【MIT報告:為何電動車革命會走得比你想像中艱困】
#了解電動車價格的可能走勢 #公共政策的必要性
MIT能源倡議(MIT Energy Initiative)的新報告指出,只要電動車依賴的能源是多數電子產品使用的鋰離子電池,價格就很難比汽油車便宜。事實上,很可能要再花十年,才能消除兩者之間生命週期成本的差異。這個發現與其他團隊的研究結果正好相反,一般認為電動車會在未來五年內實現與汽油車等價。
報告的結論出人意料,但如果MIT的預測正確,長期的價格差異會阻礙低碳交通工具的轉型,而交通運輸部門的碳排放,是全美最大的溫室氣體排放源,也是全球第4大溫氣來源,若無法有效以電動車或乾淨的大眾運輸工具減少碳排,便無望成功抑制氣候變遷,而對電池發展的趨勢也可呼應前些日子來自MIT的另一個關於強調核能重要性的研究(https://reurl.cc/L1y1p7)。
根據MIT的分析,有幾個原因會使電動車的降價會在未來幾年內趨於停滯:
1⃣價格已接近原料成本設定的極限值。
鋰離子電池佔了電動車成本的1/3,其價雖然穩定下降,但再降價下去會使電池的成本低於電池所需成分的成本,MIT的研究認為這會是個問題。目前鋰離子電池組的預估成本為每度電175-300美元左右,很多評估都認為在2025年前,電池成本會降至每度100美元的「魔術數字」,即在沒有補貼下,電動車與汽油車的售價打平,之後會黃金交叉,電動車價格持續下探。可是MIT的研究指出,若要在2030年達到100美元的門檻,在未來十年內的材料成本必須保持不變,不然,MIT評估2030年的電池成本只會降到124美元/度左右,屆時,考量汽油車的額外燃料和維護成本,兩者之間的使用總成本將大致相同(確切的時間點會由於不同地區的油價或不同車輛類型等因素而有落差)。
但續航距離200英哩的EV售價,在很多地區仍然比擁有相同續航力的汽油車高出數千美元,雖然成本可能會繼續下降,比如電動車製造商會隨著產量的增加而改進製程,便可減少電池中昂貴的鈷含量而使成本降低,不過MIT的報告發現,金屬開採已是一個成熟的過程,隨著材料成本佔電動車總成本愈來愈大,降價幅度可能會在2025年之後急速趨緩。
2⃣鋰離子電池的技術瓶頸
負極材料製造商Sila Nanotechnologies的執行長Gene Berdichevsky認為,EV的電池若採用當前技術,很難突破每度100美元的地板。若想在2030年以後使製造成本繼續下探,需要將研發重心從占主導地位的鋰離子化學技術移師到一些新生領域,如鋰金屬(lithium-metal)電池、固態電池(solid-state)和鋰硫(lithium-sulfur)電池等,但這些技術都還在發展初期,想使用任何一種技術在2030年之前取代鋰離子,恐怕不大容易。但Gene也認為,就算不投入全新領域,以鋰離子電池本身技術的改進,到2030年還是可儲存更多電力、行駛更遠、提高性能,而增加電動車的整體吸引力。
▉電力結構與公共政策
好消息是全球有越來越多的製造商開始投入生產EV,且以不同單價推出不同車型,例如近日福特就推出一款名為野馬MachE的電動SUV;奧迪、積架、賓士、特斯拉也都相繼推出電動SUV。但MIT的研究指出,若要落實交通運輸層面的深度減碳,電力系統也必須轉型。目前美國電動車每英哩的平均碳排量,比同規格的汽油車低45%左右,這個數字還有成長的空間,因為在大多數市場仍以化石燃料為供電主力;電動車製程產生的碳排則高於汽油車的製程,主要是來自電池的生產過程。有些地區像West Virginia這樣的煤炭州,電動車的生命週期碳排量幾乎與汽油車一樣,從事這類研究的科學家Emre Gencer表示,在印度和中國某些地區,電動車甚至可能產生更多碳排放。
