个体式的与群体式的

在前面的“引言”中，我们已引用过牛顿-史密斯的名著《科学合理性》(The Rationality of Science)(Newston-Smith 1981)开头的一段话:

科学共同体喜欢把自己打扮成合理性(rationality)的模范形象，而且实际上我们绝大多数人也是这么看的。科学共同体把自己看成就是制度化合理性的范式本身(the very paradigm of institutionalized rationality)。人们认为科学共同体拥有某种能够产生一种“证成逻辑”(logic of justification)的东西，即科学方法(the scientific method)。这就是说，它为客观评价科学理论的优点提供了一种技巧。有人甚至声称科学方法也含有一种“发现逻辑”(logic of discovery)，亦即所它提供的一些策略有助于科学家发现新理论。在对某个有价值目标的卓越(或许这正是诺贝尔的)追求中(可以各种方式将此目标刻画为真理［truth］、知识［knowledge］、解释［explanation］等)，科学共同体成员客观冷静、公正无私地运用他们的工具——科学方法，而每一次运用都使我们在通往辉煌目标的康庄大道上前进了一步。(Newton-Smith 1981:1)

牛顿-史密斯在这里至少为我们提示了三个要点:第一，合理性似乎是科学固有的显著特征，科学共同体似乎正是凭借其内在的合理性特质，方才得以将自己与其他人类活动区别开来;第二，科学合理性观念必定涉及目的与方法之间的关系，科学方法必定适合于追求科学目的;第三，科学合理性观念普遍地适用于“证成语境”和“发现语境”(这一点在本书1．1节已提到了)。

根据有关文献资料(例如，Newton-Smith 1981;Thagard 2004a;Salmon 2005;Oberheim and Hoyningen-Huene 2013)，在讨论科学合理性问题时，常会牵涉到“科学推理”(scientific reasoning/inference)、“理性主体”(rational agents)、“合理方法”(rational methods)、“合理目的”(rational goals/aims)等诸如此类的概念。譬如说，著名科学哲学家保罗·萨伽德(Paul Thagard)就曾这样写道:“科学家是合乎理性的(rational)吗?什么东西可以构成科学的合理性(scientific rationality)?在科学哲学中，这些问题通常是在理论选择语境(the context of theory choice)中加以讨论的:什么是评价科学理论的恰当标准?科学家是否遵循这些标准?但是，除了理论选择，还有各种科学推理(scientific reasoning)，例如，对实验资料进行分析(analyzing experimental data)。进一步说，科学中的推理(reasoning in science)有时是实践性的(practical)，例如，在科学家决定要实施什么研究纲领、要做什么实验之时［所做的推理］。科学合理性既包括个体合理性(individual rationality)，也包括群体合理性(group rationality)，因为我们可以问科学共同体在其对科学目标的集体追寻过程中是否合乎理性。”(Thagard 2004a)看来，从目的-方法和个体-群体两个维度来审视科学合理性的基本问题域，应是明智之举。

正如萨伽德所强调的那样，因为“一般说来，合理性需要一些能有效达成目标的推理策略(reasoning strategies)，所以讨论科学合理性就必须考虑科学被设想为要达到什么样的目的”(Thagard 2004a)。按照学界惯例，可将科学目的分为两大类型:认知意义上的目的(epistemic goals/aims)和实践意义上的目的(practical goals/aims)。前面所引牛顿-史密斯提及的真理、知识和解释就属于科学的认知目的。还有范·弗拉森(Bas C．van Fraassen)所说的经验恰当性(empirical adequacy)，甚至也包括库恩和劳丹(Larry Laudan)所说的一部分难题解答(puzzle-solution，problem-solution)，都属于科学的认知目的。简略地说，科学的实践目的主要指的是通过技术进步来增加人类的福利。

萨迦德(Paul Thagard，1950—)

有些科学哲学家认为，追求真理、避免错误乃是科学最基本的认知目的(例如，参见Popper 1963;Newton-Smityh 1981;Goldman 1999)。根据这种观点，科学之所以是合理的，乃是因为它在发展过程中逐步积累起来的信念是真的;与此相应，科学推理之所以是合理的，乃是因为它趋向于产生真信念。拥护科学实在论(scientific realism)的哲学家主张，科学旨在提出具有真值的理论，至少要提出趋近于真的(approximately true)理论，并据此可对广泛的经验现象和科学在预测方面的成功给出合理的解释。换言之，在科学实在论者看来，真理、知识、定律、理论、解释等都是科学的认知目的，其中真理处于基础地位。这一点在牛顿-史密斯所述科学实在论的四个基本构成要素(其实也就是科学实在论的四个核心论点)中得到了充分体现(Newton-Smith 1981:43):

(1)本体论要素(the ontological ingredient):科学理论的语句是真的或假的，而其真假取决于世界是如何独立于我们而存在的情况。

(2)因果性要素(the causal ingredient):一个理论为真或近似为真的证据，就是为了使该理论为真或近似为真的无论什么实体存在之证据。

(3)认识论要素(the epistemological ingredient):原则上有好的理由认为，在两个彼此竞争的理论中，有一个比另一个更可能近似为真。

(4)逼真性论题(the thesis of verisimilitude):自然科学理论的历史生成过程，就是这些理论日益接近为真的一个连续发展的过程。

与科学实在论针锋相对，反实在论(anti-realism)可以表现为各种各样的形态，如怀疑主义(scepticism)、经验主义(empiricism)、工具主义(instrumentalism)、社会建构主义(social constructivism)，等等(Ladyman 2002:159)。尽管如此，这些反实在论却共有一个基本立场，这就是它们都反对把关于科学理论实体的真理性描述当作科学(应该)追求的目标。例如，范·弗拉森在其代表作《科学的形象》(The Scientific Image［1980］)一书中，就郑重其事地宣称:

科学的目的就是给我们提供经验上恰当的(empirically adequate)理论;而且，接受一个理论仅仅涉及相信它在经验上是恰当的。这就是对我所提倡的反实在论立场(the anti-realist position)的陈述，我将称之为建构经验论(constructive empiricism)。(van Fraassen 1980:12)

我用形容词“建构的”(constructive)来标示我的观点，即科学活动是一种建构，而不是一种发现:建构适宜于现象的模型，而不是发现不可观察物的真理。(van Fraassen 1980:5)

范·弗拉森甚至还用“拯救现象”(saving the phenomena)来形象地表达所谓科学理论的“经验恰当性”(empirical adequacy)，关键在于要求科学理论仅仅满足于在可观察现象领域作出精确的预测(accurate predictions)，而反对把科学理论看成是在揭示不可观察物的真理(van Fraassen 1980:Ch．3)。

