创新的认知模型

互推小编 2024-03-29

创新的认知模型（A cognitive model of innovation） 2

(一) 引言 2

(二) 构建块1: 知识作为认知过程 7

(三) 积木2：作为模式的科学 8

(四) 积木3：作为人工功能的技术 13

(五) 方向论证 15

(六) 创新周期论 16

(七) 技术变革的认知方法 19

(八) 应用模型缩小设计空间 21

(九) 科学知识在技术变革中的作用 22

(十) 总结 23

创新的认知模型（A cognitive model of innovation）

Paul Nightingale

摘要：本文在实证案例研究的基础上建立了一个理论框架，解释了隐性知识在技术变革中的作用以及科学知识如何用于创新。它发展了一个理论论点，提出科学不能直接应用于生产技术，因为科学回答了错误的问题。创新从预期的最终结果开始，并试图找到实现它的未知起始条件。相反，科学知识的方向相反，从已知的起始条件到未知的最终结果。这种方向上的差异是通过遵循默契理解的技术知识传统来克服的，这些传统与技术范式共同进化，但它们本身不属于科学领域。本文论证了技术是如何“社会建构”的，体现了对问题和适当解决方案的社会学和政治概念，但该理论保持了非常现实的观点。认知方法将知识视为一种能力，它体现在大脑中，并嵌入社会实践中，使用“模式”的隐喻。本文探讨了为什么科学模式不能完美地外推到复杂、非平凡的技术，并说明了为什么技术变革依赖于学习到的默契相似概念，而这些概念不能简化为信息处理。

关键词：创新；隐性知识；知识；

引言

本文提供了一个理论模型，解释了创新过程是如何从一个最初的、定义不清的问题概念，通过一系列子问题，到最终的技术。本文引入了指导创新过程的“技术传统”的概念，它与技术共同进化，为技术如何发挥作用以及如何解决创新过程中的问题提供了一种隐性的默契。通过这样做，本文提供了一种理解科学知识在创新中的作用的方法。本文将科学产出作为理解和解释自然界行为模式的默认能力。这种能力不能直接应用于生产技术，但在创新中发挥着重要的间接作用。一个更符合当前科学政策经验理解的角色。基于信息的“市场失灵”理论在经验上非常薄弱，科学政策往往由与旧理论完全不一致的经验调查驱动。帕维特，1996年。

这一理论强调隐性知识在创新中的持续、重要的作用，这是纳尔逊所强调的。和1982年冬天，1988年DOSI在讨论技术变革的关键特征时再次强调了这一点。虽然最近对“知识管理”的许多强调可能是一种时髦的“时尚”，但知识的工业管理是一种不确定的“黑色艺术”，因为知识使用的确切机制在。｀。创新在很大程度上是未知的。文森蒂1990年对工程中知识使用的研究开始填补了我们理解上的这一空白。本文试图进一步填补这一空白，并将科学和技术的哲学、社会学和心理学的发展与实证研究联系起来。虽然以前的经验研究表明隐性知识是重要的，但本文试图解释为什么它是重要的，并对试图抽象隐性知识而不是“信息处理”对创新的解释形成一种隐含的批评。

该模型由三个构建块组成。第一种是知识的认知理论，它认为知识是一种外推模式的能力。这种能力既体现在人脑的生物学中，也嵌入在社会网络中，而不是像信息一样的抽象实体。其次，把科学简单地看作是绘制和编纂自然界模式的社会实践。其中的一部分涉及到探索三个同构的模式层次，数学的，物理的和想象的，都是如何相互作用和相互分歧的。最后，讨论了技术本身的性质，即技术的定义是“人工功能”。这一观点认为，技术所执行的功能不是内在属性，因此依赖于隐性知识。

一旦这些构成要素到位，论文认为，将科学产出视为“可以直接应用于技术变革的信息”的理论是有问题的，因为科学回答了错误的问题。风格化的创新过程从一个预期的最终结果开始，然后试图找到将产生它的未知的开始条件。[1]但是，科学只能走相反的方向，从已知的起始条件到未知的最终结果。例如，药物创新过程的起点可能是阻止特定疾病的愿望，但阻止疾病的确切分子尚不清楚。但是，人们不能一开始就渴望阻止疾病，简单地添加一些量子力学，并期望溶液分子的特定三维化学结构消失。这就是“方向论证”。

然后，本文提出了一个可供选择的认知模型。在这个“创新周期”的论点中，提出、测试和修改心照不宣的功能解决方案的过程被提出，在这个过程中，一般的、模糊的、初始的问题被解决为具体的、具体的问题。然后通过想象一个功能性解决方案，测试它，然后修改初始解决方案，直到找到一个可接受的解决方案的过程来解决这些问题。本文介绍了一种技术传统的概念，它通过提供解决问题和产生解决方案的途径来指导设计走向技术解决方案。论文最后考虑了如何扩展该模型，以提供对现实世界创新过程的更现实的理解，其中创新发生在不同的人群中，以及创新过程本身如何与正在生产的技术的内在特性的差异相关联。

前期治疗

线性模型[2]在科学政策界早已过时，但在科学界的许多游说活动中仍然含蓄。它的成功更多地与它为科学的公共资助提供了一个合理的理由，以及它如何很好地符合既定的理论框架有关，而不是任何经验性的框架验证。回顾历史，从现在到过去，很容易发现从技术到以前的科学之间的联系。这些联系的历史程度是一个经验问题。不清楚的是，为什么当我们从现在转向未来时，线性模型就会崩溃，因为它不能解释今天的科学如何可以变成明天的技术。认为科学的产出是可以直接用于生产技术的信息的概念不能解释创新的许多关键特征，例如，隐性知识的重要性，为什么如此多的科学是在工业中完成的，为什么如此多的技术似乎是在没有太多科学投入的情况下产生的，为什么在许多情况下技术是先来的，而能够解释它的科学是后来的，为什么技术生产如此本地化，以及为什么不同的工业有非常不同的“科学”要求。

此外，它还导致政策问题，因为它：

夸大国际搭便车问题的重要性，鼓励最终弄巧成拙的技术民族主义；
加强了基础研究的实际相关性的狭隘观点，集中在直接和更容易衡量的贡献，忽视间接贡献；
过分关注促进外部性的政策而忽视促进需求的政策。解决复杂技术问题的技巧；

