网络思维:基于点线符号的认知图式与复杂性范式_还原论论文

网络思维:基于点线符号的认知图式和复杂性范式,本文主要内容关键词为:点线论文,图式论文,范式论文,复杂性论文,认知论文,此文献不代表本站观点,内容供学术参考,文章仅供参考阅读下载。

[中图分类号]N0 [文献标识码]A [文章编码]1000-0763(2010)01-0029-07

一、网络和网络思维

在日常用语中,“网络”(network)一词往往使人联想到因特网(internet)或万维网(world wild web)等等,它主要表现为许多由网线连接起来的电脑。从认知心理学角度来看,“网络”是一种人们借以认识事物的结构、功能和演变的认知图式(cognitive schema)。它最直接的表现形式是人类视觉可发现的最简单却又最抽象的要素——点(points)和线(lines)——的组合。以网络为认知图式的网络思维(network thinking)已经悄然渗透到科学研究的各个方面:如果将事物内部的组成要素看作点,各要素之间的相互作用关系看作连线,那么事物的基本结构可以抽象为网络。例如:蛋白质(分子层面,氨基酸是点,化合键是线)、神经元(细胞层面,生物大分子是点,代谢关系或细胞信号转导关系是线)、大脑(组织器官层面,神经元是点,神经元间的突触联系是线)[1]、人体(个体层面,器官是点,器官之间的血流关系是线)、生态圈(物种是点,捕食关系是线)、人类社会(个人是点,人际关系是线)[2]、语言和记忆(词汇是点,词汇间的概念联系或联想关系是线)[3]-[6]等,均可以用网络表示结构、研究功能和观察演变[7]、[8]。人们在认识事物的过程中采取的图式不同,将会带来不同的认识结果,因此对网络思维的考察必然要以对它的图式的考察为基础。

二、网络思维的图式

图1显示了三种不同的图式。其中,图1A是一群散在的相互之间没有连线的独立点(点状图式),图1B存在少量的简单连接(简单网络图式),图1C则在点之间存在复杂的联系(复杂网络图式)。

图1 点线关系示意图

图1A中的各个要素(点)相互独立,例如在一个有限空间内散在的少量气体分子或从人群中随机抽样出来的个体。这种图式考察的是事物组成要素的属性(property)。例如:物理学中的分子质量和运动速率,社会学中的个体收入和职业种类,语言学中的单词使用频率等。在科研中可以指定与某种属性对应的变量,并且要求它满足统计学变量的“独立性假设”(hypothesis of independence)。例如假设某气体分子的质量独立于另一个气体分子的质量。基于这个假设,传统统计学方法得到广泛应用。从点线关系来描述,点状图式关注的是“点”,而非“线”,甚至忽略“线”的存在。很显然,点状图式仅仅考虑了要素的属性,而没有考虑要素之间的关系,因而其在科研实践中表现为对属性数据(property data)的偏爱和对关系数据(relational data)的有意或无意的忽略(图2),也就具有了以下两方面的局限性。首先,这种图式往往建立在人们主观地将所有关系都简化甚至忽略的基础上。例如,在选举投票时对每个选民投票的统计分析,实际上隐含的假设是每个选民都可以做出独立的决策。这样的结果并不能真正反映人际关系对个体决策的影响。在语言教学的时候如果仅仅按照词频手册记忆单词,实际上忽略了单词之间的相互联系(如语法关系和语意联系)。更进一步来看,如果将变量独立性假设作为统计学分析的起点和前提,那么以找出变量间关系或变量的分布规律为终点和目标的统计学分析必然遭遇到埃德加·莫兰所说的西方科学范式(paradigm)中存在的主体和对象关系的悖论([9],pp.30-42):从客观角度而言,要求被研究对象(变量)的独立性先验地存在,即对象是可认识的、可确定的、可隔离的和可操纵的东西;从主观角度而言,变量的独立性、变量间的关系或变量的分布规律又必然需要由主体来界定并为主体所反映;任何统计操作离开主观界定都无以开始和结束,但在一切统计中都试图排除主观界定。从点状图式的局限性可以发现,人类以往认识事物时采取忽略“关系”和割裂主体与对象的简化方式不等于事物本身就是简单的,而对“关系”的关注可能有助于进一步深化对事物复杂性(complexity)的认识。

