DNA模型是假的，为什么科学还能成功？

导读：当你看到DNA双螺旋模型时，有没有想过——这个模型是真实的DNA，还是科学家为了理解它而创造的"图像"？科学不是发现真相，而是画出真相。

01一个细思极恐的问题

1953年，沃森和克里克发表了DNA双螺旋结构模型。这个由金属棒和塑料片搭建的模型，成为了20世纪最具标志性的科学图像之一。

但等等，让我们停下来想一想：

这个模型是DNA本身，还是DNA的"画像"？

如果它只是"画像"，那问题来了——科学家是如何用抽象的理论和数学公式，去"画"出肉眼看不见的微观世界的？这种"画像"与真实之间，又是什么关系？

这些问题，正是科学表征（Scientific Representation）研究半个世纪以来试图回答的核心议题。

模型不是世界的复制品，而是人类理解世界的工具。

02科学表征：比地图更复杂

简单来说，科学表征研究的是：科学理论、模型和数据如何"代表"现实世界？

想象你用手机地图导航。地图上显示的道路、建筑物，并不是真实的城市，而是城市的"表征"。但这个表征足够准确，能帮你到达目的地。

科学理论也是如此——牛顿定律表征行星运动，元素周期表表征化学规律，气候模型表征地球系统。

但科学的表征远比地图复杂。它涉及数学方程、抽象概念、理想化模型，以及大量我们永远无法直接观察的实体：电子、黑洞、基因。

问题来了：如果这些实体永远无法被直接观察，我们如何确定我们的"表征"是对的？

03三大流派：谁在说真话？

过去50年，科学哲学家们吵得不可开交。目前最主流的有三大流派：

科学表征研究的三大主流理论

🎯 相似性理论：模型像不像？

代表人物：Ronald Giere

核心观点很简单：科学模型通过"相似"于目标系统来实现表征。就像肖像画通过外形相似来代表画中人物。

例子：台球模型通过小球碰撞的相似行为来表征气体分子的运动；太阳系模型通过结构相似来表征原子的电子轨道。

但别急——如果相似就是表征，那任何两件相似的东西都在互相表征吗？你和路人长得有点像，所以你在表征他？这显然不合理。

🔷 结构主义：数学结构说了算

代表人物：Bas van Fraassen（范弗拉森）

这一派认为，表征的本质不是"像不像"，而是数学结构之间的映射关系。

有意思的是，范弗拉森在2008年的《科学表征：视角悖论》中提出了一个更激进的观点：所有表征都是视角依赖的。就像你站在不同角度看一座山，看到的样子不同——科学表征也是如此，总是从特定"视角"出发的。

科学不是世界的完美镜像，而是特定视角下的"有效刻画"。

📖 虚构主义：有用的"谎言"

代表人物：Nancy Cartwright

这一派的观点最反常识：科学模型是精心设计的"虚构"。

物理学中的"无摩擦平面"、"理想气体"，在现实中根本不存在。但问题来了——为什么这些"谎言"能产生准确的预测？

Cartwright的答案是：科学的成功，有时恰恰来自于它不真实地描述世界。

04从语义到语用：表征不是关系，是行动

早期的科学表征研究关注的是"语义学进路"——只要模型与实在之间存在某种结构对应，表征就成立。这是一个"二元关系"：模型 ↔ 实在。

但当代主流转向了"语用学进路"。代表人物Mauricio Suárez提出了推理主义表征观：

表征力：模型能够引导科学家思考目标系统
替代推理：科学家可以通过操作模型，来推理目标系统的行为

关键转变在这里：表征不再只是"模型与实在之间的关系"，而是科学家、模型、实在三者之间的动态互动。

换句话说，表征不是静态的"画像"，而是科学家使用"画像"的过程。

科学表征研究五十年发展脉络

05当科学表征遇上AI：新问题来了

近年来，科学表征研究与人工智能产生了深刻交汇。有趣的是，两者都在问同一个问题：这种"表征"与"真实"之间是什么关系？

在AI领域，深度学习模型通过多层神经网络，将原始数据转化为高维向量表示。问题是：

高维向量空间中的结构，是否对应于现实世界的结构？
AI学到的"表示"是否对应于我们理解的科学概念？

更有意思的是，2023年Nature的一篇综述指出，AI正在重塑科学研究的三个阶段：假设生成、实验设计、数据分析。

但问题来了：当AI提出人类无法理解的假设时，这种表征还有意义吗？

AI时代的科学表征：可解释性挑战

AI时代的科学发现，正在挑战"可理解性"的边界。

06还没吵完的架：四大开放问题

科学表征研究远未达成共识，以下几个问题仍是前沿焦点：

表征的本质究竟是什么？ 是结构相似？是使用方式？还是成功预测的能力？三派谁也说服不了谁。
错误模型为何成功？ 理想气体模型本质上"错误"，为什么能有效预测？这个问题至今没有令人满意的答案。
数据能"说话"吗？ 在大数据时代，数据模型如何与理论模型协调？数据本身是否具有表征力，还是只是理论的附庸？
所有学科共享同一个"表征"吗？ 物理学、生物学、社会科学中的"表征"，本质相同吗？还是说，不同学科需要不同的表征哲学？

这些问题，每一个都可能改写我们对科学的理解。

07对中国学者的启示

科学表征研究在国内正逐渐升温：

西安交通大学王伟教授系统梳理了语义-语用融合进路
澳门大学魏屹东教授深入探讨了科学视角主义
上海财经大学学者研究了表征理论对管理研究的影响

对于科研工作者而言，理解科学表征意味着什么？

反思研究设计：我们的模型和测量工具，如何"表征"研究对象？问卷真的能测出"幸福感"吗？
理解学科边界：不同学科的表征方式有何异同？物理学的数学模型和社会科学的统计模型，本质一样吗？
拥抱AI工具：如何理解和验证AI模型学到的"表征"？当AI给你一个无法解释的预测，你信还是不信？

结语：画像与真相

回到文章开头的问题：DNA双螺旋模型是真实的DNA，还是它的"画像"？

科学表征研究的回答是：它既是，也不是。

它不是DNA本身，而是科学家创造的、用于理解和操作DNA的"表征"。但这个表征足够"好"——它捕捉了DNA的关键结构特征，让我们能够预测其化学行为、理解其生物功能、甚至设计基因编辑工具。

正如范弗拉森所说：科学表征总是从某个视角出发的。

在AI日益参与科学发现的今天，理解"表征"的本质，不仅是哲学家的任务，更是每一位科研工作者的必修课。

因为最终，科学不仅是关于"发现真相"，更是关于如何有效地"画出"这些真相。

💭 留给你的问题

你研究领域的核心模型，是"真实的"还是"有用的虚构"？
当AI给出一个正确但无法解释的答案时，你会选择相信还是拒绝？
在你的学科里，"表征"意味着什么？

欢迎在评论区分享你的想法。