然而，根据科学实在论的观点，一个科学理论之所以能够对经验现象作出精确预测，恰恰是由于它真实地(或至少近似真实地)描述了世界的状况。或者说，只有根据科学理论的真理性，才能理解它在经验预测方面的成功。因此，如果固守反实在论立场，那么科学理论在预测上的成功就会成为一个难以解释的奇迹。正如萨伽德所说:“绝大多数科学家的言行似乎表明，他们正在力图搞清楚世界实际上是如何运作的，而不仅仅是在努力作出精确的预测。再说，如果使得科学在技术上激动人心的成功成为可能的那些科学理论不是至少近似为真的话，那么这些成功就是全然神秘莫测的了。例如，假如实际上并不存在通过其硅片而运行的电子，那么我的电脑就不会对［我正在写作的］这一章进行加工处理。”(Thagard 2004a;更加系统的论证可参见Psillos 1999)

进一步说，许多科学成果并非一个一个的事实，甚至也不是一个一个的定律，而是能够解释广泛现象的系统化的科学理论。可以说，科学研究的一个主要任务就是对广泛的现象和成功的预测给出合理的解释。“因此，科学既探寻解释，也追求真理。这两个目的也将经验恰当性这一目标纳入其中了，因为对于多数科学家来说，描述和预测观察现象的宗旨，就是要找出关于这些现象的真理，并且接受这些现象。”(Thagard 2004a)

如上所述，真理和解释都是科学的认知目的。当然，科学不仅有纯粹认知的目的，而且还有一些实践的(practical)或实用的(pragmatic)目的。萨伽德曾举例说明了科学的认知目的与实用目的之间的关系(Thagard 2004a)。例如，在19世纪，著名物理学家法拉第(Machael Faraday)和麦克斯韦(James Clerk Maxwell)起初是靠认知目的激励，才力图如实地理解电磁现象，或者说尝试提出理论来真实地描述和解释电磁现象。但是，他们的研究成果却使日后电子技术的出现成为了可能，展现出了可观的实用前景。又如，超导和激光研究者自始至终都在努力同时实现认知目的和实用目的。再如，分子生物学也是在认知目的推动下产生的，但随着学科的不断发展，现在它越来越依赖于它在医学和农业中潜在的应用前景了。甚至像心理学和神经科学之类的认知科学学科，其基本目的仍然是认知性的，即力求如实地理解思维或意识活动的内在机制;可是，它们也有自己的实用目的，这就是将研究成果用于改进教育和心理治疗的实践。“因此，很清楚，科学事业的一个目的，就是通过技术应用来改善人类的福祉。这并不是说每个科学家必定拥有实用目的，因为许多科学家的工作是远离直接应用领域的，但科学作为一个整体，它已经并将继续作出技术性的贡献。”“但是，说科学的目的是真理、解释和人类福祉，并不意味着这些目的总能实现，而只是说这些是科学通常具有并应该具有的目的。”(Thagard 2004a)

现在，科学目的已然清楚。于是，有必要继续追问:依靠什么方法来实现这些目的才算是合理的呢?为了回答这个问题，我们可以参照萨伽德的有关论述(Thagard 2004a)，分别从“个体合理性模型”(models of individual rationality)和“群体合理性模型”(models of group rationality)两方面来进行分析，甚至还可直接借用萨伽德所举的恐龙灭绝之例来展开论述。同时，还可考虑本书1．1节所述合理性的三种基本类型:作为推理、判断和决策的辩护基础之合理性;作为领会行动的基本框架之合理性;作为理解存在的基本官能之合理性。据此，应该进一步对“合理性”加上“科学”的限制，并凸显各种典型的“科学方法”或“科学推理”及其对应的“主体”或“能动实施者”(agents)在阐明科学合理性过程中的统摄作用。

让我们先来看个体合理性模型的情况。萨伽德以现在流行的关于恐龙灭绝的撞击理论(the collision theory of dinosaur extinction)为例，试图分析其中的科学推理及其合理性。自从科学家们在19世纪发现恐龙化石以来，他们就一直在思考为什么恐龙会突然在地球上灭绝的问题。针对这个问题，人们提出了各种各样的解释，但近年来有一种假说日益为越来越多的人所接受:大约在6 500万年以前，一颗较大的小行星撞击地球，致使恐龙突然灭绝。有利于撞击假说的证据是:科学家们发现，与恐龙灭绝的时间段相吻合，在地质结构中有一层铱，而铱是一种在小行星上比在地球上存在着的更普遍的化学元素。现在，值得探讨的关键问题是:究竟是什么样的推理策略(reasoning strategies)最终导致绝大多数古生物学家和地质学家接受了撞击假说，而拒斥其他假说?萨伽德自己强调说:“我将考虑对此问题的三种主要回答，它们分别来自确证理论(the confirmation theory)、贝叶斯派的概率理论(Bayesian probability theory)，以及解释融贯性理论(the theory of explanatory coherence)。就每一种情形而言，我都会描述一种理想的认知主体(ideal epistemic agent)，并考虑事实上科学家是不是这种特定类型的认知主体。”(Thagard 2004a)以下据此分而论之，并加上证伪理论(the falsification theory)的维度。

(1)科学家作为确证操作的实施主体(confirmation agents)。在逻辑经验主义者的心目中，科学家就是确证主体的典型。与此对应的推理策略大体如下所示(参见Hempel 1965，1966):首先，科学家利用一些假说来预测新的观察现象;然后进行系统的实验和观察，如果实验、观察结果表明那些预测是真的，则那些假说就被看成是得到了确证;于是，一个得到确证的假说就可被接受为真的，或至少像范·弗拉森所说的那样，可被接受为经验上恰当的。根据这种观点，如果小行星撞击地球导致恐龙灭绝的假说的确做出了一些预测，而且这些预测也得到了确证，那么这个假说就应该被看成是真的，或至少是经验上恰当的。

