增长理论和收敛战略——对公理选项和奥卡姆剃刀的再思考[1]

“为什么有的国家的经济发展了，而有的国家的经济停滞了？”这是《科学》杂志在其纪念年刊中提出的第116个问题，号召全球科学家争取在2025年前攻克此难题。

一、题目的说明

今天我讲的主要是围绕两个方面的内容展开：“增长理论和收敛战略”。因为话题中要涉及不少源于英文（或

无论是概念还是语言的表述，这里会涉及科学哲学家托马斯•库恩(Thomas Khun)所谓的“范式”之间的“不般配性”或“不通约性”的挑战，如数学中的无理数，永远除不尽。为了减少跨文化交流的障碍，我们只能尽力而为了。

原题目英文表述是

副标题是《对公理选项和奥卡姆剃刀的再思考》，原英文表述是

思维清晰要求用词精准，这样交流时可以尽量减少异议。

我演讲英文标题中“Heuristic”是计算机领域的常用词。中文翻译是“启发性的”，但如不了解一点认知科学(cognitive science) 的知识，这个词虽然是翻译了，“启发性的”，但听起来还是不知云云。在人工智能 (AI) 领域， “heuristic”的意思是，相关的算法是概然性的 ，而不是决定性的，决定性意味着100%的确定性。

从哲学上讲，除非形式逻辑演绎，一般的经验归纳不可能达到100%的确定性，都有某种层度的不确定性。在通常情况下，人脑的认知基本属于经验归纳性的 ，而非逻辑演绎性的，都有直觉的成分，不可能100%正确无误，或100%理性，所以用heuristic更合适。

由此可见，经济学对人性理性的假设与现实的人有出入，不够精准，需要修正。其实，修正工作已经开始。什么是“rationality”（理性）？哲学意义上的“理性”是绝对的、永恒的、超时间、无条件的理念的代号；而哲学、科学就是要将人的这种趋向普遍和理性之精神彰显出来的历史运动。与此相关，在形式逻辑中，基于假定的推理判断，英文说的是“true”（真）或“false”（假），而中文语境中只能说“对”或“错”。这种看似翻译上的不一致性，其实反映了东西方在逻辑演绎和经验归纳的不同哲学传统。另一方面，基于经验的直觉的概念皆是“实”，但“实”的或是“表象”，未必是“真”的。分清两者之间的差异性很重要，下面还要多说几句来加以澄清。如果一个学科不是纯逻辑、纯数学，那就要在“真”与“实”之间找平衡，力求做到“求真务实”，这样才能“理论联系实际”（

例如，经济学诺贝尔奖获得者西蒙 (Herbert Simon) 为了更接近现实的人，提出了“有限理性”的假设，把我们关于现实人性的知识在“真”与“实”之间调整。然而，西蒙并没有说清楚“有限理性”边界划在哪里才合适。我自己的研究说到底就是在探寻“理性”的边界问题，相关的需要建两个模型。一个是外部环境影响的模型，两者相对而言，它的演化更容易；另一个是内部边界作用的模型，相对而言，它的演化更是下意识的，所以更缓慢。前者的思路是制度经济学，后者的思路借鉴认知科学 。所谓“建模”是理论建设的中间环节。

关于经济增长，邓小平说过，科学技术是第一生产力。要解锁这个命题，我们还必须回答科学技术的来源又是什么呢？科学和技术的关系是什么？思维有什么不同？很显然，我们必须深入探寻人的思维和人的理性的外因和内因相关的议题。归根结底，如果我们真的把这些问题解锁了，经济增长的终极理论也就完成了，相比，别的都只是“衍生品”而已，或所谓“中层”或“次层”的小理论。再接下来才是战略问题，即以理论为灯塔，根据实际情况，尽可能最有效地朝着正确的方向前进。