图2 数据类型示意图

图1B的结构相对简单,元素之间存在少量的相互关系。牛顿力学开创以后的物理学系统模式在还原论的应用方面取得了巨大的成功。它擅长将图1B这种图式进行切割、孤立和分析。通常是将两点从其他部分中孤立出来,单独分析两点之间的相互作用。虽然在某种程度上对局部关系进行了研究,但是由于它本身所基于的是图1B这样关系相对简单的图式,实质上仍然偏重属性数据的分析。即使是图1C这样拥有大量关系的图式,还原论所进行的仍然是将它看作图1B或将它简化为图1B进行分析。从点线关系来描述,简单网络图式是从“点”的角度来观察“线”,并且认为对局部点线关系考察就可以反映整体的特征。因此我们可以看到,在以还原论为主导的物理学系统模式下,人们试图分析的往往是简单系统,即便是那些需要大量繁复的还原工作来完成的分析,也是以简单化和理想化为基础。貌似复杂的还原分析,其实际上是将分析工作的繁重性误认为是对象的复杂性,从而导致人们普遍认为随着认识的深入发展,一切复杂的事物都会变得简单起来。事实上,对现代科学技术发展所作的历史分析表明,复杂性并不等同于主观认识的不充分性。在现代科研中,承认复杂性所具有的自身规定性和客观存在性可能是认识复杂事物的前提。于是,以往被简化和还原分析的图1C就开始获得重视。

图1C是具有复杂关系的网络。从点线关系来考察,复杂网络图式关注的是“线”,并且认为“线”影响甚至是决定着“点”和“网络”。大量事实表明,自然界以网络的形式演化,而“线”的变化在其中占据着重要的地位。人类大脑皮质大约有8.3×(8.3亿)个神经元(neurons)。在这些神经元之间,存在着多达6.7×(67,000亿)个“连接”(connections)。这些连接将整个大脑内所有神经元组合成为一个完整有认知功能的“神经网络”[10]、[11]。如果大自然选择用一个全能的神经细胞担任所有的功能,那就不会出现脑神经网络。随意堆放在一起的一团神经元显然形成不了感觉和意识等人脑的高级功能。“意识”实际上存在于神经元与神经元之间的连接之中,而不是在神经元本身。神经元之间的关系数据并不能还原为单个神经元的属性,而是整个大脑的系统属性。因此,脑的基本单元应该是,而不是单独的神经元。脑的结构基础应该是神经网络。脑的功能基础应该是神经网络的动力学行为。很显然,像大脑结构这样拥有大量关系数据的复杂网络并不能满足多元统计方法所需的变量独立性假设,这就必然要求发展其他分析方法对其加以分析,也就必然要求有独特的思维方式来指导这种分析方法。

人们借助点与线——人类抽象思维的最简约表现形式——已经形成了基于图1C复杂网络图式的思维方式。在网络思维中,无论抽象还是实在,无论客观还是主观,事物可以在特定层次上界定为一个系统,系统的结构可以抽象为网络,网络中的各个节点代表着系统中相互作用的要素,而节点之间的“连线”则代表要素之间的相互作用关系;系统的基本组成单元(building bricks)是而非单独的“点”或“线”;系统的结构基础是网络,而系统的功能基础则是网络的动力学行为。基于这种网络思维的网络分析技术(network analysis techniques)已经在各个领域内取得丰硕的实践成果。在讨论网络思维的认识论和范式之前,有必要简要回顾它在各个领域内的实践基础。

三、网络思维的实践基础

中华民族在很早以前就发展了朴素的网络观。中医经络理论所研究和阐释的就是由“点”(腧穴)和“线”(经脉)所构成的网络。这种网络有着自身的逻辑特征:每个“点”(腧穴)都与其他“点”通过“线”(经脉)相通;整个“网络”(经络)的功能取决于线路上的(气/血)“流”(flow);通过对“点”(腧穴)和“线”(经脉)的观测和干预,可以对整个“网络”(经络)的生理和病理状态做出判断和治疗。这种以朴素的网络思维为基础的经络理论已经成为了中华文化的一部分,以至于当西方在解剖式的还原论基础上努力构建并适应新的网络思维方式时,东方事实上从未放弃过这种思维方式[12]、[13]。

在现代科学中最早记载采用网络思维进行研究的是瑞士数学家欧拉(Euler)。1736年,欧拉通过证明“七桥问题”没有解而创立图论(graph theory)。图论的研究对象是图(graph),其实际上就是由顶点(vertex,点)和边(edge,线)组成的网络结构。由于图论的普遍应用,甚至有研究者提出将其称为图实践(graph practice)或图工程(graph engineering),并且发展出了称为“网络理论”(network theory,diktyology)的应用数学分支[14]。

