大圭尔夫大学生物学家Douglas S. Fudge在The Journal of Experimental Biology再次评述和推介“强推理”方法，结合作者的教学经验进一步划分为观察、问题、假说、预测、测试、分析、总结等7个阶段。下面结合笔者的个人经历分别做简单的介绍：

观察。所有科学都始于观察。对科学数据的综合分析，对文献的调研等等都可以纳入这个阶段。值得注意的是，尤其需要对困惑的数据、相互矛盾的科学解释给予特别的关注，这些才是科学研究需要解决的。观察阶段需要的是敏感性。

问题。认真、系统的观察会自然而然地让研究者提出一些非同寻常的问题，这些问题通常以"为什么"或"如何 "开头。回答"如何 "和 "为什么 "的问题需要系统的科学研究方法和强有力的科学推理。开展具有创造性、有重要影响力的研究的第一步，是从无限多可能的问题的集合中挑选出一个好问题。如下图所示，好的研究问题处于两个准则的交集的位置，也就是通常需要同时满足两个标准：一是必要性，即“如果你能做出来，人们会在意”；二是可能性，即“你能做出来，哪怕是部分地做出来”。因此，我们可以看到，好的问题是需要在明确科学争论的基础上提出的，好的问题也同时是基于目前的方法技术手段的基础上提出的。这个阶段需要研究者的好奇心。

图 强推理教学中使用的研究规划流程图。多个箭头表示多个工作假设，也表示一个假设通常可以做出多个可检验的预测。左侧灰色字体表示完成每个步骤所需的认知技能。

假说。要尽可能多提出平行的多种假说，也就是多元工作假说的运用。我们都习惯于提出单个的假说并努力寻找证据来证实，这种科研模式存在很大的主观性，不可避免地会带感情色彩。检验一个好假说的标准是，它是否对所提出的问题给出了令人满意的答案。如果不是，那么就不值得继续研究。一个假设可能通过了某个证据的检验，但后来却被抛弃了，因为我们意识到它违反了物理、化学、数学等规律。通过几次循环往复的创新和批判，我们可以将假说列表缩减到少数几个合理的解释。如果我们认定一个假说是正确的，而其他假说都是错误的，那么真正的乐趣就开始了，研究者开始体验到侦探破案的魅力了。

预测。普拉特告诉我们接下来要设计一个关键的测试，学生们总是迫不及待地想这样做。设计实验之前需要明确实验的目的是什么，这就需要我们对多元工作假说做出尽可能丰富的预测。假定这个假说是正确的，那么会出现什么样的结果。需要不断提醒学生，这些不是你的预测，而是每个假设的预测（Hutto，2012）。寻找预测需要大量的想象力，因为我们必须尝试假设的大小，并想象出如果假设成立，世界将会是什么样子。一旦我们有了每个假说的预测列表，这样我们就很容易找到所需要的关键证据。我们可以通过问自己，如果发现预测是错误的，该假说是否能够成立，用来评估预测的实用性。如果能，那么它就不是一个强有力的预测，可能也不值得测试。把重点放在最有可能推翻我们假设的测试上是很重要的，因为这是消除错误解释的最快方法，否则这些错误解释可能会阻碍我们找到真相。

测试。测试步骤，有时也称为实验步骤，是指我们通过将预测与现实世界的某些方面进行比较，来评估预测是否属实。围绕着我们需要的关键证据，我们也就不难快速找到解决的测试办法，是需要野外再调查，还是需要做关键的实验，也就顺理成章了。

分析和总结。最后一步是分析和总结，如果其他步骤都进行得当，这一步应该很容易，我们应该会发现自己离问题的答案更近了。这个过程并不是线性的，在测试阶段收集到的数据可能会（而且经常会！）成为新的令人费解的观察结果，从而引出有趣的问题和全新的研究思路。如果你觉得走到这个阶段就解决了问题，那把科学研究也太简单化了。我们需要不断重复以上的阶段，直到不断逼近最接近的解释，获得最佳解释。正如爱迪生所说，“我并不是失败了1000次，而是用了1000个步骤才发明了灯泡”，好的研究很少能通过捷径找到解决方案，所谓的“捷径”往往是经历艰辛探索后才找到。

3 启示

有些人可能会问，Platt的强推理在当今这个 "大科学"时代、“大数据”时代是否适用。Fudge（2014）给出了这样的回答：人类基因组测序并不需要强推理，它也不会帮助我们来绘制人脑的所有神经连接图或对地球上的所有生物物种进行条形码编码和分类。然而，一旦我们掌握了这些数据，令人困惑的问题就一定会出现，而这正是强推论所擅长的。

ISI 科学网（Web of Science）列出了强推理的 2159篇引用文献(2022-2-27)，生物科学最多引用，粗略估计超过1600多次，涉及到生物科学的方方面面，包括动物学424、生物多样性保护231、数学计算生物学217、进化生物学187-遗传学145、海洋淡水生物学126、分子生物学106、植物科学89）。在心理学（726次）、行为科学（637）、环境科学与生态学593、商业经济学294、生物医学、神经科学237、数学215、教育研究135、生理学126、计算机科学115、化学97等也有较多的引用。在地学领域，大气科学85次最多，地质学52次，海洋学34次，地理学26次，地球物理与地球化学13次。纵观地质学领域，多与古生物学、生态学、古环境、古地貌密切的相关研究引用。可以说，“强推理”并没有真正走进地质学学科，但它非常值得我们去学习和运用。

参考文献： 

[1] Platt, J. R. (1964). Strong inference: certain systematic methods of scientific thinking may produce much more rapid progress than others. Science 146, 347-353.

[2] Fudgen Douglas S.. 2014. Fifty years of J. R. Platt’s strong inference. The Journal of Experimental Biolog, 217, 1202-1204 doi:10.1242/jeb.104976.

[3] 微信公众号  思得学术，强推理.  2020-04-30.