§1 生物實驗中的因果推理(3)干預與偵測

2021/06/29閱讀時間約 10 分鐘
培根曾說,實驗是引導科學家認識自然並建立科學理論的「開拓者」(pioneers)(Bacon [1627] 2002: 486)。根據哈金,培根還說,實驗可以幫助我們「打開隱藏在自然表面皺褶底下的樣貌」(“shake out the folds of nature”)(Hacking 1983: 246)。對培根而言,實驗讓帶有奧秘表象的自然變得可被理解,因為,很多時候自然並非以直接了當的方式將本質攤在人類面前,除了某些學科是依賴科學家對自然現象進行純粹或被動的觀察(pure or passive observation)外,在生命科學的研究領域裡,比較常是需要主動的調查。所謂「主動」的調查,是指科學家需要一組「揭開」(即英文“dis-cover”/中文「發現」之本意)蓋子或面紗的工具,把混雜在自然表象內的「共同關聯」(correlational relationships)與「因果關係」(causal relationships)區分開來,以更積極的態度把奈在於歸納法的內在不完美性排除,或至少降到最低,把自然中真正存在的因果關係揭露給世人(Woodwarc 2003)。
基本上,新機制論延續這種實驗哲學精神,也把實驗視為發現新機制的重要工具。不過,在設計和打造工具前,科學家需要對發現機制有一套研究藍圖。也就是,生物學家一開始會對現象的起因提出一個機制框架(即機制假設),框架內有些內容已知,有些內容未知。關於未知的部分,生物學家會先假設它們可能的內容為何,也許是對某種已知的活動去猜測是由某種存有物造成,也有可能是已經知道存在某種存有物,科學家根據當時關於該存有物的既有知識,推測與其他存有物產生某種類型的活動。就以這些已知和推測而來的內容去設計各種干預實驗,去測試或檢驗框架所假設的內容是否正確。若檢驗為真,就納入新的機制框架或描述內,若檢驗為假,就從實驗結果來修正框架內容,總是要經過一段時間的來回調整與再檢驗,科學家才能真的確定已完成機制發現(Machamer, Darden, and Craver 2000: 17)。
那麼,實作上要如何檢驗機制框架呢?用「干預」(intervention)。克瑞弗和達登在2013年出版的《尋找機制:橫跨生命科學的發現》(In Search of Mechanisms: Discoveries Across the Life Sciences)書中,單獨以完整的一章來介紹機制與實驗之間的關係。他們引用因果操控論的哲學家伍德沃的干預理論(interventionist theory)來延伸新機制論的干預實驗觀。簡言之,研究者必須從外部對某因果變項進行干預,使代表或推測「原因」的候選變項數值產生變化,然後用偵測儀器紀錄代表「結果」的變項是否也相對應地產生變化。生命現象的形成所涉及的因果關係相當複雜,有直接、間接、有點對點直線式、也有多點對多點網絡式、循環式等各種類型,而伍德沃的因果操控論就是在為確定某變項確實就是」造成某結果的「那個」原因,而克瑞福與達登將伍德沃的因果干預論放入其新機制論的框架與脈絡中,對生物學常見的干預實驗提出更簡潔、易懂的「干預與偵測」(intervene-detection)模式。
「干預與偵測」模型的示意圖(圖重製自Craver and Darden 2013: 122)
生物學家在假設的實驗系統中 ①,對其中某部分進行干預,例如用一些人為方法刺激或抑制某種存有物的活動使其產生變化,也許是使反應增強或變慢,然後在另一處用科技裝置偵測干預後的變化,最後看干預的變化與偵測的變化兩者是否具有因果關聯(causal relevance)。機制所包含的因果關聯有許多層面,包括:機制作為造成現象的整體原因、機制內部各成分間的因果關聯、機制內上游階段作為下游階段的原因、還有跨層次間的因果關聯(Craver and Darden 2013: 120-129)②。無論是哪個層面,生物學家都可能用干預與偵測模式設計干預實驗,調查機制的組成物。我們以機制作為造成現象的整體原因為例,生物學家可以從機制層次進行干預,然後在現象層次偵測干預結果,這就是「由底而上」(bottom-up)的干預實驗(下圖左邊)﹔反之,也可以從現象層次進行干預,然後在機制層次偵測變化,那就是「由上而下」(top-down)的干預實驗(下圖右邊)。
兩種干預方向的實驗示意圖。左圖是對底層機制進行干預,偵測現象反應,為「由底而上」的干預實驗,而右邊是對現象進行干預,偵測底層機制變化,是「由上而下」的實驗。(圖重製自Craver and Darden 2013: 126)
