编者按
钢芯高强度耐热铝合金导线是在钢芯铝合金导线的基础上将其钢芯加强采用高强度钢芯，同时在铝合金中加入金属锆(Zr)元素后制造出的一种新型导线，在低海拔地区钢芯高强度耐热铝合金导线由于其连续运行温度及短时容许温度比常规钢芯铝绞线(ACSR)高60 ℃，分别达到150 ℃及180 ℃，从而大大提高了输电能力，同时其机械特性也较常规钢芯铝绞线(ACSR)大大提高。
邦格是国际上著名的科学哲学家和系统哲学家，今年9月21日是他100周岁寿辰。邦格是坚定的科学实在论者，他坚决反对“物理学的唯心主义”。他的系统哲学强调动态的(存在即变化，即过程)、涌现论的、演化论的等特征，这些方面是与辩证法高度一致的。但他不喜欢“表述得不确切”的辩证法，即所谓“矛盾辩证法”，因为它与“逻辑矛盾”容易引起混淆。邦格认为，马克思主义中最有价值的东西，即唯物论、实在论和社会正义的理想，这是他所赞赏的。本期收入邦格新近所写的三篇论文：(1)《反向问题研究》，是一篇讨论科学方法论(包括社会科学方法论)的长文；(2)《一场去物质化的圣战》，是一篇捍卫科学唯物主义的战斗性很强的论文；(3)《政治哲学的检验》，是表明邦格的政治哲学基本观点的论文。此外，沈健先生的《关于马里奥·邦格“类比推理”思想的评述》，对我们了解马里奥·邦格“类比推理”思想提供了新的视角。时值马里奥·邦格先生诞生100周年之际，刊发这一组文章，尤其具有特殊意义。
反向问题研究
马里奥·邦格1/文，刘晓丽2/译，桂起权3/校
(1.麦吉尔大学 哲学系，加拿大 魁北克省 蒙特利尔市 H3A0G4；2.许昌学院 商学院，河南 许昌 461000；3.武汉大学 哲学学院，湖北 武汉 430072)
问题的一般概念一直没有得到充分的研究，以至于乔治·波利亚(George Polya)《如何解题》(How to Solve It)的出版引起了不小的轰动。而且，因为它是深奥且跨领域的，尽管讨论的这个概念属于哲学范畴，但是，还没有哪位哲学家对它进行过令人难忘的研究。卡尔·波普尔(1962)意识到“所有的生活都是在解决问题”，但他认为问题的概念是没问题的。托马斯·库恩(1962)强调了“解惑”问题和需要“范式转换”问题之间的区别，但没有详细说明。我自己对这一课题的贡献(Bunge 1959b，1967)几乎无人注意。
“问题”这个词在大多数哲学参考书中都没有出现——好像它不是一个有问题的概念。更糟的是，很少有人告诉我们，从事基础数学(original mathematics)、科学或者技术研究是为了解决开放性问题。也没人告诉我们，最困难的问题可能是反向的，在那里，可能是从结果到原因、从目的到手段，或者是从结论到前提——就像从症状诊断疾病、寻找从欧洲到亚洲的西方通道、制定公共政策来面对社会问题。换句话说，正向思维是从前提到结论，而反向思维则相反，是寻找根据。
前提
正向↓↑反向
结论
到目前为止，问题和陈述之间的类比是显而易见的。它们可以通过引入用否定词表达的否定问题的概念进一步展开。我们通过以下步骤得到：
一、问题的概念
(一)概念问题
概念的问题或议题是知识的缺口，可以用一种有希望的方式来处理。例如，当前生物医学研究中的一个尚未解决的问题——寻找阿尔茨海默氏症的病因和有效疗法，显然就是一个反向问题。因为研究人员需要从可观察的症状，如行为和认知的缺陷，反向研究细胞和分子的过程，如β-淀粉样蛋白的积聚。
解决该问题的一种科学路径依赖于最近对脑退化的研究，其建议疗法的有效性可以通过实验的强度和统计分析进行估算。无论谁解决这个问题，肯定会获得诺贝尔奖。顺便说一句，这个奖项是为了奖励原创性的发现或理论的，而不是那些对数据的改进或计算，更不是对谬见的揭穿。此外，可以说，所有“硬”科学领域的诺贝尔奖都是为解决重大的反向问题而颁发的。
科技调查者经常被要求对同行提交的研究项目进行评级。这些评级预设了研究价值的明确标准。这是一个反向问题，因为它就是从一个概括性的结论到假设、再到调查过程中使用的数据和方法。通常，这样的评估受科学方法的普遍性概念的阻碍，根据这种概念，科学方法可以归结为：“观察——收集数据——得出结论”的顺序。但是，这是关于科学方法的一幅漫画，因为每个研究问题都包括处理一些或一组问题。此外，任何学科的观察都受一种思想的指导，即哪些特征值得观察——例如，应该观察一些神经递质的浓度，而不是观察助手的实验外套的颜色。科学研究的一个更现实的设想是这样的：背景——问题——猜想——检验——结论——评价。
石料场设计方案不合理，主要表现在5个方面：浪费人力、物力资源，开采石料需要一定的人员与机器设备，从设计到组织施工需要投入大量的人力资源；建设石料场占用大量的土地资源；增加了运输成本，占用过多的运输设备；对当地的水土保持环境有一定的破坏；浪费建设资金。从设计规划到建设石料场、石料场的用地建设、石料的开采、运输等，这都需要一笔不小的资金投入，取消设计中的石料场可以节省一定的建设资金。
规则1.1 生成元包含的变量和未知数一样多。
有时候，科学理论引发实验研究项目。如引力波在2016年首次被发现，是因为爱因斯坦在一个世纪前就推测出了引力波的存在，且他的引力理论在其他几个例子中也得到了证实。
(二)问题陈述
问题的产生、描述和讨论不是在真空中进行的，而是基于一定的情境或是针对一定的知识背景。换句话说，我们每一次探索都开始于知识体系产生分歧的时候，其中涉及到一些恰好产生于问题陈述中的概念。因此，具有物理学背景的人也许能够陈述一些新的物理问题，但是却不能研究遗传学或物理学史上的问题。
日常生活中，我们需要做一些实际的工作，对人作为一个生命整体的某一块儿进行探索。相比之下，我们目前的工作只关心从我们的环境中抽离出来的概念问题。然后，我们将主题定位于只能被少数人理解的抽象层面，因而远离了心理学家和社会学家关于知识的那些众说纷纭的研究。
埃德蒙德·胡塞尔(1931：28)有个著名论点：他的现象学是无预设的。这是错误的，因为任何领域，仅陈述一个问题都是以一些相关领域为前提的。例如，胡塞尔“现象学还原”的定义就涉及诸如“本质”“经验”“意识”等一些严格的术语，其中每一个都会引发几个领域。
诚然，形式逻辑可以被解释为是一门自发学科或第一科学，但没有人能否认，它是在对规律的思考后，又与数学密切结合的过程中发展起来的。我们认为，逻辑是自发的科学，只是为了强调逻辑原则在概念上是自足的，即使我们就接受它们是因为它们在实际推理中起作用——这是一个良性的循环。
两人像两头困兽纠缠在一起，凶悍男自以为聪明地点燃了车子的油罐，这时晕过去的帅大叔醒来把他抓住动弹不得，最终两人在一声爆炸中紧紧搂抱着同归于尽。
有人断言，逻辑之所以能做出本体论的承诺，是因为它包含了所谓的存在量词：∃。但是这种解释是错误的，因为∃xPx =┑∀x ┑Px =有的x 是P ’s 。换句话说，∃指“有的”，而不是“存在”。因此，逻辑没有产生本体论承诺；数学也是如此。
其中，x 是生成元的个体变量，P 是谓词变量。
总而言之，没有完全的或绝对的“开始”：每次开始都发生在事件中。特别是，任何领域的重要工作都是他律性的或受益于其它领域的，而假的，特别是伪科学，则看起来是自发的或自足的。例如，炼金术就不使用化学，而计算心理学，则是独立于认知神经科学的。所以要谨防那种隔离于整个宇宙以外的东西。
定义1.2 如果G (v )是生成元π(v )，则非-π(v )=(?v )[
G (v )]。
总之，每一个非平凡的问题都是整个相互依存问题的一个组成部分，其中，包括所有科学探索所共有的预设，如外部世界的真实性和可知性的哲学假定。如果删除这些假定，就会打开虚构的大门，见证可能世界的猜测。
“别黑了。”柳哥关掉手机，放在了枕头底下，“我和你们不一样。我要是不能在外面混出名堂，家里要是有田我还能回去种田，没田了只好去流浪咯。”
(三)问题的逻辑：基础知识
在所有的领域里，我们都会发现各种各样的问题，特别是在认知、计划、预测、行动、评估和沟通方面。无论问题的种类或性质如何，都可以从以下方面加以区分：(1)本身被视为与数据、指令、规则和情感表达(认识论方面)等同的问题；(2)与“质疑”这一行为(心理方面)相关的问题；(3)通过某种语言中(语言方面)的系列陈述句、疑问句或者祈使句表达的问题。
讨论任何问题都涉及三种观点：背景或前因、生成以及它可能存在的解决方法。思考一下“谁是老板？”这个问题，它预先假定了存在一个老板，而不是没有人或者受团体管理的人。它由命题函数“x 是老板”生成，并导出“c 是老板”这种形式的解，其中c 命名特定的个人或群体。(请记住，命题函项是一个包含至少一个自由变量的公式，且在变量被赋予确定值时变成一个命题。)
每个问题的产生都是基于由先行知识所构成的一些背景，尤其是这个问题的特定假定。“假定”是在问题陈述中以某种方式参与，但却不被质疑的或由它们引发探究的一类陈述。此外，每个问题都可以被视为是由一组确定的公式生成的。我们称问题的生成元为命题函项，它们是一次或多次地运用“？”算子所产生的问题。最后，每个问题都会引出一组公式，即问题的解。它们被插入问题陈述中的时候，就会将后者转化为一组具有确定真值(真、假、或1/2真)的陈述集。
换句话说，我们最初的问题是“哪一个是x ，这个x 是老板？”，或者缩写为(?x )Bx 。这个问题的生成元是Bx ，它的主要预设是“存在xs 是Bs ，或者(
x )Bx ”，解的形式是Bc ，c 被命名为被询问者。从逻辑的角度看，我们得到以下序列：(1)预设(x )Bx ；(2)生成元Bx ，问题(?x )Bx ；(3)解Bc 。
乍一看，诸如“p 是真的吗？”之类的问题不适合前面的模式，因为它是由p 本身生成的，应该是命题，而不是命题函数。显然，“?p ”可以改写为“函数V 在p 处的真值是什么”。在符号表示中，“(?v )V (p )=v ”中的V 将命题p 映射到它们的真值v 。如果后者恰好是真(或+1)和假(或-1)，则V 退化为普通赋值函数——原始问题不会被前面的重述修改。但是，如果允许V 在这些范围内进一步取值，就像在事实科学的例子中那样，那么，很显然，问题的新表述要比预设命题只能为真或假的单纯的“P 是真的么？”要普遍得多。任何情况下，真值问题都是以某种真值理论或其他理论为前提的，是关于一个函数的可能值。
(四)问题的形式
根据干涉式光纤陀螺方波相位调制的解调方法[12]，在开环状态下，其解调输出是幅值分别为5时隙减去7时隙和6时隙减去8时隙输出光功率的周期方波信号，周期等于倍增陀螺的特征时间2τ.
