oupipi: x科学革命的结构

热门

实时

人物

照片

视频

所有人

您认识的人

所有地方

附近的人

高级搜索

保存此搜索

Jackywine @Jackywine 2024年 7月 9日

不好意思，第二本名字翻译的问题实际上应该是《科学革命的结构》实际上这三本书，都可以在微信读书看到

Jackywine @Jackywine

2023年 5月 16日演讲中提到的书籍下载链接我帮友友们搜好了建议一读陆奇老师演讲中提到三本书：《技术的本质》：annas-archive.org/md5/ec21b1482b… 《科学发展的范式》annas-archive.org/md5/353727a45b… 《跨越鸿沟》annas-archive.org/md5/dd6fa14b61…查看翻译

Susan STEM @feltanimalworld 1天

这几年我很少买书。主要是因为以前搬家太多，每次搬家都要扔书，扔得我心疼得不行。所以我后来立了个规矩：只有那些我能反复读、反复思考的书，我才买。库恩的《科学革命的结构》就是那一本。我反复去图书馆借，反复读，也反复和别人讨论。最后还是决定买了一本二手的，运气特别好，几乎全新。现在它就放在床头，像个宝贝。翻到第25页：Normal Science——"正常科学"。嗯？正常？难道还有不正常的？还真有。库恩提出"范式转移（paradigm shift）"这个划时代的概念，正是因为他亲身经历并观察过"不正常的科学"。他原本是物理学家。在学习量子力学时，他第一次意识到—— 量子力学的思维方式与牛顿范式完全不同。经典物理讲求确定性与因果性，而量子理论充满概率、模糊与测不准。那一刻，他发现两套语言体系下，"世界"的意义都变了。 科学并不是在一条笔直的理性道路上前进， 而是在一套世界观崩塌、另一套世界观重建的剧痛中前进。 那是他真正的"顿悟时刻"。很多人都分析过这些背景，我就不多讲。说说这几天我自己的一点"顿悟"。 "科学家的心智不是被事实改变的。" 这句话听起来是不是有点悬？但它真的震撼到我。在笛卡尔—牛顿式的传统科学观中，我们被教育要相信科学家是：理性的观察者，通过经验事实（data）来修正理论。逻辑是：世界存在客观事实；科学家通过观察积累事实；理论根据事实修正，越来越接近真理。这就是所谓的经验累积模型（accumulative model of science）。在这种观念里，事实就像砖头，理论是用砖头垒起来的房子。很多人现在依然是这样理解科学的。但是！ What if I tell you： 在旧范式体系下被完美规训的学生， 他的眼睛根本无法"看见"另一种可能的世界？ 那是一种深层的认知结构锁定（cognitive lock-in），让他无法察觉那些"现在新新人类能看见的东西"。 一种结构性的失明。 当然，库恩是个备受争议的人物。他挑战了理性神话，也被批评为相对主义者。但有趣的是，这几年他这本书的讨论度反而越来越高。 科学不仅仅是解释世界的工具，它本身也是一个正在被解释的世界。

✧ 𝕀𝔸𝕄𝔸𝕀 ✧ @iamai_eth 23小时

@feltanimalworld 受你推荐的《科学革命的结构》一书启发，我意识到其实经济也是由危机驱动的，它并非平稳累积增长，而是通过周期性危机实现结构性变革和创新跃迁。危机不是异常，而是进步的必要条件——它清除低效要素，释放资源用于更高生产力。所以我预计，人工智能这种革命性技术的发展，催生一场巨大的危机几乎是一种必然，但一何种形式呈现很难预言。我个人目前下的注是这场危机会从房地产市场引燃，因为房子的金融属性是建立在住在里面的人能够通过劳动带来持续现金流，但AI和自动化会让人很难通过持续劳动产生现金流（没有UBI），加上生育率的恶化，传统的房地产市场发展会很艰难。

E2M Research @E2mResearch 2023年 6月 16日

整理了部分E2M Research的已读书单，之后会在评论区陆续更新，欢迎爱学习爱分享的小伙伴加入我们，荐书读书，一起讨论～ 1、约翰穆勒《论自由》关于自由 2、卡尔波普尔《开放社会及其敌人》科学哲学、认识论 3、托马斯库恩《科学革命的结构》科学哲学、认识论 DC链接：discord.gg/WSQBFmP772

