1.1 20世紀中葉至20世紀末心智哲學的演變
1.2. 20世紀中葉至20世紀末科學哲學的演變
1.3 20世紀初跨領域心腦研究與神經科學哲學的發展
2.1 神經科學說明
2.1.1 機制論
2.1.2 非機制論
2.1.3 神經科學實驗實作分析的反思
2.2 神經科學的研究技術與推理模式
2.2.1 光遺傳學技術與神經科學因果的推理模式
2.2.2 腦神經影像技術與神經科學的功能假說推理模式
2.2.3 神經科學實驗實作哲學
雖然神經科學 (neuroscience) 是大家現今耳熟能詳的熱門領域，但它卻是一個新興領域。有多新？你可能會很意外地發現這個領域正式成名的時間是 1969 年。1965 年美國 National Academy of Sciences 與 National Research Council 共同組成了一個 Committee on Brain Sciences (CBS)。1965 年至 1969 年間，CBS 的委員們開始調查美國境內的腦科學研究現況，發現研究能量雖然強勁，但是研究人員、資源與主題都相當分散，也因而警覺到需要成立一個正式的組織來推動腦科學的研究。[1] 1969 年 6 月 16 日，CBS 的委員們在華盛頓開了一個具有重要歷史意義的會議，在這個會議上，委員們討論著要用什麼名稱來命名他們想要成立的正式學會組織，以便能夠包含各種不同的腦科學研究進路。在經過一番討論後，委員們決定以神經科學學會 (The Society for Neuroscience) 來命名，從此，神經科學成為一個鮮明的旗幟，開啟了日後五十年的蓬勃發展。[2]
有了這個歷史背景之後，我們再來看看約莫同時期的英美分析哲學發生了什麼變化。這裡我將只討論心智哲學 (philosophy of mind) 與科學哲學 (philosophy of science) 這兩個與神經科學哲學最為相關的兩個領域。[3] 英美分析哲學的基本領域通常包括：邏輯、形上學、知識論、與倫理學。心智哲學與科學哲學則是對特定主題進行與上述基本領域相關的哲學研究；例如，心智哲學家會探討心智狀態是否等同於腦狀態的形上學研究，而科學哲學家會探討什麼是科學說明 (scientific explanation) 的知識論或邏輯議題。神經科學哲學的發展，不僅受到 1969 年時正式創建的神經科學領域發展之影響，同時也涉及到 1970 與 1980 年代間兩條哲學路線的興起；其一是心智哲學出現了 neurophilosophy 的學派 (Churchland, 1986)[4]，其二是科學哲學開始發展特殊多元科學哲學 (philosophy of special sciences)。Neurophilosophy 號召了一批英美分析哲學家去探索神經科學與心智哲學可以如何共同演化。特殊多元科學哲學的發展則奠定了二十一世紀神經科學哲學領域發展的基礎，其中最重要的是以一組較為清楚的研究問題來將神經科學哲學的領域與問題意識確立下來。
以下圖表摘要了重要領域發展的歷史線：
在 1950 年代至 1970 年代之間，心智哲學正在進行心腦同一論 (mind/brain identity theory) (Place, 1956; Feigl, 1958; Smart, 1959) 與功能論 (functionalism) (Putnam, 1960; Fodor, 1968) 的論辯。心腦同一論者主張心理狀態或歷程等同於腦狀態或歷程 (Smart, 2007)，舉例來說，針對「心理狀態（例如記憶）是什麼？」這樣的形上學問題，心腦同一論者會說心理狀態就只是一種腦狀態或歷程而已。功能論者則主張一個存在物是不是心理狀態取決於它在一個認知系統內所扮演的功能或角色，而非此存在物本身的構成性質 (constitutional properties) (Levin, 2018)。舉例來說，我們可以問 iPhone 的某個運算狀態是不是心理狀態？根據某些功能論者，這個問題的答案取決於這個運算狀態在 iPhone 內所扮演的功能或角色。如果這個運算狀態扮演的是我們稱之為記憶的功能，則某些功能論者會主張 iPhone 的這個運算狀態確實是一種心理狀態，即便 iPhone 內部的組構性質和人類的大腦不同。
