进化认识论 evolutionary (Michael Bradie and William Harms)

首次发表于 2001 年 1 月 11 日星期四；实质性修订于 2020 年 1 月 21 日星期二

进化认识论是一种强调自然选择在认识论中的重要性的自然主义方法，其强调自然选择在两个主要角色中的重要性。在第一个角色中，选择是我们感官和认知机制可靠性的生成者和维护者，以及这些机制与世界之间的“契合”。在第二个角色中，试错学习和科学理论的演化被解释为选择过程。

历史、问题和议题

传统认识论源自柏拉图和古代怀疑论者。一条思想源自柏拉图对区分知识和真实信念问题的兴趣。他的解决方案是暗示知识与真实信念之间的区别在于是否合理。古代怀疑论者抱怨所有提供这种合理化的尝试都是毫无希望的。另一条思想源自试图重建人类知识，展示人类知识如何在相互支持的结构中拼凑在一起。这个项目得到了笛卡尔的现代印记，并以经验主义和理性主义版本呈现，这两者又可以被赋予基础主义或一贯主义的转折。这两条思想通过一个共同主题交织在一起。维系人类知识重建的纽带是使我们能够区分知识和真实信念的合理化和证据关系。

传统方法是建立在这样一个假设的基础上的，即认识论问题必须以不预设任何特定知识的方式来回答。论点是，任何这种求助显然都是自相矛盾的。这样的方法可以适当地标记为“超验的”。

十九世纪的达尔文革命提出了一种由杜威和实用主义者首次探讨的替代方法。作为进化发展的产物，人类是自然存在。他们的知识和信仰能力也是自然进化发展的产物。因此，有理由怀疑，作为一种自然活动的认知可以和应该按照与其地位相容的方式进行处理和分析，即通过自然科学的方法。根据这种观点，科学和认识论之间没有明显的分工。特别是，特定科学的结果，如进化生物学和心理学，不会被先验地认为与解决认识论问题无关。这些方法通常被称为自然主义认识论，无论它们是否直接受到进化考虑的影响。那些直接受到进化考虑影响并主张知识的增长遵循生物进化模式的方法被称为“进化认识论”。

进化认识论是试图从进化的角度解决知识理论问题的尝试。进化认识论部分涉及运用从生物进化中提取的模型和隐喻，以试图描述和解决认识论和概念变化中出现的问题。随着学科的共同演化，模型来回交换。因此，进化认识论还涉及尝试通过从我们对概念变化和理论发展的理解中提取的模型来理解生物进化是如何进行的。术语“进化认识论”是由唐纳德·坎贝尔（1974a）创造的。

进化认识论机制的演变（EEM）与理论的进化认识论（EET）

进化认识论有两个相互关联但不同的项目。一个侧重于动物和人类认知机制的发展。这涉及将生物进化理论直接扩展到动物的那些作为认知活动生物基础的方面或特征，例如它们的大脑、感觉系统、运动系统等。另一个项目试图通过使用从进化生物学中提取的模型和隐喻来解释思想、科学理论、认识规范和文化的演化。这两个项目都源自 19 世纪的生物学和社会哲学，源自达尔文、斯宾塞、詹姆斯等人的工作。在过去的几十年中，已经有许多尝试详细发展这些项目（参见坎贝尔 1974a，布拉迪 1986，奇科 1995）。进化认识论中许多当代工作源自康拉德·洛伦兹（1977）、唐纳德·坎贝尔（1974a 等）、卡尔·波普尔（1972，1984）和斯蒂芬·图尔明（1967，1972）的工作。

两个程序已被标记为 EEM 和 EET（Bradie, 1986）。EEM 是试图提供认知结构发展的进化解释的程序标签。EET 是试图通过诉诸相关的生物学考虑来分析人类知识和认识规范发展的程序标签。其中一些尝试涉及以选择模型和隐喻（例如，Popper 1972，Toulmin 1972，Hull 1988；请参阅 Renzi 和 Napolitano 2011 对这些努力的批判）来分析人类知识的增长。其他人则主张认识规范和方法论在生物学基础上，但避免了人类知识增长的选择模型（例如，Ruse 1986，Rescher 1990）。这两个项目已被标记为 EEM 和 EET（Bradie, 1986）。EEM 是试图提供认知结构发展的进化解释的项目标签。EET 是试图通过诉诸相关的生物学考虑来分析人类知识和认识规范发展的项目标签。其中一些尝试涉及以选择模型和隐喻（例如，Popper 1972，Toulmin 1972，Hull 1988；请参阅 Renzi 和 Napolitano 2011 对这些努力的批判）来分析人类知识的增长。其他人则主张认识规范和方法论在生物学基础上，但避免了人类知识增长的选择模型（例如，Ruse 1986，Rescher 1990）。

进化认识论（Evolutionary Epistemology）和进化心理学（Evolutionary Epistemology Theory）项目相互关联但又有所不同。一个成功的进化认识论选择性解释认知大脑结构的发展并不能自身证明将这些模型推广到理解人类知识系统的发展。同样，支持进化心理学选择性解释人类知识系统如何增长并不能自身证明特定或一般与认知有关的大脑结构是自然选择促进认知能力的结果。这两个项目虽然在设计上相似，借鉴了相同的模型和隐喻，但并非胜负共存。