云中月 @MoonAtCloud 22小时

个人生命中的"范式切换"震撼库恩在《科学革命的结构》中说，科学并非直线前进，而是一段段范式更替的历程。他研究的是"科学共同体"的革命，但读到最后，我发现更深的共鸣在"个人"层面。真正的震撼不是理解新范式，而是自己亲身从旧范式中脱身的那一刻。作为后来者，我们同时学习某个领域的新旧范式并不难：那就像在课堂上看两张地图，对照、比较、记笔记。但当一个人前半截活在旧范式里，已经用它解释世界、依赖它思考，然后在自己的生命中的某个时刻，被迫跨出去进入新范式，那种个人的思维塌陷与重建的瞬间，才是库恩所说的"世界改变了"。我一生中有过多次不同的大小范式切换，挑三个例子说吧：刚学大学数学时，遇到极限与无穷小。中学数学的逻辑完全派不上用场。我第一次意识到，数学不是关于"数有多大"，而是关于"逼近的关系"。 "无限除以无限"不是荒谬，而是某种有极限的形式。旧世界崩塌，新的ε-δ语言出现。从此我知道，理解的关键不在于"学会公式"，而在于让旧直觉死去。后来学相对论时又遇到一次震动。牛顿的空间是剧场，各种物体在上面表演。爱因斯坦的新范式告诉我，剧场本身也会扭曲、伸缩、流动。那不仅是定理更新，而是世界重组。我明白"同时"不再绝对，"真相"取决于观察者。那种失重感，正是从旧范式滑向新范式的瞬间。第三次是从传统计算式人工智能到今天的统计式人工智能。过去的计算机科学告诉我们：算法 + 数据结构 = 程序设计。那时的世界是冯·诺依曼结构，数据与指令共处一体，计算是一连串精确步骤。软件工程的一切改进（无论是结构化、面向对象、还是设计模式）都仍在这条线上延伸。这种思维下，人工智能被看作复杂算法的堆叠：专家系统、规则推理、日本五代机，决策树……结果越走越窄。直到神经网络的新范式出现，计算的本体被颠倒：程序不再被人写，而是被训练。从手工设规则，到自动学模式，机器第一次从逻辑推演跳进统计拟合。随之改变的领域（数字识别、图像识别、语音识别、大语言模型）都在短时间内爆发。算法让机器"做事"，而模型让机器"看见"。这才是是第三次范式震撼：计算从确定到概率，从控制到生成，从规则到分布。库恩的书让我明白，这些切换不是孤立的学习关口，而是自己的"小型科学革命"。他写的是人类科学的范式革命，我感受到的是个人认知的断层与重建。每个人都会在自己的人生中都可能经历过这种时刻，也许是第一次懂得无穷，也许是第一次意识到时间不是唯一方向，或只是某天突然发现"原来世界并非我以为的那样"。一个人一生，必须亲身参与几次范式的变化，才算真正幸福地活过。生在今天的我们，是幸运的，因为世界正在频繁地改写自己，我们每个人，都注定会遇见属于"自己的范式变化"。

量價為王 @toppy20241025 1天

回复 @feltanimalworld

通过网盘分享的文件：科学革命的结构 ( etc.) ()_20251013_091018.epub 链接: pan.baidu.com/s/1eauHnhFgWiR… 提取码: 6wh8 复制这段内容后打开百度网盘手机App，操作更方便哦

少平 @shaoping2022 2024年 5月 29日

前段时间买了这本书，在豆瓣科学新知新书榜单上，称是"《科学革命的结构》之外的另一种选择"，读了几章，不好读，知识庞杂不说，语言也艰涩，典型的欧洲学者语言风格，不好好说话。但整体看，还是非常成体系的，再努努力，啃一啃。