在上述複雜的論辯發展過程中，有一條支線同時展開，稱之為消去式唯物論 (eliminative materialism)。在歷經了約莫 25 年的討論後，大約在 1970 年代末，消去式唯物論的核心主張才逐漸清晰，並由兩位心智哲學兼科學哲學家 Paul Churchland (1981 & 1988) 與 Patricia Churchland (1986) 於 1980 年代間開始大力倡議。和心腦同一論者一樣，消去式唯物論者也主張心理狀態或歷程就是腦狀態或歷程 (Ramsey, 2019)。另一方面，他們認為某些功能論者之所以會主張心理狀態不可被化約為腦狀態，而是應該等同於功能狀態，是因為這些功能論者採用一般民眾所使用的心理語詞來進行功能分析 (Ramsey, 2019)。我們再來回顧剛剛的 iPhone 例子，功能論的推論中牽涉到一個很重要的判斷，也就是 iPhone 的運算狀態是否有執行「我們稱之為記憶的功能」。但是，所謂的「我們」是誰？所謂的「記憶」功能又該如何被闡述或定義？消去式唯物論者認為，如果我們的目標是要發展一個跟心智有關的神經科學理論，則這裡的「我們」應該是神經科學家與神經科學哲學家，而相關的功能定義，也應該從神經科學的研究中去發展出來。因此，消去式唯物論者主張，如果我們的目標是要發展一個跟心智有關的神經科學理論，我們應該取消使用一般民眾如何使用心理語詞的功能分析來發展心智的神經科學理論。[5]
Patricia Churchland 於 1986 年所出版的 Neurophilosophy: Toward a Unified Science of the Mind-Brain 被視為是以消去式唯物論的立場帶領神經科學哲學開始發展的第一個重要里程碑 (Bickle, Mandik & Landreth, 2019)。在此書中，她的寫作風格可說是為當時的英美分析哲學立下了一個新範例。整本書將當時的 (1) 神經科學研究現狀、(2) 論述消去式唯物論所需要的科學哲學與 (3) 消去式唯物論對心智哲學文獻所提出的挑戰，三者鎔鑄於同一本書中。她的寫作目的是希望將科學哲學介紹給神經科學家，將神經科學介紹給英美分析哲學家，同時藉由提倡神經科學與英美分析哲學共同演化的方法學，以便打破神經科學與英美分析哲學各自固有的領域疆界。[6]
就在 1969 年神經科學領域正式命名的前後，科學哲學也正在經歷一波大的轉變。從 1950 年代開始至今，科學哲學漸漸從大一統科學的哲學 (philosophy of the unity of science; general philosophy of science) 走向特殊多元的科學哲學 (philosophy of the disunity of science; philosophy of special sciences) 的發展路線 (Griffiths, 2008, Section 1; Cat, 2017, Section 5)。主因之一是越來越多的科學哲學家開始正視科學實作的多元性、異質性、以及某種版本的不可被化約性（特別是不能被化約到理論物理科學的理論、方法、或形上學主張等）。換句話說，大一統科學 (the unity of science) 的形象已經無法提供合適的形上學、方法學、與知識論架構來理解非理論物理的科學實作，如社會科學、資訊科學、分子生物學、神經科學、生物工程醫學、古生物學、與環境科學等。而神經科學哲學的發展正是搭上了這一波特殊多元科學哲學的發展潮流。但值得一提的是，在特殊多元科學哲學開始發展初期，跟心智議題比較相關的特殊科學哲學領域主要是心理學哲學 (philosophy of psychology) 與認知科學哲學 (philosophy of cognitive science)，這是因為神經科學在 1969 年才成為一個正式的領域。[7]但在 1969 年後，配合神經科學領域的強勢發展，再加上 neurophilosophy 倡議者的努力，到了 1999 年，Stanford Encyclopedia of Philosophy 的第一版神經科學哲學詞條正式出版 (Bickle and Mandik, 1999)[8]，2001 年時，第一本神經科學哲學的論文集正式出版 (Bechtel, Mandik, and Mundale, 2001)，2009 第一本神經科學哲學的指南 (handbook) 也正式出版 (Bickle, 2009)。
然而，在 1990 年代間，神經科學哲學的定位其實還模糊不清的。當時的論文集或文章往往是以 philosophy and neuroscience 或 neurophilosophy 的詞彙來統稱有引入神經科學研究內容來討論英美分析哲學議題的研究取向，但是，不同研究路線的哲學家所側重的哲學議題差異頗大，且他們與神經科學家之間的合作型態也有所不同。