从线性模型出发，进行了大量工作，以产生对创新Nelson和Winter的更现实的概念z; 1977; 克莱恩和罗森伯格，1986; 1993 1992的罗斯韦尔。这些论文有 Ž。。1984，强调了部门在创新过程中的差异，市场的重要性 Ž。Ž Rothwell等人，1974，最终用户Rothwell等人，1974; von Hippel，1988，目前的科学在多大程度上。Ž。可以利用Rosenberg，1994产品复杂性Vincenti，1990; Miller等人，.1995; Hobday，1998和与软件创新相关的具体问题Boehm，1988，1996;。Z布鲁克斯，1995; 布雷迪，1997。

继技术社会学家非常重要的工作之后，bijker等人，1987; 麦肯齐，1990。人们已经注意到不同主体之间对问题和解决方案的不同概念如何影响 Ž。在创新过程中。正如大卫·1997指出的那样，线性模型已经被社会科学家拒绝了很长时间，科学界对信誉不佳的模型的持续呼吁使他们容易受到琐碎的批评。

本文旨在通过解释工作中的认知机制来补充这些新模型。通过这样做，它解释了随着创新过程遵循与技术轨迹共同发展的技术传统，如何将一般的，通常是社会问题解决为特定的技术问题。为此，有必要摆脱科学技术关系的线性模型，在这种模型中，科学的输出是可以直接输入技术的编码信息。通过从信息处理的角度来对待科学，技术和公司，可以抽象到这样的程度，即科学家，理论，技术专家，学习，机构以及基本上所有片刻认为可能对技术变革很重要的事情都被忽略了。但是这种抽象忽略了使线性创新模型成问题的微妙之处。第1.2节将认为，将基于知识的过程 (如创新) 抽象为信息处理是不可接受的，因为信息含义的一部分取决于隐性知识的背景，并且这种背景得以体现。

知识是体现出来的

基于信息的科学输出方法忽略了隐性知识的重要性。这是通过假设信息的 “含义” 以某种方式包含在其中来完成的。这显然是错误的，因为大多数技术科学论文只能由精通该主题的科学家来理解。[3]默契使他们能够理解科学的知识依赖于大脑的内在生物学。明显的实施例在知识中起着作用，因为我们可以看到可见光，但不能看到UV。但是，不直观的是，我们的相似感部分是天生的。这是简单的逻辑，相似感是学习甚至发生的必要先决条件，因此最初无法学习。一只被训练啄红色圆圈的鸽子，会啄粉红色圆圈，或是红色椭圆，而不是蓝色正方形。这种“刺激概括”自动发生，无需额外的训练，它需要一个天生的“相似空间”；否则，这种动物会泛化为一切，或者一无所获。这些刺激的主观相似性空间对于学习是必要的，因此它们不能自己学习。因此，即使是行为主义者，在先天的相似性决定机制中也会“彻头彻尾”。

因此，知识取决于识别相似性的具体能力。由于这意味着大脑和隐性知识，信息方法必须调用“隐性知识”来解释它。但是，一旦我们调用隐性知识，“信息处理”就不再是无关紧要的了，因为对模式的隐性识别解释了我们理解信息的能力。[4]因此，信息不能脱离实体，因为它的“意义”在某种程度上取决于“我们”。从隐性知识的角度来看，如果没有科学家，就无法描述科学，正如稍后将要展示的那样，创新依赖于这种相似性概念。这个问题变得更糟，因为知识不仅体现在社会网络中，而且还嵌入到社会网络中。

知识是嵌入的

知识的体现性的结果是回归社会。一旦我们认识到信息的“含义”是具体化的，下一步就是认识到提供信息上下文的具体化的“相似空间”会随着我们的学习而改变。[5]这些变化可以通过实验性的反复试验、阅读文章、论文、与同事交谈、上大学、在酒吧里开会和其他一系列活动来实现。解读这些信息需要大量相互交织但可能相互矛盾的关于世界的信念，而不是一张白纸。科学家和技术专家对世界是如何运作的有了一个理解，这是一个习得的传统的一部分，而这个传统只是缓慢地从更广泛的社会传统信仰中分离出来。

在科学领域，这些社会化的范式是“公认的科学成就，为科学谜题的定义提供了指导，并为从业者群体解决谜题提供了线索”。它们“为科学谜语的定义和解决提供了工具”，提供了“信念、价值观，[6]从业者社区共享的技术和方法。”因此，科学知识无法从赋予相似含义的社会背景中成功地抽象出来。科学论文中的文字不仅是文字，也是行为，旨在为奥克肖特所称的“持续对话”做出贡献。[7]

第2节将概述知识，科学和技术 “是什么” 的简单化理论。然后，这三个智力构建块将用于说明为什么线性模型不起作用并且不能起作用，然后提供另一种认知方法。

构建块1: 知识作为认知过程

第一个组成部分探讨知识，特别是隐性知识。他认为，即使是像切草和切蛋糕这样非常简单的词，默会知识对我们的理解也是至关重要的。 “cut”这个词在每个句子中的用法都是一样的，但什么是cut是随上下文而变化的。如果有人跑出去“用大刀刺草”，或者“碾过一块蛋糕”。有了割草机，就有了一种“真正的感觉，在这种感觉中，人们不明白请求的含义”（同上）。尽管“cut”一词的用法相同。我们知道适当的意思，因为我们有默认的背景知识来比较这些词。[8]这些词本身并不具有意义，而是与一个提供其上下文的默认背景相关联。

这种默许的背景使我们能够在积极地解释我们的经验而不是被动地接受信息时“视作为”，而不是简单地“看到”。因此，“知觉就是假说”，因为我们通过把来自我们感官的信息与一个习得的经验背景联系起来来感知假说。这种背景知识积极地填补了模式中缺失的部分，使我们能够理解像'YXX CXN XUDXRSTXBD WHXT X XM WRXTXNG XVXN XF X RXPLXCX'这样的句子。信息不在扭曲的句子中，而是由头脑给予的。

这种默认的背景知识给了我们解释信息和理解事物的能力。不能被编成法典，就像如何骑自行车一样。[9] 因此，隐性知识是两者相互交织的背景。经验和我们把经验与它联系起来的自动能力。[10] 如果不是不可能的话，也很难编码和传输，因为它是与编码传输信息进行比较的背景。

随着我们经历更多，这种背景建立起来，我们学习。学习不仅仅是获得更多的信息，因为它涉及识别模式和记忆之间的联系。[11]我们拥有的背景知识越多，我们可以给我们的经历提供的背景就越多，我们理解的能力就越大。例如，虽然有人可能知道什么是“心脏”，但有一种非常真实的感觉，心脏外科医生知道得更多。因为他或她有更多的交织经验的背景知识来比较新的经验。