拿破仑曾说，在刀剑与思想之间，从长远看，思想会击败刀剑的。

例如，在题目的英文表述中，方程式 （Equations) 和战略(Strategies) 都是用复数表述的，不是单数。复数形式暗含了两方面的思考：第一，一个理论可以由一个以上的方程式组成，或称复合方程式，如麦克斯韦尔方程组 (Maxwell equations) 就是由四个方程式写成的。第二，收敛战略是指发展中国家追赶发达经济体。这里战略用复数表达是因为考虑到各国的条件不尽相同，应用同一理论不应该只是一个战略。在中文语境中，说话是时常不分单数还是复数的，明晰不足、暗示有余。但分清单数复数对因果分析很关键，例如，做回归分析时，是单元回归还是多元回归 ，含义是不同的。但是，如果表达复数形式，我们说方程（们）和战略（们），听起来很别扭，但表达的却更精准。你一听就明白，原因不止一个。

再例如，亚当•斯密的《国富论》，原书名为

事实也是如此，除了市场外，斯密也花了不少篇幅讲了政府正反两方面的作用。再注意，nations中文翻译是“国民”，原文表述也是复数。[3]与此一致，斯密的理论不只是对英国经验的总结，检验理论的证据也不仅限于英国。虽然其“证明”的严谨度远没上升到形式逻辑或计量经济的标准，但所涉及范围 远超出了英国、欧洲。其范围几乎是全球的，涵盖了如非洲、美洲、地中海、埃及、中国、印度、日本。

可见，反映思维的理性和严密与否，语言也是一面镜子，所以认知科学也常受语言学的启迪。顺便一提，社会科学许多翻译不到位，最好直接看原著。翻译不精准会导致认知的盲区。其实，这不是语言或翻译的问题，更是思维问题。或进一步说，是哲学的问题，如果我们把哲学定义为“思考思想的思想”，或称“反思的思想”。

在副标题中我还用了“公理”这个词。什么是公理? 这里说的“公理”并非指公众同意的某个理。公众的那个理或许只是直觉的 ，来自经验，不是形式逻辑。而与经验相反，这里说的“公理”是基于纯逻辑演绎，是建设理论大厦的“基本原则”，或称“第一原理”。

公理化逻辑严密的系统思维是中国传统思想（一般地说）或中国传统哲学（专业地说）所缺乏的。相关的问题涉及的更是知识精英，而不是大众。其实，各国的大众都不擅长，也不会对形式逻辑和严密思维感兴趣，一般都喜欢娱乐、修辞、视觉，由此也容易受广告的左右。关键是要看受良好教育的知识精英的思维。但是，好的教育毕竟是极其稀缺的产品，特别是专注正确思维或纠正错误思维的那种，而不是抱团取暖，人云亦云，死记硬背的那种。所以爱因斯坦才能内心强大地说，“所谓常识只不过是一个人在18岁以前积累的偏见而已”。即便在科学各个领域中，科学哲学家库恩也提醒，科学作为一种“范式”，多数科学家在做所谓的“常态”的研究只是看看数据，发发论文，但是从科学的历史上看，上乘的研究往往是“反直觉”的那种。如爱因斯坦所说，时空是弯曲的。

中国传统哲学主要是实践智慧，习惯用名言隽语、比喻例证的形式表达思想。这种明晰不足而暗示有余的诗意般的思想及其表述，影响了中国现代科学发展的进程。

在近代历史上，中国在科学上明显地落后了。今天培育现代科学思维的“文化土壤”也并不丰厚。这不仅是个理论的命题 ，更是个经验的命题。经验数据在那里摆着，除非统计数据有误，剩下的任务是解释。解释需要理论。理论不是随意选择性或甚至自相矛盾的描述，理论强调概念清晰、逻辑自洽、前后连贯、一以贯之。

以欧氏几何（欧几里得几何）为例。欧氏几何宛如一座宏伟的大厦，其最底层是由所谓自证的五个公理组成。何为自证？既是因，又是果，因果合一。如果你再追问，只能诉诸上帝，如果你信上帝的话，最好是斯宾诺莎的那种，即非人格化的。以公理为起点，欧氏几何演绎出一系列确定无疑的定理。整个推理过程逻辑严密，环环相扣，思路清晰。一先不能后，一后不能先。然而，作为逻辑演绎的一个系统，几何这座大厦也经历了一个不断完善的过程。

