為現象提供適切的解釋是科學的任務。令科學哲學家感興趣的問題,並不是如何解釋這些現象,而是:解釋是什麼?什麼樣的科學解釋具有解釋力?又為什麼這些解釋可以被稱為科學解釋,而不是其他的?這背後是否存在一套判準,以區別科學解釋及其他?
針對這些問題,傳統上,解釋一個現象的原因,必然是因果的。然而因果解釋並不恰當,原因在於:當我們說,窗戶之所以被打破(事件B),是因為前一秒有個頑皮小孩拿起石頭用力砸向窗戶(事件A)。休姆提過恆常聯結理論,攻擊這些因果解釋,他會說:「停!你怎麼知道事件A就是事件B的原因呢?事件A只不過時間上發生在事件B之前,即使A事件發生,之後總是接連著B事件發生,但卻沒有任何具體事實能夠告訴我們,『A就是B的原因』,A與B只存在著時間上的恆常聯結,卻沒有必然的因果關係。」根據休姆所宣稱的,沒有任何客觀事實證實因果關係的存在,因果解釋只是我們主觀的認定。這是一個形上學的問題;當我們追問,「是什麼使得因果解釋成為可能」的時候,卻發現背後空無一物。
科學解釋不能是主觀的,因為科學對於宣稱某項理論為真,有強烈的主張。因此,Carl Hempel設計了一個演繹-定律模型(Deductive-Nomological Model),藉著邏輯推論的有效性,建構了一套邏輯實證論者對於科學解釋的看法。這種做法,除了規避因果關係的可錯性,還運用了邏輯上的優點:一、演繹關係(deducton)必然是恆真的。二、在邏輯上一個有效論證,其前提為真,結論必然為真。
D-N Model在結構上由「解釋項」(explanans)與「被解釋項」(explanandum)組成。被解釋項可從解釋項(前提)邏輯地、必然地被推導出來。而解釋項,至少要包含一項「定律」(law)和一項「條件」(condition)──nomology即為科學定律(scientific law)之意,這個定律必須要是具有普遍性。至於條件,有一說是使某事件發生的「邊界條件」(boundary condition),只要此條件變化到滿足一個普遍定律,就會依照定律產生可預期的結果。
我們可以這樣看D-N Model:
解釋項 (前提)
定律 L1,L2,L3,……,LN
條件 C1,C2,C3,……,Cn
蘊含關係 ────────────────────────────────────────────────
被解釋項(結論) P1,P2,P3,……,PN → 被解釋的自然/人文社會現象
例如:當我們問,「為什麼油價上漲?」此時,我們可以提供這樣的科學解釋:
定律 經濟學的供需法則:供給量減少,需求量不變,價格上漲
條件 美伊戰爭造成原油供給大量減少
→ 當邊界條件滿足定律,由邏輯上可推導出 →
結論 原油價格上漲
科學的另一個重要任務,便是為現象提供預測。當我們同意Hempel的D-N Model:只要存在普遍定律x,滿足邊界條件y,根據邏輯上的演繹關係,必然會有滿足定律的現象z出現。這不是沒有危險性的,假使我們同意D-N Model,不只會得到「z會發生」的結論,除此之外,這個結論z還排除了其他可能,一個D-N Model,就像一個函數y=f(x),如果代入x,得出y以外的結果,也不滿足集合論上的規則。「z必然會發生,而且只能是z」,這是個非常強的主張,而且還是決定論式的!(這當然令人不太爽快!)
