科際整合的省思—以認知科學為例

洪裕宏教授 （國立陽明大學心智哲學研究所）

科學統一的舊夢

在二十世紀前葉，受到邏輯實證論的影響，科學統一是許多哲學家與科學家的共同夢想。科學統一（unity of science）通常指科學語言的統一和科學律的統一，主要的代表人物有卡那普（R.Carnap）、歐本海默（P. Oppenheim）與帕特南（H.Putnam）。卡那普（1938）的科學統一觀是純粹語意的觀點，與世界的本體沒有關係；歐本海默與帕特南 （1958）則由世界本體結構，去論證科學統一的可能性。卡那普的觀點是純粹邏輯實證論的觀點，本文不擬多談。歐本海默與帕特南的觀點比較有趣，而且該文 所引起旳問題，至今仍廣被討論。下面關於科學統一之舊夢的討論，大體上是針對歐本海默與帕特南的觀點來進行。

科學統一的兩個理論基礎是：理論的簡單性（simplicity of theory）與化約論（reductionism）。所謂理論的簡單性指本體上的節約（ontological parsimony）。舉例來說，如果假定某一粒子的存在，不會增加某一理論的解釋力，則該理論就不該假定該粒子之存在。有名的奧坎剃刀 （Ockham's razor，註一）就是用來「削」去不必要的存在假定。換言之，當兩個理論解釋力相同時，比較簡單的理論（即存在假設比較少的理論）比較「接近」真理。簡 而言之，化約論主張所有高層次理論，如心理學、生物學等，在理論上都可以化約到粒子物理學理論。如果理論A可以化約到理論B，則B可以解釋一切A能夠解釋 的現象。因此如果A假定了B的論域中不存在的東西，根據簡單性原理，A中的存在假定在本體上是不必要的。

簡單性加上化約論，很自然地就導向科學統一的夢。歐本海默與帕特南的科學統一觀，其實是要將各種高層次的特殊科學統一到粒子 物理學去。對他們而言，科學統一的可能性是建立在簡單性原理與化約論的基礎上。如果化約論成立，那麼各種科學理論的語言，都可以統一到粒子物理學的語言； 而且其他科學理論的定律，都可以由粒子物理學的理論推衍出來。這個夢在這裡稱之為「科學統一的舊夢」。這個夢倘若成真，就提供了科際整合一個非常堅固的理 論基礎。事實上，這種整合是最強的整合，因為到頭來除了粒子物理學以外，其他科學都可以被取消，而全部統一（整合）到粒子物理學中去了。

物理論

科學統一的舊夢除了假定理論的簡單性和化約論外，還假定一個特定的本體論（ontology）——物理論 （physicalism）。物理論主張世界的根本存在物是物理的，而且世界中的一切性質與規律，均可以用物理律來描述或解釋。

物理論排除了非物理存在物（如靈魂）的假定，認為物理世界窮盡了世界的全部。倘若世界中存在非物理的東西，那麼關於這些東西 的規律或現象，顯然就不是粒子物理學可以解釋的。如此，我們可能會有一種「科學」理論，其所假定存在的東西是非物理的，並且不能化約到低層次的理論。這表 示科學語言的統一與科學定律的統一不是不可能，便是不完備的。

不可化約的結構

化約論在近年來受到強烈的質疑。反對化約論的主要論證，是所謂的高層次理論的自主性（theautonomy of the high-level theories）論證。不同層次的理論都有其特定的解釋對象。心理學要解釋的，是人的認知能力與心理行為的規律；生物學要解釋的，是生物體的機制及其規 律。每一個理論均有其特定的論域，論域中包含了假定的存在物與關於這些存在物的現象。一個理論是由一套語言及由這套語言所陳述出的定律（laws）所構 成，語言包括名詞與述詞。名詞指稱論域中的存在物，述詞則描述存在物的性質或關係。

我們說一個理論是自主的（autonomous），如果該理論所要解釋的對象，不可能完全被另外一個理論所解釋。例如，心理 學是自主的，如果心理現象的規律不可能被其他理論（例如生物學）掌握到。如果高層次理論具有自主性，它就不可能被化約到低層次理論去。因此反化約論者的最 新策略，就是去論證高層次理論的自主性。