例如，数学家黎曼发现欧氏几何底层第五公理有问题，不是唯一解，把它拿出来再思考，结果产生了非欧氏几何，或称黎曼数学。爱因斯坦就借用了黎曼数学清晰的描述了曲率的时空，产生了广义相对论，超越了牛顿物理。同样值得一提的还有，公理化的逻辑思维还使哥德尔看到了数学的不完备性，称为“哥德尔不完备定理”。看来，如此极其严密的思维不是泛泛的东西文化比较可以解释的。其一，西方绝大多数人也是不会如此思维的；其二，文化比较一般都是基于直觉性描述，修辞多于逻辑，可证伪性不在考虑范畴之中。

由此可见，公理对演绎思维和理论建设的重要性。公理是几何大厦的根部，是基石，是第一原理。

在副标题中我还提到了“奥卡姆剃刀”。奥卡姆剃刀是理论建设遵循的“简洁原则”(

二、科学思维和理论判则

我要讲的增长理论是关于经济增长的社会科学的理论。观察和判断经济增长相对容易，作为初步观察，可以拿GDP指标作为衡量，如果是关心增长效率，可以看看人均GDP。但到底什么是科学？什么是理论？什么才算得上科学知识？如何判断理论水平的高低？

关于这些知识论的问题，我们应该事先有个交代，把关键的判则说清楚，使这些判则本身也要经得起评判和考验，不然大家都会声称自己的理论和知识是最科学的、最可靠的。

社会科学是科学吗？如果是，它与自然科学的思维到底有什么共性？局限性是什么？

所谓科学思维是一个生产知识或判断知识可靠性的过程，它涉及自然科学，也涉及社会科学，包括经济学也是。简单地说，这是个逻辑理性的数学分析与系统有序的经验观察之间的对话过程。对话两者之间的严谨程度必须不断地拉紧，两者之间越精准，知识就越确定 , 或则说越接近“真”。这个不断拉紧的探索过程即所谓“求真”的过程 (veritas)。大家知道，这个拉丁文“veritas”是哈佛大学的校训。为此，在人类历史上，牛顿发明了微积分，虽然在当时，牛顿在其微积分底层并没有把“零”与“无穷”在理论上说清楚，但是很实用。此数学工具可以让你不断的拉紧两者之间的距离进行比较，看看“边际效应”，分析可细微到无穷之小 。

在社会科学中，经济学对微积分和边际效应也是独有情中，特别是在经济学家马歇尔以后。自然科学和社会科学区别的主要是研究对象不同，一个是自然的世界，一个是人的世界。牛顿的巨作《自然哲学的数学原理》

更具体地说，这个科学思维过程的要件包括：

对科学研究而言，这个科学思维和验证的过程贵在“深入”，而不是“浅出”，除非目的是做“科普”。“深入”是关乎探寻因果链的源头，要试图在事物的更深层面探寻更深的原理，这种努力会涉及哲学的本体论问题，同时还必须借助哲学范畴中的形上学，如纯数学（计量和统计等应用数学是形下学）。“浅出”只是传播策略的问题，说穿了大体就是打打比喻而已。名言隽语或比喻例证虽然有利于大众传播，但会影响科学理论思维的严谨性。它或许更适合商学，因为商业需要大众的规模效应，而大多数人日常生活中也确实是更接近现实而不是科学，但是必须指出，它并不适合科学研究或致力于科学方法的经济学。如果不强调思维的精准度，仅热衷于日常语言的模糊性而不能自拔，科学理论就没有可证伪性而言了。