知识：感知和外推模式

因为大脑中的生化过程将经历与“相似”的记忆联系起来，我们可以推断这些联系，并对接下来可能发生的事情有一个上下文理解，用埃德尔曼的话说，我们生活在“记忆中的现在”。例如，我们把玻璃杯掉在石头地板上的记忆，与玻璃打碎的记忆虽然可能不是一直都有。因此，当有人告诉我们他们把玻璃杯掉在石头地板上时，其部分含义是“它很可能已经打碎了”，因为这两个动作之间有一个可感知的模式。因此，知识是对我们经验中的模式采取行动的能力，我们通过将它们与所学的默认背景联系起来而感知到这些模式。当我们正确地识别和推断一个模式时，我们就行使了这种能力。因此，机械师可以通过听汽车发动机发出的声音来知道它出了什么问题。这是可能的，因为经过一段时间，他已经学会识别发动机发出的声音和它们的问题之间的模式。这种习得的经验形成了技工将新声音比作的隐性背景知识。虽然机械师以前从来没有听过确切的汽车发动机，但他可以通过将其安装到类似声音和类似问题的发动机模式中来识别它。

积木2：作为模式的科学

这第二个组成部分将把知识的概念扩展为外推模式的能力，扩展到一个非常简化和风格化的科学概念。 [12]因此，科学是探索和编纂自然行为模式的社会实践。这些模式是主动探索的，而不是被动地注意到的。

这种模式的识别和编纂发生在三个层次上。首先，自然界行为的模式和规律。其次，我们在头脑中默许的模式，无论是在感官经验中还是在模式本身之间。[13]第三，科学家探索的数学模式与我们头脑中、纸上和电脑屏幕上的其他抽象模式有关。[14]

关键是所有这些层次的图案都是同构的，形状相同。或者更准确地说，他们。拓扑等价。它们可能不是相同的形状，但关键特征共享类似的一对一关系。例如，所有球抛向空中时所形成的形状之间有一个相似之处，即它们都产生一个抛物线，这是我们想象一个球抛向空中时所看到的形状；形状是一个数学图形，描述了一个球在重力作用下向上投射的动力学。所有三个层次产生相同的形状。科学知识来自于在所有三个层次的模式之间形成抽象对应的能力。这提供了在一个级别上探索模式并在另一个级别上应用这些模式的能力。

这种感知模式的能力减少了理解世界和暗示所需的信息量。 .通过识别模式可以抽象出一个潜在的顺序。巴罗1988，1991年用信息压缩的比喻来描述科学：“科学的目标是理解自然的多样性。它不仅仅基于观察。它利用观察来收集关于世界的信息，并检验关于世界将如何应对新情况的预测，但在这两个过程之间是科学过程的核心。 ... 通过模式识别将观测数据列表转换为缩略形式的过程。通过对这种模式的识别，可以用具有相同或几乎相同信息的速记公式代替所观察到的事件序列的信息上下文。[15]

压缩信息的能力表明某种程度的“潜在秩序”。[16] 这种对信息压缩和潜在顺序的搜索是区分科学和集邮的关键点。科学家们不只是收集事实，他们还在这些事实中发现模式。

Turro很好地说明了这一点''有机化学的初学者经常被一个看起来像是随机结构变化和反应的巨大迷宫所迷惑，而这些迷宫只能通过乏味的记忆来掌握。然而，对有机化学家来说，同一门学科往往是一门秩序优美、简洁明了的学科。学习有机化学的一个重要价值是掌握“有机思维”，这是一种揭示许多结构和关系族的“相同性”的智力加工方法。

Turro1986年指出，智力加工包括创造“对现象或事件的稳定和自洽的解释”。这是通过将数据拟合到预先存在的模式中来完成的，其次是通过识别和生成新的模式。当模式经过测试并被发现通过时，它们被加强，当它们失败时，它们被重新表达，这本身可能需要进一步测试潜在的假设。[17]第3.1节将更详细地探讨模式的概念。

作为模式的知识：模式的本质

知识作为识别模式的能力的想法是复杂的，因为夜莺警报研究政策模式的不同级别可能彼此不同。因此，一个数学模型可能会偏离现实世界。造成偏差的两个最常见的原因是对称性破缺和非线性误差增长。在现实世界中，我们不直接观察自然规律，而是观察自然规律的结果，并抽象回自然规律；例如，我们观察到一个球落回地球，并从这种行为中抽象出重力定律。一般说来，自然规律的对称性在规律与其结果之间是守恒的，但有时这种守恒的对称性可能是不稳定的。 [18]例如，自然法则的结果可能是一支铅笔在它的尖上保持平衡，从而保持自然法则与其结果之间的对称性。但是这个最终结果和它的｀对称性是不稳定的，因为任何偏差，甚至量子涨落都会导致铅笔掉下来，打破《对称性巴罗》原始的自然法则没有关于铅笔下落方向的信息，因此需要额外的信息来描述它的新位置。对称性破缺允许简单的自然法则相互影响。产生一个复杂的宇宙。这种复杂性需要任何信息之外的额外历史信息。包含在基本物理定律中，有待于充分描述。因此，科学模式不能无限期地推广。

非线性误差增长使对称性破缺问题变得更加严重，当误差较小时，非线性误差增长会导致对称性破缺。在初始条件导致后来更大的误差，所谓的蝴蝶效应例如，如果一个人在模拟“拉普拉斯台球宇宙”，每次一个球与另一个球撞击时，现实世界和模拟世界之间的角度差异就会加倍。因此，在仅仅十次撞击后，即使中心最初只相差一微米，也不可能说球会在桌子上的哪里。[19]

复杂现象的本质

在没有相互作用的简单实体中，行为模式通常可以用包含算法结构、初始条件和各种自然常数的微分方程来描述。通过应用算法对于更复杂的现象，其中不止一组力决定行为，其结果是相互作用的特定规模和方式的结果。回想起平衡在笔尖上的铅笔，这些相互作用决定了它下落的方向和幅度。因此，当条件改变时，这些复杂系统的行为会发生质的变化，因为对立力量之间的稳定平衡会滑移，新的力量会接管。例如，向一个化学键提供过多的能量会使其断裂。它们被称为“相变”，包括像水冻结形成冰这样的东西。