(2)科学家作为证伪操作的实施主体(falsification agents)。我们已知(参见1．2节)，波普尔认为，判定一个理论是否具有科学地位，就是要看它是否具有可证伪性或可反驳性。其实，波普尔早就反对把对理论的确证当作科学家应该追求的目标，而主张应把科学家看成是追求理论可证伪性的实施主体(Popper 1959:Ch．1)。根据这种定位，科学家仍会利用假说来做出预测，但他们的主要目的是尽力寻找那些与预测结果相冲突的证据，因而试图使得预测成为反驳、拒斥假说的根据，而不是充当人们接受假说的证据。这样，那些经受住了检验、抵抗住了证伪的假说，就被波普尔称为得到了证认(corroboration)。根据这种观点，恐龙灭绝撞击假说的拥护者就应该力图用严格的检验去尝试证伪他们的假说;只有当该假说经受住了这些实验和观察的检验，从而在波普尔的意义上得到了证认之后，它才应该被接受。

尽管如上所说，无论是在确证还是在证伪的过程中，科学家们经常都会用假说来做预测，但事实上科学家们却很少会主动想方设法去反驳自己的假说，他们似乎更趋向于设法确证自己的假说。其实，即使一个假说所提出的经验预测未被确证，科学家们通常也不会轻易抛弃该假说，因为他们知道有多种原因都可能导致预测失败，比如说，可能是实验仪器失灵了，实验用品过时了，个人操作失误了，统计结果出错了，诸如此类，不胜枚举。何况，不仅对新现象的预测能够支持相应的假说，而且对既有资料的解释也可以支持相应的假说。更有甚者，在实际的科学研究过程中，那些相互竞争的理论往往各有自己的经验证据作为支撑。因此，正如拉卡托斯所说，作为认知主体的科学家，他们的主要工作并不是要确定哪些假说得到了确证，而是要在彼此竞争的各种假说中，评判哪些假说得到了更好的确证(Lakatos 1970)。换言之，评估一个假说，不仅要看它是否得到了经验证据的支持(包括来自预测和解释的支持)，还要看它是否比其他与之竞争的假说更加优越。根据萨伽德的提示，至少有两条进路可用于理解这种比较性的评价，可简称为“概率论进路”(the probabilistic approach)和“解释性进路”(the explanatory approach)(Thagard 2004b)。

(3)科学家作为概率演算的实施主体(probabilistic agents)。在科学哲学领域，有不少人都曾尝试利用概率理论来阐述科学推理或科学方法(例如，参见:Carnap 1950;Howson and Urbach 1989;Maher 1993)。如果把科学家看成是概率实施主体，那么，他们所用推理策略的关键之点是:在对科学假说进行评价时，主要考虑在给定证据e的条件下，一个假说h将会有什么样的概率——这可表达为条件概率P(h/e)。一般说来，人们认为贝叶斯定理(Bayes's theorem)就是计算条件概率的标准工具。其中，有一种表达极其简明:

其中，P(h)是假说h的先验概率(prior probability)，即在不考虑证据e的情况下，根据有关背景知识而赋予假说h的概率;P(h/e)是假说h的后验概率(posterior probability)，即在考虑证据e时而赋予假说h的概率。同理，P(e)是证据e的先验概率，即仅仅根据有关背景知识而赋予证据e的概率，却不考虑假说h对它的影响;P(e/h)则是考虑了假说h对证据e的影响之后赋予e的概率，也就是证据e的后验概率。

因此，贝叶斯定理的要义在于告诉我们，可以根据给定的证据来合理地修改一个假说的概率。这一点在上述公式中体现为比例因子P(e/h)/P(e)将根据证据e来修正假说h的先验概率P(h)。其中，如上所说，P(e/h)是在给定假说h时如何评估证据e的因子:如果e是h的必然结果，那么P(e/h)=1;如果是h的必然结果，那么P(e/h)=0。看来这与人们通常的直觉是吻合的，因为一个证据对某个特定假说的支持程度，的确与该假说对这一证据的预测程度成正比。同样，如上所说，比例因子中的P(e)是对在不假设h为真的前提下考虑e是否可能的量度。因此，如果不管我们是否考虑假说h，证据e都是可能的话，即使该证据得到确认，它也不能为假说h提供合理的支持;相反，如果只有在设想假说h为真的条件下，证据e才被认为是可能的，那么该证据得到确认就会对假说h提供合理的支持。在此，不妨看看查尔默斯(Alan Francis Chalmers)举的一个例子:“如果有一个新的万有引力理论预测说重的物体会落到地面，那么它不会因观察到一块石头下落而得到有效的确证，因为无论如何都可以预料这块石头会下落。另一方面，如果那种新理论预测说万有引力会随着温度而发生某种微小的变化，那么通过发现这种效应，这一理论将得到高度的确证，因为如果没有这种新理论，这种效应就会被认为是不可能的。”(Chalmers 1999:176-177)同时，这也表明:“贝叶斯科学理论的一个重要方面是，始终把一些假设当作是理所当然的，并以它们为背景对先验概率和后验概率进行计算，也就是说，它预设了波普尔所说的背景知识。因此，如在上一段论述中指出的那样，当e是h的必然结果，因而P(e/h)具有最大值1时，h就会被理所当然地看成是包含在可获得的知识背景之中。……在理论产生出可检验的预测以前，需要用适当的辅助假设对它们加以论证。贝叶斯学派考虑到了这些因素。通过这种讨论，它认为概率是以我们所假设的知识为背景计算出来的。”(Chalmers 1999:177-178)

正是考虑到背景知识，而且更重要的是，让原来看起来不可能发生的事情竟然变成了支持一个假说的证据，使贝叶斯定理极具吸引力。现在，科学家们扮演着贝叶斯概率演算实施主体的角色，他们的主要任务是:根据全部相关证据和比例因子P(e/h)/P(e)，不断地修正受检假说h的先验概率P(h)，最终计算出假说h的后验概率P(h/e)。根据这种观点，“对于两个互不相容的假说，概率演算实施主体更喜欢那些后验概率最高的假说。［因此］如果恐龙灭绝撞击理论在给定证据条件下的概率高于那些与之竞争的理论的概率，那么一个概率演算实施主体就会接受它”(Thagard 2004a)。

当然，概率演算实施主体的工作并不轻松，有人就揭示出把概率应用于科学推理所难以克服的一些技术性的难题(参见Glymour 1980;Earman 1992)。在此，我们稍微关注一下萨伽德所描述的那种把科学家看作概率演算实施主体的观点所面临的三个主要困难(Thagard 2004a):