就科学知识的确切性而言，与基于逻辑演绎的证伪性相比，基于经验归纳证实的台阶要低得多。或换个角度说，学问做深并不难，难的是可证伪性。公元3、4世纪，当时中国最有影响力的哲学是新道家，史称玄学。当时有本叫《世说新语》的书，记载了汉晋以来许多名士的佳话和韵事。说的话大都很简短，有只有几个字。得意忘形，得意忘言，相见不言，玄之又玄，让人觉得高深莫测，但都不可证伪。

各个学科科学的成熟度往往与该学科运用数学的程度相关联。为什么？因为这关乎思维逻辑的严密性和观察世界的精准度。即便数学领域，还可再细分为纯数学和应用数学。就思维和逻辑的严密性而言，应用数学不如纯数学；数据 、数字不如数纯粹。物理学与形下学在英文中是同一个词，即physics，不如纯数学或形式逻辑等形上学严密。这不，量子物理学必须遵循海森堡测不准原理。再例如，严格地说，在物理世界中，或形下的世界中，我们看见的只是“实圆”，是不可能看见十全十美的“真圆”的，“真圆”只存在于柏拉图所谓的“理念”中 ，因为圆周率π是个超越的无理数，永远除不尽。

相比这种思维和分析的严谨度，社会科学的诸学科包括经济学粗犷得像幼儿做的游戏。当然，从另一个角度看，从事社会科学的难度更大，他们不仅应该拥有和掌握做自然科学的思维和分析工具，而且还要把似乎难以琢磨的“人的意愿”作为研究的对象，可见挑战之巨。要胜任这项工作，在科学与人文之间，他们必须把握分寸，游刃有余。

什么是理论？便于国际交流，理论的英文翻译是theory。什么意思呢？我们需要寻根问底，更深入一步。古希腊文是

所谓哲学philosophy也与这个意思相关联。先看看词根，

泛泛而言，中国文化是儒释道的结合，但是主体还是儒学，儒学却形上学；相比，佛学的形上学更强，关于真知，佛学有真谛和俗谛之分。可见理论构建不容易，绝不是华丽的词汇包装而已。佛学同时提醒，文字着相，有碍于“色即是空，空即是色”的抽象思维。公元5世纪的鸠摩罗什，是把佛经翻译成汉文的大翻译家，他说过，翻译如同嚼饭喂人，一个人如果不能自己嚼饭，就只能吃别人嚼过的饭，饭的原味一定是少多了。

理论水平有高有低，判断是什么？可以总结为五要点：（1）简洁性；（2）一致性；（3）精确性；（4）普适性；（5）成果性 。

以上要点是知识论 (epistemology)或判断理论知识是否可靠的核心标准。

由此可见，科学理论建设不再是文学词汇的包装而已。或者说，前者与后者的发展方向正好背道而驰。言外之意的模糊反而会增加不可证伪性，而不可证伪性是发展科学理论的大忌。不然，是前进，是倒退，还是原地踏步，就会不得而知。“言有尽而意无穷”或是好诗，但科学理论强调每个相关的概念或变量的边界必须清晰无误。也正是如此，理论如不上升到在一定的数学高度，也就无所谓科学理论可言，理论前沿因此亦无法界定。一般用名言隽语、比喻例证表述的多是此一时彼一时的实践智慧。逻辑少直觉多，明晰少暗示多，时常先后不相联系，甚至互相矛盾。

由此，严格地说，建构理论就是要上升到数学语言的一般性和抽象性。所谓科学，无论研究对象是自然还是社会，即是在严谨的数学分析与缤纷的经验观察之间架起桥梁，并试图找出自然或社会规律。

为了进一步说明理论问题，我们必须涉及两组对应的、与世界观相关的问题：演绎与归纳；真与实。

先说演绎与归纳。极端地说，人的思维都是两种极端类型的不同比例的组合，一种极端是纯逻辑（或形式逻辑）的演绎 ，另一种极端是纯经验的归纳，前者称为理性主义，后者称为经验主义, 两者的混合是演归。强调理性主义是形上学产生的动力，如形式逻辑以及逻辑严谨的理论数学体系，并对纯理论和基于理论的科学独有情种，倾向于学以致知，而非学以致用；注重经验主义的一般偏向于功利、技术、实用，往往会忽视知识的超越性和系统性，并习惯性地把“经验”等同于“知识”。两者之间不同的平衡点即构成一个人的世界观。