1.2 个体发生与种系发生

生物发展涉及个体发生和种系考虑。因此，特定特征的发展，例如人类的可对立拇指，可以从两个角度来看，即从个体生物体中该特征的发展（发生）和人类谱系中该特征的发展（种系）的角度。知识和认知机制的发展也呈现出类似的区别。我们可以考虑个体知识体系和认识规范的增长或个体大脑的发展（发生），或人类知识的增长和代际间认识规范的建立，或人类谱系中大脑的发展（种系）。EEM/EET 的区别横跨这种区别，因为我们可能关注大脑的发生或种系发展，例如，大脑的发生或种系发展的规范和知识体系。人们可能期望，由于当前正统观点认为发生过程与种系选择过程不同，进化认识论将反映这种差异。然而，有趣的是，大多数情况下并非如此。例如，埃德尔曼（1987）和尚雪（1985）提出的“神经达尔文主义”理论提供了大脑神经结构发生的选择性解释。卡尔·波普尔的猜想与反驳模型是一个著名的选择性解释范例，已被应用于个体知识的发生以及科学知识的代际间（种系）演化。B·F·斯金纳关于个体行为发生的操作条件理论明确基于达尔文选择模型。

1.3 描述性与规范性方法

第三个区别涉及认识论和人类知识增长的描述性与规范性方法。传统上，认识论被解释为一个规范性项目，其目的是澄清和捍卫对知识、基础、证据担保和理据的概念。许多人认为，无论是 EEM 项目还是 EET 项目，都与认识论的传统理解没有任何关系。这种争论的基础是，认识论在适当理解时是一门规范性学科，而 EEM 和 EET 项目涉及认知能力或知识系统演化的因果和遗传（即描述性）模型的构建。据称，这样的模型无法对规范性认识论做出重要贡献（例如，Kim 1988 年）。这一抱怨的力量取决于一个人如何解释进化认识论与传统之间的关系。

进化认识论与传统认识论之间的关系有三种可能的配置。 (1) 描述性认识论可以被解释为传统规范认识论的竞争者。在这种观点下，两者都试图解决相同的问题并提供竞争性的解决方案。 Riedl (1984) 支持这一立场。对这种方法的一个标准反对意见是，描述性解释无法充分体现规范方法论的规定性要素。进化方法对传统认识论和哲学问题的解决程度取决于一个人采用的方法 (参见 Dretske 1971, Bradie 1986, Ruse 1986, Radnitsky 和 Bartley 1987, Kim 1988)。 (2) 描述性认识论可能被视为传统认识论的后继学科。根据这种解读，描述性认识论不涉及传统认识论的问题，因为它认为这些问题是无关的、无法回答的或无趣的。许多自然化认识论的支持者属于这一阵营 (例如 Munz 1993)。 (3) 描述性认识论可能被视为传统认识论的补充。这似乎是 Campbell 的观点。根据这一分析，进化方法的功能是提供知识机制的描述性解释，同时将认识论的规定性方面留给更传统的方法。在最好的情况下，进化分析有助于排除那些要么不切实际要么与人类理解的进化起源不一致的规范方法。

未来展望

EEM 程序背负着系统发生重建的典型不确定性。这个器官或结构是否是一种适应性，如果是，适应于什么？此外，还存在必然稀疏的大脑和感觉器官发育化石记录所导致的不确定性。EET 程序甚至更加棘手。虽然认为我们的思维器官上的进化印记影响我们的思考内容和方式是合理的，但这种影响是否是直接的、显著的或可检测的却并不清楚。认可“试错”方法作为理解科学变革的适当模型的选择论认识论并不是接受大脑和其他辅助器官是主要在自然选择的影响下进化而来的适应性的分析结果。这种选择论模型的可行性是一个依赖于充分模型发展的经验问题。Hull（1988）正如他自己所承认的那样，只是朝着这个方向迈出的第一步。Cziko（1995）是一份敦促发展这种模型的宣言（另见 Harms 1997 的进化博弈论建模方法）。需要进行大量的实证研究来支持这一研究方向。根据 Ruse（1986）的非选择论进化认识论面临着不同范围的困难。尚需证明任何生物学考虑是否足够限制以某种有意义的方式缩小潜在方法论范围。基于“庞加莱动力学”的非选择论进化认识论方法由 Barham（1990）提出。另一种利用生物体及其环境因它们之间的辩证互动而共同进化的事实的方法，导致了“非适应性”进化认识论的发展（Gontier 等人，2006）。对进化认识论中自然主义转向发展面临的问题的批判性评论可在 Callebaut 和 Stotz（1998）中找到。

