系统性原则

系统性原则解释了为什么我们更喜欢能对应深层结构关系的类比，而不只是看起来相似的比较。比如，“原子像太阳系”之所以是一个有力的模型，并不是因为两者外观相似（其实并不像），而是因为引力与轨道的关系，对应着电磁作用与轨道的关系。这种认知偏好让我们忽略大小、颜色等无关细节，把复杂的思维模型从一个领域用到另一个领域。想一想：当你解释一个新想法时，你比较的是事物的外观，还是它们的运作方式？

系统性原则的核心，是区分“属性”和“关系”。属性是孤立的特征，比如“是黄色的”“很重”；关系则描述事物如何相互作用，比如“绕着……运行”“导致……下落”。

按照这一框架，有力的类比不只对应一项关系，还会对应一整套相互关联的关系。我们会本能地放下零散的相似之处，转而关注更高层次的结构，比如因果链或逻辑推导。这就是为什么好的比喻能借助看得见的事物，解释看不见的过程。

现实中的例子：

• **法律：**法官援引先例，不是因为本案被告与先前案件的被告长得像（属性），而是因为两案中法律责任与违法行为构成的关系网络相同。
• **软件工程：**开发者常把“服务器”比作餐厅里的“服务员”。两者外形毫无相似之处，但接收请求、处理订单、交付资源这一整套功能关系，在结构上完全对应。
• **医学：**把心脏比作“泵”之所以有效，是因为压力、阀门和流动的运作机制与管道系统完全对应。这样，学生就能预测阀门（管道）堵塞会怎样影响血液循环（流动）。

关注这种系统性，你的解释就能帮助别人作出预测：他们可以借助熟悉事物的运作方式，推断新概念会如何运作。

认知科学家德德丽·根特纳在结构映射理论中，正式提出了系统性原则。该原则认为，类比的质量取决于关系结构有多少重合，而不是对象的属性有多相似。

• 根特纳（1983）表明，与只共享一阶关系的类比相比，成年人一贯认为共享高阶关系的类比更站得住脚。高阶关系指关系之间的关系，例如因果关系 [1]。
• 根特纳与马克曼（1997）发现，关注结构上的对应对抽象学习至关重要。这让人们能够形成基于图式的类别，超越感知上的相似性 [2]。
• 霍利奥克与萨加德（1995）用“多重约束理论”进一步扩展了这一观点：结构一致性虽然是首要因素，但语义相似性和实际目标也会影响我们如何选择最合适的类比 [3]。

一个重要局限是“新手陷阱”：对某个领域了解不多的人，往往难以看出深层结构，便会转而匹配表面属性。此外，系统性也可能导致“过度映射”：我们以为来源系统的每个部分都适用于目标系统，因而得出错误推论。比如，以为电子像行星一样沿着平面轨道运行。