如果電動車無法在市場上直接仰賴價格競爭,公共政策就必須在推動EV上發揮更大作用。根據MIT的預測,在任何情境下,EV和油電混合車的比例都將上升,隨著價格緩慢下降,即使沒有外加的氣候政策,它們的比例也會在2050年達到33%;但倘若有一系列法規加持,例如制定防止升溫超過2度的全球碳稅,將有助於提升EV的需求,使比例在本世紀中上修到50%,減少約15億噸CO2排入大氣中。
結尾提一下台灣,除了碳排放與氣候變遷,空汙問題也是我們需要電動汽機車的原因,以汙染源的比重來說,移動式汙染源甚至比燃煤發電更為重要,況且,如果因為現階段的發電結構就不推廣EV,其價格就不會因需求而有競爭力。電力系統和交通運輸的轉型可以同步進行,沒有誰先誰後的問題,然後目前政府原本電動車政策縮了。
▉參考資料:https://reurl.cc/Vad9ZA
▉MIT報告摘要:https://reurl.cc/vnZMNj
▉MIT報告全文:https://reurl.cc/yy3q3a(220頁)
科學革命的結構摘要 在 說說能源 Talk That Energy Facebook 的最佳貼文
【MIT報告:為何電動車革命會走得比你想像中艱困】
#了解電動車價格的可能走勢 #公共政策的必要性
MIT能源倡議(MIT Energy Initiative)的新報告指出,只要電動車依賴的能源是多數電子產品使用的鋰離子電池,價格就很難比汽油車便宜。事實上,很可能要再花十年,才能消除兩者之間生命週期成本的差異。這個發現與其他團隊的研究結果正好相反,一般認為電動車會在未來五年內實現與汽油車等價。
報告的結論出人意料,但如果MIT的預測正確,長期的價格差異會阻礙低碳交通工具的轉型,而交通運輸部門的碳排放,是全美最大的溫室氣體排放源,也是全球第4大溫氣來源,若無法有效以電動車或乾淨的大眾運輸工具減少碳排,便無望成功抑制氣候變遷,而對電池發展的趨勢也可呼應前些日子來自MIT的另一個關於強調核能重要性的研究(https://reurl.cc/L1y1p7)。
根據MIT的分析,有幾個原因會使電動車的降價會在未來幾年內趨於停滯:
1⃣價格已接近原料成本設定的極限值。
鋰離子電池佔了電動車成本的1/3,其價雖然穩定下降,但再降價下去會使電池的成本低於電池所需成分的成本,MIT的研究認為這會是個問題。目前鋰離子電池組的預估成本為每度電175-300美元左右,很多評估都認為在2025年前,電池成本會降至每度100美元的「魔術數字」,即在沒有補貼下,電動車與汽油車的售價打平,之後會黃金交叉,電動車價格持續下探。可是MIT的研究指出,若要在2030年達到100美元的門檻,在未來十年內的材料成本必須保持不變,不然,MIT評估2030年的電池成本只會降到124美元/度左右,屆時,考量汽油車的額外燃料和維護成本,兩者之間的使用總成本將大致相同(確切的時間點會由於不同地區的油價或不同車輛類型等因素而有落差)。
但續航距離200英哩的EV售價,在很多地區仍然比擁有相同續航力的汽油車高出數千美元,雖然成本可能會繼續下降,比如電動車製造商會隨著產量的增加而改進製程,便可減少電池中昂貴的鈷含量而使成本降低,不過MIT的報告發現,金屬開採已是一個成熟的過程,隨著材料成本佔電動車總成本愈來愈大,降價幅度可能會在2025年之後急速趨緩。