首先，应该怎么理解P(h/e)中的“概率”(probability)这个概念呢?也许在直观上用“频率”(frequency)来解释概率最容易理解。例如，我们知道，投掷一枚硬币，出现硬币正面朝上的概率是1/2，这就意味着在大量的掷币试验中，出现硬币正面朝上的次数将接近于占掷币总数的一半——这恰恰就是掷币试验中将出现硬币正面朝上的频率。同样，投掷一颗骰子，得到其正面出现数字3的结果的概率是1/6，这也就是在大量投掷骰子试验中将出现正面数字为3的频率。但是，当我们说恐龙灭绝是由一颗小行星撞击地球引起的时，这一事件出现的频率是多少呢?此时所说“频率”是什么意思呢?显然，对于这一无法重复的单一事件，“频率”概念是不适用的。因此，试图根据“频率”来解释“概率”的进路在此必定受阻。另一种诠释方式是将概率看成是一个人对某事的相信程度(degree of belief，可译为“相信度”或“信念度”)。拉姆塞(Frank Plumpton Ramsey)甚至还把信念度与打赌行为联系起来，认为某人对一个事件或陈述的相信程度，可用此人对该事件或陈述的打赌率(bet rate)来表达(Ramsey 1931)。这种观点如查尔默斯所说:

一个科学家对于某个假说的信念度，类似于他或她认为某匹马可能会赢得比赛的几率。在此，存在着一种可能导致含糊的来源，有必要予以考虑。如果我们坚持拿赛马来作类比的话，那就可以把下注人认为是可能的几率要么看成是指他们个人信念的主观程度，要么看成是指实际上在他们的赌博行为中所体现出来的他们的信念。［当然］这些并非必然是同一类事物。［例如］当因下注人对有关报道感到紧张慌乱，或者当他们所相信的赔率系统保证能赢得一个特别大的赌局时，他们就会不知所措。此时，他们就有可能摆脱受他们所相信的几率的控制。［因此］并不是所有贝叶斯主义者在把贝叶斯演算应用于科学时，都会在这些可能的选项中作出相同的选择。(Chalmers 1999:179)

然而，对于这种概率的打赌类比，萨伽德直截了当地提出了这样的质疑:“信念度有时用打赌行为来加以解说，但是，对有关恐龙灭绝的各种各样的理论打赌，这意味着什么呢?”(Thagard 2004a)不少人甚至还强调说，有一些实质性的证据表明，人们的实际思维方式并不符合概率论所描绘的模式(例如，参见Kahneman，Slovic and Tversky 1982;Tversky and Koehler 1994)。当然，有人可能会争辩说，一个假说的概率是一种理想化的信念度(idealized degree of belief)。但是，萨伽德却针锋相对地批评说，究竟什么是“理想化的信念度”，其实很难给出清楚的界定(Thagard 2004a)。

其次，把科学家看成是概率演算实施主体也面临着一个实际的困难，这就是应用贝叶斯定理来处理科学推理时，存在着一些计算上的难题。这样的难题之所以棘手，是因为随着命题数量的增加，所需条件概率的数量会按指数增长。诚然，为了计算概率，人们已在贝叶斯网络(Bayesian networks)中发展出一些强有力的算法系统，其中还假设了各命题彼此独立，互不影响(例如，参见Pearl，1988)。然而，萨伽德认为，实际上并没有任何人使用所谓贝叶斯网络来模拟一种科学推理的复杂情形。比如说，所谓贝叶斯网络就难以模拟像那种在关于恐龙灭绝争论中所涉及的科学推理。相反，萨伽德认为，下文即将讨论的那种以解释融贯性为基础的科学推理(scientific inference based on explanatory coherence)倒显示出计算上的可行性(Thagard 2004a)。

最后，把科学家看作概率演算实施主体的观点还面临着这样的指责:它可能忽视了那些影响理论选择(theory choice)的重要因素。在关于理论选择的推理过程中，科学家们所采用的论证表明，他们不仅关心经验证据的数量和质量，而且还考虑到理论内部的一致性和理论内容的丰富性，特别是理论结构的简单性和各种新旧解释之间的类比关系。甚至还可以说，这里所提及的理论或假说在内部上的一致性、内容上的丰富性、结构上的简单性和解释上的类比性，在一定程度上都可被看成是我们在理论选择过程中必须考虑的证据。也许还可以说，这里所说的各项指标，均可用“先验概率”的概念来予以解说:如果一个假说h已具有上述各项特征之一ei，那么就可以给这个假说赋予一个较高的先验概率值P(h)，并进而将P(h)用于贝叶斯定理之中，先计算出相应特征ei的后验概率P(e/h)，并最终计算出假说h的后验概率P(h/e)。然而，即使如此，萨伽德认为，“这种把概率看成是主观信念度的观点使人们是怎样达到或应怎样达到先验概率这个问题变得神秘莫测了”(Thagard 2004a)。

(4)科学家作为提供解释的实施主体(explanation agents)。最后这种观点——即主张把科学家看成是那种特别看重科学解释(scientific explanation)的认知主体——可追溯至19世纪的威廉·休厄尔(William Whewell)和查理·皮尔斯(Charles Peirce)(参见Losee 2001:Ch．9;Peirce 1931:5．180-5．212;Fetzer 1993:171-173)。根据这种观点，科学家在从事理论推理(theoretical inference)过程中所做的事情，就是提出对观察现象的合理解释。因此，只要一个理论所提出的解释比其他竞争理论提出的解释更好，选择这个理论就是合理的举动。换言之，这种观点极力主张，我们应以最佳解释推理(the inference to the best explanation)为根据来选择并接受相应的科学假说或科学理论。面对各种彼此竞争的理论，最佳解释推理不仅要求我们对这些理论解释经验证据在数量上的优劣作出分析评估，而且还要求以一个科学家的整个信念系统为参照来考虑每个理论在总体上的解释融贯性(explanatory coherence)方面的优劣。就对一个特定理论的评价和选择而言，这里涉及诸多因素，例如:(i)该理论解释了哪些经验证据;(ii)该理论提出的各种解释在层次结构上的系统相关性;(iii)该理论与背景知识之间的一致性;(iv)该理论提出的新解释与已有解释之间的类比相关性(Harman 1986;Thagard 1988;Lipton 2004)。

容易想到，这种把科学家看作解释主体的观点所面临的主要困难是，它的三个关键概念“解释”、“最佳解释推理”和“解释的融贯性”都具有一定的歧义性。首先，对于在科学中什么才是合格的解释这个问题，就有不同的理解。可举三种典型的科学解释模型为例:覆盖律模型(the covering-law model)、统计相关模型(the statistical-relevance model)和因果相关模型(the causal-relevancemodel)(参见Fetzer 1993:Ch．4)。