相关的，理性主义和经验主义之间不同程度的互动产生了合理思维 以及相关的合理感受。这个思维过程的出发点很关键，是先从演绎（假设的概念）出发，还是先从归纳（直觉的概念）出发，会造成合理感受的不同。在这里，“理性”和“合理”是两个相关但并不相同的概念；而强调理论即是增加理性成分。100%确切的“证明”必须基于形式逻辑 ；与此相比，基于经验的“证明”，或更严格地说是“证实”，顶多是概然性的，并时常是不确定的，因为经验的本身，与形上学正好相反，都是局部的、片面的, 犹如瞎子摸象[4]。但是无论如何，理性主义和经验主义两者之间的互动和由此引起的张力是现代科学理论产生的基础，并因此也成为了知识论的核心议题。而中国哲学传统偏向基于经验的实践智慧，长期忽视形上学或形式逻辑，导致两者之间缺乏张力，由此可以推出其知识论也不会发达，这其实是可以预料的。

为什么在中国哲学里知识论从来没有发展起来？这是“冯友兰之问”。相关的，所谓“李约瑟之迷”是语言悖论包装成了逻辑悖论。换言之，它实质上属于语言悖论，而不是逻辑悖论。用词上，“科技”合在一起说，忽略了科学和技术的不同。前者更在于“知所以然”，与此相应的问题是“为什么”，而后者只在于“知其然”，与此相应的问题是“如何”。毕竟，科学的底层思维和技术的底层思维不一样；进一步说，在演绎思维与归纳思维之间，两者的出发点和权重不同，合在一起可称为“逻辑+实在主义”的构建, 此乃现代科学的本质；相比，技术思维更倾向经验归纳；科学思维更倾向逻辑演绎，虽然两者皆有之，但平衡不一样。例如，牛顿与哈雷比，同样是研究天体运行规律，牛顿的出发点偏于数学演绎，哈雷的出发点偏于经验归纳。

再有，爱因斯坦的思维也偏向于演绎。这不，他曾说，“是我们的理论决定了我们能观察到什么”。在一百多年前，在人们根本没有设备和仪器验证以前，他就“预言”了引力波。一百多年后，他的预言被证实了，成了科学知识，可信度在99%以上。严格的说，爱因斯坦的“预言” 是理论的“prediction”（预测），不是“forecasting”（预报），也不是“conjecture”（猜想）。在形式逻辑的命题中，“prediction”是确定的预言；“forecasting”是有条件的而且条件是不确定的预言；而“conjecture” 则是有初步证据证明，但不能穷尽证明，但也无证据可证伪的命题。这里说的“猜想”不是瞎猜，是清晰界定的。典型例子是哥德巴赫猜想，即大于2的偶数是两个素数之和。在证明“猜想”时，思维中由不得半点含糊。只有这样，才能真正做到，“知之为知之，不知为不知，是知也”。

以上这些都是思维训练中极其需要澄清的关键概念，深刻地涉及知识论的核心问题, 即如何评判知识的可靠性或确定性。把这些概念搞明白了，我们才能对知识保持自信和谦卑。不然，我们连自己都无从判断我们到底在说什么。是知识吗？可靠性有多少？愿望、偏见、感受、修辞、即便是数据或大数据，都时常在迷惑和误导我们。

从知识论看，现代科学只能解释过去，不能预测未来，因为它必须依赖经验证据来检验理论假说，而经验证据都是过去的，属于历史。由此，对那些对未来无知无畏夸夸其谈的人，我们要保持高度的警惕。作为生产知识的学者，更要知道自己的局限性，对知识保持谦卑。