Susan STEM @feltanimalworld 9月 24日

范式的不可约性托马斯·库恩：《科学革命的结构》 (The Structure of Scientific Revolutions) 指出，科学的发展并不是线性累积，而是通过"范式转移"来实现的。而在范式之间，往往存在"不可通约性"（incommensurable）：不同的范式就像使用了不同的语言和世界观，即便讨论的是同一个对象，也会因概念体系和问题设定的差异而无法互相对齐。我曾经举过一个例子：牛顿处在炼金术的巅峰时期，他既是现代物理学的开创者，同时也深深浸润在炼金术与神秘学的语境中。对他而言，炼金术与数学物理并不是互相矛盾的，而是同一认知体系中的不同维度。但在后来的科学范式中，炼金术逐渐被视为"伪科学"，数学物理则成为科学的正统。这就是典型的"范式断层"：牛顿在自己的语境里所说的一套话，在后人看来可能模糊、矛盾，甚至完全不可理解。语言的炼金术：从尼可·勒梅到大模型 x.com/feltanimalworl… 这也正好说明了库恩的观点：在范式转移期，语言隔离并不意味着沟通失败，而是因为不同范式之间使用的是两套不兼容的"语言游戏"。即便同样是牛顿的著作，在不同范式的语境下，会被读出完全不同的意义。 ——换句话说，牛顿既是科学史上最伟大的"现代人"，也是范式断裂中最后一位"古代人"。这正是范式转移时期"语言不可通约"的生动写照。飞速狂奔的语言分裂和隔离——我作为一个符号高敏者的观察现在仍然处在范式转移的非常早期，但我已经在程序员群体里清楚地看到了"语言隔离"的雏形，而且这种隔离正在迅速扩大。今年以来，我注意到至少有两个鲜明的表现。第一，是技术圈内部的代际分裂。老一代程序员更倾向于固守原有的范式和预设，依赖多年累积的编程经验和工程习惯；而年轻一代，尤其是那些几乎以"AI vibe coding"为原生体验的高中生，他们在刚好成年之际就迎来了 AI 的浪潮，整个技术世界观和认知框架与老程序员完全不同。于是，两代人虽然都在"写代码"，但背后的假设和语言已经渐行渐远。第二，是青年群体在语言与表达能力上的质变。AI 辅助写作让他们在理解与生成的速度上飞速狂奔，所能承载的信息密度和表达强度，已经超越了以往的想象。以推特为例，本来只是一个 140 字的闲聊扯淡各种无聊骂战平台，却在青年群体手里被推到一个新的高度——极短的文本里能够承载复杂的思维密度和强烈的表达张力。这种变化，既是工具的加速效应，也是语言隔离加剧的催化剂。换句话说，我们正在亲历一场在同一种母语中，代际之间、工具之间、表达方式之间的语言断层。它的速度和烈度，比很多人预期的还要快。语言游戏在谈论"语言隔离"时，我们如何能不谈维特根斯坦。在《哲学研究》 (Philosophical Investigations) 中，他提出语言的意义来自"语言游戏"（language games），而每种语言游戏都有不同的规则。人们若处在不同的语言游戏中，即便讨论的是同一个对象，也会因规则差异而彼此误解。语言隔阂的根源往往不是信息缺失，而是语境与规则的错位。这一点，我在前两天发的一篇推文中有非常直接的感受。我说：只要底层代码是 AI 写的，那么软件工程的范式必定要发生变化。 x.com/feltanimalworl… 这条观点下的反馈，让我真正体会到什么叫代际的语言隔离。老一辈的软件工程师，他们的世界观和实践方式经过二三十年的沉淀，几乎完全固化；而年轻一代，尤其是 AI 原生的高中生或大学生，进入的是另一种完全不同的语境。于是，即便都在讨论"可靠性"，双方所说的东西也很难对齐。比如，在传统语境下：工程师认为可靠性=系统不崩溃、bug 少、稳定运行；学术研究者认为可靠性=模型在 benchmark 上表现稳定、误差可控、结果可复现；产品经理则看可靠性=用户体验一致、市场信任度高、风险率低。这些定义都属于 "可控性逻辑"：强调确定性、稳定性、长期可依赖性。但在 AI 原生语境下：年轻的 vibe coder 会说可靠性=AI 在关键时刻能给我启发，能生成点子、代码或文本，哪怕有错误也能推动思考； AI 辅助写作的一代把可靠性理解为"始终有用"，而不是"零错误"。他们习惯了不完美的输出，关注的是交互、启发和快速迭代。这是一种 "互动性逻辑"：强调即时性、探索性、持续产出的可靠。因此在我写的那篇帖子里，站在新生代的眼光去推演，就会发现他们的代码使用习惯和老一辈完全不同。在社区玩了几次vibe coding课程，纯玩，小孩子，我甚至告诉他们："能跑起来就行，复制黏贴搞定。"他们从小接受的就是这种工作流。让他们去读复杂源码？根本没兴趣，下次就不来了。对他们而言，可靠性不是"零错误"，而是"始终有用"。这背后实际上揭示了软件工程范式的根本变化。最深刻的转变，不在于工具链的更新，而在于 "预设基础" 的彻底转移。老一代的可靠性观建立在封闭系统 + 完整规范之上：需求先定义清楚，系统严格实现，测试覆盖尽量完整，错误意味着失败。而新一代则生长在开放生态 + 不完备系统的语境里：输出可以有缺陷，但只要能被快速迭代、生态修复、协作补全，它就具备可靠性。结果是：可靠性的机制被整个生态重构了。过去的可靠性依赖于单体代码的稳定性；现在的可靠性则依赖于网络协作、模型迭代和用户反馈的循环。换句话说，可靠性从"绝对正确"转向了"相对有用"。这就是代际之间最深的断层：老一辈强调确定性，新一代强调生态化的适应性。（3/n)