如果A理論可以被化約到B理論，則A與B應該有如下的關係：

（1）A的論域中的元素，是由B的論域中的一組元素所構成；

（2）A的定律都可以由B的定律〔加上橋律（bridge laws）〕所導出來。

傳統的反化約論者，例如Fodor，都由反對橋律的可能性著手。論證的主要依據是所謂的多重可實現性（multiple realizability）。假設P是A中的類詞（kind term），若A可以化約到B，則在B中必有另一類詞Q，而且【瀏覽原件】。多重可實現若成立，則「【瀏覽原件】」不能成立，因為「【瀏覽原件】」蘊涵了P只有唯一的實現方式——Q。

比較新的論證是浮現性質論證（the emergent property argument），假定A中的元素X是由B中的x₁,...,x_n所構 成。讀者可以假設X代表細胞，x_i代表分子，則單單把x₁,...,x_n擺在一起不 會產生X。x_i之間必須有某種結構，即x_i之間必須具有某一特定的互動關係（interaction），才 能產生X。因此X的性質是｛x₁,..., x_n｝加上某種結構而浮現（emerges）出來的性質，X的性質不存在任一x_i中。例如細胞 的性質不會是分子的性質。因此A中的元素比B中的元素，多出了一些結構性質（structural properties）。由浮現性質亦可以論證橋律不存在，因此A與B之化約關係是不可能的，A具有自主性。

用Dennett的話來說，某些規律或樣型（patterns）只有從特定的觀點（stance）才看得見。選對了層次（或 觀點），規律就在那裡，換個層次，那些規律就不見了。換句話說，世界的結構是複雜的與多層次的，並非所有的規律都可以用粒子物理學定律來描述。高層次理論 有其自主性，其定律不能完全由低層次的定律推衍出來。

科際整合的新夢想

雖然化約論式的科學統一是不可能實現的夢，這並不表示不同層次的科學理論必然就像孤島一樣相互隔絕。科學理論語言的統一並非 不可能，不同層次的理論藉著語言的統一，也將呈現非常緊密的關連。以下將以認知科學為例，具體說明這個可能性。

什麼是認知科學？簡單地說，認知科學是研究心（mind）與認知（cognition）的性質與規律的科學。心通常指意識的 主觀狀態，即主觀感覺、知覺等狀態。認知則指認識能力，包括推理、感覺與知覺等。心通常指主觀現象經驗（phenomenal experience），認知則通常指可以「觀察」的客觀心理現象。例如我們可以研究蝙蝠的認知，可以了解蝙蝠是用聲納「看」世界。但是有些哲學家認為我 們無法了解蝙蝠的心，要了解蝙蝠的心的唯一方法是變成一隻蝙蝠（註二）。

人與人之間要成為百分之百的「知心」，也必須要能互相「換心」，否則最多也只能「將心比心」。因我們同屬於一個物種 （species），生物結構的相似性使「將心比心」成為可能。蝙蝠與我們在生物結構上差異實在太大了，「將心比心」恐怕很不容易，更惶論「知心」了。

哲學上的他人心靈（other mind）問題，在質疑「將心比心」可不可能真正了解他人的心。如果「將心比心」是唯一了解別人的心的方法，而且這個方法不能真正了解他人的心的話，我們 就得接受獨我論（solipsism）了。獨我論認為我們能真正了解的心只有我們自己的心，別人的心是不是存在都值得懷疑。我們每個人都孤零零地自處於此 一浩瀚的宇宙中，閉鎖於唯一自己的心的世界裡。

可不可能用客觀的科學方法來研究心（意識），目前仍然是爭議中的問題（註三）。有些學者不盡然同意上述心與認知的區別，而視 心、認知與腦的功能為同樣的東西。不過不論贊成或反對，不能否認的是，我們對主觀的現象經驗或意識所知仍然非常有限。

本世紀的認知科學發展過程從某一個角度來看，可謂是一個反化約論的過程。這個發展過程可以分為二階段：第一階段受到電腦科學 的影響很大，可以稱之為計算進路（the computational approach）；第二階段則受到神經科學與人工神經網路（the artificial neural network）的影響，可以稱之為動力系統進路（the dynamic system approach）。由科學史與哲學的角度來看這二個階段的發展，可以看到許多與科際整合（science integration）有關的現象，和許多關於科學理論的性質、科學的意義與科學與文化及社會之關係的啟示。