2⃣鋰離子電池的技術瓶頸
負極材料製造商Sila Nanotechnologies的執行長Gene Berdichevsky認為,EV的電池若採用當前技術,很難突破每度100美元的地板。若想在2030年以後使製造成本繼續下探,需要將研發重心從占主導地位的鋰離子化學技術移師到一些新生領域,如鋰金屬(lithium-metal)電池、固態電池(solid-state)和鋰硫(lithium-sulfur)電池等,但這些技術都還在發展初期,想使用任何一種技術在2030年之前取代鋰離子,恐怕不大容易。但Gene也認為,就算不投入全新領域,以鋰離子電池本身技術的改進,到2030年還是可儲存更多電力、行駛更遠、提高性能,而增加電動車的整體吸引力。
▉電力結構與公共政策
好消息是全球有越來越多的製造商開始投入生產EV,且以不同單價推出不同車型,例如近日福特就推出一款名為野馬MachE的電動SUV;奧迪、積架、賓士、特斯拉也都相繼推出電動SUV。但MIT的研究指出,若要落實交通運輸層面的深度減碳,電力系統也必須轉型。目前美國電動車每英哩的平均碳排量,比同規格的汽油車低45%左右,這個數字還有成長的空間,因為在大多數市場仍以化石燃料為供電主力;電動車製程產生的碳排則高於汽油車的製程,主要是來自電池的生產過程。有些地區像West Virginia這樣的煤炭州,電動車的生命週期碳排量幾乎與汽油車一樣,從事這類研究的科學家Emre Gencer表示,在印度和中國某些地區,電動車甚至可能產生更多碳排放。
如果電動車無法在市場上直接仰賴價格競爭,公共政策就必須在推動EV上發揮更大作用。根據MIT的預測,在任何情境下,EV和油電混合車的比例都將上升,隨著價格緩慢下降,即使沒有外加的氣候政策,它們的比例也會在2050年達到33%;但倘若有一系列法規加持,例如制定防止升溫超過2度的全球碳稅,將有助於提升EV的需求,使比例在本世紀中上修到50%,減少約15億噸CO2排入大氣中。
結尾提一下台灣,除了碳排放與氣候變遷,空汙問題也是我們需要電動汽機車的原因,以汙染源的比重來說,移動式汙染源甚至比燃煤發電更為重要,況且,如果因為現階段的發電結構就不推廣EV,其價格就不會因需求而有競爭力。電力系統和交通運輸的轉型可以同步進行,沒有誰先誰後的問題,然後目前政府原本電動車政策縮了。
▉參考資料:https://reurl.cc/Vad9ZA
▉MIT報告摘要:https://reurl.cc/vnZMNj
▉MIT報告全文:https://reurl.cc/yy3q3a(220頁)
科學革命的結構摘要 在 李開復 Kai-Fu Lee Facebook 的最佳貼文
2020人工智慧的預測~
本文來自量子位微信公眾號 QbitAI
…………………………………………………………
吳恩達邀請9位AI大牛暢想2020:李開復看好醫療教育,LeCun強調自監督學習
2020,AI的研究會有哪些突破?
2020,AI的應用又會有什麼變化?
吳恩達DeepLearning.ai旗下的THE BATCH刊物,分享了包括Yann LeCun、李開復、周志華、還有他們的老闆吳恩達在內的10位AI大佬的新年寄語,以及對AI在2020年能有什麼突破的“新年願望”。
一起來看看吧~
▌吳恩達:保持學習和好奇心
在這份「新年寄語篇」的開頭,吳恩達作為發起人開場,總體是一些關於學習新知識的碎碎念。