基本力相互作用产生稳定实体的概念是理解复杂技术的起点，稳定实体的行为可以在不同阶段之间翻转。复杂的自然和人工系统可以有稳定的状态作为“吸引子”，因此，如果系统从低能状态转移，系统将调整，直到达到稳定状态。例如，在山谷中的大理石会掉下来，直到它到达底部。最后的结束位置是动力吸引子，在吸引子中结束的所有可能的开始条件构成“吸引盆”。无论大理石从盆里的哪里开始，它总是会在吸引器里结束。

复杂实体可以有一系列稳定的行为，用多维相图中一系列可能的“吸引子”来描述。环境的变化会导致系统进入不同的吸引子，从而导致行为的质的变化。例如，一辆汽车在空挡时会处于稳定状态，但当挂档时会开始移动。可能的行为范围将非常大，但汽车在几个方面的行为将受到限制，即它不能飞行。创新过程的一部分涉及找到这些行为稳定性领域的内在参数，并“调整”它们，使它们符合设计标准。

允许这些稳定区域被调整的参数的细节，并不包含在原始的自然法则中。相反，它们是历史对称性被打破的结果。结果，一个非常重要的结果，关于这些参数将是什么的知识不能从第一性原理中得到。它必须通过试验和错误来找到。简单的自然法则产生对称不稳定的结果，这些结果与周围环境相互作用，破坏对称并产生额外的信息。这些额外信息的重要性随着实体复杂性的增加而增加，因为可能的交互的数量比对象的数量增加得更快。[20]

由于这种对称性的破坏，在科学解释行为和预测行为的能力方面存在差异。科学不能解释一切，因为科学是通过压缩信息来工作的，对称性破缺确保了一些信息逃脱压缩。当科学被用来解释时，它从具体现象转移到其行为的抽象模式，留下了所有打破对称性的信息，使任何情况都变得具体。但是当它被用于预测时，这额外的信息是需要的，并且不包含在原来的定律中。

科学的解释和预测之间的这种差异对于理解科学和技术之间的差异是重要的。技术不可能是科学模式向未来的外推，因为对称性破坏排除了直接的模式外推。对于复杂的实体，不可能将它们的行为归结为底层部分的行为。

这样做的一个后果是科学不确定性和技术不确定性之间的内在差异。当探索没有对称性破坏的模式时，科学可以使用数学来得到非常准确的预测。例如，相对论对双星脉冲星行为的某些方面作了预测。和量子电动力学QED预测了电子的磁矩“1.00115965246。 ... 而最近的实验值为1.001159652193，误差可能为。最后两位数大约是10。正如费曼所指出的，这种精度可以决定距离。在纽约和洛杉矶之间，只有一根头发丝的宽度'。但随着技术的发展，对称性破缺和非线性误差增长必须考虑在内。它们反过来又非常微妙地依赖于大量相互作用的规模和性质，这些相互作用的细节可能不全在一个头脑中。因此，预测是困难的，桥梁仍然倒塌。

积木3：作为人工功能的技术

第4.1节探讨了技术，并认为它是根据其功能来理解的，而这种功能只能在心照不宣的情况下理解。因为创新涉及“从已知到可能”，所以它需要对预期的可能性有一个概念。这是通过生成一个技术将如何运行的概念，然后测试它，结果通过迭代学习过程反馈，导致原设计的修改。什么莱顿1974年称之为“有目的地调整手段以达到先入为主的目的”。

预先考虑结束和分配函数

雷顿的短语“先入为主的目的”包含了理解工程知识的隐性本质所需的种子。技术涉及改造世界以适应某种先入为主的目的；适应意味着为了做某事；产生履行职能的实体。汽车是用来驾驶的，药物是用来改变生化过程的，螺丝刀的存在是为了在螺丝钉上施加扭矩。在这里，技术被定义为人工功能。技术的概念分为两个部分，因为功能不是简单的概念。它涉及到一个认知因素，它涉及到我们对技术“应该”如何行为的默契，以及一个描述技术的内在物理特性的因素，这些特性使它以给定的方式行为。

塞尔1995年提出，这些功能不是内在的性质。因此，计算机磁盘可以用来存储计算机数据，或者它可以用来阻止热咖啡杯在桌子上做标记，或者它可以用来阻止桌子在短腿下摇晃。在每种情况下，它的功能都取决于它与其他事物的关系，而不是从内部固定下来的。[21]这个“目的”不是他们的物理学固有的，因为技术的物理学没有目的的概念，它只是“是”。因此，对象有可能发挥良好的作用，也有可能发挥不良的作用，但这种规范成分只存在于对它们应该如何行为的默契之中。当技术由它们的功能定义时，这种关系性质是最明显的，即使它们不能执行它。例如，安全阀仍然是具有停止作用的安全值。爆炸，即使它故障和不能这样做。

因此，要理解一项技术，就必须理解它是如何与其他对象相互关联的。 “事情的事实”不是一个单一的“信息的事实”，而是只有相互交织才能被理解。关系和行为模式。塞尔1995年给出了一个简单技术的例子，可以用来说明它的功能理解是如何默认的。他讨论了“她给了他钥匙和”这句话。他打开了门。关于是否。 ... 实际上是说或仅仅是暗示他用那把钥匙开门。 ... 但人们普遍认为，句子的字面意义对所说的话有一定的低估。我想说，对这个句子的字面意义所说的话有一个根本的低估。什么都没有。 ... 为了阻止解释，他用她的钥匙把门撞开；这把钥匙重二百磅，形状像斧头。或者，他把门和钥匙都吞了下去，他通过肠道蠕动收缩把钥匙插进锁里。 ... 唯一阻碍这些解释的不是语义内容，而是这样一个事实，即你有一定的能力来应对世界，而这些能力不是也不可能包括在句子的字面意义中。“只有在我们已经事先了解事物与世界的关系的情况下，才有可能理解它们是如何运作的。我们知道这把钥匙不是两百磅重的斧头形状的，因为我们以前对钥匙是如何工作的和它们是什么样子有过经验。我们对功能的理解存在于我们对功能是什么的经验中。简单地说，技术存在于语义中，而不是语法中。

函数解的默示性可以比作‘问题’的默示性。像函数这样的问题不是简单的实体。一个‘问题’的东西只能通过心照不宣地权衡经济、社会、审美和政治标准的相互交织和往往相互矛盾的相对重要性来理解。对于某些技术来说，所有相关规范组件的相对重要性是显而易见的。治疗癌症有一个压倒一切的考虑，几乎不惜任何代价挽救病人，因此，可能会有比简单的头痛治疗更糟糕的副作用。[22]在另一些情况下，技术人员必须在问题交织的复杂性中权衡问题的性质。[23]这些“相对重要性”通常不是一开始就未知，不可知，就是随着技术的发展而变化。[24]但它们只有在默认的背景知识下才能被理解。因此，要理解一个问题，并理解它的解决方案，就需要隐性知识。