寻求一个或多个个体变量值的问题可以被称为个体变量问题，而寻求一个或多个谓词变量值的那些问题可以被称为函项问题。我们假定每一个初等问题都是这两种问题中的一种。
那么，没有可见变量的问题形式，“单个c 是否具有谓词P 所表示的属性”又是如何的呢？实际上，值是存在的，只是被隐藏起来了：它是命题“c 具有属性P ”。事实上，这个问题是由函项“‘具有属性P的C’的陈述的真值是v ”产生的，这个问题的解由v 的精确值组成。因此，该问题的显式表述是：“命题‘c 具有属性P ’的真值是什么？”
所有关于普遍性、特殊性和存在性的问题都可以被视为是关于相应陈述的真值问题。因此，“存在万有引力么？”的问题就可以被重述为“存在万有引力是真的么？”或者更准确地说，读者可以恰当地怀疑“存在万有引力这个断言的真值是什么？”的问题，我们在这里回避了一个问题：即是应该被视为“存在”还是“有的”。同样地，“一切物质都是可变的么？”是否等同于“‘所有物质都是可变的’是真的？”
那么“P 是什么”又怎么样呢？其中的“P ”表示像“自旋”或“矢势”这样的谓词常项。这里也缺少一个变量，必须挖掘它才能完成这个问题。实际上，要提问的是：“哪些是A 的属性P ，或者(?P )(PA )”，其中的“P ”表示一组高于A 的谓词集。这是一个函项问题，答案由一组断定A 的确定属性的陈述构成——例如，A 在一个或多个坐标中是对称的。
我们从上面的例子中得到了一个启示，很明显，所有这些都具有一个特征，看似缺少特定变量：不要让自己被普通语言所误导，通常需要挖掘变量。还需要注意那些被我们处理为原始词项的、总是带有未知和变量的问题标记：“？”，此外，“？”不会绑定它所起作用的变量：仅仅问一个问题不能回答它。只有答案，即解决方案，不受未约束变量的约束。
表1列出了一些典型的基本问题形式。该表仅用于说明，而非详尽无遗。
表1 基本问题形式
(五)形成规则
表1中列出的每种问题形式都会出现一个未知数，但答案中没有。这刻画了界定清晰的、明确的或者确定的这类问题，与界定不清晰的、不明确的或者不确定的问题形成鲜明对比。后者有不确定的答案，即解涉及自由变量。一个确定的问题有一个不含未知数的答案，但答案可能是由一系列的陈述组合组成。
例如，问题(?x )(x 2-x =0)的解由两个元素组成，即方程的根0和1。相反，问题(?x )(x 2-x +y =0)是不确定的，因为即使在固定x 之后，变量y 仍然是自由的。但它可以通过“给y 指派一个确定的值”或者“通过在前面添加一个量词符号”，或者“标记第二个变量的问题记号”来确定。实际上，(?x )(?y )(x 2-x +y =0)是一个确定性的问题，答案由无限多个有序对〈x ，y 〉组成。简而言之，一个确定的问题有一个单一答案，没有自由变量，可以是单个元素，如“y =x 3的值是什么，x := 0.001？”或者是多元素的情况，如“美国有哪些社会阶层？”(:“=”是指派符号，不要与等同符号“=”混淆)
只要问题明确，就能得到明确的答案。例如，“这个棒有多长？”的问题，“‘这个’在既定背景下是明晰的”且“参考系、长度单位、温度和压力确定”的情况下，只有一个单一的答案。同理，“c 在哪儿？”是不够明确的问题，因为名称(本例中为c )除了在上下文之外，没有对任何内容进行个性化处理，我们必须指定属性A 的集合为个性化的c ，并相应的问“如果c 是一个A ，那么c 在哪里？”或者，“给定c 是A ，c 在哪儿？”假设位置可以由有序的n 元组坐标值指定，一旦完成，问题的形式将是“(？n )(An 
Bn )”。简言之，问题陈述中的所有变量都应该是显式，以确保它的确定性，除非上下文明确指出这些变量的值是什么。
前面的非正式表述可以总结如下：
定义1.1 问题陈述是合式的，当且仅当满足下面形成规则：
本文结合实际工程，选取中柱节点进行拟静力试验[13]，对改进后足尺寸节点进行低周往复加载，重点研究适用于管线穿孔的蜂窝梁配合钢柱内加灌混凝土对节点刚度的影响，以及节点的抗震性能。
选择该院收治的103例老年糖尿病患者阴道炎患者，随机分为观察组和对照组，各52例、51例。观察组52 例中，年龄 61～77 岁，平均（68.83±3.29）岁，糖尿病病程 1～22 年，平均（9.49±1.53）年，阴道炎病程 3 个月～9年，平均（5.38±1.61）年；对照组 51 例中，年龄 61～76岁，平均（69.01±3.42）岁，糖尿病病程 1～21 年，平均（8.97±1.43）年，阴道炎病程 4 个月～10 年，平均（5.41±1.58）年。两组患者年龄、病程等差异无统计学意义（P>0.05）。
规则1.2 问题和加在生成元前面的变量一样多。
近年来，按照“生态优先、绿色发展”的要求，湖区坚持破除旧动能和培育新动能并举，相继关闭了一批“两高一低”的生产企业，进一步加大了绿色生态产业扶持力度。如益阳市按照疏堵结合的方式推动竹凉席加工企业整治整合，关停575家污染严重、工艺落后的企业，整合后引导进入凉席工业园集中发展，既有效改善了区域环境质量，又有效延续了传统产业发展。结合农业供给侧结构性改造，益阳南县推广“稻虾共生”生态种养30万亩，南县小龙虾获批为中国地理标志保护产品，小龙虾综合产值跻身全国前三强，化肥施用量减少30%左右，起到了良好的社会、经济和环境效益。
规则1.3 每一个初始合式问题具备下列形式之一：
(x ？)(…x …)，(?P )(…P …)
换句话说，纯粹理性和真实存在是一个良性循环的两个焦点，或是由两条圆弧形成的椭圆的两个焦点：即笛卡尔主义或理性主义的“我思故我在”与亚里士多德主义或经验主义的“我在故我思”。整个椭圆象征着康德和逻辑实证主义者追求对理性主义与经验主义的综合是徒劳的。
规则1.4 每个非初始合式问题都是合式初始问题的组合。
根据活菌生长繁殖速率的不同，可将生长曲线大致分为迟缓期、对数期、稳定期和衰亡期，所以活菌在不同时间之下进行培养都会对活菌的数量造成影响，其中，细菌在对数期生长迅速，活菌数以恒定的几何级数增长，生长曲线图上细菌数的对数呈直线上升，达到顶峰状态，期间细菌的形态、染色性、生物活性等都较典型，对外界环境因素的作用敏感，所以常会选取对数期的活菌作为研究对象进行试验。
当问题出现在由方程式支配的背景中时，通常会在定义合式问题的条件上添加附加条件，即未知数的数量不能超过条件的数量。然而，这一要求并没有阻止一些古希腊和阿拉伯的数学家们对丢番图方程的研究，例如ax +by =c ，就违反了变量数不能超过方程数的条件。
(六)问题组合
让我们阐述一下上面出现的“问题组合”这一表达的含义。称π(x )为一个初始个体问题，且π(P )是一个初始的函项问题。通过对变量类型进行抽象，可以将这两种问题形式合并到一个问题形式中，即简单地通过引入变量v 的概念，就像π(v )=(?v )Gv ，而G (v )是这个问题的生成元一样。
现在让(?v 1)Gv 1和(?v 2)Gv2作为两个我们希望组合的初始问题，例如，“那个医生在哪里学习？”和“那个医生的专长是什么？”如果我们打算解决其中的一个问题，我们可以写成π(v 1，v 2)=π(v 1)velπ (v 2)；如果我们想一下子解决这两个问题，则可以写成π(v 1，v 2)=π(v 1)etπ (v 2)。在第一种情况下，我们面临一个析取问题；在第二种情况下，我们面临一个合取问题。析取问题的解是它的析取支的解的析取，即：S (a ，b )=S (a )∨S (b )。如果问题是合取，它的解是合取支的解的合取，以防变量v 1和v 2被分开。
如果变量是一个整体的相互作用的部分，则不可能进行这样的分离或分析。例如，个体在她所在社会中的融入或包容程度是内在属性的函数，例如社交能力；还有二位(two-place)属性，例如两人之间地位上的差距，经理和雇员，或者队长和个人。
请注意，分析的可能性既是本体论的问题，也是认识论问题。因此，个人主义和分析哲学两者的有限范围是：只有当他们研究的整体是联合体而不是系统的或有组织的整体时，它们才会成立。换句话说：
交互作用
变量的不可分割性
分析的极端局限性何在。然而，这种谨慎并不能阻止仍然支配着社会研究的个体主义者。在二元函子vel 和et 的帮助下，我们可以分析任意复杂度的问题，尽管受到上述提到的限制。例如，可以通过以下方式之一分析三变量问题：
π1velπ 2velπ 3π1etπ 2etπ 3
π1vel (π2etπ 3) π1et (π2velπ 3)
上述公式可改写如下：
π1vel (π2etπ 3) (π1velπ 2)et (π1velπ 3)
π1et (π2velπ 3) (π1etπ 2)vel (π1etπ 3)
显然，函子vel 和et 遵循结合和交换律。
文献中存在的分歧恰恰说明了该研究出版的价值。
在概念上的前沿领域，有些问题可以通过包含形式化理论的定义，用数学术语进行陈述和处理。这个特性不仅降低了模糊性，有利于理性的讨论和提高可检验性，还使得获取广阔的数学基础成为可能。数学化不仅有利于问题解决，也可能产生新的问题，例如，在相容变换下对形式的相似性和不变性的寻找。
从给定的问题切换到否定问题通常是有利的。例如，“哪些化学元素是惰性的？”可以替换为“哪些化学元素不进入化合物？”在问题的否定概念和上述公式的帮助下，许多问题可以被分析为简单问题的析取(合取)的合取(析取)。
（1）通风：是猪舍降温放热的有效措施，即可排除舍内的热量，又能改善空气污浊度，保持舍内空气新鲜。实际生产中要依据舍内空气质量和温湿度的情况，适时通风换气。
除了由算子vel 和et 带来的组合之外，我们还认识到问题蕴含和等价的二元关系。我们规定π1暗含π2只是在生成元π1暗含π2的情况下；且我们说两个问题是等价的，如果他们各自的生成元是等价的。符号表示为：
目前，我国企业培训总体上处于起步阶段，表现为培训层次不够清晰，大多停留在较低培训层次上；培训内容较为单一，多侧重于业务技能培训，对领导力、管理策略等内容涉及较少；培训老师实战经验不足，纸上谈兵的较多；企业培训尚未成为人员选拔和激励的基础环节等等。
问题蕴含：(π1seqπ 2)(G 1G 2)
问题等价：(π1aeqπ 2)(G 1G 2)
等价问题最简单的例子是G 1=G 2。问题隐含的一个例子是:寻找陈述真值的问题意味着寻找同样命题是真的问题。这里有一个问题等价的问题：从前提P 推导条件句A C 的任务等价于从扩充的前提P &A 推导结果C 。事实上，π1(?V 1)[V (P ├A )=V 1]和π2(?V 2)[V (P &A ├C )=V 2]。现在，如果V 1=V 2为真，根据蕴涵的定义，G 1等价于陈述P (A C )是逻辑真的(重言式)；并且，根据输出律，P (A C )等价于P &A C 。因此，说P (A C )是重言式等于断言：P &A C 是重言式。但后者恰恰是G 2。Q .E .D 。
最后，如果G 2可以从G 1中导出，即如果G 1蕴含G 2，我们就会说π(v 1)比π(v 2)更强或更硬。简而言之，π1≥π2(G 1├G 2)。
例如，动力学问题比相应的运动学问题更强，因为后者的生成元(因此也就是这些解)可以从前者相应的生成元得到。例如，牛顿的运动定律隐含开普勒的行星运动定律。显然，在日常生活中，我们有理由避开更难的问题，在科学中，人们应该更倾向于研究更强的问题，因为这些问题会导出更强的解。
大脑与意识“相关”的问题，一直被认为是心理学中最难解决的问题，因为，“意识”一词不会出现在描述我们意识体验的句子里，如听音乐。如果心智被视为非物质的，它也必须被认为是不可分割的。相反，如果心智被认为是大脑的一部分，那么，意识的问题就会被纳入认知神经科学的内容。在这种情况下，我们可以把意识看作是一种二级神经回路插入初级神经回路去进行精神体验的活动。这类监控的物理模拟是将电流计G 插入电路：G 的作用就像电路中的自我意识。
毫无疑问，电子电路可以模仿思想和图像。但是它们能产生原创的思想和图像么？被称为人工智能之父的约翰·麦卡锡(John McCarthy)认为，他们可以做到。事实上，20世纪50年代中期，他就宣称：“学习的每个方面或智能的任何其它特征，原则上都可以被精确地描述，以使机器可以模拟它。”1960年，著名数学家、氢弹专家斯坦尼斯瓦夫·乌拉姆(Stanislaw Ulam)在斯坦福大学(Stanford)召开的首届国际逻辑、方法论和科学哲学大会上发表了一场广受好评的演讲。他表示相信：计算机已经或即将处理各种问题。我站起来问他：电脑是否能够系统的阐述新问题。这个问题让乌拉姆很吃惊：他花了好长时间才承认他从来没有想过这个问题。他是解决正向问题的专家，而忽略了新问题的来源，特别是反向问题。
显效:症状消失,预后好,无后遗症,生活质量良好;有效:存在后遗症,生活质量受影响;无效:不满足上述标准。重型颅脑外伤手术效果为显效、有效百分率之和[2]。
现在，经过半个世纪的计算机热潮，我们总是在徒劳地寻找对计算机计算能力和模拟心智功能局限性的现实性评估。例如，在大部头的剑桥计算心理学手册(2008)中并没有出现“问题”(problem)”和“疑问”(question)这两个词。我们也没有在任何“问题发现”的计算模型中找到这些词，这是有原因的，即：问题发现是不可计算的。因此，自然智能可以被模拟或模仿，但不能被替代。
前面对计算范围的悲观是理性的，而不是情绪性的。事实上，支撑所有人工智能基础的图灵机理论也暗示了这一点。事实上，这一理论的中心假设是非自发性公理，可以这样说：次序状态函数F ，是从有序对集合〈state,input〉到状态集合〈state,null input〉的下一个状态的函数，类似于F (states ,null input)=s 。换句话说，图灵机只在外部刺激下工作：不像人，它们不会自我启动。这就表明了一种替代图灵测试的方法，用以判断一个东西是人还是电脑：对其设置一个问题，其解涉及主动性。
(七)决策问题
将问题划分为个体的和函项的只适用于初始问题或原子问题。规则1.4允许分子问题的非初等表述，其中一些可能是个体性变量，而另一些则是函项变量。我们对基本问题形式的分类跨越了历史过程中提出的选择分组，其中，最著名的是亚里士多德的和帕普斯的。亚里士多德对“什么问题”“事实问题”“是否问题”或“论辩问题”做了区分。然而，从形式的角度来看，事实问题“a 和b 之间的差距是什么？”和论辩问题 “a 是否隐含b ？”之间没有太大的区别。事实上，两者都是个体性的问题：前者是问函数D 在一个数对上的值是什么，后者则是问函数D 在一个不同数对上的值是什么。这种差别不是逻辑上的，而是方法上的，因为每个问题的答案都需要它自己的方法。