然而，二十世纪后期出现了认真努力提供人类理解的进化解释的严肃努力，这可能具有潜在的激进后果。例如，将选择模型应用于人类知识的发展会产生即时的紧张。传统标准的关于科学知识的出现和增长的解释通常将科学视为一个渐进的企业，在适当的理性和自由探究条件下，生成一系列逐渐趋向真理的知识体系。另一方面，生物进化的选择模型通常被认为是非渐进性的，或者最多是在局部方面如此。生物进化并非产生趋同，而是产生多样性。波普的进化认识论试图同时包容两者，但并不自然。库恩的“科学革命”理论试图借鉴达尔文模型，但在受到批评时，库恩退缩（参见库恩 1962 年，第 172 页与拉卡托斯和马斯格雷夫 1970 年，第 264 页）。陶尔敏（1972 年）是一个值得注意的例外。根据他的说法，理性的概念纯粹是“局部的”，它们本身也受到进化的影响。这反过来似乎意味着需要放弃对科学探究中“目标导向性”的任何感觉。这是一个激进的后果，很少有人接受。追求认识论的进化方法引发了关于知识、真理、现实主义、理据和理性概念的根本问题。

1.5 扩大圈子

尽管坎贝尔（Campbell）和波普尔（Popper）都指出了人类知识的演化与非人类生物知识的演化之间的连续性，但早期的进化认识论研究大多集中在人类状况上。然而，最近心理学家、认知行为学家、认知神经科学家和动物行为学家的实证调查揭示了动物，包括灵长类和非灵长类动物，具有比以前预想的更复杂的认知能力（Panksepp 1998，Heyes 和 Huber 2000，Rogers 和 Kaplan 2004，Lurz 2011，van Schaik 2010）。从进化的角度来看，这并不令人意外，因为所有动物共享相同的进化遗传背景。认真对待达尔文意味着在我们对其他物种成员的认知能力有了更深入了解的光芒下，重新考虑和重新评估人类知识的本质。此外，一旦建立了动物认知能力的范围和限制的坚实实证基础，我们将能够重新评估我们对动物心智生活及其认知和道德地位的哲学评价。进一步的现场研究有望彻底改变我们对人类作为动物之一的理解方式。

康拉德·洛伦茨研究所的 KLI 理论实验室出版了一本专注于进化认识论问题以及生物理论其他应用的期刊，《生物理论：整合发展、进化和认知》。

2. 形式模型

每个科学企业都需要正式和半正式模型，这些模型允许对其研究对象进行定量表征。试图将知识的哲学研究转化为一门科学学科，将知识视为生物现象的尝试并无二致。进化认识论文献中很大一部分关注如何将知识构想为一种自然现象，这对我们理解自己在世界中的位置会产生什么不同，以及如何回应该项目的异议。此外，还有一些更为技术性的项目，试图提供自然主义认识论所需的理论工具。

静态优化模型

在最简单的模型中，一个生物体必须应对具有两种状态 S1 和 S2 的环境，并具有两种可能的反应 R1 和 R2。我们假设生物体在每种状态下的行为对其适应性有影响。适应性通常由矩阵 W 来描述。

矩阵 Wij 的各个元素是状态 j 中响应 i 的适应性后果。例如，W21 表示 S1 中 R2 的适应性后果。如果我们让 W11 和 W22 等于一，W12 和 W21 等于零，那么在 S1 中执行 R1，在 S2 中执行 R2 具有明显的进化优势。

然而，生物必须首先检测环境的状态，探测器通常并非完全可靠。如果生物对探测器做出自动响应，我们可以使用给定状态下响应的概率来表征探测器的可靠性。我们将给定 S1 时 R1 的概率写为 Pr(R1∣S1)。这使我们能够计算出响应探测器而不总是选择 R1 或 R2 将是有利的，只要以下不等式成立（参见 Godfrey-Smith 1996）：

Pr(R2∣S2)1−Pr(R1∣S1)>Pr(S1)(W11−W21)(1−Pr(S1))(W22−W12)

这个简单模型表明，灵活的反应是否具有适应性取决于响应所产生的适应性差异的特定特征、环境各种状态的概率以及探测器的可靠性。假定在进化术语中，检测环境状态和灵活反应系统是免费的情况下计算出特定结果。更完整的分析将包括这些因素的成本。

像上面概述的静态优化模型可以通过多种方式进行扩展。最明显的是，可以增加环境状态和生物反应的数量，但还有其他更有趣的修改。例如，信号检测理论更详细地模拟了探测器和提示。在一个例子中，一种名为“海藓”的物种通过化学提示检测到掠食性海兔的存在。它们通过生长刺来做出反应，这是有成本的。在这种情况下，水中的化学物质提示以各种浓度存在，这些浓度表示不同的危险水平。信号检测理论使我们能够计算出最佳的刺生长探测器阈值。

静态模型描绘了进化过程中的适应性成本和收益。它们在这种意义上是静态的，因为它们并未模拟任何实际过程，而只是计算不同情况下变化的方向。如果适应性高，某种类型将增加，如果低则会减少。当适应性相等时，种群比例保持稳定平衡。动态模型通常采用静态模型中涉及的计算类型，以描绘随时间在种群比例中的实际变化。动态模型不是计算变化是否会发生以及变化的方向，而是跟随变化。

