主题：２５个科学问题：导言 难题赞 -- 森林的火焰

兄台所描述的正是科学中常用的还原论的方法, 即:

(1) 把一个大的复杂的系统分解成许多小的子系统, 然后

(2) 仔细研究每个子系统的特性(有必要时再分拆之), 这主要是通过

（2a) 看当改变它的各种外在条件,或施加各种激励时,它作出怎样的响应. 这有点象自动控制中的系统鉴明(system identification). 需要注意的是, 实际上我们并不拥有随心所欲地控制这个子系统的所有外部刺激的手段和能力, 总有一些外部因素,比如它与其它的子系统之间的联系,是我们无法控制或真实地模拟的. 通常,我们在实验上尽量做到削弱这些所谓的外界不可控因素，从而可以假定它们可被忽略.

(2b) 历史上累积的知识库（实验观测，目前最成功的各种理论模型，etc.).

(2c) 逻辑推理.

这三点来达到的(俺这样的划分比较粗糙,或许哪儿有更好的论述). 于是我们可以揭示这些子系统的许多内在机制. 但由于(2a)中所讲的原因,还有建模时不可避免的近似性, 这些被揭示的机制必然带有某种简化, 某些不精确, 某些不完整. 对科学而言幸运地, 上述的种种近似并不太糟糕, 至少对刻划每个子系统个体的行为来说是这样的. 理论与实验结果就算有些误差, 也是在可容许的范围之内.

下一步

(3) 若各个子系统的输入输出特性都研究透了以后, 就可以作抽象, 将其视作一个个的黑盒子模块, 只要管它们的输入/输出关系, 至于盒子内部的细节, 在我们所感兴趣的问题的这个层次上就可以不管了. 例如, 在研究生物问题时, 在分子这个层次的运动规律无疑还是有直接的意义的, 但再微观层次的细节, 如原子核内部的结构, 就没什么直接意义了. 虽然分子的运动状态当然与其原子核的状态多少相关, 但是我们可以合理地作抽象, 把分子作为一个个黑盒子模块, 提炼出分子层面的运动规律, 这对生物学家而言(显得)是够用了. 至于里面的细节, 让化学家和物理学家操心好了. 又如, 在人工神经网络这个层次, 其所用到的'神经元'相比生物的神经元而言是做了极大简化的, 否则的话,若要忠实地仿真一个生物神经网络,计算机将疲于奔命, 虽然神经科学家们或许可以容忍, 但哪里还能满足工程师的要求.

科学家们现在就可以用这些盒子来搭建大的系统, 从而掌握这个大的系统的运动规律. 这就是还原论的方法. 成功的例子充斥了科学的各个角落, 不胜枚举, 贯串于整个的科学发展史, 某种意义上这几乎成了科学的代名词. (我认为只要是反应现实的就是科学的, 而还原论只是一种具体的方法论, 故而二者不能混为一谈.) 很普通的例子譬如: 通过研究微小一块金属的力学性质, 可以构建大尺度的金属的运动模型, 比如我们可以很简单地写出钢琴琴弦的振动方程. 琴弦的振动无疑是一种系统行为, 但它可以毫不费力地从无穷小块的材料的力学性质(即其输入/输出响应)中导出. 很美! 很厉害吧!

然而,上述的整套方法是作了某些假设的, 就是说, (i)我们可以一层层地分析/组建大大小小的系统, (ii)在每个子系统的建模过程中带有的不大的误差 对于由这些子系统所组建的大系统而言也将不是大问题. 然而这些假设并不总合理, 尤其对某些复杂系统来说, 这种(人为的)对系统的分析和综合会导致截然不同的关于系统行为的结论. 具体例子倒还不好举(偶以后慢慢再说), 不过俺相信在人脑研究中, 这是很容易发生的现象. 那么你们问, 小心点不成吗? 问题是: 如果事物之间有千丝万缕的联系, "一概考虑在模型内，研究就没法做。" 不考虑在内吧, 你怎么知道这样做是合理的, 科学不是拍脑袋的决定呀, 但事实上很多情况下, 囿于实际情形, 也只能这样了.

所以, "没被驳到的得以暂时性的认可" 是应该持有的科学态度.