計算進路——理論的孤島

使用電腦的架構（architecture）來類比心與認知的架構，是計算進路（computational approach）的主要標誌。電腦大體上可以區分為軟體與硬體兩部分，或稱為程式（program）與機器（machine）。程式是以接近自然語言 的、具有語意（semantics）的高階程式語言來表達。程式設計師可以在程式語言的層次，來思考問題與解決問題，而不需要操心機器實際上如何運作。程 式設計師之所以可以這樣作，是因為程式可以透過編譯器（compiler）層層翻譯成機器語言（machine language）的指令，然後直接在機器上執行這些指令。這個由高階程式到機器運作的編譯過程，是一個已被徹底了解的關係，這個架構似乎可以用來做為心 與認知的釋模（model）。電腦科學首度提供我們一個可以用來解釋心與腦關係的釋模。腦就好比是機器，而心就好比是程式，計算釋模似乎提供了一個研究心 與腦的絕佳架構。計算進路就在這樣的信心下，發展了將近半個世紀。

心與認知架構與電腦架構之類比，自然地導出計算進路的二個基本假定：

（1）心理表徵（mental representations）具有擬似語言的語法結構；

（2）心理歷程是依據語法結構而運作的計算歷程。

如果心好比是程式，那麼心就應該和程式一樣，具有（程式）語言般的語法結構。而且因為機器的操作是依據與高階程式同構 （ismorphic）的機器指令來運作，心的運作也如電腦一般，依據心理表徵的語法結構來運作。這樣的語言與語法結構，是實際存在於腦中的。

人類認知的電腦模擬——人工智慧

在計算進路影響之下，許多學門開始依據相同的認知架構假設，來設計實驗或引導研究。人工智慧（artificial intelligence）是最直接的產物，直接在計算架構下來進行人類認知的電腦模擬實驗。認知心理學或所謂的資訊處理釋模 （informational processing models），也依據這個認知架構假設來研究心與認知。語言學的研究從Chomsky以後，後續的發展也都是根據類似的假設。

神經科學研究亦借用計算進路的假設，企圖了解腦的系統性質，發展出所謂的計算神經科學（computational neuroscience）。哲學方面自計算進路興起以來，以Putnam、Fodor、Stich等為主（註四），從機器功能論（machine functionalism）到最近的古典論（classicism），都可算是計算進路的支持學說，其中尤以Fodor最為著名。

這一波由計算進路的認知架構假設所引起的科際整合，可以說是本世紀出現的最大規模的科際整合。它整合了電腦科學（人工智 能）、生物學（神經科學）、語言學、心理學、哲學、離散數學、邏輯（遞迴函數理論）等，整合的基礎在於（1）相同的研究對象——心與認知現象，和（2）相 同的認知架構假設——語法結構與計算歷程。這個大規模的科際整合，後來導致了認知科學的誕生（註五）。

這一波認知科學的科際大整合經過約半世紀的發展，逐漸地遭受到來自各個角度的懷疑。雖然在計算架構的假設下，各領域生產了數 不清的研究成果，也產生了很多在工程上很有用的科技，例如人工智慧的研究廣泛地應用在各種科技產品上，但是認知科學理論的發展似乎遇到了一個瓶頸，計算進 路的理論架構及其資源也顯現出貧困面。以人工智能的研究為例，其對人類認知的釋模在在顯得淺薄和不能超越常識的深度，許多問題的解決方式，亦顯得無趣與無 法推廣到其他的問題（ad hoc）。認知心理學的研究成果，也多停留在批判現象的描述（critical phenomenology）層面。我們在其他物理科學中所經驗到的理論深度、驚奇與感動，似乎仍與計算進路的認知科學無緣。有人批評社會科學的研究，常 常只是繞了一圈去「證明」一般人都已經知道的事實；計算進路雖然不致於如此，但離我們所期待的理論的深度則仍然非常遙遠。