古希腊数学家帕普斯(Pappus of Alexandria)对建筑问题进行了区分，例如，包括在“是否—问题”中的“求一组数的平均值”和证明问题。两千年后，乔治·波利亚(1945)将它们重新命名为“发现问题”和“证明问题”，并找到了它们的区别。顺便说，在乔治·波利亚(1945年)和帕普斯(公元前340年)之间的近2 000年里，似乎没有出现关于问题概念的新观点。
那么决策问题呢？也就是说，它们的答案是直接地回答“是”还是“不是”呢？这些问题是个别问题的特殊情况，特别是那些涉及真值的问题，例如，“p 是真的么？”和“个体t 属于集合T 么？”，当p 取特定形式“t 
T ”时，后者可归为前者。一个给定的问题是否属于这一范畴是一个方法论问题，因为只有现有的手段和所考虑的目标才能帮助我们回答这个初始问题。
在问题陈述中出现的空白可以是单个变量或谓词变量。“谁发现了美洲？”的问题是由命题函数“D (x ，a )”产生的，未知的是个体变量x 。相比之下，诸如“c 看起来是什么样子的？”之类的问题，则指示我们搜索那些也许是目前未知的、构成个体c 的显示属性的集合P 。我们将这个问题形式表示为“(?P )Pc ”。
这样的问题还有更多。想一下问题：“个体c 有多高？”，c 命名为一个确定的人。无论选择的高度计有多精密，原则上，这个问题都可以分解为一个有限的、形式为：“c 的王冠从头顶落下，是否落在刻度范围n和n+1之间？”的问题序列。准确性的提高将使我们能够提出更多的这类问题，从而更接近可能的唯一真相。但是，由于每个度量都带有一个非零误差，所以，存在有限数量的决策问题需要解决。这种有限性对于程序的有效性是必要的，即，可以在有限的步骤中执行。一个完全精确的解决方案需要无穷多个这样的单位步骤，因此，这是人类无法实现的。
2.1 从属关系一般概念的建立 基因、DNA、遗传信息之间存在着从属关系，可选择图1和图2进行教学。基因、DNA、遗传信息这三个概念中，遗传信息这个概念最为抽象，学生理解起来比较困难，可选择从学生熟悉的染色体这个概念入手，借助对图1和图2的信息加工一步步厘清这几个概念之间的关系(表2)。
实验室科学家和应用数学家的一个愿望是，无论一个难题可能是什么，它最终都可以归结为一个有限序列的“是或否”的问题。然而，这种方法论赢得的每一个成就都隐藏着一种认识论上的失败：一个强问题，如确定一个不可数无限集合中的一个特定元素，已经被一组有限的弱问题所取代，如要求确定一个给定的个体是否属于一个给定的集合。没有其他的选择：要么我们采纳较弱问题的解，要么我们留下尚待解决的较强问题。
(八)语义和语用问题
现在让我们转到问题的语义方面。规则1.1至1.4是必要的，但不足以确定答案，即具有唯一(尽管不一定是单一元素)的解。事实上，一个问题可能形式上是没有问题的，只是它的背景是有缺陷的，或者是指示模糊的。例如，问题“p 是真的吗？”，尽管形式没问题，但不能假定p 只能有两个真值，这一点并不明显，因为p 可能在一个系统中为真，但是在另一个系统中却不是。同样，“硫的熔点是多少？”只有一个熔点，不管它的晶体结构如何，这是错的。在其它情况下，预设是隐藏很深的。例如，“为什么有东西存在，而非空无一物？”假设上帝在思考是否创造宇宙的时候问过自己这个问题。因此，答案关键取决于提问者的信仰。
有缺陷的问题公式化表达可能会妨碍甚至阻止恰当的研究。这就是海德格尔的“What is being？”，或者与“What is it to be？”等价，它们跟“What moves motion？”属于同一类。问题的有缺陷的公式化表述——即，提出一个不规范的问题，可能会导致研究走上无果而终的道路。例如，“真理的保证是什么？”的问题，自古以来，这就引发了无尽徒劳的猜测。我们应该认识到，尽管真理是可以得到的，但它们并不带有真理承诺，只不过是因为这种承诺的可能性是不存在的。我们最多只能希望，我们的解能够通过时间的考验，或者更确切地说，通过进一步的考验。
让我们从以下问题开始，就问题的背景制定以下约定：
定义1.3 一个问题构思良好的(或有很好的支持)=在相同的背景下，没有一个假设是明显错误的或未确定的。
我们也需要，
定义1.4 一个问题是陈述充分的=这个问题既是形式表达充分的，也是构思充分的。
考虑到这些约定，我们制定了最后一个约定：
规则1.5 每个问题都应是表达充分的。
一个适定的问题将是确定的或定义明确的：通过显示所有的相关项，提示进一步的搜索可能有助于解决这个问题。然而，如果认为仅仅遵守规则1.1到1.5就可以保证我们只提出精心设计的问题，那就太天真了，因为要找出一个问题的所有前提并不容易。即使在正式的理论中，也只能列出理论家所承认的前提。除了在微不足道的情况下，这样的列表很可能是不完整的。因为，一些进展是通过发现公式要么是必要的，要么是可有可无而取得的。因此，一个被认为是精心设计或有意义的公式，基于仔细审查，可能被证明考虑不周。
严谨性似乎要求对每一个前提的前提进行检查，以此类推，直到达到或没有达到最终的前提为止。这是可能的，至少在原则上，在数学上是可能的：这里有很多自成体系的理论，所以我们可以挖掘，最终得到一个基本理论，如集合理论或范畴理论。相比之下，在事实科学中，量子力学或量子电动力学是否存在任何基本理论尚不清楚。在实际问题上，这种模式可能是一张网，而不是一棵扎根的树，而且在任何情况下，在这方面立法总是为时过早。
我们不应寻找最终的理论，而应确保在每种情况下都能够有权根据需要继续进行探索。消极地说，我们应该避免假定最终的假设。回想一下进化生物学在20世纪的发展历程：包括大演化，先与生态学融合，后与发育生物学融合。总之，科学是有基础的，但这些可能只是暂时的。
因为预设不是一成不变的，所以不存在固有的构思良好的问题。例如，一个操作主义者应该忽略任何关于星际空间状态的问题，因为测量仪器的放置和操作破坏了原始的空间。现实主义者没有这样的顾虑，因此欢迎宇航员获得的太空数据，更欢迎无人驾驶太空探测器收集的数据。
改变上下文或背景，问题的意义也可能随之改变。而且，由于环境可能会发生变化，摒弃那些被视为本身无意义，因此永远无意义的某些问题，将是愚蠢的。明智的做法是采取一种更谦卑的态度，承认这个问题不是我们目前感兴趣的，或者承认它可能有趣但还为时过早，即用于处理它的工具尚未构建。
对开放性问题的这种谦虚态度并没有扼杀它们，而是将对它的处理推迟，直到获得合适的工具。如果巴甫洛夫主义者和行为主义者不是把精神斥为“形而上学的”，而是说，他们自我强加的限制不是本体论的，而是方法论的，那么，他们就不应该受到所谓的人本主义心理学家的指责：他们从研究诸如记忆、条件反射和厌恶这类基本事实开始，因为这些基本问题必须在提出涉及高级功能(如想象和错觉)的问题之前得以解决。伪科学和反科学的兴盛，不仅是因为无知和蓄意抑制启蒙，还在于科学家们的固执拒绝，甚至认为是完全合理的，尽管可能是不成熟的问题，例如自由意志的存在问题。
还要注意合适性，尽管必要，但是还不足以证明艺术实验和探险所涉及的代价的合理性。只有具备解决深层问题的强烈动机，人们才会试图为这种行为寻找物质支持。此外，这种动机将取决于问题的原创性，以及解决方案的理论或实践效用。这种观点促使我们补充一点，在其他条件相同的情况下，在科学领域，总是应该更愿意去解决那些更有原创性和前景的问题。
原创性条件的正当性在于研究的结果应丰富现有的知识，而不仅仅是对其进行确证。承诺条件强调的是任何科学成果的产出至少应与投入同等重要。
(九)问题
一个领域的问题学是一套思想和程序，它们远非无可非议，而是提出了值得研究的问题。一个学科的成熟程度可以通过其问题的状态来估计。一门学科，存在的问题比获得的成就更多，那是不成熟的；而一门没有问题的学科，要么还处于萌芽阶段，要么已经过时了。例如，会计学几乎没有提出任何研究问题，而量子物理学不断引发了有趣的争议。前面的分析实际派生出了：那些需要大量个人履历才能得到或保住一份工作的人应该研究一些没有问题的课题；那些需要大量的劳作来获得或保住工作的人应该致力于没有问题的课题；那些寻求智力刺激的人应该研究有问题的课题，例如物理学基础。因此，当因贝尔定理闻名的约瑟夫·贝尔，向一位资深物理学家请教的时候，后者问他是否有一份终身工作，还是依赖软基金。不管怎样，上帝是自雇者。
二、正向和反向问题
(一)正向——反向的区分
在解决一个问题之前，我们应该弄清楚它是正向的(比如预测公共卫生政策实施的效果)，还是反向的(比如设计一个旨在解决传染病传播等卫生问题的政策)。
正/反的区别，虽然是基本的，但很少被描绘出来，所以我们最好用几个例子着手澄清。正向问题的一个基本例子是计算两个给定整数的乘积。对应的反向问题是找到整数，当它们彼此相乘时，就会得到原来的数。最常见的例子是侦探面临的各种难题。下面是夏洛克·福尔摩斯所谓的“三管案”的梗概：
疑点→线索→假设→新证据→结论。
关于进一步明确“正向—反向”这种形态的例子是解码加密信息；通过分析地震产生的地震波确定震中位置；根据某种疾病的症状找出病因，同时要记住，脸红可能是由发烧、尴尬、愤怒、体力消耗或暴露在阳光下引起的；同样，一个蓄意行为可以用它的意图或目标来解释，而这只能通过猜测来说明。
这两类问题如图1所示。
几乎任何人都能缝制一条裤子，但只有经验丰富的裁缝才能够带来一种新潮而有品位的服装的变化——这是一个开放的问题。大多数反向问题都比相应的正向问题困难。反向问题的解可以是多重的，也可以是不存在的；且给定的是可见的，而它的来源可能是隐藏的。因此，正向/反向的区别与不同层次结构之间关系的本体论问题有关，特别是可观察的和不可观察的结构之间的关系。
因此，分析化学家将一团物质分析为给定或假设的反应物和催化剂之间某些反应的产物的集合：
反应物1+反应物2 +催化剂→反应产物+催化剂
在这种情况下，正向问题是分析化学家的特定任务，而反向问题是合成问题，即从给定或期望的产物中找到反应物和催化剂。
更多例子见表2。
(二)预测与解释
我们可以区分两种解释：规范陈述下的描述性和包容性、机械性或诉诸机制的。描述性解释的标准逻辑框架如下：
规范描述：对于所有x ，如果Cx ，那么Ex 。
数据：Ca 。
(1)
∴Ea
相比之下，一种机械论的解释指出了从源头C 产生结果E 的过程：
输入C 触发机制，输出E 。
最近有人声称，虚拟事实抓住了解释的核心：认为应该将C →E 转换为：
如果C 没有发生，E 就不会发生。
(2)
图1 正向和反向问题
一个明显的反对意见是，(2)和(1)说的是一样的。另一个反对意见是，诉诸虚拟事实是逃避现实的一种方式，而不是抓住它。
表2 正向和反向问题的例子
最后，但并非最不重要的是，让我们注意到正向——反向区别并不等于二分法，因为存在不属于这两类的问题。一类例子是无法解决道德困境范畴的问题，比如苏菲的选择，进退两难的双方都违反了一些伦理上的最高原则。在这种情况下，道德行为人会试图避免陷入两难境地。
三、形式问题
(一)挖掘前提
让我们从一个熟悉的案例开始——代数方程式，即，以下类型的公式：
生成元P (x )n =0
(3)
其中，P (x )n 代表x 的n 次多项式。如果前面加上“有的”(或“存在”量词)，前面的公式就变成了一个陈述：
方程式xP (x )n =0
(4)
最后，我们添加“？”作为前置联词，表示任务或问题
(?x )xP (x )n =0
(5)
即，“哪些x 的值满足条件(3)？”问题的公式(5)表达一个正向问题。对应的反向问题是：求解满足条件(5)的方程。这个问题的解是这个方程：
(x -r 1)(x -r 2)…(x -r n)=0，
其中，r 1，r 2，...，r n是这个正向问题(5)的根或解。
一般来说，正向问题是从源点到汇点，而反向问题是从汇点到源点。当字段按逻辑顺序排列时，正向/反向的区别可以重新表述如下。
正向：给定假设A ，找出其逻辑结果T :(？T )(“A T ”逻辑)
反向：找出包含给定定理的前提(假设和定义)：(？A )(“A T ”逻辑)
在前面，我们使用了蕴涵或逻辑蕴涵的标准定义：A ├B =“A B ”属于经典谓词逻辑。顺便提一句，我们采用了Alessandro Padoa的定义概念，即等值词(identity)，而不是等价(equivalence)或当且仅当(iff)。
在社会技术领域，一个常见的问题是发现一堆可能改善特定社会群体健康状况的政府法规和干预措施。例如，19世纪中期，英国的公务员和政客们发现在伦敦发生的流行病，其罪魁祸首是水源，特别是地下水。他们开始用从泰晤士河中提取的纯净水来代替它们，并保护这些纯净水免受来自家庭和公共卫生设施的未经处理的污水的污染。在这种情况下，与大多数其他现实生活中的反向问题一样，任务是找出可观察结果的隐藏原因。
另一个常见的例子是犯罪侦查。事实上，侦探会试图通过检查留下来的痕迹识别罪犯——或者通过探究为什么獒犬没有吠叫。同样，天文学家将通过观察不围绕可见恒星运行的行星的运动来探测黑洞。①
而实业家则试图通过委托市场分析来了解他的产品的市场表现。
简而言之，对原因或来源的研究是反向的或回溯的，要么有多个解决方案，要么没有。
正向 反向
推断 猜测
原因→结果 结果→原因
正向概念问题在于找出一系列前提的结果，而反向概念问题则在于猜测包含给定命题的前提。根据公认的观点，Bertrand Russell(1919)精辟地表述为：“普通数学是正向的，而数学逻辑是反向的。”现在我将挑战这一观点，并认为这两个方向都发生在数学中。
数学中的大多数研究主要在于证明定理，即，猜测包含一个给定命题的前提。例如，毕达哥拉斯定理至少有367种证明，它们中的每一个都从头到尾地阐释了该定理。也就是说，待证明的定理是这个证明的起点——或者，如果愿意的话，它就是悬在数学家鼻子前面的胡萝卜。删除要证明的陈述，证明过程甚至就不会开始(Polya 1954)。中世纪的游侠骑士骑马出发去寻找敌人。例如，疯狂的堂吉诃德打算与任何坏人决斗，不管是真实的还是想象的，只要他遇到了。他可能赞同波普尔的座右铭：“通过猜测和反驳继续前进”。相比之下，骑士手下头脑冷静的侍从桑丘·潘扎(Sancho Panza)则坚持事实，试图证实自己的少数猜测，并将反驳视为失败的证实。
定理的每一个证明都可以被描绘成一棵树，它的根是一堆假设和定义。一般来说，数学理论中的一个陈述可以被描绘成假设——演绎树上的一个分支。显然，将一个理论公理化是在解决一个困难且不寻常的反向问题(见图2)。
图2 正向与反向问题
前提及其结果之间的区别不仅是一个结构问题，而且与检测的阶段有关。在这一阶段，人们经常采用两种不同但又互补的思维策略：正向和反向。在正向思维中，人们接受陈述，因为陈述遵循假设，如果假设带来了可信的结果，人们就会相信假设。这当然是一个良性循环。