人口动态

人口动态，有时被称为“复制动态”，提供了一种可行的方法来模拟随时间演变的人口，这种演变可以用静态优化模型来描述的选择性压力。这通常是必要的，因为这些人口的动态往往很难仅基于静态收益差异的考虑来预测。所谓的“复制动态”是由泰勒和琼克（1978）命名的，并由舒斯特和西格蒙德（1983）以及霍夫鲍尔和西格蒙德（1988）进行了概括。它们的源头可以追溯到 20 世纪 20 年代和 30 年代的 R.A.费希尔的开创性工作。这种概括涵盖了在人口遗传学、进化博弈论、生态学和前生物进化研究中使用的进化模型。这些模型可以通过数学或计算方式实施，并且可以模拟逐步（离散）或连续的进化变化。

人口动态模型了解人口的演变。 人口是一群个体，根据类型进行分类。 在遗传学中，类型是基因，在进化博弈论中是策略。 在认识论模型中感兴趣的类型将是认知装置的类型，或认知策略 - 对环境提示的反应方式，操纵表征的方式等等。 粗略地说，进化认识论模型关注遗传的，而进化博弈论模型关注学习的。 人口的演变在于人口内不同类型的相对频率的变化。 选择，以差异繁殖成功为特征，表示如下。 每种类型都有一个增长率或“适应度”，由 w 指定，并且由 p 指定频率。 下一代的 i 型频率 p' i 简单地是旧频率乘以适应度并除以人口的平均适应度“w”。

p′i=pi⋅wi/¯¯¯¯w

通过 ¯¯¯¯w 的除法会使频率“标准化”，使得在每个频率被其适应度乘以后加起来等于一。它还清楚地表明，某一类型的频率只有在其适应度高于当前种群平均值时才会增加。

进化认识论

进化认识论中的进化认识论。适应度应简单理解为驱动大群体动态的可能增长因素的聚合，可能取决于各种因素。适应度组成部分与变异组成部分不同，因为它们按比例影响种群频率，也就是说，是乘性的。生物进化中的适应度组成部分包括死亡率和繁殖率。在文化进化中，它们包括传播概率和拒绝概率。在任何一种模型中，重要的是适应度如何随模型内的其他变化因素而变化。在最简单的情况下，适应度是固定的，具有最高适应度的类型必然主导种群。在更复杂的情况下，适应度可能取决于变量因素，如与谁对战或变量环境的状态。通常，可变适应度是使用像上面那样的收益矩阵计算的。一般来说，要计算一种类型的预期适应度，需要将该类型在每种情况下的适应度乘以个体在种群中遇到该情况的可能性，并将结果相加。

wi=SAPr(A)⋅WiA

WiA 是类型 i 在情况 A 中的适应度。这种计算假定各种情况的影响是可加的。当然，可以建模更复杂的情况，但可加矩阵是标准的。然而，应该注意到，基于矩阵的进化可能表现出相当复杂的行为。例如，混沌行为可能出现在仅有四种策略的情况下（Skyrms 1992）。

某些关系可以在没有矩阵的情况下表示。例如，Boyd 和 Richerson（1985）对文化中一种特殊类型的频率依赖传播偏差感兴趣，其中普遍性带来了优势，因为模仿者“入乡随俗”。在这种情况下，类型的操作适应度仅仅是根据通常因素计算的适应度，然后根据类型的频率进行修改。

连续性与计算

复制体动力学的概念基础非常直接。通常需要采用两种方法之一才能获得结果。为了证明不仅仅是基本的数学结果，通常需要推导出动力学的连续版本。基本形式是复制体动力学的概念基础相当简单。通常需要采用两种方法之一才能获得结果。为了证明不仅仅是基本的数学结果，通常需要推导出动力学的连续版本。基本形式是

dpi/dt=p(wi−¯¯¯¯w)

数学方法一直以来都非常高效，尽管大部分理论结果主要适用于种群遗传学。参见 Hofbauer 和 Sigmund（1988）的著作，其中包含了这类结果的汇编，以及对进化过程数学研究的合理研究生级介绍。

第二种方法是计算方法。随着个人电脑性能的增强，对进化模型的计算实现变得越来越有吸引力。它们只需要基本的编程技能，并且在所需的假设方面通常更加灵活。一般的策略是创建一个数组来保存种群频率和适应度，然后一系列的程序（或方法或函数）

  1. 计算适应度

  2. 更新频率与新的适应度

  3. 管理接口细节，如将人口的新状态输出到文件或屏幕。

一个循环然后按顺序运行例程，一遍又一遍。大多数建模者乐意将他们的源代码放在互联网上，这可能是找到它的最佳地方。

文化进化建模

理解认知行为作为进化产物的困难之一在于涉及至少三种非常不同的进化过程。首先，通过遗传继承，存在认知和感知机制的生物进化。其次，存在语言和概念的文化进化。第三，存在个体一生中发生的试错学习过程。此外，有理由同意唐纳德·T·坎贝尔的观点，即要充分理解人类知识，就需要理解这些过程之间的相互作用。这要求我们能够对生物和文化进化的两个过程进行建模。目前已经有一些经过验证的生物进化模型。文化进化呈现更多的新颖性。