我们对技术作为人工功能的理解分为两个部分。第一个描述了它的“物理”，是它的内在。第二个描述了它的功能，即它的物理作用。这取决于人类的意向性。不同的人类代理人或社会团体可以使用完全相同的技术来处理不同的事情。他们对它的理解将取决于他们的隐性知识，因此也取决于他们所学到的经验。

方向论证

有了三个构建块，现在就可以继续前进，解释线性模型失败的原因，然后试图概述一个替代方案。科学不能像线性模型所建议的那样简单地应用于技术的原因是因为科学和技术正朝着相反的方向发展。因此有了“方向论点”。

如果从开始的条件和最终的结果来考虑，这就更容易理解了。例如，如果一个人试图预测一个炮弹的轨迹，启动条件将是它的质量，来自炸药的能量，以及加农炮的方向和高度。使用简单的牛顿力学，就有可能从这些起始条件出发，预测一个近似的最终结果。如果开始条件在时间t1是已知的，就有可能外推当时相关的科学模式，并预测时间t2未知的最终结果。

这显然不是创新期间的情况。在创新过程开始时，人们对自己想要实现的最终结果有一个大致的概念，但产生最终结果所需的实际开始条件是未知的。[25]不是相反。例如，在制药工业中，最终结果将是阻止疾病，但起始条件，即阻止疾病的分子的化学组成，以及其作用机制将是未知的。因此，技术问题从期望的效果开始想知道什么会导致它。从本质上讲，科学是一条单行道，而技术正朝着错误的方向发展。一旦有了替代方案，这一论点将变得更加清晰。这一选择构成了创新周期的论点。

创新周期论

如果通过反推科学模式不能找到与已知期望的最终结果相匹配的未知开始条件，那么这个过程将如何进行的问题就出现了。通过探究‘相似’的本质可以找到答案。[26]

当设计师和工程师设想一个问题的功能性解决方案时，他们从给定的背景开始。默认的设计知识。他们不能仅仅应用科学知识或模式，并期望结果简单地出现。相反，技术人员必须“看到”他们所面临的问题与他们过去所面临的类似问题是如何联系在一起的。

通过假设相似的问题会有相似的解决方案，技术人员可以用未知的解决方案来处理问题，并将其与已知解决方案的相似问题进行比较。然后他可以假设解决方案是一样的。这个过程可以在图表中看到。技术问题是提供一组开始条件，以产生预期的最终结果，标记为'X'，这将解决一些设计问题。但这组起始条件Y,不能通过科学模式的反推找到。相反，技术人员认为这个问题类似于以前解决的问题，标记为X2，它的解决参数即产生所需函数的起始条件是已知的。通过从x外推到x2并回到已知的起始条件y2，技术人员可以假定y将类似于y2，并对所需的解决方案将是什么样的有一个不确定的理解。

这种通过记录相似性来向后工作的过程有两种方式。首先，通过在一个社会化的过程中识别相似性，将一般问题归结为具体的可解决问题技术传统。一旦一个可解决的问题就位，它被用来采取最初的“相似”的解决方案，并分析和修改它，直到它已经“调谐”。在通过制药工业和合理药物发现范式的例子说明解决一般问题到具体问题的过程之后，将讨论这种调整技术的过程。

解决问题

在合理的药物发现范式中，最初的问题是非常普遍的问题，即找到一种药物来阻止给定的疾病。因此，期望的最终结果是疾病被阻止，而技术问题涉及找到一组内在的起始条件，在这种情况下是一种特定的分子，可以阻止它。

这不是应用科学就能做到的。取而代之的是，基于以前类似问题经验的知识被用来推断类似的解决方案。这些相似的感觉是持续存在的技术默契传统的一部分。这里有一些基本的设计概念：“这些概念可能只是隐含在设计师的头脑中，但它们一定在那里。它们是项目的赠品，即使没有说明。他们被吸收--可以说是通过渗透--在成长过程中被工程师吸收。也许甚至在进入正式的工程训练之前。

基本设计概念的第一个是操作原理，即设备工作方式背后的原理。[27]问题提供了装置必须完成的功能和工作原理。定义机器执行该功能的基本方式。 Vincenti 1990备注“操作原则”。 ... 源于科学知识的身体之外，并为某种天生的技术目的而产生“。

Vincenti的第二个基本设计概念是“设备的正常配置”。 ... 将军。形状和安排是公认的最能体现操作原则的''同上，p. 209. 为了今天的汽车设计师通常，但不是总是假设，没有太多的思考。他们的车辆应该有四个轮子，而不是三个轮子，并有一个前置的液冷发动机。''同上，。 ∑p。 210. 正常的构型再一次被排除在科学之外，并作为技术传统的一部分而进化。为了例如，希腊神庙建造者的正常配置使用了最初用于支撑木制建筑的特征。尽管一种新材料意味着这种结构类型不是必需的，但它们在工作时仍保持不变。设计师不需要理解为什么做出选择或替代配置的问题，他所做的只是将其外推到新的设计上。 Turro 1986关于范式。一旦对功能的默契被外推，下一个阶段就是将它们变成现实的迭代过程。

合理药物发现范式的部分隐含背景传统是假设。 X疾病是由生化途径引起的，停止疾病的方法就是停止引起疾病的生化机制。由于有多种不同的机制产生一种特定的疾病，默认的直觉，基于在技术传统中所学到的经验，被用来选择最佳的生化机制进行攻击。一旦通过非常困难的生化研究找到了候选对象，这个问题就可以再次得到解决。不再是一般的“停止疾病”，这个问题已经得到解决，并变得更加具体，成为“停止生化机制”。

这个过程继续下去，直到问题被足够详细地说明，从而可以寻求一个实际的解决方案。这可以在图表中看到：

这是一个非常风格化的过程，错误地假装选择适当的机制是一项容易的任务。但是，它确实说明了创新周期的争论在起作用。首先，它将一般性问题的解决清晰地表现为越来越多的具体问题。因此，创新任务从非常普遍的“阻止疾病”转变为更具体的“找到一种分子来匹配特定的3D结合化学”。从上面桌子的左手边可以看到这一点。