最后，我们要注意，正向/反向的区别并不总是相关或重要的。一个例子是代数方程：解决一个代数问题就是处理一个正向问题，而用它的解或根来恢复原来的方程是解决一个反向问题。但是代数基本定理保证了这两条路径的可行性和等价性——这是一种不寻常的情况。
(二)策略行动涉及到反向问题
所有的策略行动都是有目的的，也就是说，它们都预先假定存在一个问题解决过程的草图。反过来，涉及的这些模型，不管多么概略，都是实现相应目标的可能手段。就像贪图挂在另一根树枝上的水果的猴子，需要先跳过去，并估测自己需要飞多远才能不会掉下来。
换句话说，想要达到G 目标的动物必须要从解决M -E 反向问题开始，即尝试通过图像或概念来解决这个问题。而在实施M -E 关系时，动物会有意无意地使用莫迪在行为学或行动理论(Bunge 1998)中研究过的模型。以下是情态动词和情态动词的逻辑规则：
如果A (是这样，或已经完成)，那么B (接着发生)。
B 是好的(或正确的)，总的来说，A 更好(或更正确)。
∷ 执行A
如果A (是这样，或已经完成)，那么B (接着发生)。
B是坏的(或错误的)。
∷ 拒绝A
注意，两个规则中的第一个前提是一个规范陈述，而第二个前提则是一个价值判断。这种事实与价值陈述的交织，触及了被大多数当代哲学家所采用的休谟的事实/价值壁垒。②
由于实现大多数目标都需要理性思考而不是反射性的行动，我们猜想，在日常生活中面临的大多数问题都涉及到反向问题。简而言之，在现代生活中，反向问题是常态，而不是例外。绝大多数专业哲学家未能认识到这一点，只能说明纯理论哲学，甚至是通俗语言哲学，已经脱离了日常生活。他们声称已经面对并解决了“一串经验点→连续曲线”问题，但忽略了一个男孩去买他梦想中的自行车的例子：他不停地寻找，直到找到一辆真正的自行车，它既符合他的梦想，又符合他的购买水平。显然，这个男孩面临着一个反向问题。
关于手段——目的关系的一个有趣的例子，是不同研究领域之间的相互依赖性。数学是一种通用的工具，就是说，它是一种可以跨领域使用的工具，也是从物理到公共卫生社会技术等各个领域寻求帮助的对象。蒙昧主义者一定会反对任何数学化的表达，因为它们只在概念的黑暗中蓬勃发展。他们中的一些人会说数学化表达有很多伪科学的例子。这确实是所谓的人文社会科学家的情况，如威廉· 狄尔泰、路德维希· 冯· 米塞斯、弗里德里希· 哈耶克。启蒙运动的追随者反对没有数字的管理是不负责任的观点。既然所有的社会问题都涉及资源和债务，所有这些都有一定的数量，没有数字的预算是特别不可想象的。
(三)思考：自由和统治
日常思维是相当模糊和不稳定的。经过逻辑分析，这种思维被证明，要么是自发的，要么是规则导向的，要么是两种模式的混合。在使用乘法规则、真值表、演绎模式等的时候，我们会明确地遵循规则。在某些情况下，我们求助于计算器，即我们会使用计算机辅助我们的工作。
近年来，人工智能对设计工程的贡献呈指数级增长(参见Sanchez-Lengelin & Aspuru-Guzik 2018)，但它只是简化了智能试错过程。
显然，任何人工智能设备，只有在提供能量和程序以及达到预期目标时才会有所帮助。例如，人们可以设计与道德哲学一样多的道德机器。特别是，一台实用的机器将提供最方便的解决方案，agathonist就是很好的一个。
计算机和其他符号处理设备按照算法运行：他们不创造新想法，甚至不走捷径。这种限制的一个现实意义是：即使是最复杂的计算机也可能会出错。另一个原因是计算机永远不会因为写了一篇原创论文或绘制了一幅原创设计而受到褒贬。换句话说，电脑没有个人履历，也永远不会被授予专利。
从逻辑的角度来看，计算机的输出包括解包或计算出用某种编程语言编写的符号输入(见图3)。
如果缺少输入的物理或符号组件，计算机将无法工作。由于计算机既不能编写原始程序，也不能创造能量，上述情况足以推翻雷· 库兹韦尔的预测：在不久的将来的某个时刻(技术奇点)，计算机将取代人类——就好像技术有自己的生命一样。事实就是，所有激进的技术进步，当它们被发明者以外的人或团体所拥有的时候，都有可能导致工作岗位的流失。原则上，合作管理和所有权会消除数字化和自动化的社会黑暗面。
图3 数字符号处理装置的输入和输出
四、科学问题
(一)做科学就是研究科学问题
做基础科学就是用科学方法来解决科学问题，从而获得关于现实的真理(Bunge 2016)。当然，科学问题是在科学知识体系中产生的，并用科学方法研究的问题，比如，通过望远镜观察和信息处理技术，主要是为了丰富和净化我们的知识。如果一个研究项目的目标是实用的而不是认知的，但背景和工具是科学的，那么问题就属于应用科学或技术，而不是基础科学或纯科学。然而，科学知识和实践知识并没有强硬的划分，因为同一个问题，无论以什么目的解决，最终都可能具有认知价值和实用价值。例如，对啮齿类动物的行为学和生态学研究，可能不仅对生物学有意义，而且对农业和生物医学研究也有意义。
这类科学问题可以用几种方法来分析。其中一种是：
实体 或 客体
例如，“有多少A ？”
科学问题 <
策略或程序
例如，“我们应该怎么计算A ？”
客体问题关注的是事物的方式，程序问题关注的是我们了解事物或认知事物的方式。反过来，实体知识又可细分为经验的、概念的和推理经验的，而策略问题要么是方法论的，要么是评价性的。
处理经验问题需要经验操作，如称重和溶解，而概念的操作只需要训练有素的大脑。根据定义，经验概念不会出现在正式的或先验的学科中。然而，经验问题常常与概念问题混在一起。例如，测量由光线组成的三角形的边长，以确定它是否符合欧几里德几何的假定。
“经验的”“概念的”“方法论的”和“价值的”，这些词并不相互排斥，而是在研究过程中交替强调的属性。因此，找出给定药物对神经系统影响的问题可以分解为以下几个任务：(1)设计适当的实验和指标的方法问题，并在实验的基础上选择相关性的显著性水平；(2)药物的制造、纯化、管理和记录药效的经验问题；(3)解释数据和推测行动模式的概念问题(即，动物的反应机制)；(4)确定在某些方面，给定药物是否优或劣于竞争药物的评价性问题。
(二)硬数据和软世界观
上面列出的问题并不详尽，只不过是因为调查员还必须要面对科学中很少涉及的问题，比如组织和融资。事实上，从原则上讲，招聘、分工、团队培训和整合、预算、供应、出版和竞争等问题都可以科学地解决，在这种情况下，这些问题就成为科学社会学中的问题，可以借助社会心理学和管理学来解决。但通常这些问题仍以科学发展以前的方式处理，这是因为传统的影响和行动理论还不成熟，除了在那些包括巨型探测器和加速器、由大型专家团队操作的望远镜、大型预算的操作、预先提交申请所分配的时间内的工作等“大”科学领域，只需要一些指导和实验室管理的经验就足以做好一份体面的工作了。
在讨论了科学问题的分类之后，现在让我们来看看它们的亲缘关系。科学问题不是在真空中产生的，而是在熟悉相关理论、方法和数据，好奇心强且聪明的大脑中产生的。如果有人想知道，比如说，某种晶体的化学式，那是因为他知道或怀疑它的存在，并且对化学键和X 射线分析有一定的了解。相反，只有对历史一无所知的人才会问：“历史的目标是什么？”而一个完全没有想法的人也不会有足够的好奇心去解决任何有意义的问题。
发现一个有趣的问题，并获得适当的手段，是不足以启动着手解决这个问题的。我们还必须知道结果数据是否充分有用。有时数据太少，有时又太多了，正如社会研究中所发生的，他们的大多数理论都无法应对信息过载。
拥有大量的信息、理论和方法是必要的，但不足以解决一系列问题。此外，我们必须能够在找到解决方案时识别解决方案，这就需要规定我们将接受何种解决方案以及哪种检验会令人满意。否则，我们可能会迷失在卓有成效的搜索或无休止的争论中。例如，如果有人研究活细胞的合成问题，她应该事先规定人造细胞必须具备哪些特性才能算作活细胞。
问题的选择取决于知识的状况以及研究人员的目标和方法的可能性。例如，一个世纪以前，生物精神病学家只能看到死的大脑切片，而这些切片并不能说明主人患有偏头痛或精神疾病。只有脑成像技术的发明，如1970年左右功能磁共振成像(fMRI)技术，才使得寻找精神分裂症等精神疾病的解剖和生理痕迹成为可能。
除了预先规定一个问题的解决办法应该是什么样子之外，我们可能还希望正视它的存在和独特性问题。这些问题是纯数学中必不可少的。然而，已证明存在并不保证实际上的发现。关于唯一性，这很重要，因为只有唯一的解决方案才能解释事物的行为：只需要考虑一个由多值函数描述的力场，就可以预测浸入场中的粒子的不同轨迹。
(三)合适的科学问题
我们现在可以总结出成为合适问题的充要条件：(1)问题的出现，必须要有一套科学的知识体系，否则连一些零散的问题都无法恰当地进行说明；(2)问题必须是陈述清楚的，在某种意义上必须符合上述正式的规定；(3)问题必须是成熟的，因为它产生的背景，尤其是它的前提，既不是虚假的，也不是未定的；(4)对问题必须加以限制：零敲碎打的方法是不科学的；(5)存在性和唯一性至少是可能的；(6)必须对可接受的解决和检验办法事先作出规定。坚持这些条件并不能保证成功，但可以避免浪费时间。
然而，一个合适的问题可能是枯燥的，而不合适的问题却是令人兴奋的。此外，大多数大学所采用的“要么发表，要么出局”的晋升政策，使得大量微不足道的论文源源不断地发表。除非一个有天赋的研究人员毫不掩饰地爱上所选的问题，否则，她在这个问题上所做的工作只不过是些粗制滥造的东西。因为激情不是商品，所以，提出好的问题既没有手册也没有算法指导。
沉迷于一个问题需要熟悉它。反过来，这不仅取决于研究人员的能力，也取决于当时的潮流和时尚。例如，对本能行为的思考，如鸟类筑巢和迁徙以及蜜蜂之间的交流。在动物行为学的早期，这些是最受欢迎的研究课题，但在20世纪30年代末，却只吸引了业余爱好者，而他们只对描述野生动物的行为感兴趣。20世纪50年代，实验心理学、控制与通信科学的发展，重新唤起了人们对本能行为的兴趣。
另一依赖于所谓时代精神的议题是阶级分析，尤其是马克思主义学者所实践的阶级分析。直到最近，社会阶级和阶级分析的概念在社会科学中还很少遇到，但随着2016年唐纳德· 特朗普(Donald Trump)的民粹主义出人意料地取得胜利，它们又重新出现，并揭露了被边缘化和充满怨恨的白人穷人阶级。
问题的选择在一定程度上是由知识氛围决定的，认识到这一点，有助于避免对资金不足、过时且重要的研究的低估，特别是对那些短期内不太可能产生成果的研究的低估。毕竟，科学问题是以成批或系统化的形式出现的，且无法预测任何特定研究领域的成功或失败。
谁能想到J.J.汤姆森在1897年发现电子会引发一场电子革命，这场革命不仅改变了工业和仪器仪表，还改变了全世界数百万人的日常生活呢？(《自然》杂志(Nature)在纪念这一成就50周年的那期杂志中发问，电子是被发现的还是被发明的。)
我们如何确定某一特定的研究方向是否会富有成效？我们做不到，因为科学问题来自于系统，而系统的组成和结构只有在很长一段时间内才能被揭示出来。零散的问题不太可能吸引有能力的研究人员，也不太可能提出重要的问题。但是，如果沿着一条长长的路线走一步，整条线就可能向前移动——也就是说，新的问题可以得到解决。由于这种不可预测性和系统性，智能科学管理非但不要求立即取得成果，反而会鼓励研究任何可能激发学者敏锐想象力而精心设计的问题。换句话说，智能科学的管理者将会确保研究的自由，特别是选择问题和规划该项工作的自由。
(四)哲学问题
路德维希·维特根斯坦(Ludwig Wittgenstein，1953：19)在快速浏览了数学基础之后，宣称：“当语言度假的时候，哲学问题就产生了。”因此，哲学家的任务就是把哲学问题视为语法错误(op.cit.，p.91)。当维特根斯坦把哲学家降格为抄写员时，其他人意识到，两千年来，他们一直在努力解决有关物质与精神、真理与谬误、善恶、公平与不公等跨学科问题。我们可能会批评他们的答案，但要轻率地忽略促使这些解决方案出现的问题，那是不可能的。
其中一位哲学家是卡尔·波普尔(1962)，他理所当然地认为科学和哲学的讨论始终都伴随着问题。但他和他的弟子都没有分析问题及其同源词——“问题内容”和“问题情境”的概念。俄国马克思主义者办的一个重要杂志，叫做《哲学问题》，致力于批判所谓的资产阶级哲学，支持马克思主义信条，但却没有处理那个时代大量的科技创新所带来的许多问题。当代其他哲学流派的情况大致相同：它们都不是以问题为中心的，也没有产生轰动的效果。特别是，威廉·狄尔泰(Wilhelm Dilthey)的理解(verstehen)，或者移情性理解，并没有帮助我们认识20世纪的任何灾难。
一流的哲学家为新旧哲学问题提出新的解决方案，而二流哲学家则评论一流的同行说了什么或没说什么。他们倾向于教授无聊的课程，包括阅读和评论那些被认为是权威的文章。前者专注于问题，而后者专注于解决方案。一流的哲学家主要是对思想感兴趣，而其他哲学家则研究思想的表达及其产生和传播的环境。同样，像塞万提斯、莎士比亚、巴尔扎克和托尔斯泰这样的作家，重在加工现实生活，而文学教授们则在解释前者的作品。当然，我们需要这两种学者，但我们应该承认存在两种截然不同的学者。
前面的陈述是描述性的，而不是评价性的，无论如何，这两种阶层的思想家都需要保持对哲学的持续关注。需要重复这种澄清以反驳一种流行的观点，即哲学不过是所要教的一堆或多或少有些空洞的或离谱的观点，而不是一堆相当棘手的问题。然而，当支持者提到哲学问题时，他们不是指研究问题，而是指学科或领域，比如“知识的问题”，他们不希望接下来进行严格的讨论，并欢迎像尼采这样的小册子作者、海德格尔那样的文字魔术师、瓦蒂莫那样的“week thinking”③一样的拥护者进入哲学的洞穴。
哲学上天真的人可能还会认为这是个笑话，像“你怎么知道宇宙会在一夜之间缩小到原来的一半？”，或“如果分心让我忘记了头痛，它会让我的头停止疼痛，还是只会让我不再感到疼痛？”(Analysis magazine, January MCMLIII)。各种各样的问题都可能引起各级哲学家的注意，不仅是那些适当的哲学问题，当然，只有具备必要专业知识的人才能胜任对这些问题的处理。
但什么是哲学问题呢？这是元哲学或哲学的一个问题——当然这也是哲学的一部分。如果我们采用传统的观点，那么，任何逻辑、形而上学、认识论或伦理学的问题都是哲学的。但是这种外延的定义忽略了法律、哲学和语义学。一个更为谨慎的定义是：哲学问题是任何一门特殊学科都不能单独解决的问题。