認知科學的孤島效應

這個進行了近半世紀，吸引了無數的一流科學與哲學精英的計算進路，為什麼會如此令人失望呢？問題出在其二個基本假設上。前文 已述及，第一個假設說：心理表徵具有擬似語言的語法結構；第二個假設說：心理歷程是依據語法結構而進行的計算歷程。這兩個假設產生了本節所要說明的孤島效 應，使認知科學的理論像孤島一樣，與其他自然科學隔絕，因而無法吸取其他自然科學的成果，以豐富其自身的理論架構和資源。換言之，雖然認知科學整合了許多 不同領域的研究，它卻無法進一步與其他自然科學整合，而導致理論上的孤島效應。

為什麼計算進路的假設會產生孤島效應？回答這個問題之前先交代一些背景。計算進路的主要貢獻之一，是證明了物理論與反化約論 的相容性（compatibility）。根據物理論，心與認知是物理現象，屬於物理秩序（the physical order）的一部分，可以用物理律充分解釋。化約論則主張心與認知現象，可以用粒子物理層次的理論充分解釋。物理論與化約論，很明顯地是水乳交融的。我 們可不可能接受物理論，卻反對化約論呢？假定心與認知的不可化約性會不會導致二元論（dualism）？二元論假設世界上除了物質之外，亦存在非物質的東 西。對現代科學家來說，這是難以下嚥的存在假設。計算進路的另一貢獻，就在於證明心與認知的不可化約性，不必然導致二元論。電腦架構的類比證明了高層次的 心理現象（程式），雖然不能化約到低層次旳物理現象（機器），心理現象（程式）與物理現象（機器）之間並無不可跨越的鴻溝。因此計算進路提供了一個聯結認 知科學理論與物理科學理論（包括生物學）的理論架構，在此一架構下，認知理論雖然有其自主性，其定律依然是物理律。

擬似語言的語法結構假設，是計算進路的主要問題。前面提到科學統一的兩個面相：統一理論語言與統一定律。雖然化約論式的科學 統一是不可能之事，但比較弱的非化約論式的統一，並非不可能。定律的統一、預設語言的統一，如果語言的統一辦不到，則不同層次之間的理論關係就很難建立， 更不必提定律的統一了。計算釋模的心理表徵是擬似自然語言的東西，它們是符號式（symbolic）的，而且符號之間的關係構成心理符號系統的語法結構。

認知系統的運作與規律也是語式（sentential）的。認知科學理論的語言，因此與其他自然科學的語言完全不同。自然科 學中的定律通常是數值化的（numerical），以數值方程式（numericalequation）的方式表達。所以計算釋模的語言與其他自然科學語 言的統一，即使可能，也是一件很困難的事；再者，這麼大的語言差異也影響到理論之間定律的關連性。這個原因使得認知科學與其他自然科學之間的整合相當困 難，而成為理論的孤島。

動態系統進路——新的遠景

即使在計算進路的全盛期，計算釋模並非是唯一的理論架構。從五○年代至今，神經網路釋模（the neural network approach）一直與計算釋模進行學術上的競爭。計算進路獨霸學術界近半個世紀，除了因為電腦科學快速進步的影響之外，Minsky ＆ Papert（1969）的《Perceptrons》一書起了很大影響。

「Perceptrons」是Rosenblatt（1958）所發明的二層網路，具有相當的學習能力，當時受到學界相當的 重視，也廣用於釋模智慧系統的學習能力。Minsky ＆ Papert的著書證明了二層的Perceptrons有一些嚴重的理論限制，它只能學習線性可區隔（linearly separable）的問題。例如exclusive-or就不是線性可區隔的（註六）。這個理論限制指出：Perceptrons在模釋人類學習能力上 的不足。真正打擊到神經網路釋模的不是Perceptrons的缺失，因為三層網路可以大大提高系統的學習能力。Minsky ＆ Papert臆測三層以上的學習有credit assignment的問題，即三層網路的學習算程（learning algorithm）不存在。二層網路有限制，三層以上的網路沒有學習算程，這意味著神經網路釋模不是一個恰當的釋模。此後，研究經費與人才就都集中到計 算進路去了。