其次，风格化的创新过程显示了这种情况发生的机制。一个循环是接受一个问题，并认识到它与以前解决的问题相似，然后推断出类似的解决方案。因此，回答“是什么导致了最终结果？”这个问题的过程是认识到这个问题是相似的，并通过实验来建立这种相似的混合体。其结果将问题解决到一个更具体的层次。

这种从一般问题到具体问题的解决方案在技术变革中相当普遍。最初的问题可能是“概念上的和相对非结构化的”，但一旦问题开始被解决成更具体的子问题，问题产生的社会性质就会随着潜在解决方案的范围被关闭而关闭，而问题“在较低的层次上，即大多数工程努力发生的地方。 ... 通常定义良好，活动往往是高度结构化的”。当人们深入到问题的“螺母和螺栓”时，重大的社会和政治决定已经做出，这个问题几乎纯粹是技术问题。这些想法可以外推提供一个技术变革的认知模型。

技术变革的认知方法

创新的认知模型从基于先前设计经验的一组信念开始，使用它们来识别问题之间的相似性，如上所述，然后继续测试提出的解决方案，测试的结果被用来修改理解和产生改进的解决方案。[28]在研究它在合理药物发现中是如何工作的之前，我们将围绕这张图表提出几点。

一旦问题被认识到并产生了子问题，设计的艺术和科学就发挥了作用。艺术部分是“功能分配”，通过从以前解决的类似问题中推断出类似的解决方案，来想象一个技术问题的固有不确定的解决方案。第二个目的是发现建议的技术是否有效。科学部分，即应用模式的科学知识，涉及测试提出的解决方案，看看它是否产生预期的最终结果。因此，科学知识。模式不是直接用于产生技术，而是间接地用于帮助测试不确定的功能解决方案，这些解决方案是由遵循技术传统产生的。分析和测试使设计者能够理解改变起始条件如何影响最终结果。然后，这种知识可以被建立起来，并向预期结果的方向外推，以“调整”技术来产生其预期的行为。在创新周期中，这种新的理解被用来修改功能解决方案，功能解决方案进入另一个测试周期，直到找到满意的解决方案。

这个过程本质上是不确定的，因为不确定的行为模式被外推到未知。从回形针到石油平台，工程师们只能在事后‘肯定’地知道故障。因此，他们必须依赖于获得尽可能好的理解，并确保他们的设计错误。站在谨慎的一边。彼得罗斯基1985年将技术视为假设，当它失败时，假设就被推翻。他指出，“对于我们来说，一个设计的防失败性永远无法获得绝对的确定性。我永远不能肯定我们已经详尽无遗地询问了它的未来''同上。

为了进行这种分析，工程师和设计师需要理论工具包括数学理论、科学定律和现象学理论，这些都是特定于装置的，没有什么解释力或科学地位。 ... 工程师设计它们是因为他们必须继续他们的设计工作，而所讨论的现象理解太少或太难处理。 ... 使用它们是因为它们工作，无论多么不完美，也因为没有更好的分析工具可用''[29]

这些理论工具得到了来自物理的多种形式的定量数据的补充。 29个常数，对络合反应速率。由于大多数技术在数学上或物理上都非常复杂，这些数据中的许多必须来自经验工作、试点工厂或原型。

应用模型缩小设计空间

这些过程可以在前面讨论的合理药物发现范式中看到。如上所述，围绕设计周期并将问题解决到具体问题，最终解决的问题涉及找到与特定3D化学物质匹配的特定分子，以便它将与蛋白质结合，使其失效并防止其导致疾病。

正如Bradshaw 1995年指出的，药物化学家的工作是减少数量：有10180种可能的药物，1018种可能是药物的分子，108种化合物在图书馆中有103种药物，但只有102种盈利的化合物。药物发现涉及到减少“分子空间”，将发现有利可图的药物，到足够小的体积，以进行经验测试。如果宇宙中只有1078个粒子，显然不可能有任何对应类型的知识理论在起作用。不可能有1018个单独的大脑状态对应于每个分子，更不用说10180个了。相反，它们被理解为潜在的可外推的特征模式。

因此，当分子空间缩小时，化学家可以拒绝所有可能有剧毒的化合物，如二恶英或氰化物，而不必列出所有潜在的化合物。整个家族可以基于共有的共同属性而被拒绝，在这种情况下，因为有特定的化学基团附着在他们身上，或者基于家族相似性，基于一个更整体的类别。 30因此，药物化学家将直觉地猜测哪种化学物质可能与蛋白质的活性位点结合，并测试家族中的一个代表性成员。如果实验成功，那么药物化学家将在家族内更精细的聚集水平上进行更详细的研究。如果是一个失败，这个失败将被推论到家庭的其他成员，实验的结果将被用来偏向猜测下一个最有可能的候选人。整个过程包括围绕设计周期，建立化学成分和生物活性之间关系的知识。

药物化学家利用这些积累起来的知识来选择可能与所需分子相似的分子。这种相似感被称为“化学直觉”，是一种隐性知识，允许一些药物化学家识别潜在的类药物分子进行测试。虽然新手可能看到一个简单的分子，但具有多年经验并积累了默认的“化学直觉”的药物化学家可以识别出相同的分子或多或少像药物，因此或多或少可能是测试的候选分子。就像电子工程师可以把成分看作事物一样，这种隐性知识也允许药剂师把形式与功能联系起来。

这种化学空间的封闭不断重复，直到发现一种与蛋白质紧密结合的“先导化合物”。一旦找到线索，就会使用优化过程来寻找更好的药物“类似”化合物。这一过程包括围绕提出和测试候选药物的设计周期，以便对形式和功能之间的关系的理解得到建立。这种理解随后被用来选择临床和动物试验的可能候选人。因此，药物化学家通过对因果关系的默契来解决他的设计问题，在这种情况下是化学结构。和生物活性来识别什么样的溶液会产生预期的效果。因此，什么样的分子不会是药物。然后，这些知识被用来消除整个分子家族，并移动到“化学空间”的一个区域，在那里更有可能找到解决方案。实验证据是用来澄清理解和解决解空间的足够小的样本，以经验测试，以找到和优化一个“铅”化合物。

科学知识在技术变革中的作用

这里提出的认知框架为理解科学在技术中的作用提供了一种新的方式。它认为，关于自然界模式的科学知识，尽管不准确，但提供了一条额外的途径，通过它可以检验和修改关于行为的默认假设。科学知识不是用来产生答案的，而是用来理解技术是如何工作的，或者更多的时候是如何不工作的。这种理解减少了技术不确定性，并有助于减少探索的实验死角的数量。