请注意以下哲学问题的特点。第一，它们都与其他领域有关，特别是逻辑、数学和事实科学。第二，它们都是概念性的，因为它们是用纯粹概念性的方法来研究的，尽管其中有些是以事实科学为前提的。第三，它们在一定程度上与事实科学交叉——就像“什么是物质？”“什么是思想？”，以及“什么是正义？”因此，它们常常通过诉诸科学而得到解决或消解。第四，没有实证数据出现在它们的背景或公式中。第五，由于哲学问题是以科学为前提的，科学是变化的，所以哲学问题的主体是永恒的、永远变化的。第六，哲学问题的答案可以根据科学的进步加以纠正。第七，通常没有明确的标准来识别哲学问题的解决方案是正确的，除了它们与某些知识体的相容性。
哲学问题没有专门的清单：从垃圾处理到政治操纵，任何领域都可能出现这种情况。有些人能发现哲学问题，而另一些人只能在被贴上哲学问题的标签时才能看到它们。大多数哲学专业的学生所学习的问题都已经被贴上了哲学的标签，就像大多数旅行者选择去已知的目的地，而不是探索新的地点一样。
大多数哲学教授传授的是如何处理已知的问题，而不是如何在遇到新问题时继续探究。因此，我们会给予一些协助，提供以下规则作为哲学方法论的基础。首先，哲学问题的处理应符合一般的逻辑。单凭这一点就足以使许多后现代主义的废话失效。其次，已有论述应该是科学上最新的——尽管它不应该谴责所有的科学异端。第三，哲学方法应模仿科学方法：前提——结果——检验——结论。第四，所提出的哲学问题的解决办法，应该仅从它的真实价值来判断，不管是意识形态或政治上的考虑。
下面是对前面的哲学规则的一个证明。如果违反了逻辑，任何荒谬言行都将被严肃对待；如果不仿效科学方法，化石科学和流行的伪科学可能会破坏对真理的探索；如果不抵制宗教或政治压力，哲学就会成为政党或特定利益集团的仆人。
选择正确的问题和正确的方法在哲学和科学中同样重要。做出错误选择的代价是将“马拉多纳踢进了比赛的第一个球”这样的事实陈述时髦地翻译成：“如果马拉多纳没有踢球，他就不会踢进比赛的第一个球。”虚拟语句被认为也能解释诸如“糖是易溶的”等趋向性概念，④以及关于规范和归纳的元科学概念。科学家们还没有注意到所谓的虚拟条件句的力量。例如，在物理化学中，定性的“可溶性”被实际饱和浓度的定量概念所取代；理论物理学家讨论的是“定律中的定律”(laws of laws)，比如相对性原理，没有使用虚拟条件句的模糊概念。由于缺乏对科学的了解，出现了伪问题的膨胀。
哲学家处理的一些问题是某些哲学家的问题，而不是其他哲学家的问题。例如，卡尔·波普尔将划界问题描述为“科学哲学中大多数基本问题的关键”(波普尔1962，42)。但在作者的哲学中却并非如此，科学预设了许多哲学预设，如“真实存在是物质的”“表象是以主体为中心的，最多是作为真实存在的指示物。”
前面的教训不是说哲学家应该避免思考科学提出的哲学问题，而是他们应该在对科学发表意见之前先研究科学，因为以科学为基础的哲学可能会推动科学向前发展。例如，如果贝叶斯主义者听到反对将概率视为信念程度的论点，他们会三思而后行；物理学家可能会从哲学家的警告中受益，即一些旨在证实量子力学的惊人实验尚未完成；每个人都应该受益于对神创论幻想的哲学讨论；化学家们应该欢迎这样的观察：量子化学家迄今为止解释了大量分子的形成，但只抨击了H +HD →H 2+D 之外的少量化学反应；生物学家应该欢迎对演化发育生物学融合的详细分析；心理学家将从消除二元残基中获益；社会科学家可以从对理性选择方法中固有的方法论的个体主义教条的批评中进行学习，这种方法忽视了利益和社会系统的存在，如企业和政府。总而言之，对伪问题的揭穿，加上对真问题的偏爱，将使科学哲学活跃起来，有助于科学的进步。
总之，哲学问题的正确方法不应该与科学问题的正确方法有太大的不同，无论主体和技术有多大的不同。这种说法可能听起来有些教条，但我们应该试着改变一下，哪怕只是为了把我们从可能世界之旅中拯救出来——那些无法应对现实世界的人的最后避难所。
(五)启发法
对常规问题的解决，很大程度上是一个规则导向的操作，因此可以进行计划。相比之下，新问题突破约束需要更多的灵感而不是汗水。对后者的研究，可以从以下建议中获益，尽管其中大多数建议都是众所周知的。
1.把问题说清楚。尽量减少概念的模糊性和符号的模糊性。选择尽可能简单的提示性符号。
2.确定结构。找出前提和未知数，识别参照对象并揭示问题。
3.挖掘预设。指出最重要的前提。
4.在文化图谱上进行问题定位。将问题置入一个或一系列学科中。确定问题是实体性的还是策略性的，找出问题的近代史。
5.选择方法。选择适合问题性质的方法，并估计它们可能的优缺点。如果没有现成的方法，阐明设计一个合适方法的策略问题。
6.简化。消除冗余信息，压缩和精简数据，引入简化的假设。但不要相信简单是真理的标志，信息胜过理解。
7.分析问题的公式化。将其分解为更简单的单元或更短的步骤(子问题)。
8.计划。对策略进行编程：按逻辑优先级对子问题排序。如果这是不可能的，就根据它们的复杂性来排序。警告：原始研究的规划应该由研究人员而不是由官员来完成，因为后者的目标通常是狭隘的和短期的。
9.在相同或不同的领域寻找相似的已解决的问题。尝试将给定的问题包含在已知类别中，从而在某种程度上将其常规化。
10.问题转化。改变成分或公式，试图将给定的问题转化为同一领域中更容易处理的等价问题。
11.问题输出。如果以上步骤都失败了，试着在不同的领域找到类似的问题，就像将人类生物学中的问题转化为亚人类动物生理学中的同源问题一样。Bernardo A.Houssay在蟾蜍身上做了很多实验，丰富了人类的内分泌学研究，他由此赢得了诺贝尔奖。
12.控制解决方案。检查解决方案是否正确，或者至少是可信的；回顾一下简化的假设，如果必要的话，放宽其中的一些；复制整个过程；尝试一种新的技术；评估精确度；指出原计划可能作出的更改。
13.与同事协商，分发草案，并在研讨会上讨论。
第一步操作：正确的问题陈述，通常是最难的。第一个近似值通常是通过引入或去掉一些假设而得到的。此外，通常随着工作的开展，清晰度也会提高。如果没有，则表示该放假了。(就我的博士论文而言，没有写作工具的牢狱生活起了作用。)
第二步操作：结构的识别，看起来微不足道，但可能很难执行，特别是在一些关键前提仍然隐藏着的时候。例如，狭义相对论和量子论的大多数教科书都说所有的公式都是关于测量的，但是从来没有指定测量仪器。在这种情况下，只有对理论进行公理化的重新表述才能显示哪些概念实际上正在使用，哪些概念纯粹是修饰性的。一个类似的例子是，正统经济学中出现的自由市场，而在现实中，垄断、政府和工会可以对经济自由施加严重的限制。
第三步操作是类似的：揭示假设。例如，我们经常忘记真空实际上具有物理性质，因为它是充满了波动的量子真空，这是一种物质。⑤
第四步操作：定位问题。在心理学、社会科学与工程学中，问题的定位绝不是微不足道的。它们都是与互动强烈的高等动物打交道的，而现有的研究受到限制，且受社会因素的影响，因此它们需要一个多学科的研究方法，例如，试图用心理学或政治学的术语来解释纳粹主义的崛起，但都失败了。
第五步操作：方法的选择。该操作当只存在一种方法可以用的时候才很简单。当不止存在一种方法时，方法的选择，将部分地取决于所需的精确度。例如，如果时间或成本都很重要，则首选最快的方法。但是，如果没有已知的方法可以产生预期的结果，研究人员将不得不花一些时间去寻找一种新的方法。
第六步操作：如果原来的问题被证明是棘手的或是太困难的，就必须进行第六步操作，即简化。理论建构就是这样的例子，它从关注被认为是基本的东西开始，尽管通过仔细观察，可能会发现它是次要的。例如，在马克思之前，研究社会学的学者往往过分强调心理、文化和政治的因素，而忽视了经济因素，而有些马克思主义者则倾向于夸大经济利益的重要性，比如他们将法西斯主义定义为“金融资本的恐怖主义独裁”，这就排除了法西斯主义能够在约三分之一的人口中流行的原因。
第七步：分析，是把给定的问题原子化，也就是说，把它分解成更简单的问题。分析是强大的，但不是万能的。事实上，有些问题是容易陈述但很难解决的，如四色三体问题。
第八步操作：上面提到的规划。
第九步：即寻找相似的已解决的问题，这与问题的定位有关，主要是阅读参考文献。然而，最近对心理学、医学和社会科学文献的批评性研究表明，这些领域中出版的大量文章都存在严重的缺陷(paper is patient)。因此，通过复制先前的议题可能很难取代原始研究。
第十步：问题转化。无论之前的试验是否成功，都可能需要这一步，特别是如果之前的解决方案是违反直觉的时候。
第十一步：问题输出。该操作随着学科融合的不断发展而变得越来越频繁。例如，对于动物组织的区别，仅凭形态学、行为学和其他可观察到的特征通常很难，而现在，可以在分子水平上，通过研究蛋白质及其比例来实现。通过这种方式，可以将动物分类学中的一个问题导出到生物化学中，并将该领域的研究成果重新导入到原来的领域。这种策略化的操作可以追溯到算术和几何的起源，它们最初是将计数和测量的经验运算转换为独立的概念操作方法。
第十二步也是最后一步操作，即对解的控制。在前面已作过讲评，但还需一个补充说明。可以通过以下方式控制问题的解：复制相同的操作、尝试不同的方法、根据相关知识看是否可信。(回想一下，科学上“可信的”并不意味着是“直觉的”，因为很多真理都是反直觉的，但是与已知事物却是兼容的。)
这就是启发式，或者是促进研究的艺术，可以说，它对各个学科的作用都一样，没有具体的差异。下面让我们来探讨一下科学问题的命运。
(六)科学问题的终结
科学问题可以被遗忘、忽视、消除、澄清、解决、被证明是无法解决的，或者被历史学家封存起来。精心设计的科学问题在任何情况下都不会被称为是超越人类智慧的谜团。让我们单独讨论一下在科学界议程上可能不再发现问题的各种方式。
1.遗忘。有些问题在还没有得到解决或明确消除的情况下就退出了科学领域：由于某些未知的原因，他们没有找到任何接受者。例如，大多数关于社会活动与制度的起源和衰退的问题，从言论到文明，即使在制定之后的一个或两个世纪仍然没有得到解决。其它学科，比如植物学和无脊椎动物学，当遗传学和分子生物学抢尽风头的时候，它们就不再流行了。自然消失的另一个原因是伴随着职业化的科学专业化。有雄心的学者，更看重的是他的工作，而不是他不断下降的好奇心，并且希望表明他的研究才是最新的。
肯定存在导致对某些问题的兴趣下降的正当理由。其中一个理由是，新的、更紧迫的需要可能取代旧的、未解决的问题。第二个理由是，一个新的强大理论的出现，可能会将注意力从单个孤立的问题转移到整个可能受到新理论攻击的问题系统。第三个理由可能是，目前还没有处理给定问题的合适理论。在这种情况下，这个问题并没有完全被遗忘，但是被推迟了，以便提出更容易处理的问题。无论如何，一个好的问题，如果被遗忘，也许很可能在一个不被怀疑的背景下重新被发现。
2.消除。科学的进步不仅是通过解决问题和提出新问题，还有通过揭示某些问题毫无意义而引发的。可合理消除的问题有以下几种：
(1)琐事：浅显或不完整的问题，即不适合丰富理论，也不适合现有的研究项目。任何科学在描述性阶段的许多问题都是琐碎的，科学进步了，取而代之的便是更高的要求，因此需要提出更有价值的问题。其原因在于，学科进步不是由它所处理的问题数量来衡量的，而是以它的深度和复杂性来衡量的。例如，当前的认知神经科学比与大脑无关的心理学更先进，因为它从大脑疾病的角度解释了精神疾病，比如一些神经递质的缺乏或过多。
(2)伪问题：考虑不周或表述不当的问题，比如，“为什么女性在数学、科学或工程方面的能力较差？”以及“苏联社会主义为什么会失败？”对预设的分析是丢弃这类问题必要和充分的理由。例如，“苏联社会主义”一词就非常值得怀疑，因为它涉及专制优先于合作。
(3)嵌合体：科学之外产生的问题，比如为什么可以通过心灵感应进行交流，为什么没有大脑的人可以思考，或者为什么顺势疗法可以通过药物治愈。这三个问题都预设了非物质灵魂的存在，忽视了对安慰剂效应或信仰效应的科学研究。
3.澄清。在某些情况下，重大的进展是通过澄清取得的。例如“生命是什么？”这个问题在过去的两个世纪中已经得到了澄清，它是一种诸如新陈代谢的、特殊的物质加工过程，而不是一种特殊的物质或介质，现在已经被认为是生物体的特征。
在其他情况下则相反：问题是澄清的初步解。例如，如果得到一个明显荒谬的解，那么，这个问题就被认为是不适定性的；如果发现了几个相互不一致的解，这个问题也就被认为是不确定性的。例如，量子理论解释的多样性表明，应该揭示这些解释的哲学基础。
4.解。关于它们的真值，科学问题的解有三种：真、假和近似真。在事实科学中，除了鸡毛蒜皮的小事外，很难得到完全真实和完全虚假的东西。但是，通常可以得到近似真的解，随着更强大的仪器和计算方法的发明，进一步的研究可能会提高它们的精确度。
如果某一个问题在一段时间后仍未找到解决的办法，可以尝试以下步骤：(1)重新审视问题的陈述和解决的策略；(2)选择替代方法；(3)发明新方法；(4)勉强接受一个更为温和的问题。后者发生在发现三体问题不存在解析解的时候，因此，天文学家发明了微扰演算，使得人们可以获得基于二体问题解⑥的近似解。
通过改变理论或技术说明测量仪器的局限性，或者通过指出很可能已经销毁了现存的所有证据的宇宙、地质或历史灾难，可以产生无穷无尽的无法解决的问题。不可熔性的另一个来源是手段的限制，就像炼金术士⑦那样，他们试图通过只使用化学手段去转化化学元素。使用高能加速器并拒绝四元素说的原子物理学家，在炼金术士失败的地方取得了成功。这个故事的寓意是，由于可熔性问题是相对于用来解决问题的方法而言的，因此，我们绝不应该预言一个给定的合适的问题是不可解的。
Noam Chomsky(2009)、Colin McGinn和他们的神秘主义者声称：存在着内在的不可解决的问题，如“什么是物质？”和“什么是心灵？”他们怎么知道？近年来的惊人进展提出了相反的论点，即所有的问题都可以在下列条件下得到解决：(1)问题是合适的；(2)必要手段是可获得的；(3)所寻求的不会违反任何基本的自然法则；(4)这些术语不受限制。科学史证明了这一论断是正确的。然而，它不能再被证明，正如宇宙是永恒的这个假定一样。关于我们乐观的猜想，所能说的最好的是：它是一个丰富的程序性假定。
(七)问题的来世
问题解决或放弃之后会发生什么？成功的动物或电脑是会进行休息的，而成功的科学家则是努力发表他的研究成果，并希望它能鼓励同行或研究者沿着相同或类似的路线工作。
解决一个科学问题既不像装满一桶水，也不像在佩内洛普的织布机上织布；它甚至不像探索一个已经存在的无限宇宙。科学的进步是通过建立新的问题系统来实现的，这些系统在一定程度上与旧的系统相吻合。
