在科学实践中，类比作为一种生动的方法尤其值得关注。实际上，科学家早就注意到类比在科学实践中发挥的作用。在19世纪30年代，赫歇尔（John Herschel）在《自然哲学研究初论》（A Preliminary Discourse on the Study of Natural Philosophy）一书中就强调了类比在科学中的作用。他指出，当遇到无法解释的现象时，人们往往会寻找和研究类似的现象，如电和磁之间的类比、光与声之间的类比。麦克斯韦（James Clerk Maxwell）也曾明确表示，类比可以帮助科学家理解不同的现象。类比在科学实践中的地位不可小觑，科学家利用类比深化认知、促进发现、产出知识。在人工智能如火如荼发展的今天，类比愈发重要。不同于计算和演绎，类比是人类常用但人工智能很难模仿的思维方式。侯世达（Douglas Hofstadter）甚至声称，类比能力是人类认知的核心。探究类比的属性特征与运行机制，是深入推动人工智能时代科学实践的重要一环。因而，从繁杂的科学实践中剖析类比的基本性质，厘清类比在科学实践中的功能和角色，具有重要意义。
类比的基本性质：相似性、映射性与语用性
类比通常是指对两个不同种类间相似之处的比较。实际上，类比与类之间的特定关系有关，而对类之间的比较又不是事物之间的关系本身能够直接显现的，因此，类比具有客观性和主体性双重特征。也就是说，科学家所面对的杂多现象之间的关系，是类比存在的基础。同时，类比的生成、传达与理解，也离不开科学家、接受者的意向性活动。
一般来说，相似越多，类比越强；相似越少，类比越弱。基于相似，黑塞（Mary Hesse）对类比概念进行了详细的逻辑分析，区分了物质类比与形式类比。物质类比是基于具有某些共同可观察特性的两个事物或类似物之间的比较。比如，地球与月球之间的类比，可以基于体积大、不透明、接收太阳的光和热等共有的可感性质作出。形式类比是指一个领域中某些元素之间的关系与其他领域中相应元素之间的关系相同或相似的情况。比如，鱼鳍与鱼的关系同翅膀与鸟的关系的类比，这两种关系间的类比不可直接观察到，但仍可通过分析得出：翅膀和鳍在功能上具有相似性，使鸟类和鱼类能够移动。形式类比更具复杂性和抽象性，需要科学家发挥主观能动性，才能将这些功能、机制等不能直接感觉到的关系抽象出来，并灵活地运用到科学实践中。从论证力度上讲，形式类比不如物质类比有力；但从重要性上讲，正是由于形式类比的相似性无法直接通过观察或实验获得，才更加体现出科学实践的启发性和开放性。
科学实践中的类比还具有映射性。基于认知心理学进路，根特（Dedre Gentner）构建了完整的类比框架：作为结构映射的类比。类比是从源域到目标域的映射。源域是待解释的目标域的知识来源，源域的谓词“传递”到目标域。这种类比结构呈现出实际的推理活动与可能的推理。从映射结构上看，类比关系分为属性映射、关系映射和系统映射三种。属性映射是指源域的元素与目标域的元素间存在直接的属性映射关系，表明目标域中可能具有源域中相同或者相似属性的元素。关系映射是指在类比过程中，源域中元素之间的谓词关系到目标域中元素之间的谓词关系的映射关系。上文所说的形式类比，反映在映射结构中就是关系映射。因此，关系映射比属性映射更加复杂和丰富。需要对源域中元素之间的关系作出分析，才能进一步揭示源域中元素关系与目标域中元素关系的相似之处。关联的构建涉及主体的选择，但却并非随意为之，我们依旧可以区分出哪些是好的类比。系统映射则可以作为判断类比映射好坏的标准之一。系统映射是属性映射与关系映射的综合。根特指出，“类比工作的好坏取决于类比谓词相互关联，形成一个完整的知识系统”。太阳系和原子的卢瑟福模型就是典型例子：从太阳到行星或从原子核到电子的距离、两者之间的吸引力，太阳和行星的质量或原子核和电子的带电程度，每组要素相互关联，其中一些要素的改变会波及其他要素，所以它们处于同一系统之中。