1948年，亨普尔和奥本海姆(Paul Oppenheim)提出了科学解释的覆盖律模型，首次将科学解释描述为一种施释项(explanans)与受释项(explanandum)之间的推理关系，而且提出了一个恰当的科学解释必须满足的一组充分必要条件:(i)受释项必须是其施释项的一个逻辑后承;(ii)施释项必须至少包含一条科学定律，而且该定律是从施释项推出受释项所实际需要的;(iii)施释项必须具有经验内容，就是说它起码在原则上必须能够经受实验或观察的检验;(iv)构成施释项的语句必须是真的。(Hempel and Oppenheim 1948)后来，在20世纪50—60年代，亨普尔系统地发展了科学解释的覆盖律模型(参见Hempel 1965)。顾名思义，“覆盖律”提示了这种解释的两个关键点:其一是施释项中必须包含定律，其二是该定律必须覆盖受释项。换言之，覆盖律解释的要点是定律加推理:当施释项中包含的是全称陈述型定律时，施释项与受释项之间的推理是演绎关系，此即通常所说的D-N模型(the deductive-nomologicalmodel);当施释项中包含的是统计陈述型定律，而受释项是单移陈述时，施释项与受释项之间的推理是概率-归纳关系，此即通常所说的I-S模型(the inductivestatisticalmodel)。

亨普尔自己发现，I-S模型遇到了一个解释的歧义性难题。笔者曾根据相关文献，借用过一个故事来说明这个难题(参见张志林1999):莎莉染上了链球菌，但服用青霉素后很快就康复了。对此，可按I-S模型解释如下:

这里说的意思是:(1)一个人x染上了链球菌R，并服用青霉素G以后，康复A的概率高达95%;(2)莎莉(s)染上了链球菌，并服用了青霉素;(3)所以，莎莉康复了。此时，式中施释项(1)、(2)与受释项(3)是归纳相关的。现在改变一下故事情节:莎莉碰巧染上的是对青霉素有抗药性F的链球菌，结果服用青霉素以后不见康复。可是，此事仍可用I-S模型来给予解释。例如:

这里当然说的是:(1')一个人x染上了对青霉素具有抗药性F的链球菌R，并服用青霉素G以后，不康复的概率高达65%;(2')莎莉(s)染上了具有抗药性的链球菌，并服用了青霉素;(3')所以，莎莉没有康复。同样，这里式中施释项(1')、(2')与受释项(3')也是归纳相关的。

现在，比较(I-S1)和(I-S2)便可得知，不管莎莉是否康复，均可按I-S模型予以解释，而这就是I-S解释的含混之处。正如亨普尔自己所说:“I-S解释的认知歧义性可表征如下:我们所接受的科学陈述总集K包含着不同的陈述集，这些陈述能被用作刚才所考虑的概率形式论证的前提，并使逻辑上相互矛盾的结论都有高的概率。”(Hempel 1965:396)正是为了消除诸如此类的解释歧义性，韦斯利·萨尔蒙(Wesley C．Salmon)等人提出了科学解释的统计相关模型，詹姆斯·费茨尔(James H．Fetzer)等人则提出了因果相关模型(参见Salmon 1969，1984;Fetzer 1974，1993:Ch．4;张志林1999)。还需说明，萨尔蒙后来也将因果关系引入了科学解释的研究之中(Salmon 1984)。

了解了上述背景，便可理解萨伽德的如下评述了:“从历史角度看，解释已被［依次分别地］概念化为一种演绎关系、概率关系和因果关系。对解释所做的演绎式的概念化，能够较好地适合于确证实施主体和证伪实施主体的观点:如果一个对相关证据的描述是从特定假说演绎出来的话，那么该假说就对这项证据给出了一个解释。同样，对解释所做的概率论式的概念化，能够较好地适合于概率演算实施主体的观点:如果一个假说存在时相关证据的概率高于无此假说时那项证据的概率，那么这个假说就对该证据给出了一个解释。就像萨尔蒙(Salmon 1984)等人那样，我更喜欢把解释概念化为因果条规:如果一个假说为证据所描述的现象提供了一个原因，那么该假说就对这项证据给出了一个解释。”(Thagard 2004a)其实，与这种评判相吻合，萨伽德还曾专门对上述三种科学解释的概念化方式作过比较性的分析(参见Thagard 1999:Ch．7)。

关于什么是“最佳解释推理”这个问题，我们不妨先看看彼得·利普顿(Peter Lipton)所举的一系列例子(Lipton 2004:56):(i)面对一桩案件，某个侦探推断出(infer)男管家是作案的嫌疑人，因为他认为这是对他所获证据的最佳解释(the best explanation);(ii)某个医生推断出一个病人患有麻疹，因为他认为这是对该病人表现出来的症状的最佳解释;(iii)天文学家们推断出海王星的存在和运动，因为他们认为这是对人们已观察到的天文摄动现象的最佳解释;(iv)乔姆斯基(Avram Noam Chomsky)推断出我们的语言能力有一种特殊的结构，因为他认为这是对我们学会说话方式的最佳解释;(v)库恩推断出常规科学是由范例所支配的，因为他认为这是对已观察到的科学研究动力的最佳解释。所有这些例子中的推理都是最佳解释推理，或者简称“解释性推理”(explanatory inferences)，它们足以说明:“解释远非只是在推理工作完成以后才开始的，最佳解释推理的核心观念是:解释上的考虑是推理的一种指导。”(Lipton 2004:56)

利普顿在其名著《最佳解释推理》(Inference to the Best Explanation［1st Ed．，1991;2nd Ed．，2004］)中，详细地讨论了“解释作为推理的一个指导”(explanation as a guide to inference)这一“指导性主张”(the guiding claim)。用他自己的话来说，为了更好地理解和捍卫最佳解释推理及其指导性主张，他采用的关键策略是一种步步为营的“三部曲”(the three-stage picture)。简言之，利普顿认为:“刻画和捍卫最佳解释推理的一种方式可按三个步骤进行:鉴别(identification)、匹配(matching)和指导(guiding)。”(Lipton 2004:121)也就是说，首先要鉴别出推理和解释各自的优点(如一致性、精确性、简单性、普适性、多产性、与背景知识的协调性)，然后阐明这些推理的优点和解释的优点是彼此相匹配的，最后论证解释方面的考虑乃是指导推理的一个重要的、启发性的指导(详见Lipton 2004:Ch．8;并参见Ch．4)。

至于解释的融贯性，萨伽德提出过一组原则来加以表达(Thagard 2004b):

