【摘要】如果一個新的概念域從零開始建立，那麼這種情況是非常特殊的。一般而言，新的概念域是在和其他更多現有可用域的交互中被開發和掌握的，不管是肯定的還是偽證的。很少有推理機制能夠解釋不同概念域之間的相互作用，以及信息從一個到另一個之間的傳遞。類比推理是一種，混合推理(引自Gilles Fauconnier和Mark Turner的《Conceptual integration networks》)是另一種。本文提出了一個新的機制，稱為「隧道效應」，可以部分解釋科學家和學生在構建一個新的概念域時是如何推理的。為闡明這一機制，本文針對高中生進行了一項實驗研究，並對科學史，特別是古典熱力學的誕生部分進行了分析。作者對科學史表層知識的組織、進程和條件進行了詳細的分析，並放入可透視的計算模型中。具體而言，他們提出了一個假設，即當一個新的概念域正在構建時，知識的兩個層次——概念和觀點，將在科學發現進程中彼此結合。本文探討了概念學習類型與隧道效應的關聯，並通過類比推理進行了深入的比較，以突出新提出的機制的主要特點。
概念域是一種工具，對我們的世界帶有「過濾器」和「放大鏡」的作用。它們可以協助做出選擇和組織，進行分類和預測。可以用來描述、預測和解釋我們的環境。因此，當它們成熟時，可以提供一種操作方式來解決這個世界的問題。教育及科學發現都和學習概念域有關。我們所說的「概念域」指的是一個龐大的知識組織，如牛頓力學的知識，或達爾文進化論的理論。
概念域具有高度一般性的實體和關係的基本結構，例如物理學中的實體粒子是指圍繞著許多物理量（如狀態、軌跡等）的抽象概念，和一個完整的期望框架（如一個國家是完全可以確定的），以及理論（如哈密爾頓方程式）、推理、控制程序（如最小作用原理的系統依賴）。
令人驚訝的是，很少有文章直接介紹這些概念域是如何存在的，如何被學習的，如何發展的，以及如何適應的。
哲學家們區分創造和理論論證的背景時，幾乎只關注最後一個問題（見Karl Popper的《The logic of scientific discovery》和《Conjectures and refutations: The growth of scientific knowledge》）。縱觀認知科學家，尤其是機器學習的科學家，他們的工作基本是歸納結構簡單而假設性差的簡單又孤立的概念。他們的工作方法被稱為對科學發現進行的數據驅動方法（見Pat Langley的《Scientific discovery: Computational explorations of the creative processes》），雖然取得的結果是驚人的，但在許多方面，數據驅動的科學家不承擔複雜的概念域和理論的學習。
與此同時，理論驅動方法主要關注這樣一種情況，一個強大的理論可以對世界進行相當精確的預測，然後可以進行測試。一些人工智慧在理論修訂中的應用雖然解決了這種情況[如Revolver系統（見Donald Rose的《Using domain knowledge to aid scientific theory revision》）]，但總體上沒有涉及建立一個重要的新概念域的問題。
事實上，機器學習（以建構性歸納、理論修訂或歸納邏輯編程的名義）相對較少的相關作品迄今為止達成了一項共識，主要是默認了一項假設，即當學習概念域時，現有的概念本體是正確的，即使在操作上並非很有效率。因此，這個問題被認為是一個在學習現有技術基礎上的新概念的學習問題，例如通過在現有本體中學習新概念或謂詞，以使其更有效地使用或更容易理解。在這方面，學習新概念域的問題並沒有真正被觸及。
相比之下，我們在科學和教育方面看到，一個重要的問題是學習新的概念和新的本體時，不僅要與過去的概念和本體一起闡述，還要與其衝突。例如，在量子物理學中學習「粒子」的概念意味著要將經典力學中的「粒子」概念的某些方面保留下來，同時也要擦除或深刻修改它的另外一些內容。這並不是說「舊」的概念是錯誤的或過時的，必須被丟棄的，但是它的應用範圍必須被限制，而且必須在某些情況下或某些概念框架內被取代。
如果發生這種情況，很少有新的理論從零開始出現。相反，它在其他概念域的生態環境中發育，或多或少地成熟，或多或少在當前情況中使用和被激活。因此，一個複雜的環節，除了激活不同概念域的相互促進、相互競爭和相互阻礙，還會聚焦一個新概念域的學習。從一個概念域到另一個概念域有很多地方和很多階段都可以產生新的概念域，如下圖所示。
本文從多學科的角度探討了如何依靠舊方式學習新方式來解釋世界。通過研究高中學生如何用新概念域處理問題，我們被引導著去分析在他們的細分世界中，發揮作用的機制是什麼，構建形式模型以及（重新）把某些時候遵循的某種努力路徑概念化。
在本文中，我們關注一種推理機制，並假設，隧道效應確實解釋了部分學生的行為。和類比相似的是，這種機制允許將知識從一個概念域轉移到另一個概念域。但和類比不同的是，它不需要求助於兩種情境，而只需要考慮手頭的情況，並且不需要事先指定兩個域中的表示原語的層次結構（一個大多是未知的），也不需要定義必須計算的兩個表示情況之間的相似度。
事實上，隧道效應出現得似乎很自然，它的範圍涵蓋了從隱喻思維到科學發現的廣泛情況[參見科學發現中歷史案例的其他描述（Gerald James Holton的《Thematic origins of scientific thought: Kepler to Einstein》； Nancy J Nersessian的《How do scientists think? capturing the dynamics of conceptual change in science》; Paul Thagard的《Conceptual revolutions》）]。
來源：arxiv
作者：Antoine Cornuéjols、Andrée Tiberghien
智能觀編譯