在过去的一个世纪中,在网络思维的指导下,各个专业领域内涌现出大量研究成果。社会网络分析(social network analysis)是其中发展相对成熟的领域,它的源头可以上溯到马克思、涂尔干和齐美尔三人([15],p.429)。虽然有学者认为马克思是与社会网络结构观相对立的社会阶级结构观的鼻祖[16],但在马克思的著作中可以看到他对“关系”的极大关注。马克思认为人是现实中一切社会关系的总和。这种对人的社会性的强调必然导致将人置于社会网络中考察其思维模式和行为模式。涂尔干在社会事实的分类方面作出了重要贡献,并且影响了在社会系统的组成单元之间寻求关系模式的结构主义方式,最终由英国人类学家发展为网络分析([15],pp.431-432)。齐美尔被认为是社会网络结构观的先驱,他关注的是个人和群体之间关系的潜在模式([15],p.434)。自上世纪三十年代以来,诸多社会学家、人类学家、经济学家、心理学家和数学家在各自不同领域独自开拓了社会网络分析的理论和方法。人们描记了各种不同的“关系”:经济往来、感情联系、人际评价、亲属关系、部族结构、物资交换、信息交流、派系团体、职位关系、地位变化、居住关系……。在这个过程中,网络思维的实践不断得到充实和发展。人们建立了区分关系数据和属性数据的理念,并基于对关系数据不满足常规统计学意义上的变量独立性假设的认识,发展了针对关系数据的网络分析技术([17],pp.20-26)。

在生命科学领域,1970年,唐纳德·尼科尔森(Donald Nicholson)等发表了第一篇有关生物分子网络的文献《代谢通路简介》。网络分析在生物学领域的应用不断拓展。基因相互作用网、蛋白质相互作用网、基因与蛋白质相互作用网、代谢网络和神经网络等都得到了分析[7]。在生物个体水平,生态捕食网和疾病传播网的研究受到关注。尤其是在流行性感冒、艾滋病(AIDS)和非典型性肺炎(SARS)等人群传播疾病的研究中,对人际接触网络的分析又将生物科学和社会网络分析结合起来[18]。在最近十几年,生物学领域的网络分析得到蓬勃发展。这主要有两大因素[19]。其一,基因芯片、人类基因组、蛋白组、代谢组等生物检测技术和大型项目的发展,使得高通量、自动化的大规模检测技术在生物学领域得到普及[20]。这些技术的广泛应用带来的是海量数据(点的积累、关系数据的采集),生物学领域已经到了综合大量数据并整合其中的关系,从而重构生物网络(biological networks)的时代[21]。其二,在物理学、社会学、计算机科学方面网络分析技术的大量应用也波及了生物学领域。这些学科要么为生物学网络分析提供了数学分析手段,要么为其提供了界面友好的软件系统。

在心理学和语言学研究领域,由于语料库语言学(corpus linguistics)在20世纪得到了迅猛发展,人们已经获得了大量语料(点的积累、关系数据的采集)。以西班牙学者索尔(Solé)和坎丘(Cancho)在2001年发表的第一篇以图论的方式探讨人类语言小世界性的论文为标志[22],网络分析技术在语言学中逐渐得到大量应用。人们相继在各种不同语言的单词的共现性网络结构、语义网络结构和语法关系网络结构中发现了极其相似的结构特征[3]、[23],并且逐渐将网络分析拓展到认知[4]、[5]、记忆[6]和语言习得[24]等诸多方面。

技术网络(technological networks)是另一类受到广泛关注的网络对象,其主要是指人造的用以传输某些物质或信息资源的网络,例如:电力网、公路网、航空网和物联网等[7]。由于技术革新本身要满足服务于人的目的,因此其研究领域可以渗透到其他各种类型的网络并开拓出新领域。例如互联网,如果将硬件设施看作网络的节点和连线,那么就属于技术网络;如果将其看作携带人与人之间交流信息的网络,那么就属于社会网络;如果将网页之间的联系看作是知识之间的链接,那么就属于信息网络,可用于语言甚至是文化知识网络的分析,例如科学文献引用网和知识信息检索网。

对现实网络分类研究的不断深化使得人们必然要问:网络思维这种借助于点线符号的思维方式是否有其本身的逻辑?网络思维是否已经形成其自身的认识论和范式(paradigm)?