(1)对称原则(the principle of symmetry):解释的融贯性是一种对称关系，即两个命题p和q，若p与q相对称，则q与p相对称。由此可见，解释融贯性不同于条件概率，因为后者是一种非对称关系。

(2)解释原则(the principle of explanation):(i)一个假说与它所解释的证据(或另一假说)相融贯;(ii)那些共同对别的某个命题给出解释的假说是相互融贯的;(iii)解释某种现象所使用的假说越多，其融贯程度越低。

(3)类比原则(the principle of analogy):如果有些类似的假说解释了一些相似的证据，那么这些假说是相互融贯的。

(4)资料优先原则(the principle of data priority):那些描述了观察结果的命题自动地拥有一个接受度。

(5)矛盾原则(the principle of contradiction):彼此矛盾的命题是不融贯的。

(6)竞争原则(the principle of competition):如果P和Q都能解释一个命题，而且它们在解释上并不相关，那么P与Q是互不融贯的。(如果P和Q中有一个能够解释另一个，或者它们一起能够解释某件事情，那么P与Q就是解释上相关的。)

(7)接受原则(the principle of acceptance):在一命题系统中，一个命题的可接受性依赖于其他与之相融贯的命题。

萨伽德提醒人们注意:“这些原则并没有充分具体地说明如何决定以融贯性为基础的［对命题、假说或理论的］接受问题，但是基于融贯关系可得到一些能够计算接受或拒斥命题的算法系统。”(Thagard 2004b)萨伽德还用一系列案例研究表明，一种可计算的解释融贯性概念可应用于对科学史中许多事例的分析，其中包括对恐龙灭绝案例的分析(Thagard 1991，1992)。

当然，如上所说，科学家作为社会中的个人，除了追求认知目的以外，还要在自己的职业生涯中不可避免地做一些重要的实践决策。简言之，科学合理性不应局限于认知领域，还应涵盖实践领域。科学家作为实践决策者(practical decision makers)，正如萨伽德所举之例，面对着一系列问题，例如:我应该进入一个什么样的研究领域?我是否应该努力成为一个古生物学家或地质学家?我应该在什么地方跟谁一起做研究?我应该选择什么样的研究课题?我应该做什么样的实验?我应该跟谁合作?如此等等。“当科学家做这些决策时，他们的行动显然不只是为了认知的理由(epistemic reasons)，即不止于进入这样一个领域，该领域会将他们所积攒的真理和解释最大化。换言之，科学家既有认知目的(epistemic aims)，也有个人目的(personal aims)。譬如说，他们可能还要在科学研究中寻找乐趣，渴望成功，改善生活，追求名望，等等。”(Thagard 2004a)

至此，关于科学合理性，我们已具有这样一个分析框架:一个科学家，既可以是认知主体(epistemic agent)，也可以是实践主体(practical agent)。换言之，科学合理性应该包括两个维度:认知合理性(epistemic rationality)和实践合理性(practical rationality)。我们已经知道，在认知合理性维度，作为认知主体，一个科学家可能是确证的实施主体(confirmation agent)、证伪的实施主体(falsification agent)或概率演算的实施主体(probabilistic agent)，也可能是提供解释的实施主体(explanation agent)。我们还应知道，在实践合理性维度，作为实践主体，或者说作为实践决策者，一个科学家可能是效用实施主体(utility agent)，也可能是情感实施主体(emotional agent)(参见Thagard 2004a)。

众所周知，效用主体观在经济学中得到了集中体现。根据经济学的“理性人”(rationalman)假设，某人之所以会采取一个行动，是因为根据理性计算，那个行动可能会比其他行动赢得更高的期望效用(expected utility)。在此，期望效用是各种不同结果的效用和概率两者的函数。有趣的是，“期望效用”将“效用”与“概率”结合起来这一点已经显示出，这种实践合理性维度的效用主体观与认知合理性维度的概率主体观恰相吻合，当然也会面临同样的困难。

情感主体观常被人们看成是效用主体观的竞争者。比如说，萨伽德认为:“关于科学家和普通人做决策这件事，一个更加现实的观点是，我们选择的是那些符合我们目标的、接受最积极情感评价的行动”(参见Thagard 2001;Thagard 2000:Ch．6)。“根据这种观点，做决策所依据的是直觉，而不是数字计算。也就是说，我们无意识地在各个行动和各项目标之间保持平衡，以达成某种程度上相协调的一组可接受的事项。目标的重要性要受以下因素影响，即这些目标如何既适宜于其他目标，又适宜于对我们来说是可行的各种各样的行动。可能我们很少清楚地意识到这种平衡过程，但这一过程的结果最终会通过情感变成意识。例如，科学家们可能会对一个特殊的研究计划感到很激动，但却对另一个可供选择的研究计划感到厌烦，甚至感到憎恶。心理学家用诱发力(valence)这个术语来表达这些积极的或消极的情感评估。”(Thagard 2004a)与此相应，有些科学哲学家倾向于将情感看成是对价值知觉(perceptions of value)的理智反应，而这里所说的“价值”既可以是认知价值，也可以是实践价值(Nussbaum 2001;Carruthers，etc．2002)。

正如认知主体的概率演算观与实践主体的效用观相吻合一样，认知主体的解释融贯性观点与实践主体的情感融贯性观点也是彼此吻合的。“事实上，情感在导向假说式推理(inference to hypotheses)和导向行动式推理(inference to actions)中都起着重要作用，因为这两种推理的输入和输出都既是情感性的，也是认知性的。这种输出的相似性清楚地体现在以下情形中，即科学家有时会赞赏一个理论的巨大解释力，并将此描绘为精致的、动人的甚或美丽的。”(Thagard 2004a)在具体的决策过程中，我们对于情感融贯性所做出的实践判断，往往并没有能直接意识到的途径。在认知过程中，当我们要判断一些假说比另一些假说更加融贯时，情况也是如此。在意识中从一个关于解释融贯性的判断所涌现出来的往往是情感性的东西，比如说，喜欢一个假说，而不喜欢其他那些与之竞争的假说;甚至热爱一个假说，而蔑视其他那些与之竞争的假说。例如，当沃尔特·阿尔瓦雷斯(Walter Alvarez)和路易斯·阿尔瓦雷斯(Luis Alvarez)提出小行星撞击地球导致恐龙灭绝的假说时，他们觉得这一假说不仅可能为真，而且令人兴奋。与此相反，有些古生物学家则认为这个假说不仅惹人生疑，而且荒谬可笑^[1]。