这就是为什么要想知道某个领域或学派是否还存在，最好的测试就是看它是否能不断激发新的问题，而这些问题的解可能会丰富我们的知识。利用这一准则，我们发现亚里士多德的力学已经过时，而牛顿和欧拉的力学在应用于石油和高粘度聚合物等非牛顿流体时，仍会产生新的结果。生命科学在不断地处理新的问题，这些问题必然会不断地出现，因为问题是集群出现的，所以，如果是深层次的问题，就会引发新的问题。
认识到科学的引擎是建立在问题之上的，就应该修改最流行的科学哲学，就像智力心理学一样，尽管他们信奉解决问题才是最重要的教条，而实际上，发现和提出新问题的能力也同样重要。在日常生活中，我们同情那些被无法解决的实际问题压垮的人，而在科学界，我们为那些失去了发现本领域新问题能力的人感到遗憾。
人类的进步越来越依赖于寻求问题的人，一个自由的社会是一个能容忍问题制造者而不是惩罚麻烦制造者的社会。从解决问题到提出问题这种能力的转变应该是教育科学发展的必然要求。事实上，教育应该激发好奇心和批判性的态度，并培养个人准备好应对迅速过时的意见以及对电脑的狂热崇拜问题。
五、一堆反向问题
(一)天文学和物理学中的反向问题
行星天文学中最简单的问题是根据行星与太阳的距离计算行星的轨道，这是一个正向问题。对引起观测到的行星运动的驱力进行计算，是同一门科学中最古老、也是最困难的问题——这是一个反向问题。牛顿是第一个解决这个问题的人：他指出开普勒定律遵循的是引力平方反比定律与惯性定律的结合。(黑格尔的问题是维护了相反的关系，恩格斯也是这样。显然，他们两人都不精通行星运动的数学。)
大体而言，正向——反向阶段像下面这样密切配合：
物理学中另一个著名的反向问题，是从气体分子运动论推导出气体的宏观物理定律，例如，玻意耳和盖吕萨克定律——就是一个明显的微观还原的案例(见下图)。
宏观物理定理
演绎↑ ↓还原
微观物理定理
物理学的第三大反向问题是找出电缆之间相互作用的原因，这是安培首次研究的问题。法拉第通过假设电缆之间存在电磁场来解决这个问题。大多数人没有意识到法拉第对本体论的重要但隐性的贡献：他创造了一种微妙的、以前不为人知的物质——电磁场——即使是现在，人们也常常因为它没有质量而认为它是无形的或虚构的。
第四大反向问题是根据原子事件解释光谱定律。卢瑟福和玻尔通过假设原子是微型行星系统来解决这个问题，当静止轨道之间发生转换时，原子会辐射或吸收光。理论上可能的能量值是根据第一原理计算出来的，并与相邻能级之间的能量差成正比。因此，在量子原子理论中，解释观测到的光频率的反向问题就转化成了正向问题。
最后，核反应和它们发出的辐射被解释为原子核的组成和把它们结合在一起的力。
(二)生物学中的反向问题
现代生物学中最早的一个大的反向问题是解释可观察到的生物体的多样性。达尔文在1859年解决了这个问题，他假设物种是进化的结果，包括自然选择的自发变异。
近一个世纪后，分子生物学解释了分子突变等变异。实验生物学通过研究“菌落如何对这样或那样的分子作出反应”这一正向问题来验证这一解释。
生物学中的另一个难题是追踪不同物种的进化谱系。特别是天体生物学的任务，当然是寻找最古老的有机化合物和生物物种的起源和早期进化。最近在火星地下湖上的岩石中发现的有机化合物是这项长期研究的一个标志。一旦这些岩石的样本被带到地球上，他们的化学分析将会解决一个正向问题。
唯物主义认识论将学习及储存知识视为神经系统的一种功能，这样一来，就会批判没有已知主体的知识的虚构性。这种方法将有助于研究各种各样的动物的学习能力。
近年来，学习生物学产生了许多惊人的发现。回忆一下其中的三个就足够了。养蜂人一直都知道，蜜蜂在觅食的时候学会了定位自己的家。最近我们了解到，产生这种知识的部位是海绵体：大脑中的一个微小器官，可以通过手术将其提取出来，并嫁接到野蜂的大脑上，这样，它们就能飞到蜜蜂的家了。同一科学上的第二个成就就是发现蜜蜂可以从零开始学习数字。
生物认识论的第三个成就是：尽管猿类不会说话，但它们可以学习手语。对此，最近去世的56岁的大猩猩科科(Koko)与饲养员就交换了手势。顺便说一句，对猿类能够使用某些语言的发现，驳斥了语言是人类决定性特征的理想主义者的自负。
(三)心理学中的反向问题
在巴甫洛夫的条件反射学说和华生的行为主义兴起之前，心理学一直承担着用直觉来描述精神状态和事件的任务。从20世纪中叶开始，心理学承担了用神经术语解释行为和心理状态的任务。例如，恐惧和愤怒的情绪来自大脑杏仁核，而智力和道德的过程来自于前额皮质。心智与大脑之间的这种联系，源于对古代学说所提出的假设的实验证实：即一切心智的东西都是大脑的。反过来，这种假设又解决了对应的反向问题。
(四)社会学中的反向问题
任何地区的居民都可以被归为同一职业o 的若干组，也就是说，他们之间能够通过等价关系～O 相关联。这样的分组可以称为由等价关系～O 引发的划分Π=P /～O ，如同一块披萨被切成了许多均匀的薄片。我们可以将这种划分称为人口P 的社会结构。
显然，对每一个人口种群来说，社会结构和社会等价关系一样多。这是社会各方面的证据，而不是社会群体主观性的证据。对各种等价关系的评价可能是主观的，也可能是意识形态的。例如，马克思主义者偏爱阶级，而韦伯主义者则偏爱等级(地位或等级)。
从学校和图书馆到企业和军队，小型社会体系所存在的缺陷既有客观的，也有主观的。例如，工厂的价值不仅取决于它的性能，还取决于它的所有者所看到的效用。当公用事业低于预期价值时，一些工厂被经营者关闭，但他们的员工不同意，让他们重新投入工作，并把他们变成有利可图的关注点。这些事件证实了只有富人才能负担得起纯粹的资本主义的观点，而贫困人口必须依靠自主经营和自力更生的企业，即合作社。只有当自己的毕业生能够填补市场空缺时，学校才能繁荣——这就是为什么人文科学学院在由规避风险的大公司所主导的市场中表现不好的原因。
(五)文化学中的反向问题
文化学是研究学校、实验室和寺庙等文化系统的社会科学。一个典型的文化学课题是：研究促进或阻碍诸如书籍和电影等文化物品的生产或传播的机制。
这类研究的一个重要发现是，资金过剩和资金不足一样有害。例如，从1933年到1964年，墨西哥电影产业一直在创新，但后来却衰落了，这不仅是因为与电视的竞争，还因为墨西哥政府为换取政治利益和增强艺术自信而给予的慷慨补贴。
最后，对于像战争和政治迫害这样的社会灾难，学术团体对它们的反应有很大的差异，研究这些差异的原因是有趣的。因此，为什么伯特兰·罗素是唯一一个谴责第一次世界大战的英国学者？为什么大多数美国学者会在学生入学后谴责对越南的侵略？为什么在1976年军政府入侵布宜诺斯艾利斯科学学院时，超过1 000多名的阿根廷科学教授辞职？为什么今天试图复兴由安德鲁·卡耐基、约翰·杜威、威廉·詹姆斯、马克·吐温和其他著名人士建立的反帝国主义联盟(1898-1921)来打西班牙的战争是幼稚的呢？
(六)史学中的反向问题
当然，史学是对人类历史的研究，从人类诞生之初就开始了。与涉及个人的传记不同，史学研究的是诸如村庄、组织和商品等这样的超个体实体。正如马克·布洛赫、卢西恩·费夫尔和弗尔南多·布劳德尔的安纳莱斯学派(Annales school, 1929-1968)所实践的那样，它可能是一部工会史，也可能是一部全面的或包罗万象的历史。
当两个世纪前印度河流域的某些考古遗址被发现时，很明显，它们是由文明人留下的。与此同时，出现了一个新的问题，即：是什么导致了该文明的没落。面临这一反向问题的古人类学家推测，主要原因是由于人口增长所必需的过度耕作所造成的环境恶化，而过度耕作反过来又归因于成功的农业——一个明显的短期成功的矛盾心理的例子。
(七)政治学中的反向问题
政治科学中的一个典型的问题是研究殖民冒险或政治运动能够成功的因素——这是一个典型的反向问题，因为它是从一个有益的结果追溯它的原理。例如，法国人入侵印度支那，是因为友好的当地贵族经营的橡胶园，为欧洲和美国蓬勃发展的汽车工业提供了廉价的橡胶。
当独立运动威胁到殖民统治时，法国政府的反应是镇压并最终发动战争。当越南游击队开始击败占领军时，美国资助了法国占领者，进而取代了当地的橡胶大亨——从而意外地引发了越南战争。
罗伯特·麦克纳马拉，这位肯尼迪总统和约翰逊总统时期的美国战争部长，解决了将失败的冒险转变为盈利的企业这个正向问题。他的管理科学的规则是最大化效用——在这个例子中是最大化死伤者的数量——导致他下令轰炸大约3 200万越南平民——一切都无济于事。
另一个例子是腐败的作用，亨廷顿称之为“商业车轮的润滑油”。其他人可能会把腐败称为企业和政治权力的工具。政治腐败的另一个例子是登记在册的游说者，他们的职能是影响立法者，为他们起草和辩护法案。但也许最普遍的腐败是贿选，当政治运动旷日持久，并在广告和游说上投入大量资金时，贿选就发生了——这就是谢尔登· 沃林(2008)所说的“有管理的民主”。
(八)反向社会问题
所有的道德、法律和政治问题都可以看作是反向问题，因为它们的解决办法必须符合某些愿望，例如和平、正义或生活质量。这些问题特别难以解决，因为它们是在个人与社会的交集中产生的。
事实上，所有的社交活动都是在个人层面上展开的，但都要么根植于人与人之间的互动，比如工人和管理者之间的互动；要么根植于自上而下的行动或限制，比如预算、时间表、金钱激励、胁迫和贿赂。
我们都受到预算的限制。从家庭到国家，制定预算的人解决的是反向问题：他们首先预测收入，然后列出受预期收入限制的支出，如果注意到即将出现的赤字，就会想办法去应对。
公正的旁观者，特别是社会上的学者，必须依赖社会指标或标志，如地位象征和民意调查。例如，加拿大的民主观察组织(Canadian Democracy Watch)就是依据以下指标对政治制度进行民主评级：自由选举、新闻自由和结社自由。
这种自由有时会被修整甚至压制，这一事实被视为缺乏民主的证据。遗憾的是，这些标记与非政府组织的志愿者的自愿参与无关。然而，这才是真正民主的最重要的特征，即使只是因为它是非卖品。正因为如此，非政府组织是最早的非民主政变的受害者之一，正如贝尼托·墨索里尼(Benito Mussolini)和他的黑格尔主义的新-乔瓦尼·詹蒂莱(Hegelian neo- Giovanni Gentile)所言，国家主义的模式是：“一切都在国家之内，没有任何东西在国家之外，也没有任何人反对国家。”
在国家层面，民主的特点是联邦制。这是一个将多样性和统一性，特别是区域利益和中央协调相结合的制度。该制度给很多国家带来了成功，比如俾斯麦之后的德国、林肯之后的美国、尼赫鲁之后的印度、米哈伊尔·戈尔巴乔夫之后的俄罗斯联邦、皮埃尔·特鲁多之后的加拿大，这些成功案例显示：联邦制既能克服地方主义的离心力，又能克服中央主义的向心力。意大利、西班牙、前苏联和南斯拉夫的联邦制的失败，可以归因于其中一个合作伙伴的中央集权主义的干涉。联邦制和民主一样，在平等中最有效。
此外，要想成功实行联邦制，就必须同时做出一些让步，甚至向乖戾的合作伙伴行贿——就像巴伐利亚在德国的境遇、美国的种族隔离主义者的状态、印度拥有少数民族土地的穆斯林、加拿大的魁北克人。将联邦制纳入我们的讨论，是为了解决协调地方多样性与统一治理的反向问题。
最后，所有的社会改革家，无论是温和的还是激进的、进步的还是反动的，都在与“给定下个目标，找到实现这些目标的方法”这种形式的反向问题作斗争。从逻辑的观点看，欲求之物的可行性是不重要的，重要的是，理想的社会状态是不真实的。从这个角度看，社会成本也是不重要的。
(九)过去和现在
乍一看，预测是一个正向或反向的问题，而反向预测是一个反向问题——即从它的痕迹中回溯最有可能的过去。但是，撰写历史或考古学需要大量的想象力，除此之外，还需要为那些不可获得的事件寻找证据。也就是说，他们必须学会从过去的痕迹中解读现在，这需要锚定时间来生成。只有奢侈的哲学家才可以不用年历。
换句话说，历史学家和考古学家需要弄清楚他们所研究的事件是真实的还是虚构的。解决这一问题不仅需要一个“真实”的定义，而且还需要一个真实性或真实存在的准则。最简单和最流行的标准是：x 相对于坐标系f 是实数，当且仅当用来自f 的信号去改变x 是可能的(或限制在f 的未来光锥内的信号)。⑧当一种理论是可靠的，某些东西的缺失正是它以前存在过的一种暗示，就像下颌骨化石中缺失的一颗牙齿一样。再次，除了宇宙，所有的隔离物都是虚构的。
永恒主义的论点是，过去和现在一样真实，而现在主义者则声称过去的事情发生后就不再是正确的。现在，显然，改变过去是不可能的，因为根据定义，过去的事情不会再发生，所以我们可以庆祝或悼念它们，而不是重温它们。因此，永恒主义是错误的。更糟的是，这是自相矛盾的，因为它意味着过去不再真实的事件会影响尚未发生的未来事件。简而言之，永恒不能解释新奇的事物。
更严重的是，永恒主义并没有提供可信的证据。事实是，如果过去仍然是现实的，那么我们就应该能够改变它，消除它的所有部分。与其相信这个，还不如相信永恒主义者编造的虚拟的历史：这是永恒主义者因为渴望证明模态逻辑而编造的。模态逻辑是关于可能性和必然性的先验演算，这可比像下棋这样的游戏有用多了。无论如何，严格的存在性主张，应该伴随着存在性或现实性的标准——这是永恒主义者无法满足的要求。
几乎任何人都可以列出当前社会的严重瑕疵，但只有像托马斯·莫尔这样富有远见的人，才具备创造一个不太可能退化为反乌托邦的乌托邦所需要的穿透力和想象力。利用科学发现，我们可以比托马斯·莫尔做得更好，并提出可持续的乌托邦。但会有人接受吗？
(十)大问题
像海啸和金融崩溃这样的大问题呢？显然，它们既难以解决又容易理解。例如，保守的经济学家建议用地球工程来解决行星问题，但他们没有提醒我们，地球工程甚至不在讨论范围之内。其他一些重大的问题也引发了一些建议，比如采用普遍的裁军以避免战争，这些听起来并不比谨慎的老鼠提出的“给猫系铃”这样的建议更实际。我们可能从这些失败中得到的教训是：重大问题是多方面的，无法通过纯概念手段加以解决。毕竟，除了跨学科之外，它们都是反向的。
(十一)现实和真理
真理的观念与一直秉持怀疑态度的经验主义格格不入。特别是，逻辑经验主义者试图用验证来取代真理，他们把验证等同于确认。以至于卡尔·波普尔感谢逻辑学家阿尔弗雷德·塔尔斯基拯救了真理的概念。但是波普尔没有注意到塔尔斯基在不同的时期持有两个完全不同的真理概念：抽象公式的满足或例证(塔尔斯基，1956/1933)与外部现实相对应(塔尔斯基，1944)的亚里士多德式的或常识性的真理概念。例如，整数集是满足加法下的半群，以及“我们的星球每365天绕太阳转一周”(真理符合论)。
此外，塔尔斯基和他的崇拜者都没有注意到莱布尼茨(1921/1704)对理性真理(如“1>0”)和事实真理(如“月球位于我们大气层之外”)的明确区分。首先，理性真理的检验是一个纯粹的概念过程，而事实真理的检验需要经验的过程，如测量。换句话说，事实真理的辩护涉及到外在现实，而理性真理却与现实无关。所有这些都是关于某物或他物——他们的指称物。这可能就是波普尔为命题分配概率的原因。