因此，科学知识在技术变革中有三种作用。首先，它允许理解和预测行为模式。这使得技术人员能够理解技术行为的原因，从而理解技术的潜在变化将如何影响其行为。

其次，科学知识可以用来筛选备选方案，然后再对其进行实证检验。一个给定的技术问题，反过来它的解决，将受到各种标准的限制；一定的尺寸、重量或密度等。科学知识可以用来进行近似测试，以确保潜在的设计符合设计标准。

第三，关于世界如何运作的科学知识可以用来理解事物是如何运作的。然后，这些函数可以外推到新的情况下，是一个类似的问题需要解决。例如，爱迪生对气压变化如何在人耳中产生信号有了深刻的理解。他当时处于一个很好的位置来设计麦克风，一种根据类似机制操作的技术。

总结

本文提出了两个主要论点。首先，科学知识不能直接应用于生产技术，因为它回答了错误的问题。创新是从一个已知的、期望的最终结果发展到找到产生它的起始条件，而科学知识则相反，只能从已知的起始条件发展到未知的最终结果。其次，这种“方向”问题可以通过遵循基于具体化和嵌入的相似性概念的默契的技术传统来克服。这些技术传统提供了一种机制，引导创新，并允许最初模糊和非常普遍的问题被解决为具体问题并得到解决。因此，该理论解释了为什么线性模型失败，因为“科学回答了错误的问题”，为什么隐性知识对创新如此重要，因为“功能是隐性理解的”，以及为什么技术变革本质上是不确定的，因为行为模式的对称性打破了复杂的技术。本文提供了一个理论上的解释，这是一个众所周知的经验，虽然科学知识不直接产生技术，但在创新过程中有一个重要的间接作用。[30] 这些论点已在若干创新过程中得到验证，并被用于绘制其功能分解图，其中一些列于下文表1。

该理论的实证应用揭示了本文中讨论的风格化版本存在严重误导的一些领域。因此，在将以科学为基础的技术如制药推广到以工程为基础的技术时，必须小心。主要问题是缺乏对技术变革认知本质的现实性。这里提出的理论是一种发生在一个人头脑中的创新理论。在现实世界中，创新发生在不同情况下的人群中，有着不同的经历和可能相互不相容的愿望和信仰。

正如Mintzberg 1994,Leonard-Barton 1995,Nonaka和Takeuchi 1995等学者所指出的那样。集体创新不是个体的简单聚合。集体学习涉及在组织环境中共同理解的发展和不同组织之间的关系。本文通过强调知识的默会性质以及技术理解的共同传统与技术轨迹共同发展的方式来突出所涉及的问题。这样做的一个结果是，公司内部“功能理解”的转移是一个非琐碎的问题，尤其是在“功能分解”内部的各个子系统相互作用的技术中。一个系统的方法，如在主要的航空航天或软件项目。正如Brooks1995年所指出的，随着个人之间的交流量以非线性的速度增长，将人员添加到复杂的软件项目中会导致而不是解决开发问题。因此，就出现了“控制危机”。 Beniger1986在发展过程中，随着规模的增加，需要对功能多样的知识库进行控制的各种技术这些反过来又可以作为｀的来源。 .如果商业环境发生变化，制度惰性或“核心僵化”。

其次，在创新过程开始时问题是固定的和已知的假设是极其薄弱的。研究的许多项目在项目的生命周期中经历了相当大的“问题”变化，在许多情况下，“谁的问题”应该解决的政治性质又回到了项目中。例如，在建造英吉利海峡隧道期间必须解决的技术问题在项目进行期间对健康和安全条例进行法律修改时发生了根本变化。在软件创新过程中，“问题”的变化性质必须解决的创新过程有它自己的名字“需求蠕变”，也是成功项目的一个关键方面。创新管理是在合理的范围内保持变化。技术在创新过程中功能的变化程度将对成功的创新管理产生深远的影响，不能假定所有技术都是相同的，具有相同的创新过程和技术管理问题。

虽然这个模型远非完美，但它确实允许对科学在技术变革中的作用的概念。对知识在创新中如何使用的启发式理解。在这样做的过程中，它补充了前面讨论过的各种创新模式，并强调和重申了隐含默示的关键作用。技术变革中的知识，并因此从理论上依据DOSIS1988年技术创新的关键特征之一。