吳恩達說,他每年冬天的假期都會圍繞一個新的主題進行學習。
比如10年前的那個冬天,他的學習主題是教育學,雖然當時他拖著十分沉重的書箱在機場趕路,但對教育學的研究的確為後來線上學習平臺Coursera的成立起到了幫助。
而去年,當時他的寶貝女兒Nova還在母親腹中,吳恩達就在冬天讀了很多育兒書籍。
而這個冬天,吳恩達說他在研究續命——包括遺傳學、還有誇克什麼的在內的新興科學,還實地探訪去拜見了自己101歲的爺爺,爺爺用親身經歷告訴他:
長壽的秘方,就是保持好奇心。
照這個規律,吳恩達覺得自己的關注者裡會有不少人能在101歲之後依然活蹦亂跳的。
最後,吳恩達祝大家過一個充滿好奇心、學到新東西、有愛的2020年。
▌李開復:AI將在更多行業落地
李開復的新年寄語主題,是AI無處不在。他說:
人工智慧已經從發現的時代到了落地的時代。在我們主要在中國的投資組合中,我們看到了在銀行、金融、運輸、物流、超市、飯店、倉庫、工廠、學校和藥物研發中使用人工智慧和自動化技術的應用。
但是,從整體經濟的角度來看,只有一小部分企業開始使用AI,這表明AI還有巨大的增長空間。
我相信,在人類技術進步的歷史上,AI將與電力同等重要。在未來的一二十年中,人工智慧將滲透到我們的生活和工作中,從而提供更高的效率和更智慧的體驗。現在正是企業、機構和政府充分擁抱AI並推動社會前進的時機。
我對AI在醫療和教育上的影響非常興奮。這兩個行業已經為AI的部署做好了準備。
我們投資了一家使用AI和大數據優化供應鏈的公司,從而緩解了超過1.5億中國農村人口的藥品短缺情況。我們也在投資用深度學習來生成化合物的藥物研發公司,以將藥物發現時間縮短三到四倍。
在教育方面,我們看到一些公司正在用AI改善學生的英語發音,幫助學生提升成績,用個性化和遊戲化的方式説明學生學習數學。這將使教師從日常工作中解放出來,並使他們能夠花時間為新興一代的學生做更多鼓勵性的工作。
我希望看到更多明智的企業家和公司在2020年及以後的幾年中開始使用AI來幫助他們獲得更大的好處。
▌LeCun:自監督學習帶來AI革命
深度學習三巨頭之一、圖靈獎得主Yann LeCun的新年寄語主題,是Learning From Observation。
讓人忍不住把它翻譯成“格物致知”。
“格”的是開車這件小事。LeCun提到,人類學開車只要幾十個小時,但是模仿學習演算法需要學幾十萬個小時,強化學習演算法甚至需要學幾百萬個小時,這裡面一定有什麼問題。
人類可以高效學習,是因為我們人在腦海裡建立了世界的模型。嬰兒很難和世界互動,但是在剛出生的幾個月裡,他們通過觀察吸收了大量關於這個世界的背景知識。顯然,大腦的很大一部分被用在了理解世界的結構,並預測一些無法直接觀察到的事物,比如未來才會出現的東西、或者被隱藏的事物。
因此,AI的前進方向,就是自監督學習(self-supervised learning),它和監督學習類似,但是並不會訓練系統去把資料分類,而是我們隱藏一些部分,讓後讓機器預測丟失的部分,比如把視頻的一些幀抹掉,然後訓練機器根據剩餘的幀來填補被抹掉的部分。
最近,這種方法在NLP方面非常成功。諸如BERT、RoBERTa、XLNet、XLM之類的模型以自監督的方式進行訓練來預測文本中缺少的單詞,它們在所有主要的自然語言基準測試中都有記錄。
希望在2020年,自監督學習能夠用在視頻和圖像上。它會在視頻這類高維連續資料上創造類似的革命嗎?