前面已经说过，科学思维要保持高度的严谨性，必要时还要借助形式逻辑 。而形式逻辑与修辞学是正好相反的，后者更适合表述情感、感受、直觉。人非神也，需要人文关怀。认识世界时，我们要面临随机性、认知性、知识论的不确定性以及未知和未知的未知。

看来，探寻宇宙规律，在严谨思维的穷尽之处，是需要信仰的。

爱因斯坦有句名言：“科学没有宗教是瘸子，宗教没有科学是瞎子”。他还说，“上帝不玩骰子”。显然，他心中有个斯宾诺莎非人格化的上帝，这个本身就代表宇宙，代表有规律有理性的宇宙。所以他说：“关于宇宙最不可理解的事是，居然它是可以理解的”。中文语境中，何为“宇宙”？四方上下曰宇，往古来今曰宙。

从爱因斯坦的话中，你可以看到他的灵魂。

再说真与实。真是真，实是实，在英语的日常语境中，真与实是分开说的，真是true (or truth)， 实是real (or reality)。严格的说，真的未必是实的，实的未必是真的。例如，1+1=2这个命题是100%真的，但不是实的。一个苹果加一个苹果等于两个苹果是实的，但不是100% 真的，除非你假设两个苹果100%完全一样，这在（现）实世界中是不可能的。

然而，在日常中文语境中，真与实往往是合成一起说的，即“真实”，相关的词汇还有“真相”、“真理”，这些词汇中都含有“真”。但是，这类合成词汇往往是明晰不足而暗示有余，前者从后者得到补偿, 容易造成所谓认知的“矛盾性”。因为合成词汇更多地反映了合成思维（多属于归纳性）而不是分析思维（多属于演绎性），前者重直觉、感受、归纳的，后者重逻辑、分析、演绎的。总之，如果哲学界定为有系统的反思的思想，那么合成思维是一种图画式的想象思维，它不是哲学的，不是形上学的，如果不说是反其道而行之的话。

例如，合成思维的人会下意识的说“真圆”，而分析思维的人会说，人能看到的只是“实圆”；“真圆”是肉眼看不见的，“真圆”永远躲在圆周率π无穷无尽的最后一个小数点之后。而“实圆”永远只是“真圆”的一个近似值而已，在物理世界中可以无穷无尽的接近到所谓普朗克长度，即10-33cm。

此乃清晰的批判性思维也，是一般人直觉不可能企抵的。从知识论的高度说，直觉不是知识。柏拉图在其《理想国》中说，哲学家必须从感觉世界的“洞穴”上升到理性的世界，即所谓从感性到知性到理性的过程，中间有一道思维训练的门槛，为此他在学院门上挂了一块牌，上面写道：“不会几何的免进”。如此产生的超越形下学的严密的逻辑思维为现代科学的兴起奠定了思想基础。真与实之间的对话和由此产生的张力，外加演绎和归纳的相互配合，即所谓“演归”的哲学观，终于结出了现代科学知识论的果实，伽利略、牛顿、莱布尼兹、爱因斯坦等现代科学的巨人随后相继出现。

在社会科学领域，例如，政治学有托马斯•霍布斯，经济学有亚当•斯密。前者是从人性（理性假设）出发，在理论上初步论证了“国家”的必要性；后者也是从人性（理性假设）出发，在理论上初步论证了“市场”的有效性。以概念的抽象性和非人格化的角度看，“国家”与“市场”是一组对应；相比，更具象一点，“政府”与“企业”是一组对应。在思维上，特别是霍布斯，其论证“国家”过程明显地受了欧几里得几何的启发。无论如何，两者的论证过程都有显著的逻辑演绎性，遵循非矛盾性，一先不能后，一后不能先，所以构成了一个所谓理论的初步体系，供后来人根据知识论的评判标准，去批评、去修正、去扩展、去深入、去增加逻辑严谨性或可证伪性、以期创新再创新。