但他没有费心去证明这项任务的合理性，也许是因为他只是追随了当时的潮流而已，就像布鲁诺·德·菲内蒂、哈罗德·杰弗里斯、鲁道夫·卡尔那普和汉斯·莱辛巴赫一样。⑨
波普尔概率真理理论的新内容，是他承认除了全部真理和虚假之外的部分或近似真理，他把最真实的东西与最不可能的东西联系起来，并把他的观点称为真理倾向理论。语义概念与本体论概念的混淆是一种误导，因为倾向性是特定环境下具体事物的属性，就像“固态物在上抛时倾向于掉落”，而真值是命题或表达它们句子的语义属性。这种语义学与本体论的混淆，是“概率的形而上学”整体上固有的。不管怎样，概率真理理论并没有帮助建立一个有用的关于部分或近似真理的理论，因为它的产生，默认了类似“π的值是3”这样的表述，也没有帮助我们理解量子随机性和经典随机性之间的区别。
然而，在日常语言中，事实和真理的概念常常是相互转换的，如“真的是这样”和“这是真的”。只要避免在原则层面上出现，那么这些转换并没有什么错，因为原则层面的事实和真理的检验与日常生活中的使用是非常不同的。这是因为在前一种情况下，我们评估的是一个事实——这是一种经验性的操作；而后一种情况，我们则是分析一个命题——这是一个概念性的程序。
此外，关于事实真实性的命题要么完全正确要么完全错误，而关于另一个命题真值的命题可能只是半真半假(a half-truth)，就像“美国人热爱枪支”的例子，实际上(真的，作为一件事实)只适用于一定比例的美国人。另一方面，我们总是可以估计理性真理的真值，因为我们决定在近似中忽略某些项。与此相反，对给定事实真的评估所固有的误差既取决于事实，又取决于评价方法，因而必然具有时效性。因此，我们说，生物进化的概念自诞生以来就变得越来越复杂。
(十二)技术中的反向问题
技术可以被描述为类似努力解决公认的“设计更好的捕鼠器”这样的反向问题。例如，(1)设计单位成本下杀伤力最强的武器；(2)设计以低成本满足高生活水平的家庭住宅；(3)设计最可能带来最满意和高薪工作的社会政策。
请注意，与科学项目不同，技术项目是由客户订购的，其中一些是个人项目，而另一些是机构项目。例如，建筑师接受家庭委托设计住宅、受政府部门和私人公司委托设计公共空间。此外，建筑师可能被迫与同行竞争同一个项目。因此，建筑的进步不仅取决于建筑师的想象力和品味，也取决于房地产市场的机遇和局限性。例如，帕台农神庙不可能是在纳粹德国建造的。
(十三)反神学
我们把数学、科学和技术列为头等大事。但反向思维在神学中同样重要。特别是，这是一种典型的自然神学，或是试图在他的创造物中解读上帝的思想。从古代开始，自然神学家就试图从世间的事实中猜测神的旨意，特别是自然的恩惠和灾难。
这种推理的优点是它不需要检验，它完全依赖于那些用事实支撑的牧师们所谓的权威。而宗教怀疑论者则需要证明。例如，地质学家和考古学家都没有发现大洪水发生的证据，但却正是那场洪水，造就了诺亚方舟的传说。
六、分析和综合
(一)分析
所有的分析都会涉及到某些整体、系统或聚合，例如一个分子、一支足球队，或者一个文学作品。每个严谨的分析都是或者需要某种方法或规则的。例如，分析化学家试图将具体的物体，如天然产物和药物，分解出它们的原子成分(或更确切地说是前体)。经济学家们要求通过将经济分析为更简单的单位来理解经济，比如个人市场的参与者，而不考虑垄断组织和政府。
综合是分析的反面，更精确地说，是它的对偶(补集)分析。因此，电路的合成可能满足给定规格的人工制品的设计或构造，例如给定频率、强度和方向的无线电波的传送和接收。同样，新药的设计在很大程度上取决于想象力和运气。因此，人们必须承认，这种努力可能会失败，而且还可能需要新一轮的试验。我们只要回顾一下就知道了：在青霉素被发现能治愈梅毒之前，寻找一种成功的梅毒治疗方法需要历经半个多世纪的痛苦、昂贵和失败的盲目试验(比如汞注射)。
(二)合成
合成化学是对通过化学反应(2Na+Cl2→2NaCl)得到的化合物进行设计、生产和测试的科学。直到最近，这样的反应也只能用于非常大量的反应物。直到2018年，我们才有可能仅用两个原子来观察它们：Na+Cs
NaCs。
请注意化学合成和工程中的合成之间的关键区别。在化学中，最终产物在性质上与它的来源不同。例如，合成纺织纤维，如尼龙被分析成碳、氢和氧，但其组成分子C10H8O4，既不属于C 类，也不属于H 类，也不属于O 类。
大多数大规模的合成物都是异质的，因为它们的成分或前体属于不同的种类。例如，工厂由人员、机器和建筑物组成。由于它的工人是通过诸如从属关系和合作关系等无形的关系联系在一起的，所以，工厂是无形的，即使它们的构件是可见的。工厂的对外关系也是如此，例如，与供应商、客户、竞争对手、银行和政府部门的关系。
分析人员从一个给定的(已知的)整体开始，并试图把它分解成它的组成部分或前体，而合成器则从一个理想的整体开始，试图从更简单的单元形成一个整体。例如，几何分析可以包括将不规则的平面分解为一组三角形、正方形或其他简单的图形，诸如天井上的瓷砖或覆盖物中的部件。同样，数学函数也可以分析为初等函数的和，如变量的幂。
与此相反，函数综合法是试图将一组给定类型的函数包含在一个综合函数之下，就像表示正弦函数的幂级数一样。这种级数用于计算表(如对数表)中所收集的特殊函数值，比如对数函数。一些政治家使用的“政治形势分析”一词是不正确的，因为它指的是检查或解释，而不是分解。
回想一下我们在学校学到的一个重要差别：一种介于混合物(如光波或量子态的叠加)和化合物(如氧与氢的结合)之间的差别。出现的两种情况，前者输入的信息不相互作用，而后者结合则会相互作用，这就是为什么它们应该被称为前体而不是构件的原因。
同样，药物的合成在于设计具有理想的医学特性的分子。为了估计这项任务的规模，请记住，药物设计师需要从大约1 060个分子的集合中挑选一些候选者。同样，运筹学专家的标准任务是设计一个能够解决困扰特定社会群体问题的团队，如对一个表现不佳的商业、军事或文化体制的管理。
七、试错法
(一)从反向到正向的转化
一些正向或顺推的问题可以借助于旨在节省思考的规则或算法来处理。而反向问题不是这样：因为它们的定义不明确，所以需要更多想象力的猜测，而不是勤奋的工作。但是，由于盲目猜测或盯着一点看，在大多数情况下都行不通，所以，我们应该在反复试验的同时做出明智的猜测。更准确地说，反向问题必须通过转化为正向问题来解决，正如Bunge(2006)在其他地方所建议的，现概述如下。
从前提和假设中回顾正向推理的逻辑形式。假设A 和A B ，共同蕴含B 。在反向问题的情况下，我们从后面开始，即从所求的B 开始，如一所房子的草图，去寻找可能暗含B 的前提。称A i 为一个前提，i 为一个正整数，我们的任务是构造这个A i ，使其跟试探性的B i 一起共同蕴含所求的B 。
在x射线晶体学中，每一个A 都描述了一种晶体，而B 则表示了通过傅立叶分析A 得到的衍射图(如一组平行带或同心环)。(顺便说，经验主义者对测量数据的分析，如卡尔纳普和莱辛巴赫的分析，忽略了这部分数学知识及将理论假设与经验数据联系起来的指示性假设。)
显然，上述程序应根据需要重复进行。此外，我们暗地里希望，尽管这个过程是不稳定的，但它是趋于一致的，因为我们的试验是受过指导的，而不是盲目的。特别是，最初的假设可能来自于我们的背景知识。例如，如果我们的目标是找到一种新的止痛药，则可以从一种已知的麻醉剂开始，调适它的一种精神活性成分，以期得到一种还没有被尝试过的，并且是有效的新药。但是，我们也可能会发现一些不可忍受的副作用，比如恶心或头晕——在这种情况下，可以再尝试不同的前提。在两个简单的试验中，可遵循以下路径：
A 1，A 1B 1，B 1
>与相关经验数据进行比较
A 2，A 2B 2，B 2
上述分析适用于改进型创新，这是迄今为止数量最多的科学和技术革新。相反，突破性的创新，如原子、场、诱导、致癌基因和合作等概念最初的提出，同样符合曲折的反复试错，但需要更加反直觉的想象力。然而，即使是最异端的猜测也需要遵循科学的一般性原理，比如所有主体的物质性和能量守恒定律(Bunge 2017)(参见表3)。
总之，反向问题的研究需要扩展科学方法，包括受指导的试错法——逻辑学家往往会忽视甚至鄙视这个过程。这就是伟大的厨师奥古斯特·埃斯科菲埃、工程师企业家亨利·福特、建筑工程师诺曼·福斯特和发明家兼企业家托马斯·阿尔瓦·爱迪生的秘诀：他们都是以愿景为导向。
在科学上，试错法的使用远远超过了归纳法，但它不能容忍对非物质或非约束性主体的无限推测。正如艾萨克·阿西莫夫(1981)所说的，让我们欢迎内异端(科学内部的异端)，同时怀疑外异端。换句话说，在科学的内部，怎么都行，但是在科学的外部，几乎没有什么进展是顺利的。
注意“批判性”在试错过程中的重要作用。在科学技术领域，这种批判性是建设性的，因为它不仅指出了需要纠正的错误，还会涉及对这个错误如何修复的建议。相比之下，人文学科中的大多数批判都是破坏性的。
卡尔·波普尔等所谓的批判理性主义声称，科学进步是由连续不断的破坏性批判构成的，这些批判解决了许多正向问题。但是这一观点没有注意到，每一项重大的科学进步的核心都是一项发现或发明——这是一个反向问题的解。伟大的亨利·庞加莱说得对：“批判是科学的盐”，只需要一点点就足以对肉块进行调味了。
表3 技术创新的主要阶段
(二)从散射数据到散射力
在核物理的早期，人们试图从散射的实验数据中了解未知的核力。然而，任何人的研究都不是从零开始的。相反，都是先通过假设力可以表示为具有给定宽度和深度的势阱，从重述一个反向问题开始，然后计算相应的散射截面，最后与实验结果(如Bunge 1945)进行对比，确定最接近的拟合，从而解决这个反向问题。但这种假定是错误的，因为解决这个问题避开了核力量本质的难题，而不是解决它。
直到20世纪60年代，在物理学家发现海森堡1943年关于S 矩阵程序的论文之前，这套程序一直被应用于许多问题。这是对散射数据到散射势问题的一般性攻击。这项工作在20世纪60年代引发了一系列的出版成果，直到人们意识到S 矩阵方法并不是独立的，因此，只能通过引入基于普通量子假定的计算来获得结果——这当然是一种自欺的形式。然而，大多数物理学家坚持认为实验产生理论，而实际上是理论指导实验的设计(Duhem 1914)。
当时没有任何物理学家提醒我们，只要所讨论的问题是反向问题，而不是正向问题，就应该预料到S 矩阵的这种局限，因为它有许多解，或者根本没有解。几十年后，理查德·霍尔(1995)和其他人发表了量子理论中的反向问题的解。霍尔的论文是由对支持特定逆序的唯一性定理的需要所驱动的。这类工作是精确的，所以并没有传达试错法的味道，它所遵循的是这样一条规则：将给定的反向问题转换为正向问题，并对相关参数进行调整，直到它们的值与实验结果匹配为止(Bunge 2006)。
八、概率和统计
(一)数学概率和理论统计
概率论虽然诞生于对赌博的数学运算，但现在已经成为纯数学的一部分，尤其是测度理论的应用。而统计学是因为早期的人口统计而诞生的，如今是一门关于随机性、随机样本、随机变量、标准差、统计推断(或从样本到总体的飞跃)、置信区间等概念的服务性或辅助性科学。
最终，这两门学科被合并在了一起，并被重新定义为集体现象的数学。大多数物理学家把概率看作是对真实可能性的度量，不仅把它分配给集合，而且也把它分配给个体项，如电子和光子的位置。实际上，量子理论把这些性质当作随机变量，也就是说，把它们和概率分布一起看成是变量，就像假定以钟形分布的位置坐标的情况一样。
然而，随机性就像因果关系一样，基本上是一个本体论范畴，因此不受变幻莫测的统计数据的影响。事实上，因果性和偶然性是存在的方式，而不仅仅是认识论的范畴。因此，一个以科学为导向的学者会从研究其在原始科学文献中的作用开始，如爱因斯坦关于水中花粉粒布朗运动的论文。他揭示了因果性和偶然性的交织：水分子随机地与花粉粒碰撞，花粉粒沿直线运动，直到下一次碰撞。这种小尺度的不规则运动满足一定的长尺度规律，如花粉粒在连续撞击之间的平均自由路径或平均距离。(在最简单的情况下，l =(n 
)-1，其中n 表示目标中的平均粒子数，σ 表示后者的有效散射截面。)
一些研究这个问题的统计学家绕过了相关的科学文献。朱迪亚·珀尔(2009)，也许是其中引用最多的一个，将因果关系和随机性从外部现实转移到了数据和一般主体的信念集上。事实上，他们并没有研究某一特定事件发生的概率，而是声称能够从数据中读出因果关系，并对这种事实的信念强度进行推测。
因此，珀尔(op.cit.:46)写道：“当且仅当存在一条从C 到E 的直接路径时，变量C 对变量E 具有因果影响。”地图和领土之间的差别已被消除，休谟的“观察无法解读因果关系”的警告，已经被遗忘了。他也没有提到因果关系需要观察背后的机制，并且，只有科学理论才能阐明机制(Bunge 1959)。珀尔甚至没有提到爱因斯坦1905年发表的关于布朗运动的论文。这篇论文在关于原子假设的真实性以及因果和偶然概念与物理学的相关性的争论中发挥了关键作用。
上述统计学家也没有注意到说明贝叶斯概率或个人概率是伪科学的论点，因为它们是主观的，因此就以为是武断的和不可测的(Bunge 2016)。在经典物理学中，人们有理由将一个过程描述为因果或随机的，只是为了揭示其潜在的机制——第一种情况下的能量转移，第二种情况下的随机化。人们常常认为量子物理学假定随机性是事物和过程中固有的。事实上，玻恩假定(通常称为“玻恩规则”)指出，概率密度等于
*，其中是正在研究的量子力学对象的状态函数。将这种对偶然性的严肃承诺与贝叶斯主义者随意分配概率的方式进行比较。只有少数物理学家，特别是内森·罗森、莱斯利·巴兰丁和路易斯·德拉佩尼亚，持有量子力学与整体有关的观点。这种被称为随机量子力学的观点已由路易斯德拉等人(2015)详细阐述了。这个理论适用于在整体上进行的实验，但对于最近在单电子、原子和光子上进行的实验中却不适用。
这些实验最耸人听闻的是偏振分光器。一束光子击中这个装置，这个装置将光束分成两部分，透射和反射。当光束强度降低到一个光子时，我们发现，无论光子是被透射还是反射，都是完全随机的(参见例子 Zeilinger 2010：79)。对于不可约的量子随机性⑩这一事实，几乎没有比这更有说服力的论据了。然而，量子是不可约随机的，且量子力学是概率的而非统计的观点，并没有得到该理论基础上专家的一致认同(见Schlosshauer 2011)。
统计学不能解释因果关系和随机性的本体论概念，因为它对因果和随机机制不感兴趣，诸如能量转移、振动、加热和分配从表中抽取的随机数之类的。例如，是物理学家和研究工程师，而不是统计学家，发现了纸浆团和玻璃钢片中的纤维是随机排列的。