现在，我们可以用萨伽德的一段论述来作为以上讨论的小结了:

我把科学家看作解释-情感实施主体(explanatoryemotional agents)的观点，非常不同于那种将科学家视为概率-效用实施主体(probabilistic-utility agents)的观点。我对情感的强调可能会使读者怀疑科学家是否真是合乎理性的(rational)。也许科学家们恰好是因其各种理智上的偏见，以及个人对设计研究规划的渴望使他们改变看法，并以不顾有关真理和解释的认知目标的方式接受了一些假说。不幸的是，的确存在着科学家以欺骗或其他各种非道德行为的方式而变成偏常者的情形，其结果相当糟糕。但是，绝大多数科学家的性情和训练是如此这般，以至于他们在情感上都忠诚于关键的认知目的。许多科学家之所以成为科学家，乃是由于他们乐于享受去发现事物是如何运作的，因而从他们接受科学训练一开始，真理和解释这样的认知目的就伴随着他们。跟那样一些同行一起工作能够促进对这些认知目的的忠诚，他们不仅珍视这些认知目的，而且还把他们对这些目的的情感评价传递给跟他们一同工作的学生和博士后研究人员。因此，对于绝大多数科学家来说，承诺要推进解释、追求真理，乃是融入了他们实践决策过程之中的情感性的输入的。(Thagard 2004a)

这里提到了科学家的训练与合作方式有助于促进他们在情感上忠诚于科学的认知目的，特别是忠诚于推进解释、追求真理的事业。换言之，科学家之所以是科学家，其中一个重要理由在于他们的思想和行动符合科学共同体应该具有的群体合理性。

其实，库恩在《科学革命的结构》一书中已经表明，特别是他在为该书第二版所写的后记中再次重申，科学在本质上是一项集体性的事业，绝不会局限于个体合理性的领域。正因如此，如上所说，库恩才提出了“专业基底”这个社会学概念来显示科学研究的基本特征(参见前面2．1节)。确实，科学家总是某个或某些科学共同体中的成员，这些共同体的规模有大有小，全都拥有由各自成员共同承诺的特定范式。其实，只要查阅当代科学研究的专业刊物，就很容易发现一个有趣的现象，即绝大多数科学论文都是多人联名发表的，也就是说许多科学成果都是合作研究的产物。

我们已经提到过，为了回应一些人提出的批评，库恩承认，《科学革命的结构》一书中的一些论述容易给人们造成这样一个印象:在“范式”与“科学共同体”之间，似乎存在着一种循环定义。比如说，一方面，将一个范式定义为某个科学共同体成员的共同承诺;另一方面，却又将一个科学共同体定义为由共有某个范式的一群人所组成的集体。为了避免这种容易引人误解的表达方式，库恩建议:“要把‘范式’这个词阐述得好，首先必须认识科学共同体的独立存在。”(Kuhn 1974)紧接着，库恩就给出了如下论述:

对科学共同体的识别和研究，实际上近年来已成为社会学家的一个重大研究课题。最初一批研究成果(许多仍未发表)表明，必要的经验方法还是有意义的，其实有的已在用，其他的也一定会产生出来^[2]。大多数实际的科学工作者马上可以说出来他们属于哪一个科学共同体，他们也必然认为，成员大体固定的群体应共同具备现有各种专业和研究技巧。因此我认为，即将出现更系统的识别方法，这里我只能简要地分析一下关于科学共同体的直觉观念，这是一个为广大科学家、社会学家和许多科学史家所共有的观念。

直观地看，科学共同体是由一些科学专业的实际工作者所组成。他们由于其所受教育和见习训练中的共同因素结合在一起，他们自认为，也被人认为专门探索一些共同的目标，也包括培养自己的接班人。这种共同体具有这样一些特点:内部交流比较充分，专业方面的看法也比较一致。同一共同体成员很大程度上吸收的是同样的文献，引出的是类似的教训^[3]。不同的共同体总是注意到不同的问题，所以超出群体界线进行专业交流就很困难，常常引起误会，勉强进行还会造成严重分歧。

从一方面说，共同体显然可以分许多级。全体自然科学家可成为一个共同体。(我想，我们不应当让C·P·斯诺［Charles Percy Snow］卷起的风暴遮盖了他已经说清楚的论点^[4]。)第一级是各个主要科学专业群体这样重要的共同体，如物理学家、化学家、天文学家、动物学家等的共同体。这些重要的共同体的成员，除边缘上的外，都很容易确定。只要根据它的最高学位成员的研究课题、专业学会的会员情况和所读期刊，一般就够了。用同样的方法还可以抽出一些重要的子群体:有机化学家或者其中的蛋白质化学家、固态物理学家和高能物理学家、射电天文学家，等等。再分下去才会出现实际困难。噬菌体小组在受到公开称赞以前，局外人怎么分得出来呢?要做到这一点，就必须求助于参加暑期讲习班和专业会议的情况，预印本分发名单，还首先是正式和非正式的交流网，包括引证链^[5]。我想这是可以做到也会做到的，由此产生100人左右的典型的共同体，有时还可以少很多，个别科学家，特别是最有才能的科学家，将同时或先后属于几个群体。这样一种经验分析将达到什么样的结果，现在还不清楚，但有充分的理由认为，科学事业就是由这样一些共同体所分别承担并推向前进的。(Kuhn 1974)○^[6]

既然任何一位科学家总是在特定的科学共同体中从事科学研究的，那么关于科学合理性问题，就可以像前面所述针对科学家个人提出来那样，也针对共同体提出来。也就是说，我们可以问:对一个科学共同体来说，什么是集体合理性?在什么意义上可以说，一个科学共同体是合乎理性的主体?

参照上述对个体合理性的分析，似乎也可以假定科学共同体既具有追求真理、推进解释的认知目的，也具有造福人类的实践目的。初看起来，科学共同体的合理性应该就是其中全体科学家个体合理性之总和。然而，完全有可能出现以下两种情况:一种情况是只有个体合理性，而无群体合理性;相反，另一种情况是只有群体合理性，而无个体合理性。比如说，如果每个科学家都合理地选择追求完全相同的研究策略，那么其结果可能会是导致认知多样性的丧失。但是，在一些科学哲学家看来，认知多样性却是科学共同体得以有效运作的必要条件(Kitcher 1993)。因此，一旦丧失认知多样性，科学共同体的合理性就难以得到体现了。另一方面，那些追求名望和权力，而不是追求真理和解释的科学家，也有可能会对科学的总体目标有所贡献，因为他们那些个体主义的非认知的动机有可能促进科学共同体作为一个整体的繁荣昌盛(Hull 1989)。正如萨伽德所说，这就有点像亚当·斯密(Adam Smith)的经济学模型，其中个人的贪婪完全可能会在总体上带来经济增长，提高经济效率(Thagard 2004a)。

如上所说，就像个体合理性一样，群体合理性也包括认知和实践两个方面。对一个特定的科学共同体来说，一个认知合理性问题是:给定证据，什么应该是共同体中的信念分布(the distribution of beliefs)?同样，对一个特定的科学共同体来说，也有一个实践问题:什么应该是科学共同体中的研究主动性分布(the distribution of research initiatives)?