但是注意，无论是霍布斯还是斯密，他们理论体系逻辑演绎的第一原则都是假设“理性经济人”，并认为“理性经济人”是给定的, 因此不再追问人的“理性”的源泉是什么，受内部（如心理和认知）或外部因素（如社会和制度）影响吗？但是，如果答案为“是”，那么代表人物是卡尔•马克思（政治与经济的互动）和马克斯•韦伯（社会学）。两者都不认为人的“理性”是给定的，而是要受外部因素的影响的，如社会分层或叫阶级。哲学上，相对于逻辑演绎，他们更是经验归纳。思维上，这与中国的传统哲学更接近，归纳多于演绎，模糊胜于清晰，虽然不知不觉、是下意识的。

逻辑演绎是“真”的、简洁的，经验归纳是“实”的、复杂的。从知识论的判则看，科学理论构建“不分东西”，关键是根据所要研究问题的性质，游刃有余地用好所谓“奥卡姆剃刀”。如果要提高理论的高度，必须加强逻辑性；如果要注重一时一地的实践，矢量相反。

至此，你或许已有所“感悟”（最好是已经“理解”）知识论对生产科学理论和科学知识的重要性。没有知识论，我们就无法“厘清”经验、理论与科学知识的关系。这个厘清的过程需要包括“阐释”、说明、“表明”、“定义”各个环节。不然，我们就无法判断我们所说的知识到了什么水准，是科学的，还是非科学的，是感性 、知性、还是理性的？

（未完待续）

[1]感谢李诗云、王翰池、李鸿丞、王婕茹、徐臻阳、胡毅喆基于课堂录音的初步文字整理。

[2]出现时用斜体字标注。

[3]在中世纪欧洲的大学中，nations这个词代表是同乡会。

[4]与柏拉图不同，亚里士多德的求知方法总体属于基础经验的“归纳推理”(inductiveinference)。或意识到了这种方法的不确定性，亚里士多德发明了“三段论”(syllogism) 作为思维精准的辅助，但是三段论终属柏拉图强调的“演绎推理”(deductive inference)的一种。可看，亚里士多德毕竟是柏拉图的学生，起码对归纳推理的缺陷是有意识的。难怪，亚里士多德的一些结论后来被伽利略更精准的基于数学演绎+经验观察的科学方法推翻了；基于经验归纳推理的缺陷，包括基于经验的“直觉”(intuition)，从中可见一斑。一般而言，归纳推理容易造成偷换概念的逻辑错误。在社会科学的诸学科中，由于所涉及的概念常常模糊有余清晰不足，而且“事先”(ex ante)界定与“事后”(ex poste)观察往往不分，这些思维的漏洞是普遍存在的问题，然而常常处于无意识，得到关注远远不够。在这种情况下，如不再加警惕和防范，所谓社会科学的“科学理论”很容易堕入“修辞学”(rhetoric)的陷阱，并由此阉割了科学思维的要义之一即所谓“可证伪性”(falsifiability),这不仅不增加科学知识为之而努力的知识的“普适性”（scope）和”确定性”(certainty)，反而与此背道而驰。其结果是，学问的“矢量”(vector)不是”理性的”（rational）社会“科学”（致知, episteme），而是”实用的”(practical)社会“艺术”（致用, techne）。总体而言，中国哲学传统和学术传统注重的是致用。虽然明代哲学家王阳明给传统的儒学增加了形而上的成分并提出了“知行合一”，但是他的“知”，还是停留在“直觉”(nous)之中。至少，他并没有提供“可证伪性”的思维工具。由此，近代历史上中国“科学”（episteme）落后了, 也是在预料之中。今天，人们习惯的说“科技”，这是把科学和技术一起说。或许，这反映了人们还是没有把科学与技术底层思维不同搞清楚。

本文选摘自由林毅夫等著《经济学第一课》（中信出版社2021年6月出版）

傅军，北京大学国家发展研究院政治经济和公共政策教授，南南合作与发展学院学术院长。研究兴趣包括数学建模、制度政治经济学以及相关的政策和法律议题。