在所有这些情况下，随机性被认为是客观的，与信念无关。此外，如上所述，概率可以分配给单个事物及其变化，而不仅仅是像那些用分光镜和粒子束研究的整体。正如以上提到的，近年来，在理论上和实验上都对单光子、电子和原子进行了研究。仅凭这一点就足以称玻尔假设是概率的，而不是统计的。换句话说，虽然谓词“概率”既适用于个人也适用于集体，但“统计”只适用于整体。
概率和统计在科学和技术中紧密地交织在一起，因为它们如下面所说的那样，同时出现在正向问题和反向问题中。如果假设体积V 上概论分布为ρ ，量级为M ，那么像平均值、标准差或平均离差(μ ),这样的主要统计特征就可以被计算出来。特别是，
。
相反，如果我们从一个测量值列表开始，那么，我们只能通过反复试验才能找到潜在的假设分布，也许是从高斯函数开始，因为它是最流行的。显然，前者是一个正向问题，只有一个不确定的解；而第二个问题则是反向问题，有跟指导性假设一样多的解。
九、计算主义
(一)好仆人，坏主人
计算是应用一定的规则来解决数学问题。但是“计算”这个词的声望是如此之高，以至于即使在没有恰当的计算情况下，也经常使用它，就像“在对威胁做出反应时，老鼠计算并执行了它的逃跑行动”一样。
有影响的计算心学观点认为，心灵是一部像电子计算机一样的符号处理装置。这就是将认知科学宣扬为“对人类、动物和机器认知的研究”的理由，因此，这是一个向心理学家、认知神经科学家、语言学家、文献学家、计算机专家、哲学家，甚至使用“计算”这个词来达到修辞目的的业余爱好者都开放的跨学科领域(见Sun 2008)。
计算主义者鼓励心理学专业的学者忽视神经科学以及在符号发明之前的人类发展和生物社会进化的时期。同样的论点证明，计算机专家，如程序员，就像专业的心理学家一样。它还应使他们具备精神卫生从业人员的资格，但职业行为准则是在社会冲突中形成的，而不是抽象的。事实上，即使是最狂热的计算主义者也不会要求计算机专家来治疗抑郁症、妄想症或精神病。但是，对于业余爱好者来说，要想一边享受对精神世界发表高谈阔论的感觉，又一边否认它是大脑的功能，那么不一致性只是一个小小的代价。有电脑，就有运行模式(Have computer, will travel)。
最重要的是，计算主义让我们忘记了符号是人工产物的事实，以及对特定符号的取舍可能隐藏着计算主义背后的动机。例如，婴儿倾向于搜寻某种视觉刺激，比如人脸图片，而忽略其他不同类型，比如电路图。
计算主义忽略了动机，对因果关系也不感兴趣。因为因果关系与事实项有关，如状态和事件，而与符号的人造项无关，如字母和态射，因此，科学的解释或机制的揭示，超出了计算主义的知识范围。
强化的计算主义倾向，忘记了计算机的设计和构造是用来处理正向问题的，对处理反向问题几乎毫无用处，因为只有生物会选择目标，并决定是否按下“开始”键。例如，考虑一台计算诊断机，它旨在发现和纠正有机体或社会系统(如商业公司或公共机构)中存在的某种紊乱。在最简单的情况下，对于二元的可能性问题大致如下图所示：
最后一步是在动物或人的身上试验这四种方案，并评价它们的效率。虽然这四种方案都可以用电脑进行辅助，但如果只是技术的诀窍和目标的选择，那么，没有一种方法可以完全托付给计算机，因为这些需要的是基于明确知识基础之上的经验和判断。
总之，虽然原则上所有的日常任务，无论是智力的还是人工的，都可以由计算机进行辅助，但反向问题的选择和表述，以及处理的方式，都存在很大程度上默认的人为因素，因此是非程序化的。例如，虽然保守派对社会政策不感兴趣，但改革派却对政策的设计和实施非常感兴趣。
(二)工程学：计算主义的荣耀和厄运
工程师有两种：现有技术系统的维修人员和设计改进人员，比如更安全的矿井、工厂、核电站或交通网络。标准工程师与委托他们进行研究或计划的个体客户打交道，旨在增加客户。相比之下，社会工程师的客户是政府，他们致力于解决社会问题——或者只是为了赢得选票。
自柏拉图以来，社会工程的目标一直是设计和实现一种社会秩序，这种秩序没有已知社会的缺陷，相反，是为了实现诸如稳定、财富、开放、正义这样的社会理想。对于现实中的社会工程师来说，问题是找到最优的方法来实现给定的一组最终的社会愿望——这显然是一个反向问题。
社会科学能有助于这样的探究吗？答案很大程度上取决于人们对社会科学的本质和范围的看法。传统主义或人文主义学派认为科学没有帮助，因为它忽略了价值。而根据科学主义，只有科学可以帮助设计未来，因为只有它才能提供必要的知识以及客观的观点。
十、尾声
真问题引发了严肃的研究。反过来，问题的最终来源是好奇心和必要性。但并非所有的问题都能表达真问题：其中一些表达的是伪问题，即，研究的是无法回答的问题。下面是一些常见的伪问题：
为什么有东西而不是什么都没有？(这个问题只有在神学中才有意义。)
虚无做了什么？海德格尔的回答：没什么。[Heidegger’s anwer：es nichtet (it nothings)。]
当蝙蝠是什么感觉？(动物学回答了这个问题，但问题是“当蝙蝠感觉到什么感觉？”只能通过会说话的蝙蝠来回答。)
生物进化的目的是什么？(拉马克的回答是：完美。达尔文的回答是：生物进化，它与驯化不同，是一个无目的的过程，通过随机的变异和选择进行。)
生命的意义是什么？(只有结构和符号才有意义。)
人类有什么用？(人类的涌现没有目的，把他们作为工具是一种贬低。纪念康德。)
时间的速度是多少？(预设：时间流逝。)
伪问题不会促进研究计划，但它们可能会提出荒谬或完全错误的公式，如下所示：
生成是存在与虚无的综合(黑格尔)。
最终的现实是普遍的意志(叔本华)。
人类有多少比低等动物多？第十二届国际哲学大会，威尼斯，1958年。[How much more being does man have than the lower animals？(XIIth)]
文本之外什么都没有(雅克·德里达)。
时间是暂时性的成熟(马丁·海德格尔)。
[译注]
①道理是这样的：由于黑洞强大的引力影响，行星偏离轨道，不环绕可见的恒星转了。这样，就可以间接检测到黑洞。
②休姆的事实/价值壁垒，是指我们从“是什么”的判断在逻辑上推不出“应该什么”的判断。
③直译是：每周一次的思考。
④科学哲学认为，虚拟条件句，即“反事实条件句”，科学定律的标准形式，是以趋向性为特征的。就像“糖是易溶的”那样的规律，并不需要每次都检验一下，真的把糖放进水里去溶化掉。
⑤邦格采取量子场论的“场的本体论”观点，认为真空不空，真空是充实的，充满着连续的“场物质”。
⑥考虑单个行星绕日而行的引力问题，叫做二体问题。考虑二体之外的第三个行星的引力影响(摄动)，就成为“三体问题”。
⑦炼金术士相信，万物都是由“火、土、水、气”四元素所构成。我们知道，冶金学家是掌握冶炼合金技术的。但炼金术士则认为，他们可以采用更神秘方法熔化金属，让劣质金属变成贵重金属。
⑧爱因斯坦的光锥理论，是一种四维时空的几何图示，在四维时空之中分析一个事件的前因后果关系。
⑨这些都是概率归纳逻辑研究领域最重要的代表人物。
⑩量子概率与经典概率具有实质性的区别。对于量子概率而言，量子粒子具有不可消除的内在不确定性。对于经典概率而言，牛顿的经典粒子本身是严格确定的，但是人们无法掌握它的完全信息，才造成不确定性。
[参考文献]
[1]Asimov I.The Role of the Heretic[A]//D.Goldsmith，ed.Scientists Confront Velikovsky[M].New York：W.W.Norton，1981.
[2]Bunge M.Neutron-proton Scattering at 8.8 and 13 MeV[J].Nature，1945，156，301.
[3]Bunge M.Causality[M].Cambridge，MA：Harvard University Press，1959a.
[4]Bunge M.
Qué es un Problema Científico?[J].Holmbergia(Buenos Aires)，1959b，6(15)：47-63.
[5]Bunge M.Scientific Research，Chapter 1[M].Berlin，New York：Springer，1967.
[6]Bunge M.Scientific Research(2nd ed)[M].New Brunswick，NJ：Transaction Publishers，1998.
[7]Bunge M.Chasing Reality[M].Toronto：University of Toronto Press，2006.
[8]Bunge M.Modes of Existence[J].Review of Metaphysics，2016，70：225-234.
[9]Chomsky N.The Mysteries of Nature[J].Journal of Philosophy，2009，106：167-200.
[10]De La Pe
a L，Cetto A M，Valdés-Hernández A.The Emerging Quantum：The Physics Behind Quantum Mechanics[M].Cham：Springer，2015.
[11]Duhem P.La Théorie Physique，Son Objet Et Sa Structure[M].Lyon：Marcel Rivière，1914.
[12]Hall R L.Geometric Spectral Inversion[J].Journal of Physics A：Mathematical and General，1995，28：1771-1786.
[13]Husserl E.Ideas：General Introduction to Phenomenology[M].London：George Allen & Unwin，1931.
[14]Kuhn T.The Structure of Scientific Revolutions[M].Chicago：University of Chicago Press，1962.
[15]Leibniz G.Nouveaux Essais Sur l’Entendement Humain[M].Paris: Flammarion，1921[1765].
[16]Pearl J.Causality(2nd ed)[M].Cambridge：Cambridge University Press，2009.
[17]Polya G.How to Solve It[M].Princeton NJ：Princeton University Press，1945.
[18]Polya G.Induction and Analogy in Mathematics Volume 1：Preface[M].Princeton，NJ：Princeton University Press，1954.
[19]Popper K R.Conjectures and Refutations[M].London：Routledge & Kegan Paul，1962.
[20]Russell B.An Introduction to Mathematical Philosophy[M].London：Allen & Unwin，1919.
[21]Sanchez-Langelin B，Aspu-Guzik.Inverse Molecular Design Using Machine Learning[J].Science，2018，361：360-365.
[22]Schlosshaue M，ed.Elegance and Enigma：The Quantum Interviews[M].Heidelberg：Springer，2011.
[23]Sun R.The Cambridge Handbook of Computational Psychology[M].Cambridge，MA：Harvard University Press，2008.
[24]Tarski A.The Concept of Truth in Formalized Languages[A]//J.H.Woodger，Ed & Trans.Logic，Semantics，Metamathematics(Papers From 1923-1928 by Alfred Tarski)[M].Oxford：Clarendon Press，1956/1933.
[25]Tarski A.The Semantic Conception of Truth and the Foundations of Semantics[J].Philosophy and Phenomenological Research，1944(4)：341-376.
[26]Ville J A.Étude Critique De La Notion De Collectif[M].Paris: Gauthier-Villars.1939.
[27]Wittgenstein L.Philosophical Investigations[M].London：Macmillan，1953.
[28]Wolin S.Democracy[M].Princeton：Princeton University Press，2008.
[29]Zeilinger A.Dance of the Photons[M].New York：Farrar，Strauss and Giroux，2010(2005).
[中图分类号] B0
[文献标志码] A
[文章编号] 1672-934X( 2019) 06-0001-31
DOI : 10.16573/ j.cnki.1672-934x.2019.06.001
收稿日期： 2019-09-16
作者简介： 马里奥·邦格(1919-)，男，加拿大人，加拿大麦吉尔大学逻辑学和形而上学教授，主要从事物理学、科学哲学和伦理学研究；刘晓丽(1982-)，女，河南长葛人，讲师，主要从事博弈论及科学方法论研究；桂起权(1940-)，男，浙江宁波人，教授，博士生导师，主要从事科学哲学研究。
标签：矛盾辩证法论文; 社会科学方法论论文; 科学哲学家论文; 类比推理论文; 马里奥论文; 涌现论论文; 逻辑矛盾论文; 邦格论文; 麦吉尔大学哲学系论文; 许昌学院商学院论文; 武汉大学哲学学院论文;