計算學派的質疑

一九八○年前後數年間，從物理學家到心理學家，幾篇獨立發現三層網路學習算程的論文出現了，最著名的是Rumelhart、 Hinton ＆ Williams（1986）所提出的「錯誤後傳學習算程」（Error backpropagation learning algorithm）。神經網路學習能力重新被發現，加上學界對計算進路的有限成果、發展的遲滯及一些重大的困難（如frame problem）開始不滿，尋求更佳的理論架構成為八○年代初期的現象；神經網路釋模終於在八○年代後期成為主流，計算進路則儼然已成昨日黃花了。

三層網路的學習算程之發現，並沒有立刻終止計算學派對神經網路學派的攻擊。計算學派由二個方向繼續批判神經網路學派：第一， 計算學派認為，神經釋模的心理表徵之間的關係是結合式的（associative），結合的原理不是結構性原理；第二，如果神經網路釋模有用的話，那它必 定是計算釋模的生物基礎原理而已，因此它不是一種認知釋模。

第一個問題在挑戰神經網路的認知建構，是無法解釋人類認知與思維的複雜結構關係，自然語言是一個例子。語言的語法結構顯然不 是結合式的，它具有非常複雜的遞迴（recursive）結構。結合式結構（associative structure）指時間上的或空間上的關係，或其他不涉及表徵的內在結構的關係。例如：

A: I saw a man who is my former girl friend's boy friend.

B: He is my former girl friend's boy friend.

這兩個句子對計算學派來講，有語法上的關係——B是A的子句。但是如果這兩個句子以結合式的儲存方式儲放在我的記憶中，則A 與B的關係不會反應出A與B的內在結構。它們可能在時間上或空間上鄰近而已，或者可能只是刺激—反應的結合而已。

簡而言之，計算學派認為神經網路釋模無法解釋人類思維的複雜結構，這是一個可能致命的挑戰。行為主義的記憶（或表徵）理論便 是結合式的，是一種刺激—反應的結合。行為主義的結合記億（associative memory）早被丟棄，如果神經網路的記憶結構也只是結合式的話，那麼它在理論上的解釋力就不會超過行為主義太多；因此，八○年代後段與九○年代初期， 許多神經網路學者便積極研究如何解決這個問題。Smolensky的「Tensor product representation」、Elman的「recurrent network」與Pollack的「RAAM」都是有名的例子（註七）。本文限於目的與篇幅之考慮，不擬細就此一問題，而只在此向讀者報告這些研究的結 果。研究證明，神經網路釋模的內在表徵具有非常複雜的結構，甚至於語言的遞迴結構（recursive structure）都是可以學習的。這樣的結果解決了計算學派的組構性（compositionality）問題的攻擊。

第二個問題牽涉到神經網路釋模，到底它是認知理論還是生物（硬體）理論。計算學派認為認知現象是不可化約的，認知理論的層次 就是我們一般人常識上的心理層次，而且只有建立在這個層次上的理論才是認知理論。神經網路學派則認為，常識上的心理層次只是現象的層次；若要解釋這些現 象，我們必須探討認知現象的微觀結構（micro structure），並且在此微觀層次來探究認知現象的規律。例如透明性、在某溫度下是液體、會流動、無色、無味…等，都是水的現象性質，當研究水的結 構與規律時，我們卻得降到分子層次，來探究H₂O的微觀結構。

研究認知現象時，我們亦應從較低的層次來探究：認知層次的現象是如何由較低層次的現象，如神經網路的種種性質，浮現 （emerges）出來。計算學派的單一層次觀與表徵的擬似語言觀，將計算釋模範限在常識的心理層次，而難與其他層次的理論整合，這其實就是造成孤島效應 的主要原因。

動感系統釋模

神經網路學派的架構，其實是一種神經動態系統（neurodynamics）的架構。這個學派一開始就借用動態系統的概念與 理論資源，但相當程度地自我局限在神經網路的範疇內，即人工神經網路的概念資源。雖然借用了不少動態系統理論的概念，卻未開展出一個比較寬的動態系統進路 （dynamic system approach），這個局限性多少反應在近年來大量的神經網路研究上。許多研究問題純粹是人工神經網路特有（ad hoc）的問題，並不具有深刻的理論蘊涵，這個現象與人工智慧的許多研究類似。不過近年來已有不少學者提倡走出聯結論（connectionism）的框 框，去開創一個動態系統的進路出來。Port與Van Gelder（1995）一書所收的論文代表最近的趨勢。