理解文化进化最流行的尝试也许是理查德·道金斯（1976）创造“模因”的。道金斯观察到生物进化的核心是差异繁殖。然后，总体上的进化是自我复制实体谱系的竞争动态。在这种观点下，如果文化要进化，就必须有文化“复制体”，或者在文化中差异复制的实体构成文化进化过程。道金斯将这些实体称为“模因”，并将它们描述为感染我们大脑的信息实体，“通过我们通常称之为模仿的方式从一个头跳到另一个头”。常见的例子包括传染性曲调和宗教意识形态。这种方法的主要困难在于如何为基本实体提供规范的问题。理论上，基因的身份条件可以用染色体上碱基对的序列来表示。似乎没有文化传播项目的基本“字母表”。因此，“模因论”作为进化认识论的竞争基础的项目暂停，直到对其基本本体论有足够的理解。在线模因学杂志包含一些关于模因学的早期论文。尽管该杂志已停刊，但现有论文仍可在线访问。有关对文化进化模型的模因论的可行性保留意见，请参阅阿特兰（2001）和斯珀伯（2001）。有关对这种方法的最新辩护，请参阅丹尼特（2017）。

人口模型已被广泛用于建模文化传播过程。进化博弈论模型经常被认为涵盖了那些策略是继承的过程和那些策略是模仿的过程。在没有对策略的基本性质进行任何规定的情况下，这种应用是可能的，例如，它们是否被认为是被复制的“事物”，或者它们是个体的属性或状态，这些个体拥有这些策略。有时这被称为“流行病学方法”，尽管再次强调，与感染的比较是由于分析中使用的定量工具，而不是对文化传播的基本本体论的任何预设（Sperber 1996，Sperber and Hirschfield 2004）。

最近的一些工作侧重于生物体改变其环境的能力，从而影响它们所面临的选择压力。在有关生物体与环境相互作用的经典模型中，生物体通过“适应”现有的生态位来适应其环境。理查德·勒温汀（Lewontin 1982）的辩证模型强调了生物体与环境相互作用的程度，强调生物体“构建”生态位，而不仅仅是适应环境中已经存在的生态位。现在有大量关于生态位构建的文献（参见 Laland 等人 2000 年和 Odling-Smee 等人 2003 年）。将这一思想应用于进化认识论问题的形式包括对文化生态位和认知生态位的呼应。文化生态位是由生物体的能力创造的，一般来说，可以将拥有文化归因于它们，尤其是人类，从彼此和从构建的文化环境修改中学习。对于人类而言，这种构建体现在语言、教育机构、通信系统和其他形式的信息处理和传递等方面。认知生态位是通过构建环境的心理模型而创造的，这反过来使生物体，尤其是人类，在其一生中能够系统地和有效地利用环境资源（Pinker 2003, 2010; Whiten 和 Erdal 2012，Whiten 和 van Schaik 2007，Laland 和 O’Brien 2011）

2.3 多层次演化

进化认识论中涉及的层次类型与在进化生物学的“选择层次”辩论中更常讨论的层次类型完全不同。在进化生物学中，讨论中的“层次”是指尺度层次。辩论涉及基因是否总是选择的“单位”或“目标”，或者选择是否可以发生在更高层次，如生物体、群体和物种。另一方面，进化认识论中涉及的层次是控制行为的调节层次。这些包括认知和感知硬件、概念、语言、技术、信仰、偏好等的遗传基础。请注意，在进化认识论的情况下，“层次”和“等级”这些术语可能是印象主义的。通常根本没有明确的层次安排。

有至少两种不同的方法被用来建模多层次演化。

  1. 双重传输模型：Boyd 和 Richerson（1985）改编了遗传学模型，以模拟一个情况，即一个特征（合作）同时受到遗传和文化演化的影响。首先表明，在一个迁徙人口中，文化传输上的遗传决定性偏向可能会被选择。这种偏向使得接纳当地习俗更容易，增加了模仿行为的可能性，超越了由行为频率和感知价值决定的范围。一旦这种偏向确立，其效应足以克服合作行为所涉及的感知成本。该模型产生了两个重要结果。首先，它提供了一个新颖的机制，使得合作行为在迁徙人口中能够稳定下来。但更重要的是，它证明了文化演化不能仅仅基于遗传适应度来预测。

  2. 多重人口模型：Harms (1997) 构建了一种关于大黄蜂学习的多层动态人口模型。一方面评估了传感器类型、外在觅食行为和内部觅食偏好的分布与环境状态之间的互信息，另一方面将其与人口状态的平均适应度进行了比较。结果表明，外在行为中存在的信息可能被低估，并且传感器机制的再利用用于偏好形成可以实现该信息的利用。

2.4 意义

真理和理由的完整描述性陈述都需要一个意义理论。在一个符号具有意义之前，它不能是真或假。此外，确定理由主张的意义可能提供一个描述性的理由理论。据推测，使一个理由主张成为真的基础是该理由的基础。如果意义是约定俗成的，那么意义的演变就成为约定的演变的一个例子。

进化认识论的模型在某些情况下已被扩展应用于意义约定。Skryms（1996 年，第 5 章）对 David Lewis（1969 年）关于理性选择意义约定的模型进行了进化解释。Skryms 能够表明，在具有一整套协调、反协调和不协调策略的混合人口中，“信号系统”的形成存在强烈选择。值得注意的是，模型的结构以及意义约定的出现和稳定的选择过程在很大程度上与 Ruth Millikan（1984 年）对意义进化的描述相似。