我完全承认，与这里描述的过程相比，创新有时远不是理性的，而是偶然的。这是一个风格化的创新过程，它寻求引出理论观点，而不是描述每一个历史过程。关于创新产出是已知的或固定的假设的非常不切实际的性质将在后面讨论。 ↑
在那里，科学和技术之间的关系被抽象为信息从科学到技术的单向流动。 ↑
例如，Stewart 1992，p.x给出了一个数学术语“……与例外李代数E8相关的迷人的上同调交集形式……通过Kummer曲面上的手术从TOP但非DIFF 4流形”的例子。 ↑
正如波兰尼1969年第44页所说“……虽然隐性知识可以自己掌握，但隐性知识必须依赖于被默契地理解和应用。因此，所有知识要么是隐性的，要么植根于隐性知识。 ↑
Larkoff 1987描述了这些类别变化的社会机制。我感谢Dosi教授的这一参考和C.Nelson关于相似空间灵活性的观点。 ↑
任何出现在范式中的问题都会被抑制为异常，或被容纳在“重新表述”中，其中范式的共享规则被改变以适应差异。范式“将一直存在，直到找到可行的替代品……临时修改通常是比在没有合适替代品的情况下抛弃传统范式更可取的回应，在科学和工业中，Ž.重新调整既昂贵又具有破坏性”，同上，第887页。 ↑
试图从外部从信息、效用、社会力量、语言游戏等方面解释“对话”的内部视角，是试图“使用语言在语言和现实之间”，没有任何认识论特权，1997.知识的具体化本质与我们的感知的原因有关，而不是我们的信仰的原因。 ↑
当同一“信息”可以用两种不同的方式被感知时，这一点就很清楚了。因此，我们可以感知到同样的Jastrow Rabbitrduck格式塔要么是兔子，要么是鸭子，尽管这幅画是同一个维特根斯坦，1953年。但是一个既没有鸭子也没有兔子经验的火星人只会把格式塔看成是一幅线条画。 ↑
弗格森1766,第50-68页，Polanyi 1961,1962,Polanyi 1966,1967,1969,é对隐性知识进行了探讨。奥克肖特1951,1969,1975,维特根斯坦1969,哈耶克1962,1957,1967,最近泰勒1989,第2页。 491,Reber 1989,. 1990年、Kihlstrom 1987年和Searle 1983年、1990a,b,1992年、1993年、1995年。但这一传统可以追溯到亚里士多德的实践和技术与实践的区别。 ↑
在生物学层面上，这两件事是一样的。 ↑
关于学习理论重新出现的讨论，见Glaser1990和Reber1989，1990。 ↑
关注的是将对称和对称破缺的概念与知觉、科学定律、数学和技术变革联系起来，而不是探索科学在社会中的作用。 ↑
这并不意味着知觉的表征理论。 ↑
参见斯图尔特和托尔1977年和Skemp 1971为数学作为模式识别的一个优秀的讨论。 ↑
类似地，Skyes1986在一篇关于“有机机制”的文章中提出了如下理由：“对于组成有机化学的大量不同信息来说，机械论方法的主要优点是可以使用相对较少的指导原则，不仅可以解释和联系现有的事实，而且可以预测改变条件的结果在此基础上进行了已知的反应，并预测了可能从新反应中预期的产物'Skyes，1986年，第3页。 1. 因此，模式可以作为指导原则存在，解释和关联现有的事实，并可以外推到预测和预言未来。 ↑
See Hardy 1928 , Feynman 1965 , Kline 1972, 1985 , Penrose 1974 , Dirac 1982 . 这是一个复杂的过程，涉及模型与形式数学的结合。 ↑
事后看来，科学似乎是通过一个逻辑的证伪过程进行的，但导致这些证伪的信息是。似乎在交织的认知假设的背景下。例如Barrow，1988，p. 351引用了物理学家理查德·费曼和默里·盖尔曼的话，他们指出，他们的理论与氦-6衰变过程中电子中微子分布的实验证据不符。他们没有在这种“证伪”的重压下放弃他们的理论，而是认为理论的数学优雅比实验证据更有力。他们写道：“在作者看来，这些理论论点足够有力，足以表明与HE-6反冲实验和其他一些不太准确的实验的不一致表明这些。实验是错误的。''同上。 .实验后来被发现是错误的，因为有时实验是错误的。 ↑
参见Carpinelli等人。 1996年对这一过程进行了实验观察。皮埃尔·居里在1894年最初提出了。｀。对称必须成立。见Stewart和Golubitsky，1992年，第8-11页。 ↑
Barrow1988指出，即使精确度保持在海森堡的极限--“小于单个原子核大小的十亿倍”--数学和现实世界之间的差异在仅仅15次碰撞后就会比一张台球桌还要大。 ↑
Stewart和Cohen，1994年，p. 182，指出与10个对象有45种可能的相互作用，94，950与100，499，500与1000。和499,999,500,000和100万。这些相互作用及其导致的对称性破缺不是原始自然法则所描述的，因此必须从历史的角度加以考虑。 ↑
虽然作为一个计算机磁盘是一个客观事实，但它只有在与其他物体的关系中才是真实的。计算机光盘的内在特性使它不能充当降落伞或药物，相反，它可以，但它只能发挥非常糟糕的作用。它的物理特性阻止了它作为降落伞的作用，即使周围没有人这么说，它也是一样的。但是，它作为咖啡杯垫的作用是人类活动的结果。 ↑
但是话虽如此，像二吗啡这样的强效止痛药并不给晚期癌症患者服用，因为有被认为可能被吸毒者获得的风险。 ↑
文森蒂1990年提供了一个例子，说明这个过程有多复杂：早期的飞行员注意到，太稳定的飞机很难飞行，因为它们会随着一阵风而偏离平衡。因此，航空工程师必须设计一种主观上正确的不稳定量的飞机。他们必须翻译一个定义不清的问题，包含。 ... 一个很大的主观的人为因素，变成一个客观的，明确的问题。 ... 工程界不知道。 ... 飞行员需要什么样的飞行品质，或者如何规定这些品质。花了很多年的时间来理解设计的客观事实和试飞员的主观“直觉”之间的关系。一旦理解了，工程师就能更好地了解它们的相对重要性，并利用这种理解提出解决方案。 ↑
对于只有局部影响的简单技术来说，识别问题“是什么”是一件简单的事情。对于那些。具有范围广、规模大的影响，就像一个核电站，典型的复杂产品系统COPS，对于社会中不同的政治群体来说，问题的性质也会有所不同。在这种情况下，“问题”的定义将取决于环境保护主义者、潜在劳动力、能源消费者、当地居民、承包商、军方等之间的政治互动。他们对问题是什么的看法，更不用说如何解决问题了，这是一个政治问题。定义“问题”的问题变得更糟，因为警察通常需要几年时间才能产生，在此期间，不同代理人重新定义问题的政治权力发生了变化。 ↑
通常这种预期的结果是非常不具体的，并且可能与最终的结果非常不同。允许“预期结果”的改变为理论的初始处理引入了许多复杂性。 ↑
如前所述，相似性不是一个简单的概念。它不是在内在属性是的意义上给出的，而是依赖于（1）“语境”本身依赖于习得的理解传统，因此嵌入习得的社会网络，以及（2）大脑的物理修饰，即它被具体化。 ↑
Richards1994年的例子可以说明这种巨大的复杂性。 379-380，在药物发现的运作原则。｀。因为肿瘤比正常细胞接受更少的血液，所以它们接受更少的氧气，因此在物理化学上是可区分的。 W所需要的是一种抑制剂，它可以阻断DHFR，DHFR是肿瘤细胞分裂所需的一种酶，但在正常细胞中不需要。原则上，如果药物能够以不会抑制的氧化形式存在，或者以会抑制的还原形式存在，这是可以实现的。理查兹提出了一项任务，即找到一种化合物，这种化合物不仅能有效结合、无毒并到达目标肿瘤，还能根据其所在位置选择性地开关自己。了解这种药物的可行性，将需要大量的默契。 X ↑
第8节将说明一个简化的认知模型，其中创新发生在一个头脑中。对于相互不相容的默示函数概念相乘的更现实的情况，已经发展了模型，但在最初的处理中引入了许多复杂性。 ↑
Ferguson，1992年，支持关于技术的功能和默示论点。 11、注意到：“工程的目的”。但是，科学并不是记录“自然规律”，而是陈述可测量性质--长度、重量、温度、速度等--之间的关系，以便对技术系统进行数学分析。它们涉及相对关系，而不是绝对关系。 ↑
对创新来说，更重要的是建立理解技术传统的能力。由于这些技术成果大多存在于企业内部，因此产业未能利用科学基础是技术政策的问题，而不是科学政策的问题。 ↑