動態系統在此泛指其內部狀態（states），根據某些規律隨著時間的改變而改變的系統。系統可能具有的所有狀態集 （state set），稱之為狀態空間（state space）。狀態通常以向量（vector）來表示，因此狀態空間又稱之為向量狀態空間（vector state space）。在不同時間的不同狀態，在狀態空間中形成一個弧線（curve），連結在時間上所接續的狀態空間中的點，這條弧線稱之為軌線 （trajectory），它可表示系統在時間中的演化（evolution）情形。所有的軌線所構成的集合，稱之為位相空間（phase space）。

動態系統釋模與計算釋模的不同，可以由兩者對心理表徵與心理歷程的看法來對照。在計算釋模中，表徵是語言元體 （linguistic entity）；在動態系統釋模中，表徵以數值向量（numerical vector）來表示。在計算釋模中，心理歷程是一種語法規律（syntactic laws）；而在動態系統釋模中，心理歷程是用微分方程式來描述。在一個動態系統中，如果系統的行為存在某種規律性，軌線會顯現出一種樣型 （pattern）出來。有時一組軌線的演化會趨向同一個極限（limit），這時就形成所謂的吸子（attractors）。吸子有三種主要類別：固定 （fixed）、循環（cyclic）與混沌（chaotic）。在認知科學裡，固定吸子是最主要的類型。用動態系統的語言來說，心理表徵就是位相空間中 的point attractors。認知歷程就是系統穩定到某一吸子的過程，這個過程可以用微分方程式來描述。

為什麼採取動態系統進路，會帶給我們新的遠景？這個進路如何促進科際整合？很明顯地，動態系統進路採用了一個廣為自然科學所 使用的語言——動態系統理論的語言。在直覺上，語言的統一要比計算釋模容易多了。不過直覺不見得可靠，下面將從世界的結構與動態系統語言的優點二個面相， 來說明語言統一的意義及其在科際整合上的作用。

多層次結構的因果互動

世界具有多層次的結構（multi-level structure）。歐本海默與帕特南提出一個粗糙的層階（hiearchy）——粒子、原子、分子、細胞、（多細胞）生物體與社群（social groups）共六層。世界的層階結構到底有多複雜，以及這些層次之間有何關係等，是經驗的問題，有待經驗科學去解答。不過世界的多層次結構的一般性質， 我們已多少有些了解。例如，細胞層次的元素（細胞），是由一組分子組成的。推廣而言，任一層次的元素均由低一層次之元素集所組成，其性質亦相當程度決定於 低一層次之性質。其次，雖然高層次旳規律是自主的，但因果關係（causality）是多層次（multi-level）的。

多層次的因果關係是一個很重要的觀念。如果因果關係是多層次旳，計算進路就面臨一個重大的困難。根據計算學派的說法，認知層 次是一個完全自主的層次，所有的認知規律均可以在此一層次充分掌握，而不必訴諸於低層次的規律。雖然認知現象是由物理的腦所產生，但是腦的生物規律與認知 規律是不相干的；在理論上任何認知現象，都可以在認知層次獲得解釋。然而在一個動態系統中，層次之間與同層次之間的各種變元（variable）都是互動 的，具有某種因果關係。我們需要一個恰當的語言來描述這種跨越層次的因果關係。

舉個例子來說，細胞是由一分子集所構成的動態系統。這個細胞的狀態空間，等於這個分子集所構成的超維空間（hyper- dimensional space）中的所有的點（points）；位相空間等於在此狀態空間中，所有可能的軌線所形成的空間。生物系統則由一組細胞構成。以腦為例，是由一神經 集所構成的動態系統，腦的狀態空間等於這個神經細胞集所構成的超維空間，腦的狀態可以被了解成狀態空間的吸子。