在最简单的版本中，该模型构建如下：我们想象存在两种事态 T，两种行为 A，和两种信号 M。玩家有同等机会处于发送者或接收者的位置。接收者必须纯粹基于发送者告诉他们的内容来决定该做什么。在这个纯粹合作的版本中，如果接收者在状态为 T1 时做 A1，或者在状态为 T2 时做 A2，每个玩家将获得一个点。

由于玩家既是发送者又是接收者，他们必须针对每种情况制定策略。有十六种这样的策略，我们假设它们要么是从生物父母那里继承的（或学到的），要么是基于获得积分成功的感知而模仿的。策略 I1 和 I2 是信号系统，如果两个玩家都选择这两种策略中的同一种，他们将始终获得回报。I3 和 I4 是反信号策略，导致一致的错协调，尽管它们在彼此之间表现良好。所有其他策略涉及 S3、S4、R3 或 R4，这导致无论外部状态如何，都执行相同的行为。

| 完整策略 | | --- | --- | --- | --- | --- | | I1: | S1,R1 | | I9: | S3,R1 | | I2: | S2,R2 | | I10: | S3,R2 | | I3: | S1,R2 | | I11: | S3,R3 | | I4: | S2,R1 | | I12: | S3,R4 | | I5: | S1,R3 | | I13: | S4,R1 | | I6: | S2,R3 | | I14: | S4,R2 | | I7: | S1,R4 | | I15: | S4,R3 | | I8: | S2,R4 | | I16: | S4,R4 |

模拟结果显示，几乎所有初始人口分布都会被两种信号系统策略中的一种所主导。当引入更现实的收益时，情况变得更加复杂，例如，发送者产生成本而不是自动分享接收者从环境中获得的正确行为的好处。然而，在这种情况下，进化的最可能路径仍然是由信号系统主导。

Bibliography

  • Atran, S., 2001, “The trouble with memes: inference versus imitation in cultural creation,” Human Nature, 12(4):351–381.

  • Barham, James, 1990, “A poincaréan approach to evolutionary epistemology,” Journal of Social and Biological Structures, 13(3): 193–258.

  • Bradie, Michael, 1986, “Assessing Evolutionary Epistemology,” Biology & Philosophy, 1: 401–459.

  • –––, 1989, “Evolutionary Epistemology as Naturalized Epistemology,” in Issues in Evolutionary Epistemology, K. Hahlweg and C. A. Hooker (eds.), Albany, NY: SUNY Press, pp. 393–412.

  • –––, 1994, “Epistemology from an Evolutionary Point of View,” in Conceptual Issues in Evolutionary Biology, second edition, Elliott Sober (ed.), Cambridge, MA: The MIT Press, pp. 453–475.

  • Boyd, Robert, and Peter J. Richerson, 1985, Culture and the Evolutionary Process, Chicago: The University of Chicago Press.

  • Callebaut, Werner, and Rik Pinxten (eds.), 1987, Evolutionary Epistemology: A Multiparadigm Program With a Complete Evolutionary Epistemology Bibliography (Synthese Library: Volume 190), Dordrecht: D. Reidel.

  • Callebaut, Werner, and Karola Stotz, 1998, “Lean Evolutionary Epistemology,” Evolution and Cognition, 4(1): 11–36.

  • Campbell, Donald T., 1956a, “Adaptive behavior from random response,” Behavioral Science, 1(2): 105–110.

  • –––, 1956b, “Perception as substitute trial and error,” Psychological Review, 63(5): 331–342.

  • –––, 1959, “Methodological suggestions from a comparative psychology of knowledge processes,” Inquiry, 2: 152–182.

  • –––, 1960, “Blind variation and selective retentions in creative thought as in other knowledge processes,” Psychological Review, 67(6): 380–400.

  • –––, 1974a, “Evolutionary Epistemology,” in The Philosophy of Karl R. Popper, P. A. Schilpp (ed.), LaSalle, IL: Open Court, pp. 412–463.

  • –––, 1974b, “Unjustified Variation and Selective Retention in Scientific Discovery,” in Studies in the Philosophy of Biology: Reduction and Related Problems, edited by F J. Ayala and T. Dobzhansky, London: Macmillan, pp. 139–161.

  • –––, 1982, “The ”blind-variation-and-selective-retention“ Theme,” in The Cognitive Developmental Psychology of James Mark Baldwin: Current Theory and Research in Genetic Epistemology, edited by J. M. Broughton and D. J. Freeman-Moir, Norwood, NJ: Ablex, pp. 87–97.

  • –––, 1985, “Pattern Matching as an Essential in Distal Knowing,” in Naturalizing Epistemology, edited by H. Kornblith, Cambridge, MA: MIT Press, 49–70.

  • –––, 1988, “Popper and selection theory,” Social Epistemology, 2(4): 371–377.

  • Campbell, Donald T., and Paller, Bonnie T., 1989, “Extending Evolutionary Epistemology to ‘Justifying’ Scientific Beliefs (A sociological rapprochement with a fallibilist perceptual foundationalism?),” in Issues in Evolutionary Epistemology, K. Hahlweg and C. A. Hooker (eds.), Albany: State University of New York Press, pp. 231–257.