四、网络思维的认识论和范式

对上述两个问题的澄清需要进行三个方面的工作。第一,对网络思维本身的特点进行描述,即回答“它是什么”。第二,与以往范式进行比较,即说明“它不是什么”。第三,需要对网络思维所属的范式进行展望,即回答“它属于什么”。

对于第一个方面,网络思维本身遵循以下辩证的逻辑特征:

1.网络是关系和属性的统一

网络思维强调对“关系”的考察,反对完全根据单个作用物(点)的内在属性来解释或预测这种作用物(点)或整体(网络)的功能特征。例如研究者们不主张单纯根据个人的属性特征(例如受教育水平、性别、年龄等)来解释或预测人的行为。在社会学中这种观念可以朴素地表达为:(整体的)结构影响(个体的)行为、生产关系影响生产力。研究者们也不主张单纯根据生物信号分子的属性特征(例如质量、带电性、空间构造等)来解释或预测分子的功能。在细胞信号传导研究领域,这种观念被朴素的表述为:生物大分子的功能需要放置于细胞信号传导网络中加以考察。因此,网络思维明确反对在思想、技术或物质条件方面的点状决定论观点。

2.网络是动态和静态的统一

网络思维认为事物是由处于流变状态的网络而不是由简单的静止性的层级结构组成。虽然组成网络的要素可以具有本身内在的属性,但要素在系统中的属性是在相互参照的关系的基础上确立的。在这个意义上,我们可以认为系统的主要特征是由要素之间的关系而不是要素本身的属性规定的。同时,将事物看作是处于流变状态的网络可以使网络成为历时性(diachronicity)和共时性(synchronicity)的统一体。

3.网络是整体和部分的统一

事物的结构可以表现为具有不同层次划分的嵌套网络(nested network,即高层次网络中的点本身也可以看作是较低层次上的一个网络(图3)。以生命网络为例,从地球诞生开始,各种化学物质相互作用(点线关系的增删或重塑),从细小分子的反应网络中涌现出了稳定的网络结构(生物大分子);生物大分子的反应网络经过漫长的岁月,从中涌现出有生命力的网络结构(由生物大分子为主的包括一些重要的小分子封装起来的原始单细胞生物);经过数以亿年计的进化历程,从原始单细胞生物的网络中涌现出更复杂的生命网络结构(由大量细胞封装起来的多细胞生物)。以网络思维为指导的科学研究往往涉及层级化(hierarchy,如人体-器官-细胞的分层)、约简化(reduction,如以团体为单位进行的社会结构考察)、背景化(context,如将细胞分子信号网络中由某些分子组成的组块提取出来以研究分子组块作为一个整体对周围其他分子的影响)和切出(cut-out,如将细胞分子信号网络中由某些分子组成的组块提取出以来对该组块内部的细节进行分析)的操作(图4)[2]、[25]。在这些操作中,“点”时而是部分,时而通过线的相连而构成了新的整体,而网络的边界变得具有开放性和可拓展性,从而使网络融合了整体和部分的特质。

图3 嵌套网络

图4 网络思维的操作

4.网络是结构和功能的统一体

网络分析以(最基本的两点以及两点间关系)为考察单位,将它看作网络的基本组成单元,并认为系统的结构基础在于点线所形成的网络,而功能基础在于网络的动力学行为。当人们谈论功能时,往往以举例进行说明。例如:手的功能是拿东西,耳朵的功能是听声音。事实上,“功能”可以具体表现为系统以及系统的各个部分与内外环境的适应性“关系”[1]。例如用手操控物体表现的是与手眼协调功能有关的空间关系,药物治疗疾病体现的是药物分子与体内分子的相互作用关系。因此,当论及“功能”时,事实上是对“关系”的关注,而这种关注符合网络的特质,体现了结构和功能的统一。这种统一可以以铁路网为例。铁轨线路提供了固定的结构,也限制了一定条件下的最大载客/货量。流附于铁路上的客流和货流体现了铁路的功能。客流和货流的增长又对铁轨的铺设提出新要求。因此,结构为功能提供了可能性,而功能又塑造着结构。

对于第二个方面,戈兰诺维特(Mark Granovetter)首先在社会学领域对网络思维的范式进行了鉴别。他在2005年出版的《社会科学领域的结构分析丛书》(Structural Analysis in the Social Sciences)的前言中指出:在社会分析领域的结构观点还没有获得统一的认识。虽然网络思维的实践已经散布于各个学科,但是跨学科的统一的认识论与方法论仍在形成中[2]。如果借鉴戈兰诺维特对社会网络分析的评论,并将网络思维拓展到社会科学以外,那么网络思维主要与下列两种已有认识论存在区别:

(1)还原论(reductionism):专注于研究整体的基建单元(building blocks),以此来解释整体的性质、状态、演变和功能。这种认识论隐含的前提假设是:可以将基建单元从整体割裂出来进行研究,而根据基建单元的研究结果可以推测整体的特征。

(2)整体论(holism):把整体看作黑箱,试图通过输入-输出的对应关系来了解其性质、状态、演变和功能。这种认识论隐含的前提假设是:整体的特征并不取决于内部组织,而是由输入-输出的对应关系来规定。

无论是在还原论还是在整体论的范式中,“将对象的结构想象成网络”本身就是一种潜在的思维模式。还原论研究必然搜集大量的局部数据并指向对整体性能的阐释,而整体论研究最终仍会激起人们揭示整体内部具体机制的需求。网络思维不但提供了一种居于两者之间的中层方案,而且网络思维的辩证逻辑特征本身也将还原论和整体论所体现的“部分-整体”在同一层次上的二元对立模式转换成“部分-整体”在不同层次上的嵌套的、动态的二元对立统一模式。

对于第三个方面,由于网络思维的实践发展越来越趋向于处理复杂网络,因而有可能将它归于复杂性范式。但是,正如埃德加·莫兰所述:“一个范式,即使它应该被某个人提出来……归根到底它也是整个文化的、历史的、文明的发展产物。复杂性范式将来自相互汇合和相互配合的新的概念、新的观念、新的发现和新的思考的总体”([9],pp.78-79)。如果要将网络思维归于复杂性范式,还需要对文化、历史和文明的发展加以考察。这种考察,似乎也应该摆脱还原论和整体论的束缚,采用新的思维方式,而现在可行的或许首先是识别已经展现出来的历史意义和前景。

五、网络思维的历史意义和前景

从传统的历史研究角度来看,历史意义的确立往往以重大历史事件为标志。例如爱因斯坦在1905年发表质能方程(E=MC[2])可以作为二十世纪原子时代的标志。那么,从传统角度来看,20世纪与21世纪的千年之交,网络思维的重大历史事件又是什么呢?或许距今时间太短,许多事件的意义尚未明确。如果要以一个与质能方程媲美的方程来界定网络思维的历史地位,幂律分布(power-law distribution)公式(P(k)~k[-g])就格外引人注目。这是一个用来描述在自然界中普遍存在的无标度网络特征的公式[26]。通常表述为任何节点与其他k个节点相连的概率为k[-g][7]、[8]、[27]、[28]。1999年美国科学家巴拉巴西(Barabási)对万维网的研究以及进而建立无标度网络模型(scale-free networks)可以说是标志性事件[27]、[28]、([29],pp.251-258)。

有没有可能从网络思维本身来考察其历史意义呢?或许我们可以借鉴历史研究领域已有的实践。彼得·比尔曼(Peter Bearman)开创性地将网络分析应用于历史研究,将历史事件看作“点”,事件之间的因果关系看作“连线”,从而对历史结构进行网络建模[30]。比尔曼认为历史网络中有一些案例(case)在随机的点线增删操作下仍然保持其结构的稳固性和强健性,这些就属于盖棺定论的案例。从比尔曼的研究来看,网络思维的历史意义也有可能最终以其对自身的实践而得以确立。

20世纪末,《连线》(Wired)杂志的主编凯文·凯利(Kevin Kelly)在其著作《失控:新生物文明的崛起》第二章中以“网络是21世纪的图标”作为小节标题指出:原子是20世纪科学的标志……其代表着纯然的简单性……原子已经是过去式了,下个世纪的科学象征是动态的网络[31]。进入新千年以来,互联网的普及已经使网络的结构、功能和动态的组织形式渗透到人类生活的方方面面,而网络思维及其技术正在为日益崛起的复杂性科学范式提供有助于弥合整体论和还原论之间鸿沟的认识工具和实践手段。网络已经以及必将更深刻地植入人类的认知图式之中,而以此图式为指导的网络思维及其实践也必将创造其应有的历史价值!

[收稿日期]2009年7月24日

标签:;  ;  ;  ;  ;  ;  

网络思维:基于点线符号的认知图式与复杂性范式_还原论论文
下载Doc文档

猜你喜欢