從分子到細胞到腦系統，我們如何設計一套語言，藉以描述各層次及層次之間複雜的因果關係呢？動態系統語言顯然比計算進路的語 言來得有效。不管在那一個層次，系統狀態都可以用向量來表達。狀態空間可以用向量空間來表達，軌線可以用微分方程式來描述，兩相鄰近層次之間的關係，則可 以用空間座標轉換加上非線性函數來描述。例如在細胞層次，向量空間座標是由分子的數值所構成，細胞可以用由分子超維空間中的點來代表。如果我們將座標轉換 成細胞的數值，則我們得到一個由細胞構成的超維空間，空間的點則代表某一高層次的狀態。依此類推，非線性函數的作用則用以描述高層次不可化約的結構，以打 破層次之間的同構關係。這套動態系統語言的美麗，在於低層次的變元在高層次規律裡面仍然存在，動態的互動變元（dynamical interactive variables），亦可描述層次之間的控制（control）與回饋（feedback）的機制（mechanism）。此機制似乎亦可以說明在物質 系統中，何以某部分物質可以用來「監督」、「控制」或「指揮」其他物質，而產生自我組織（self-organization）的能力。

由上可見，動態系統進路不僅提供了語言統一的可能性，也藉著適當的語言掌握到多層次之間的因果機制。不同層次的理論之間，雖 然不存在化約的關係，卻也不是全然沒有關係。化約關係是一種邏輯關係，那是一種舊的世界觀下的靜態關係。在動態系統的觀點下，這種靜態的關係是否存在，不 是一個重要的問題，因為世界本身是動態的，不是邏輯的，是在實時間（real time）內發生的動態現象。在計算進路的世界觀裡，世界中只有次序（order），而沒有實時間。因此，在動態系統進路中，根本無所謂化約關係，而只有 多層次的互動因果關係。在這樣的新架構下，學域的區隔已經沒有太大意義。不同學域之間的差異，僅在於其所研究的系統現象或規律不一樣而已。

全新的世界觀

動態系統進路不僅正引發認知科學的大革命，它可能會改變我們對世界的認識，也會改變我們對人類、生命與智慧的看法。它不僅僅 是一個新的理論架構，它更是一個全新的世界觀。這套理論架構早已用來研究物理科學，而生命科學也開始從動態系統的觀點來研究生命現 象，Kauffman（1993）的《The Origins of Order》代表最近的趨勢。認知科學則自八○年代初期以來，已逐漸由神經網路進路發展為動態系統進路，再上去就是社會科學了。雖然在社會科學中尚未看到 動態系統進路的影子，但是用動態系統理論架構去研究經濟學、社會學、政治學等，則不是新鮮的事情。更大的系統像生態系統，則早已有動態系統理論的足跡。

在未來，動態系統理論必定廣被各層次的不同科學研究使用，甚至包括文學、藝術與音樂等的研究。這將不僅僅是自然科學內的大整 合，也不僅是自然科學、生命科學與認知科學的大整合，或自然與社會科學的大整合，這將是人類對世界與人的全盤性認識的大整合。這是一個全新的世界觀，它不 僅將影響我們對物理世界的認識，亦將全新調整人在宇宙秩序中的位置。

註一：William Ockham（1285～1347）是中古世紀的哲學家。關於Ockham的簡述，可參閱Dancy ＆ Sosa（eds.）（1992）。

註二：見Nagel（1974）,（1986）；McGinn（1991）。蝙蝠的例子是Nagel的例子，他的文章的名字 就叫「What Is It Like to Be a Bat？」

註三：例如Nagel與McGinn都認為自然科學不可能解釋心，Seale（1992）與Dennett（1991）則認 為雖然科學可以解釋心，卻不是目前我們所了解的物理科學。

註四：Putnam是最早提出Turing Machine Functionalism的哲學家。見Putnam（1960）。

註五：一般認為1956年是認知科學的濫觴。1956年九月在MIT舉行「資訊理論研討會」，同年在Dartmouth College亦舉行了一場人工智慧的暑期研討會。1960年哈佛大學成立認知研究中心。1977年，《Cognitive Science》期刊創刊。1979年美國認知科學學會正式成立。

註六：假定「▽」是exclusive-or的符號，則只有當P或Q之一為真時P▽Q才為真；當P和Q同時為真時，P▽Q為 假。

註七：見Smolensky（1987），（1988），（1989）；Van Gelder（1990）。這個問題通稱為組構性問題（the compositionality problem）。

附記：本文係作者應邀在今年四月二十三日的「第三屆民間科技研討會」中，所發表的論文。

洪裕宏任教於中正大學哲學研究所／認知科學研究中心