其中一項嚴峻的挑戰是應對不確定性。像BERT這樣的模型無法判斷句子中丟失的單詞是“貓”還是“狗”,但是它們可以產生概率分佈向量。對於圖像或視頻幀,我們沒有一個好的概率分佈模型。但是最近的研究非常接近,或許我們很快就會發現這樣一個模型。
這樣,我們就能用很少的視頻訓練樣本,來實現非常好的性能預測、動作預測,而這在以前是不可能的。
當這個想法實現的時候,2020年就會是AI領域非常激動人心的時刻。
▌周志華:方法創新,方針明確
南京大學周志華教授對2020年有三個希望:
1、希望能夠出現深度神經網路以外的高級機器學習技術。神經網路已經被許多研究人員、工程師和從業人員研究並應用了很長時間,其他機器學習技術為創新提供了相對未開發的空間。
2、希望AI可以涉足更多領域,為人們的日常生活帶來更多積極的變化。
3、希望研究人員、工程師和從業者們對於如何採取措施防止AI技術的錯誤開發和濫用進行更多的思考和討論。
▌Anima Anandkumar:模擬的力量
Anima Anandkumar是英偉達機器學習的總監,也是加州理工的電腦教授。
Anandkumar教授提到,在模擬環境學習中訓練演算法會讓網路更為強大,並且能類比各種複雜的情況,在一些情況下可以解決研究人員資料不夠的問題。
她所在的加州理工已經用物理模型來類比真實資料,用深度學習進行地震預測的研究;英偉達也推出了模擬平臺Isaac。
她希望,2020年AI科學家們能認識到在類比環境中進行訓練的價值,並在新的一年產生更為重大的AI進步。
▌Oren Etzioni:工具創造平等
Oren Etzioni是艾倫人工智慧研究所的首席執行官、華盛頓大學電腦教授、Madrona資本合夥人。
他認為,AI界花了很多時間討論演算法的公平和透明性,但在應用上,AI還可以為社會提供更多幫助,比如為行動不便的人提供無障礙技術,解決教育、流浪者、人口販賣的問題,AI能對人們的生活品質產生巨大的積極影響,但現在AI界對此的研究和探討只浮於表面。
因此,他希望2020年AI界能用切實的手段讓這些處於不利地位的人受益,讓世界更公平。
▌Chelsea Finn:泛化的機器人
Chelsea Finn是斯坦福電腦科學與電氣工程助理教授。
她認為,目前的許多AI技術都能在圍棋等特定任務上取得非常好的成績,但在泛化方面做得還不夠,無法用一個機器人來完成多個任務。
比如,識別ImageNet上的圖片需要一個模型,但如果機器人需要與環境交互,那為每個任務都創造一個ImageNet那麼大的資料集是不切實際的。
因此,她也在進行更多賦予機器人泛化能力的研究。如果強化學習的臨界品質發展和泛化有所突破,會是非常令人振奮的事情。如果能應對這些挑戰,機器人會比現在的更加智慧,而不僅僅是停留在實驗室裡。
▌David Patterson:快速訓練與推理
David Patterso是加州大學伯克利分校的電腦科學教授,RISC-V國際開源實驗室負責人,也是ACM和IEEE的Fellow。
他說,過去一年,阿裡巴巴、 Graphcore和英特爾等公司都在研發專門的人工智慧處理器,而這些晶片將慢慢進入研究實驗室和資料中心。
他認為,投資數十億美元打造新穎的人工智慧硬體將在2020年初見成效。
並希望人工智慧社區能接受其中最好的晶片,來推動這個領域朝著更好的模型和更有價值的應用方向發展。
▌Dawn Song:要對資料負責
Dawn Song是安全領域的頂尖學者之一,1996年本科畢業於清華大學,現在是加州大學伯克利分校(UC Berkeley)電腦科學和電子工程教授,也是Oasis Labs 首席執行官和聯合創始人。
她認為,人們對敏感性資料的收集正在迅速增加,幾乎涵蓋了人們生活的方方面面。但使用者幾乎無法控制他們生成的資料如何被使用。與此同時,企業和研究人員在利用資料方面面臨著諸多挑戰。