针对科学共同体的认知合理性问题，有人可能会争辩说，如果所有科学家都有权获得同样的证据和假说，那么他们就应该全都持有同样的信念。也许，在一定程度上，库恩所说的常规科学就可按这种信念一致的方式来理解。然而，这种高度的信念一致显然无法对科学革命给出合理的解释，因为它必然会减少认知多样性，而这又不利于科学家批判-创造性思维的发挥。比如说，如果哥白尼一直沉溺于托勒密的地心说之中，那么他就绝不可能提出日心说来取而代之;如果拉瓦锡一直沉迷于燃素传统之中，那么他就不可能提出氧化学说;如果爱因斯坦沉湎于牛顿力学范式之中，那么他就不可能创建震动世界的相对论力学。

萨伽德还提醒我们注意，不仅信念一致可能阻碍科学革命，“更有甚者，认知一致性(epistemic uniformity)可能还会促成实践一致性(practical uniformity)，而这显然可能是灾难性的。让一个科学共同体中的所有科学家都仿效少许几个榜样，乃是愚蠢之举，因为这既可能会降低解释的总体水平，也可能会妨碍新颖解释的发展”(Thagard 2004a)。为了分析诸如此类的现象，萨伽德别出心裁地借鉴著名生态学家加勒特·詹姆斯·哈丁(Garrett James Hardin)提出的“公地悲剧”(the tragedy of the commons)概念，类比地提出了“共识悲剧”(the tragedy of consensus)之说(Hardin 1968;Thagard 2004a)。哈丁提出“公地悲剧”概念，主要是想以此来描述个体合理性有可能导致群体非理性这种广泛存在的社会现象，并呼吁人们关注由个人行为对生态环境造成的严重灾害。在《公地悲剧》(“The Tragedy of the Commons”［1968］)这篇著名论文中，哈丁设想了这样一幅场景:有一群牧羊人共享一片草场。根据个人利益最大化的要求，每个牧民都可以做出这样的推断:多养一只羊将会增加个人收益，却不至于给公共草场造成严重伤害。因此，为了自身的经济利益，每个牧民都会倾向于不断增加自己的牲畜数量。这样一来，这些各自独立的个人决策合起来将会导致过度放牧，致使草场持续退化，使得每只羊都无法获得足够的食草，直至最终造成所有牧民破产的悲剧。与此类似，在科学中，我们可以设想一种萨伽德所说的“共识悲剧”。其中，每个科学家面对相信什么的问题，得出的结论极其相似，高度统一。长此以往，很可能会削弱科学研究所必需的认知多样性，势必阻碍科学创新。

为了避免“共识悲剧”，我们应该怎么理解群体合理性呢?可以看成是针对这个问题，菲利普·基策尔(Philip Kitcher)和阿尔文·戈德曼(Alvin L．Goldman)提出了一种群体合理性模型，其中把科学家看成是概率演算的实施主体，而且坚持科学的求真取向和认知多样性考虑(Kitcher 1993;Goldman 1999)。但是，萨伽德认为这种模型难以克服基于上述概率主体观所面临的困难，所以他提出了另一种替代方案，他本人简称为“CCC model”，我们不妨译为“三C模型”。顾名思义，该模型可由三个以C开头的英文单词来表达:consensus(共识)=coherence(融贯)+communication(交流)(参见Thagard 2000:Ch．10)。由此可见，三C模型把科学家看成是提供解释的主体，把解释融贯性规定为接受或拒斥科学假说的基本要求，把通过充分交流有关证据和假说的信息看成是达成合理共识所必需的过程。据此，从理论上说，如果所有科学家所获得的信息恰好相同，那么他们似乎应该就接受或拒斥那些假说达成共识。但是，实际上，在任何一个科学共同体中，信息交流都不可能是完善的，甚至有的科学家连一些重要的证据和假说都知之甚少。更何况不同的科学家还会拥有不同的信念系统，所以对于一个假说的解释融贯性，他们各自的理解就可能完全不同。不过，萨伽德认为，理想地看，只要交流一直持续进行下去，最终就可能会达成这样一种“团体共识”(community consensus):它是科学家们逐步积累起来的同样一组证据和假说，因而将会得到一些相同的融贯性判断(Thagard 2004a)。

如果说萨伽德的三C模型的确表明了认知的群体合理性(epistemic group rationality)能够产生于解释实施主体彼此之间的充分交流的话，它却没有告诉我们在科学中如何产生实践的群体合理性(practical group rationality)。针对这个问题，萨伽德试图通过扩展三C模型来予以解决。以一个规模不太大的特定研究小组(particular research groups)为例，萨伽德说:“在这个层次上，我们能够发现一种由于情感融贯性(emotional coherence)和交流而产生的局部共识(local consensus)。”(Thagard 2004a)这里所谓“一个规模不太大的特定研究小组”具有如下特征(Thagard 2004a):

(1)每个科学家都是能为证据和假说提供解释的主体，而且有能力根据解释融贯性来接受或拒斥这些证据和假说。

(2)每个科学家也是能为行动、目的和价值提供解释的主体，而且有能力根据情感融贯性来做出决策。

(3)每个科学家都能与其他科学家就证据和假说进行交流。

(4)每个科学家至少有时能与其他科学家就行动、目的和价值进行交流。

(5)作为认知交流和情感交流的结果，将达成关于相信什么和做什么的共识。

正如萨伽德所说:“实施的艰难部分是(4)中包含着的价值这个成分。通过允许行动、目的和价值就像证据、假说和解释那样进行交流，以扩展三C模型，使其包括情感融贯性是很困难的。”(Thagard 2004a)关于这个问题，在此暂时不予深究，因为下节梳理库恩陈述其坚持不可通约性观点的主要理由时，我们还会讨论所谓“价值问题”。