D-N Model可能並非如此完美。D-N Model這個演繹模型的前提是有問題的,D-N Model前提的真值可能為假。暫且不討論知識論上笛卡兒式對於感覺與料(sense-data)的不信任,關注於有關「定律」成立,究竟是否存在一個滿足「定律」要求並且「必然恆真」的命題呢?誠如第一章所討論的,究竟什麼才是定律?定律是如何構成的?規律性(regularity)可否以一種最小化的觀點,作為最低限度的要求,為定律的恆真性提供一個好的基礎?牛頓計算出萬有引力定律,以說明蘋果掉落的現象,背後是由萬有引力定律支撐。定律本身就可以為現象提供合理的解釋基礎嗎?(亦即,定律蘊含解釋?)那麼又是什麼為定律的正確性提供合理的基礎呢?這正是我們在談論科學解釋時想問的。
值得一提的是,我觀察D-N Model,發現它和知識論上的JTB三條件有很大的相似性,兩者都試圖為我們的知識提供證成,也就是試圖找出一個在知識上宣稱為真的判準。D-N Model適用範圍略小,但不影響兩者在策略上的相似性。Gettier認為JTB是很有問題的,很有可能出現了一個情形,符合JTB所有的條件,卻只是純然的巧合。由Achinstein提供的例子,可以知道D-N Model也有一樣的巧合情形。有關JTB的修正,Gettie認為可以提供第四個判準,將那些巧合的例子排除;也有其他人主張,我們應該重新檢視何謂「真」的條件,重新過濾符合JTB條件,重新建構那些宣稱為真的知識。因此,我們先略過對於D-N Model本身的修正,探討前件的真值問題。如下:
1.1 有關SRT形式的觀點幾乎是不可能成功的,因為這種觀點是歸納性的(inductive)。Goodman的New Riddle of Induction告訴我們,在時間T1歸納成真的事實,在之後的時間T2未必也為真。也就是說,歸納法無法確保反例(counter-example)出現的可能。
1.2 按照Thomas Kuhn的說法,科學是一種「典範的轉移」。牛頓力學(典範A)顯然並不足以解釋光遇到重力場會偏移的問題,因此有一套相對論(典範B)出現,以解釋這個現象。依照孔恩的說法,典範包含定律及其提供的科學解釋。然而,典範A和典範B具有不可共量性,亦即,不同典範之間,其基本的方法論、定律、對事物的基本觀點都不一樣。即使舊理論可能遭到遺忘,然而兩者之間的不可共量使我們無法判別孰優孰劣──更別提「聲稱為真」,我們可能接受同時聲稱為真的不同理論嗎?顯然這樣,會使得科學試圖提供預測以及解釋的企圖,成為一種失敗的嘗試。
2 另外,D-N Model在實際提供科學解釋的層面上,會延伸成為I-S Model。現今科學對於現象的呈現方式,非常依賴統計。然而,量子力學告訴了我們粒子行為的不確定性──運用D-N Model所呈現的現象解釋,是一個決定論式的主張,然而在一些統計的現象上,我們卻發現一切並非如此絕對。如果我們說,某甲有80%的機率投票給歐巴馬,的確在一個特定的可能世界之中,某甲會投票給歐巴馬;在另一個可能世界之中,某甲會投票給麥肯。但是我們的世界,卻只有一個!某甲要不就投給歐巴馬,要不就投給麥肯,某甲不可能又投給歐巴馬又投給麥肯。因此,一個以80%來描述真實世界的狀態,究竟是什麼意思呢?如果出現了一個非決定論式的現象描述方式,甚至是一個無法以經驗佐證的狀態──機率。實在很難想像,一個邏輯經驗論者會接受這樣的主張。I-S Model的解釋,使得科學理論陷入兩難,因為加入統計作為現象的描述方式,會使得解釋項(前提)無法保證被解釋項(結論)的真值。假如結論的真值為假,這個由D-N Model引申出來的I-S Model,就會是無效論證;然而現代科學幾乎不可能不加入統計,去描述一件事情。
根據D-N Model的反例,我們知道:避談因果關係的結果,使得太多符合條件,我們卻不會稱之為科學解釋的命題,在我們承認D-N Model的時候,也連帶地必須接受這些巧合的命題。
最後,也是我認為最重要的。我們是否會稱呼一個不談因果關係的解釋,是一個「解釋」呢?事實上,D-N Model儘管在形式上避免因果關係的描述,實際上,解釋現象時,我們仍無法擺脫因果關係。比如說,當牛頓看到蘋果掉落,他會思考「為什麼蘋果會掉?」用比較形上學的語氣來說:「是什麼使得蘋果掉落成為可能?」牛頓可能想知道的,是一個直接的解釋「為什麼」;建立一個模型,只是一種說明的方式──模型並不是「解釋」本身。我們或許會說:因為定律L,所以產生結果P。最後休姆的幽靈仍然鑲嵌在D-N Model之中,揮之不去。 那麼下一步呢?D-N Model應該被捨棄嗎?我認為D-N Model為科學解釋提供了一種很好的描述,但一個簡單的D-N Mode是不夠的,它需要被修正:例如加入限制條件,以排除巧合的事例。此外,保證前件的真值也非常重要,然而這點卻似乎依然有待努力……。