不管是对类比的相似性还是映射性作出分析，都无法避免语用因素。正如吉尔所说，模型表征不是模型与世界之间的二元句法或语义关系，而是纳入科学家目的、意图等语用因素的表征关系。类比也是如此。一方面，类比与科学家的目的和意图密切相关，并且需要根据科学家的专业知识、科学经验等提出合适的类比。另一方面，科学家的类比工作还需要为科学同行、受教育者、科学爱好者等其他人接受和理解，这一过程又充满了语用因素。他人需要结合语境查找和分析证据，理解科学家使用类比的目的和意图。因此，不论是生成还是理解类比，都是在认知语境中完成的，与语用因素息息相关，是复杂的意向性过程。理解者只有结合语境并与科学家的认知水平相当，才能对类比作出正确理解。
类比的功能和角色：科学发现与科学解释
科学发现和科学解释是科学实践活动的两大主题，类比在这两个方面都发挥着重要作用。
从科学发现的维度看，科学家通常构建模型并通过模型与世界的类比进行研究，而模型不直接等同于其研究对象本身，模型与研究对象之间有相似也有差异。通过类比能够清楚地看到相似与差异，而尚不能判定是相似还是差异的方面，则更值得留意。那些方面往往会成为新发现的突破点，对它们进行研究很可能产生新的认识。黑塞把已知的共同点称为正面类比，已知的差异称为负面类比，所有那些尚未建立共性或差异的属性都称为中性类比。中性类比通常表明适合进一步研究的方面。黑塞举例道，当我们用台球模型研究气体动力学时，把属于台球的性质而不属于分子的性质称为负面类比，“如果气体真如台球集合，除了已知的负面类比，根据对台球力学的了解，我们就能对分子运动作出新的预测”。哪怕预测是错误的，也会增进知识。因此，类比具有启发性。
从科学解释的维度看，类比有助于利用人们相对熟悉的内容解释相对陌生的对象。正如内格尔（Ernest Nagel）指出，“类比有助于将新事物同化为旧事物，并防止新颖的解释性前提变得完全陌生”。也就是说，对新事物的解释，可以借助它与旧事物的类比来完成。在可比较的情况下，用类比来解释是合理的。如果两种现象之间存在相似性，并且其中一种现象的相关科学原理是已知的，则可以根据这些原理探索和解释待研究的现象。这样有助于促进我们对新对象以及相关概念的理解与掌握，甚至可能促进理论发展。比如，对光波和声波的解释类比了水波模型，对原子构成的解释类比了太阳系模型，对核裂变的解释类比了液滴分裂模型。
总之，科学实践中的类比具有相似性、映射性与语用性。至于哪种相似、映射发挥作用，则与科学家的目的、意图等主体要素息息相关，需要科学家调动主观能动性与专业判断力。类比被传达、接受与理解，同样离不开语用因素。只有接受者了解到科学家的意图并具有一定认知能力，才能对类比作出精准理解。语用性渗透于相似性与映射性中，使类比成为生动又有效的科学实践手段，使其在科学发现和科学解释中能够发挥独到的作用，同时也充分展现出科学实践创造性的一面。值得注意的是，随着数字技术、人工智能的发展，科学实践的范围不断扩大、方式不断更新，对类比的综合研究、应用研究也应不断深入。以人工智能为例，近年来人工智能的发展受到深度神经网络推动，而深度神经网络本身就是对人类大脑中神经元分层组织的类比。米切尔（Melanie Mitchell）却发现，“今天最先进的神经网络非常擅长处理某些类型的任务，但它们难以将自己在A情况下学到的知识转移至B情况——类比思维的本质”。这意味着，对于类比作用机制的研究仍有待推进，类比与人工智能自主学习领域的结合还有待加强，类比研究仍具有相当广阔的空间。
（本文系中南财经政法大学中央高校基本科研业务费专项资金资助项目“中国早期马克思主义者的科学观及当代意义研究”（2722023BQ003）阶段性成果）
（作者单位：中南财经政法大学马克思主义学院）