除了干預方向,還有干預效果(effect),例如「激活」(activation),就是使原本沒有出現或處於靜息的現象啟動或顯現(manifest)出來,這需要科學家先找到現象的觸發或起始條件(precipitation/set-up condiction)。第二個干預效果是「刺激」(stimulation),刺激是使底層機制的實體活動增強。第三種是「干擾」(interference),干擾是擾亂機制原有的運作狀態,使原本具抑制性質轉而開始活化或增強,或使原本具有活化性質趨於停止或減緩,這需要科學家找到現象的調整條件(modulating condiction)。最後一種是「抑制」(inhibition),抑制是使現象趨於停止運作,這需要知道現象的抑制條件(inhibiting condition)(Craver and Darden 2013: 56-58; 125-129)。
克瑞弗與達登結合干預的方向與效果,進一步區分了各種干預實驗。有些是尋找未知的實體,有些是尋找未知的活動或未知的某個機制特徵。當欲發現的機制組織本身很複雜,調查該機制的干預實驗也就會變得很複雜,變成是由多個實驗組成、含有多重干預(multiple intervention)的系列實驗(Craver and Darden 2013: 133-137)。他們以十九世紀流行病學家哥德伯格(Joseph Goldberger)發現糙皮病的致病機制為例,指出當時科學家發現該病原來是因為營養不良引起而非傳染病,就是透過干預病人飲食發現的;另外,也舉美國藥理學家羅維(Otto Loewi)用一系列干預實驗,發現動物心跳頻率與交感神經機制有何關係為例;還有,二十世紀美國分子生物學家艾弗里(Oswald Avery)以注射病毒到生物體內的干預手段發現生物遺傳物質是去氧核糖核酸(DNA)、美國生化學家艾克斯羅德(Julius Axelrod)用系列多重干預實驗發現去腎上腺素回收機制、以及法國巴斯德實驗室的雅克布(Francois Jacob)和莫諾(Jacque Monod)用預備實驗和干預實驗發現大腸桿菌乳糖操縱組等多個例子來證明多重干預實驗對發現機制的重要性(Craver and Darden 2013: 120-143)。然而,對於克瑞弗與達登所提出干預與偵測模式,除了能掌握機制內部組成物之間的組成關係,也能確定機制作為現象構成物的構成關係,有些哲學家稱這裡有「相互的操控性」(the mutual manipulability),這就很像我們請一位認知者做出某個認知行為,如記住某件事,然後我們去看他大腦的功能性磁振造影(fMRI)反應如何,同理,我們也可以從對機制組織成份進行干預,然後觀察相應現象有何變化來研究現象,正是這種可雙向操控以調查、尋找機制的跨層次干預的實驗方法,被有些哲學家質疑,並不是所有的生物實驗都是用這種相互操控的方法進行研究(Leuridan 2012, Harinen 2018, Romero 2015)。事實上,有些實驗的方法設計反而是依循傳統的推理方法,如對機制存有物進行溯因或最佳說明推論(adductive inference or inference to the best explanation of inference),甚至是符合更古典的彌爾方法,也就是相對樸實與按部就班地使用協同法、差異法等推理方式(也許孟德爾的實驗是很接近彌爾方法的原型),而這些也都有實際案例支持(Baumgartner and Casini 2017, Harbecke 2015)。
①「實驗系統」(experimental systems)最早是任伯格(Hans-Jörg Rheinberger, 1997)所提出的概念,是「一種用來回答連實驗者都還沒弄清楚問題的操控系統」(Rheinberger, 1997, p.28)。在當代生物學實作裡,實驗系統包含各種元素:實驗執行前的預備程序、實驗室的守則或規章(lab protocols)、實驗儲存設備、實驗者的測量技術、撰寫分析報告(assay)的規定等都可列入實驗系統裡。克瑞弗和達登對「實驗系統」此語詞的使用則比較寬鬆,泛指科學家在操作一組實驗程序時,由各元素所形成的一系列實驗,稱之為實驗系統。
② 不過,關於機制組織內各成分之間以及機制與現象之間,是否全部都是屬於因果關係,克瑞弗與達登兩人的觀點似乎存有一些差異。克瑞弗在自己的著作中,曾區分機制內各成分間的關係是因果關係(causal relations),但機制與現象間的關係不是因果關係,他稱之為「組成關係」(constitutive relations),原因是,現象就是機制組成的,跟鈣離子流入細胞「造成」神經傳導物質釋放不同,機制組織內的成分間互動具有因果性,機制與現象則沒有,機制純粹式構成現象的組成物,不具有因果關係(Craver 2007)。但總體來說,無論是要確定機制組織內的成份或檢驗機制框架內容,實作上,生物學家還是得透過干預與偵測模型這點是確定的。
為什麼會看到廣告
    留言0
    查看全部
    發表第一個留言支持創作者!