在她看來,這種資料收集方式將個人和企業置於危險之中,她希望2020年應該是為負責任的資料經濟打下基礎的一年。
這需要創造新的技術、法規和商業模式。Dawn Song認為,2020年在在機器學習方面仍然存在更大的挑戰,要打造可擴展的系統來為實際部署大型、異構資料集服務,聯邦學習的進一步研究和部署對於某些用例也很重要等等。
▌Richard Socher:資訊海洋已經沸騰
Richard Socher博士畢業于斯坦福大學電腦系。2016年,自己創辦的公司被Salesforce收購後,加入Salesforce,現在是Salesforce的首席科學家。
他認為,如何處理鋪天蓋地的事實、意見和觀點仍然是一個挑戰。
比如,在你沒有讀過一個冗長的文檔之前,你很難知道你會在裡面找到什麼資訊。而且,想要知道某個特定的陳述是否正確也非常困難。
在他看來,自動提取摘要可以解決這些問題,2020年,這一技術將會迎來重大發展,改變我們消費資訊的方式。
不僅能説明人們應對不斷湧現的新資訊,而且還能讓人們進一步擁抱人工智慧的巨大潛力,創造一個更美好的世界。
原文傳送門:
https://blog.deeplearning.ai/blog/the-batch-happy-new-year-hopes-for-ai-in-2020-yann-lecun-kai-fu-lee-anima-anandkumar-richard-socher
科學革命的結構摘要 在 臺南市哲學學會- 【備課與讀書】科學革命的結構:第六章上課 ... 的推薦與評價
孔恩認為應將「新」的出現視為歷史過程,且企圖描述此過程的「共同結構」。這個「促成發現」的結構,簡單摘要如下:. 1 ... ... <看更多>
科學革命的結構摘要 在 [心得] 孔恩˙科學革命的結構- 精華區book 的推薦與評價
要書寫科學革命的結構這本書的讀後感,須要先對孔恩的背景稍作一些介紹,將有利於閱
讀科學革命的結構這本書:
孔恩﹝Thomas S. Kuhn, 1922-1996﹞
原是一名就讀於哈佛大學物理研究所的學生,專攻理論物理,並已接近完成博士論文的階
段。接到康南特邀約參與此一實驗課程,因而閱讀不少過去的科學著作。透過對這些著作的
理解,孔恩進而對過去在實證哲學影響下,專業科學教育所接受的流行科學發展見解–主張
科學之所以會直線進步,是靠著實驗與觀察結果長期累積下來的,與其相關的科學哲學加以
省思後,對科學真實歷史的發展提出一套嶄新之見解,將科學視為一種社會與文化活動歷程
中的產品。
由於孔恩物理學的背景,科學革命的結構多以物理學的例子與角度來貫穿其表述,以「典
範」這一名詞來說,不論是典範的本身,還是典範的內容、發展…,如說明典範轉移實例時
,孔恩以亞里斯多德力學到牛頓力學,以及從牛頓力學到相對論以及量子力學來說明;另一
個在書中具有創新性的名詞「不可共量性」也是有趣的概念,再者書名所提「科學革命」來
看,科學是否真有革命,以下我將稍微摘錄書中提到的想法,再分享自己的讀後心得。
常態科學、科學革命
孔恩強調的一個概念─「常態科學」,在這個階段,科學家有共同的語言與高度的共識,
對於什麼是重要而且可以解決的問題看法相同。他們共享一套完備的理論,或稱典範(paradi
gm),科學工作主要就是以這套理論來解自然之謎。因此可見PARADIGM “典範”是一種科
學學派或者學科的、哲學的、理論的框架、體系、觀點、準則,在這個框架、體系、觀點、
準則中,理論、規律,和?支援它們所做的通則化以及實驗,已經公式化(系統地或者確切地
得到闡述或者表達、說明),當一個典範出現了異常的現象或無法處理的現象時,科學家
就必許從起點開始找出或拼湊出新的典範,以解決舊典範所產生的現象,而這個新舊典範的
交替階段就是科學革命。
孔恩認為常態科學的研究方向有:
一、 把事實定義的更精確,以了解在各種變化下這些事實的變化情形。
二、 量化定律的形成,即尋找自然和理論之間的關係式。
三、 向潛在的新領域做探討。
孔恩以為科學的演進是斷裂式的,是科學發展過程中的非累積性事件,是一個典範(例如
愛因斯坦相對論)取代另一個典範(例如牛頓古典力學),他認為科學並非是累積知識的活
動,在科學革命也就是新舊典範之間,會有衝突存在,其關係有可能有邏輯上的相同性,但
在歷史上這是不可能的,科學史上還有許多其他的事例,雖然表面上看起來不那麼具有革命
性,但他們仍然具有科學革命的特徵,科學發展的歷史可視為數次革命後的發展,換言之幾
乎每一個科學進展都可描述為革命。
孔恩認為一些科學能有大幅度的進展,來自於常態科學的權威性,也就是典範的獨霸性,
常態科學的活動再她看來是一種解謎的活動,像是拼圖、猜字、猜謎等,當科學社群接受了
一個典範後,就是接受了一個準則,並以它來選擇研究的問題,也就是說再典範的保證下,
此研究問題必然會有答案,也只有這類問題其社群才會承認是科學的問題,才會鼓勵成員進
行研究。這樣的情形使科學家專心的進行研究活動,不受社會性的干擾。
也因為科學社群與典範的相互作用,使得科學家們對自然的「預期」就愈清楚和全面、對
現象的「預測」也就愈精確,異常或無法解釋的現象也就越容易被發掘,科學家為解決此問
題變開始創造、尋找新典範,由此緣故孔恩認為科學的演進是斷裂式而非演進式,用新典範
取代舊典範,而非由舊典範中修改進而演變成新的典範,而且典範間的轉換是蓋士塔﹝Gesta
lt﹞式的,也就是說看事物的觀點有全面性的更換,即使是新舊典範間出現了相同的名詞
,其涵義也可能是截然不同的﹝如:質量﹞。
典範及不可共量性
關於典範,孔恩在書中不斷的提及此名詞,也不斷的將它定義,在第二章常態科學如何產
生中提到,稱之為典範的科學研究有兩個特徵:
一、 作者的成就實屬空前,並吸收競爭學派中的忠誠歸附者。
二、 著作中仍留有許多問題能讓這一群研究者來研究解決發展
在後記又提到一個群體承諾型態的典範是一組有序的學科結構,其特點為:
一、 符號式的通則,如公式、定律等。
二、 形而上學式的信念與模型圖像,如原子論、機械論式的最高原則。
三、 共享的價值和美學取向,如「精確預測」、「和諧」、「簡潔」、「太陽中心」等。
四、 共享的具體例子,或「範例」。
除此外,孔恩在其他的章節的定義有:
* 特定社群的成員所共享的信仰、價值與技術等等構成的群體。
* 科學社群取得的較大共識,這類共識構成一種典範。
* 整體中的一種元素,也就是具體的問題解答。
* 一種信念或信念系統。
* 一種普遍性的觀點。
* 示範性的過去成就。
* 最高的共識單位。
* 觀察的方式。
由以上的數點看來孔恩認為典範是一種觀察室裡的普遍性原則,此原則具有共識,在該學
科領域裡形成了最高信念,它示範了過去的成就,建構了該社群的知識系統,衍生並累積了
該學科領域的研究發展。
「不可共量性」(Incommensurability)是孔恩提出的另一具「革命性」的重要概念。新
舊典範之間如何來量度,當典範還未統一之前,如何在競爭中的典範間作選擇,必然會有無
法用常態科學判準來解決的問題。不同典範中辯論的雙方不可避免地會以不同的眼光看待某
些雙方都訴諸的實驗或觀察情形。然而,由於他們用以討論這些情形的辭彙大部分都相同或
不同,沒有一個共同的標準用來度量,造成了典範辯論在邏輯上各說各話,也就是說實驗並
不一定可以用來檢驗理論的正確與否,結果,一個理論對於另一個理論的優越性,就成了辯
論中無法證明的東西。
純屬心得
科學革命的結構這本書並不是一口氣看完的,甚至到後來是用略讀的方式看完,主要是本
身很少接觸物理學﹝科學﹞歷史,平常更沒有仔細思考過「科學」是如何產生,看來科學的