  • Changeux, Jean-Pierre, 1985, Neuronal Man, New York: Pantheon.

  • Coleman, Martin, 2002, “Taking Simmel seriously in evolutionary epistemology,” Studies in History and Philosophy of Science, 33A(1): 59–78.

  • Cziko, G., 1995, Without Miracles: Universal Selection Theory and the Second Darwinian Revolution, Cambridge, MA: MIT Press.

  • Dawkins, Richard, 1976, The Selfish Gene, New York: Oxford University Press.

  • Dennett, D., 2017, From Bacteria to Bach and Back: the Evolution of Minds, New York: W. W. Norton & Company.

  • Derksen, A. A., 2001, “Evolutionary epistemology in defense of the reliability of our everyday perceptual knowledge: A promise of Evolutionary epistemology,” Philosophia-Naturalis, 38(2): 245–270.

  • Dretske, Fred, 1971, “Perception From an Epistemological Point of View,” Journal of Philosophy, 68(19): 584–591

  • Edelman, G. M., 1987, Neural Darwinism: The Theory of Neuronal Group Selection, New York: Basic Books.

  • Godfrey-Smith, Peter, 1996, Complexity and the Function of Mind in Nature, Cambridge: Cambridge University Press.

  • Gontier, Nathalie, J. P. Bendegem, and D. Aerts (eds.), 2006, Evolutionary epistemology, language and culture: a non-adaptationist, systems theoretical approach, Dordrecht: Springer.

  • Harms, William F., 1997, “Reliability and Novelty: Information Gain in Multi-Level Selection Systems,” Erkenntnis, 46: 335–363.

  • –––, 2004, Information and meaning in evolutionary processes, Cambridge: Cambridge University Press.

  • Heyes, Cecilia and Ludwig Huber (eds.), 2000, The Evolution of Cognition, Cambridge, MA: MIT Press.

  • Hofbauer, Josef, and Karl Sigmund, 1988, The Theory of Evolution and Dynamical Systems, Cambridge: Cambridge University Press.

  • Hull, David, 1988, Science as a Process: An Evolutionary Account of the Social and Conceptual Development of Science, Chicago: The University of Chicago Press.

  • –––, 2001, “In search of epistemological warrant” in Selection Theory and Social Construction: The Evolutionary Naturalistic Epistemology of Donald T. Campbell, Cecilia Heyes and David Hull (eds.), Albany, NY: SUNY Press, pp. 155–167.

  • Kim, Jagwon., 1988 “What is ‘Naturalized Epistemology’?,” Philosophical Perspectives 2. Epistemology, Atascadero: Ridgeview, pp. 381–405.

  • Kuhn, Thomas, 1962, The Structure of Scientific Revolutions, Chicago: The University of Chicago Press.

  • Lakatos, I. and Musgrave, A. (eds.), 1970, Criticism and the Growth of Knowledge, Cambridge: Cambridge University Press.

  • Laland, K. N., Odling-Smee F. J. and Feldman, M. W., 2000, “Niche construction and gene–culture co–evolution: An evolutionary basis for the human sciences” in Perspectives in Ethology Vol. 13, P. Klopfer & N. S. Thompson (eds.), New York: Plenum, pp. 89–111.

  • Laland, K. N. and O’Brien, M. J., 2011, “Cognitive Niche Construction: An Introduction”, Biological Theory, 6(2): 191–202.

  • Lewis, David, 1969, Convention, Cambridge: Cambridge University Press.

  • Lewontin, Richard, 1982, “Organism and Environment” in Learning, Development and Culture, H. C. Plotkin (ed.), New York: John Wiley & Sons, pp. 151–170.

  • Lorenz, Konrad, 1977, Behind the Mirror, London: Methuen.

  • Lurz, Robert, 2011, Mindreading Animals: The Debate over What Animals Know about Other Minds, Cambridge, MA: MIT Press.

  • Millikan, Ruth, 1984, Language, Thought, and other Biological Categories, Cambridge, MA: MIT Press.

  • Munz, Peter, 1993, Philosophical Darwinism: On the Origin of Knowledge by Means of Natural Selection, London: Routledge.

  • Odling-Smee, Laland, K. N. and Feldman, M. W., 2003, Niche Construction: The Neglected Process in Evolution, Princeton: Princeton University Press.

  • Panksepp, Jaak, 1998, Affective Neuroscience: The Foundation of Human and Animal Emotions, New York: Oxford University Press.

  • Pinker, S., 2003, “Language as an Adaptation to the Cognitive Niche”, in Language Evolution, M. H. Christiansen & S. Kirby (eds.), Oxford: Oxford University Press, pp. 16–37.

  • –––, 2010, “The Cognitive Niche: Coevolution of Intelligence, Sociality, and Language”, Proceedings of the National Academy of Sciences, 107 Supplement 2: 8993–8999.

  • Plotkin, H. C. (ed.), 1982, Learning, Development, and Culture: Essays in Evolutionary Epistemology, New York: John Wiley & Sons.