Susan STEM @feltanimalworld

9月 24日写作与推演的认知价值大符号模型你要说，为什么第一个出来的是大语言模型？我在之前的帖子里提过，其实"语言模型"这个名字并不完全准确，更贴切的说法应该是"大符号模型"。它的本质，不在于生成所谓的"自然语言"，而在于捕捉、重现并不断压缩符号之间的映射关系。

查看翻译

Susan STEM @feltanimalworld 9月 21日

范式变化与共鸣趋同说真，这几年库恩的《科学革命的结构》在我心目中的含金量一路飙升。书里提出的那条逻辑——常规科学在范式下做拼图，异常不断累积，危机随之爆发，最终迎来范式转换——越想越真实。科学共同体平日沉浸在"常规科学"的细活里，但当旧框架越来越无法解释现象时，异常就像裂缝一样扩散开来。直到某个时刻，危机全面爆发，研究者直觉地意识到：旧路走不通了。于是新的理论框架被提出，旧范式被替代，新的常规科学重新确立。有趣的是，每当这种时刻到来，就会频繁出现所谓的"多重发现"或"平行发明"。当人类同时面对相似的信息压力、技术条件和社会矛盾时，大脑在有限的解空间中必然会去寻找那条低熵的解法。问题相似，解法空间自然相似。哪怕两个人素未谋面，他们的推理和实验也可能收敛到同一答案。这就像两位程序员分别实现压缩算法，最后写出的代码风格不同，但核心逻辑却惊人一致。说到底，历史条件已经逼近那个解，任何在场的聪明人都会被推到类似的结论。当时代理解压缩到一定程度，创新就不再是偶然的灵感，而是必然的收敛。所以我们才会一次次看到：两个素未谋面的人，在同一历史节点上，几乎同时推导出相似的答案。微积分：牛顿 (英国) 与莱布尼茨 (德国) 几乎同时独立提出 (17 世纪末)。进化论：达尔文 (英国) 与华莱士 (马来群岛) 独立提出自然选择学说 (1858)。电报发明：库克与惠斯通 (英国)、摩尔斯 (美国) 几乎同时 (1830s)。其实除了基础科学之外，在应用领域也有大量的多重发现现象，归根究底： 历史条件会一步步逼近那个解。 知识的积累总会带来边界效应：当某一领域的沉淀到达极限，就会在边界处冒出"必然的问题"。天文学测量越来越精确，却无法再用牛顿力学解释，于是爱因斯坦的相对论几乎必然地呼之欲出。同样，技术工具的成熟也会成为催化剂——没有印刷术，就不会有科学革命；没有计算机，人工智能也不会成型。 一旦工具普及，推理的路径便成了"公开赛道"，谁都可能踏入。 在同一个时代，即便人们分散在不同国家，他们读着相似的书籍，接受类似的教育，面对相同的难题。任何社会，只要普及了基础教育，尤其是现在很多经济体都能到高中阶段，也必然会孕育出一小部分智商超过三个西格玛的天才。但这些天才从来不是自由漂浮的，他们的思考始终受制于时代条件。他们再聪明，也只能在当下的符号系统、工具环境和问题集合里寻找答案，因此他们的推导路径往往高度趋同。这个时候的"发现者"，更像是解锁者，不是凭空创造，而是把那个已经成熟的历史节点打开。因此，范式创新从来不是孤立天才的偶然闪现，而是历史条件的必然收敛。技术的演化同样遵循这种逻辑，在应用技术领域，也总会出现临界点。应用科学的突破往往来自"需求压强"。如果把库恩在科学史中的理论类比过来，可以这样理解：社会需求就像科学中的"异常"，不断积压在旧的技术体系里；当旧工艺已经无法满足这些需求时，整个行业便集体进入"危机状态"；而一旦出现了新的材料、部件或平台，这就相当于新的范式被引入，于是便会迅速触发平行发明——电话、电灯、微处理器的出现都遵循这种模式。换句话说，库恩式的异常逼迫，造就了基础科学的平行发现；而需求压强所引发的社会危机，则造就了应用科学的平行发明。个体先驱（Innovation Point）群体共鸣（Resonance Phase）系统收敛（Convergence Loop）这一代的中国知识分子，已经可以平视世界。庞大样本池，增加了"聪明人同时踩到节点"的概率。上推特就是来找完全出乎意料但是同时进入相同推导路径的人。在公开信息的共享背景中，同时朝着相似的路径推导。不同地域的人们可能没有任何交流，但他们的推理路径仍然会收敛，因为所接触的信息、所感受的压力、所掌握的工具，几乎完全同步。所以今天我们看到的"平行发现/平行发明"，不只是历史上那种"延迟碰撞"，甚至可以实时并行。