權威性跟獨霸性已經深植我心,而使我對科學這一個大典範沒有任何的懷疑,完全沒有思考
到它本身的「不科學」﹝科學的實像非完全理性﹞,如同我從未思考過1+1=2的原因何在,典
範﹝1+1=2﹞本身並非真理,它是一種普遍性原則、科學社群的共識與信念,是一種歸納後
的信念,並無法完全解釋所有現象,更有可能在其他學科裡是完全錯誤的,但典範在此時
此刻的科學社群﹝科學範圍﹞內,卻又是一個大的準則,科學可藉以發展,更成為科學進步
的原因﹝若1+1≠2,我們所學的其他數學算式就無法成立及發展﹞,我想就是迪卡兒所說的
:一切直接或間接由感覺經驗獲得的知識都是不可靠的,只有主觀上的明白清晰才是真理的
標準。
孔恩似乎很強調理論的「認知」﹝主觀感受﹞問題,比較忽略的實質內容,讓人感覺典範
只是一種大多數人認同的假設﹝一種純理論﹞,寫到這裡又想到科學的定義似乎也是有許多
討論,像是「科學」與「偽科學」、「純科學」與「應用科學」、是邏輯學還是自然學的定
義,讓人想到課堂上的討論 ─ 何謂客觀?主觀的客觀與真正客觀的討論,往往是角度跟看
法的問題,沒有絕對正確的答案,只有立場問題,而這個觀念應用在科學革命也是相同,到
底科學的進步是孔恩所說的「斷裂式」,還是其他學者所認為的「連續式」。
舉例來說當科學家在典範中進行研究時,遇到解釋有困難時,還是會從自己從屬的典範出
發作修正,以十九世紀的牛頓物理學來舉例,當科學家發現行星運動與牛頓力學相違背時,
他們的做法不是去推翻牛頓力學,而是假設外軌道上有其他不知名的行星,從這點上來做研
究﹝因而發現天王星﹞,換句話說就是在典範上加諸許許多多的小理論去補足其不全,除非
事實與典範明顯矛盾,新典範才會因而出現,而這樣的一個科學步驟到底是斷裂,還是所謂
的連續?可見科學是否有革命的存在,這在很大程度上是觀察角度問題,也可以說是一個表
達方式上的不同。
在「不可共量」方面,典範真的不可共量嗎?是局部性的還是全面性的,不可共量是否等
同於不可比較,若等同那麼典範之間如何轉換,新的典範如何取代舊典範,科學是如同孔恩
所說是在不斷的相互辯證下的選擇嗎?這能夠稱為理性的科學嗎?兩個典範之間,沒有一個
共同的「標準」可以來共同度量,而造成撰擇典範的辯論在邏輯上雙方各說各話。就如古希
臘關於數學的「不可共量性」之發現──等邊直三角形的弦與邊彼此不可共量,導致了無理
數的發現與畢達哥拉斯「數字」學派的危機。
透過此本書認識了孔恩及其學說,尤其是在科學哲學的討論,科學與哲學在科學史的分野
在初期似乎不明顯,很難以二分法將其切剖開來,曾看過愛因斯坦的一段話:「科學所企圖
的目的是什麼呢?一個描述自然的理論應該是怎樣的呢?這些問題,雖然超越了物理學的界
限,但卻與物理學有很密切的關係。哲學的推廣必須以科學成果為基礎,可是哲學一經建立
,並廣泛地被人們接受以後,人們又常常促使科學思想進一步發展,指示科學如何從許多可
能的道路中選擇一條路來。等到這種已經接受了的觀點被推翻以後,又會產生一種意想不到
和完全新的發展,它又成為一個新的哲學觀點的泉源。」,目前的環境將各個學科獨立,各
學科也有專門的研究課題,分工越分越細,也越來越專精,探討一些科學問題已有專門學科
,科學與哲學也因此變成了獨立分開的學科,但如愛因斯坦所說的當我們看著科技發展的迅
速,便會開始思考相關議題,科學與哲學正是如此循環下去。
撰寫以上摘要與心得時,很怕自己了解不夠深入對此書所要闡述的有所誤解,因而不敢在
論及其他大家之論述,尤其在相對與絕對、科學與哲學以及絕對理性方面,過去了解實在不
多,因而只敢寫下這些心得,希望不要太過偏離,透過這本書的確啟發不少想法,日後也可
以再多閱讀相關書籍,做更深入的了解。
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 220.135.232.93
... <看更多>