  • Popper, Karl R., 1968, The Logic of Scientific Discovery, New York: Harper.

  • Popper, Karl R., 1972, Objective Knowledge: An Evolutionary Approach, Oxford: Clarendon Press.

  • –––, 1984, “Evolutionary Epistemology,” in Evolutionary Theory: Paths into the Future, J. W. Pollard (ed.), London: John Wiley & Sons Ltd. pp. 239–255.

  • Radnitzky, G. and Bartley, W. W., 1987, Evolutionary Epistemology, Theory of Rationality and the Sociology of Knowledge, LaSalle, Ill: Open Court.

  • Renzi, Barbara G. and Napolitano Giulio, 2011, Evolutionary Analogies: Is the Process of Scientific Change Analogous to the Organic Change?, Newcastle: Cambridge Scholars Publishing.

  • Rescher, Nicholas, 1978, Scientific Progress: A Philosophical Essay on the Economics of Research in Natural Science, Oxford: Basil Blackwell.

  • –––, 1989, Cognitive Economy: The Economic Dimension of the Theory of Knowledge, Pittsburgh: University of Pittsburgh Press.

  • –––, 1990, A Useful Inheritance: Evolutionary Aspects of the Theory of Knowledge, Lanham, MD: Rowman.

  • Riedl, Rupert, 1984, Biology of Knowledge: The Evolutionary Basis of Reason, Chichester: John Wiley & Sons.

  • Rogers, Lesley and Gisela Kaplan (eds.), 2004, Are Primates Superior to Non-Primates?, New York: Kluwer Academic.

  • Ruse, Michael, 1986, Taking Darwin Seriously: A Naturalistic Approach to Philosophy, Oxford: Blackwell.

  • Schuster, Peter, and Karl Sigmund, 1983, “Replicator Dynamics,” Journal of Theoretical Biology, 100: 533–538.

  • Shimony, Abner, 1971, “Perception From an Evolutionary View,” Journal of Philosophy, 68(19): 571–583.

  • Skinner, B. F., 1981, “Selection by Consequences,” Science, 213: 501–504.

  • Skyrms, Brian, 1992, “Chaos and the Explanatory Significance of Equilibrium: Strange Attractors in Evolutionary Game Dynamics,” PSA 1992 (2), Philosophy of Science Association, pp. 374–394.

  • –––, 1996, Evolution of the Social Contract, Cambridge: Cambridge University Press.

  • Sperber, D., 1996, Explaining Culture: a Naturalistic Approach, Oxford: Blackwell.

  • –––, 2001, “An objection to the memetic approach to culture,” in Darwinizing Culture R. Aunger (ed.), Oxford: Oxford University Press, pp. 163–172.

  • Sperber, D. and L. A. Hirschfield, 2004, “The cultural foundations of cultural stability and diversity”, TRENDS in cognitive science, 8(1): 40–46.

  • Sperber, D. and N. Claidière, 2006, “Why Modeling Cultural evolution is Still Such a Challenge,” Biological Theory, 1(1): pp. 20–22.

  • Taylor, P., and L. Jonker, 1978, “Evolutionary Stable Strategies and Game Dynamics,” Mathematical Biosciences, 40: 145–56.

  • Ter Hark, Michel, 2004, Popper, Otto Selz and the Rise Of Evolutionary Epistemology, Cambridge: Cambridge University Press.

  • Toulmin, Stephen, 1967, “The Evolutionary Development of Natural Science,” American Scientist, 55: 4.

  • –––, 1972, Human Understanding: The Collective Use and Evolution of Concepts, Princeton: Princeton University Press.

  • van Schaik, C. P., 2010, “ Social learning and culture in animals,” in Animal Behavior: evolution and Mechanisms, P. Kappeler (ed.), New York: Springer–Verlag, pp. 623–653.

  • Vollmer, Gerhard, 2005, “How is it that we can know this world? New arguments in evolutionary epistemology”, in Darwinism & Philosophy, V. Hösle and Christian Illies (eds.), Notre Dame, IN: University of Notre Dame Press, pp. 259–274.

  • Whiten, A. and Erdal, D., 2012, “The human socio–cognitive niche and its evolutionary origins”, Philosophical Transactions of the Royal Society (B), 367: 2119–2129.

  • Whiten, A. and van Schaik, C. P., 2007, “The evolution of animal ‘cultures’ and social intelligence”, Philosophical Transactions of the Royal Society (B), 362: 603–620.

  • Wuketits, Franz, 1990, Evolutionary Epistemology and Its Implications for Humankind, Albany: State University of New York Press.

Academic Tools

Other Internet Resources

Related Entries

epistemology: naturalism in | evolution: cultural | game theory: evolutionary | information: biological | teleology: teleological notions in biology

Copyright © 2020 by Michael Bradie <mbradie@bgsu.edu> William Harms <wharms@uw.edu>

上一页*语境主义——见认识的语境论 contextualism in — see contextualism, epistemic下一页*女性主义——见女性主义哲学介入：女性主义认识论与科学哲学 feminist — see feminist philosophy, interventions: epistemology and philosophy of science

最后更新于

Logo

道长哲学研讨会 2024