大約在 2000 年至 2020 年間，兩條主要的研究路線漸漸形成。一條是使用神經科學研究成果來對特定心智狀態（或歷程）提出某種類型的解釋，我將此路線稱之為「跨領域心腦研究」(cross-disciplinary research of mind/brain)。[9] [10]例如，什麼是情感 (emotion)？(Prinz, 2004) 什麼是慾望 (desire)？(Schoreder, 2004) 什麼是道德認知的神經基礎 (neural basis)？(Goldman, 2006) 什麼是快樂的神經基礎 (Flanagan, 2009)？ 什麼是意識經驗的神經關聯 (neural correlate)？(Wu, 2018) 什麼是知覺意識的神經機制？(Hohwy, 2013)
另一條路線則是直接分析神經科學實作的細節，以便回答科學哲學的問題，例如神經科學解釋是什麼？(Craver, 2007; Kaplan, 2011; Kaplan and Bechtel, 2011; Kaplan and Craver, 2011; Kaplan, 2015; Zednik, 2011; Kästner, 2017) 什麼是好的神經科學推理模式？(Silva, Landreth, and Bickle, 2013; Klein 2010a & 2010b, Sullivan, 2018; Yoshihara & Yoshihara, 2018) 如何理解神經科學的實驗設計與實驗現象之間的關係？(Feest, 2011 & 2017; Sullivan, 2009 & 2010; Irvine, 2013) 如何理解神經科學實作的成功與失敗？(Barwich, 2019) 如何從神經科學實驗實作的細節推論出科學形上學的主張？(Yan and Hricko, 2017) 神經科學實作涉及到什麼樣的倫理議題？(Roskies, 2016) 我將此路線稱之為「神經科學哲學」(philosophy of neuroscience)。
上述兩個路線其實是互補的，各自的研究成果可以增進對方領域的成長。跨領域心腦研究研究中往往使用不同的神經科學研究成果企圖對特定心智狀態或歷程提出某種類型的解釋，但是什麼樣的解釋才算得上是好的神經科學解釋？當有競爭的解釋出現時，該如何評價？跨領域心腦研究者可以從神經科學哲學家的研究成果來找資源。另一方面，當神經科學哲學家想提出如何理解神經科學的實驗設計與實驗現象之間的關係，可以使用跨領域心腦研究的研究成果作為案例研究 (case study)[11]，來尋找答案或測試相關的神經科學哲學觀點。
二十一世紀神經科學哲學的主要風格是直接分析科學實作細節來處理科學哲學問題。科學實作是指科學家針對特定目標所進行的研究活動。分析科學實作是指針對實作所牽涉到的科學家、目標、活動型態與內容等細節進行分析。二十一世紀的科學實作哲學家與二十世紀的邏輯經驗論者有著迥異的分析風格。科學在邏輯經驗論者的分析下，是個抽象的物件，是一組語句或邏輯結構。科學家們實際上所扮演的角色、帶入的價值與目標、以及所從事的活動大部分都被排除在邏輯經驗論者的分析範圍之外。反之，這些被排除的內容正是科學實作哲學家分析的重點，因為他們將科學視為一個歷程，而非抽象的物件。因為是歷程，所以他們較重視科學史或科學發展的動態面向。此外，科學實作哲學家較傾向以科學家們或科學社群的特性、科學活動中所牽涉到的實驗工具或技術、與科學演變的環境脈絡三大元素來描述與分析相關的科學歷程。
以下三節，我將先介紹神經科學實作哲學在科學說明與科學推理這兩個主題上的發展，最後一節再整理其他相關的發展。我希望讀者可以從下面三節的細節中掌握到，神經科學實作哲學家如何藉由分析科學家們實際上所扮演的角色、帶入的價值與目標、以及所從事的活動，取得一些關於科學說明、科學推理、與其他科學哲學上的進展。
科學說明一直是科學哲學中核心的哲學問題之一，文獻相當豐富，在 1930 年代至 1990 年代之間，主要的論辯結構是以支持與反對律則演繹模型 (deductive-nomological model) 的討論為主（James, 2014; 陳瑞麟, 2018, 第二章）。2000 年時，新機制哲學 (the new mechanical philosophy or the new mechanism) 作為一個哲學分析架構 (framework) 開始興起 (Machamer, Darden, and Craver, 2000)。這裡所謂的哲學架構指到的是一組概念工具、問題意識與研究風格 (research style)。新機制哲學則是一個著重於使用「機制」(mechanism) 這個概念來重新闡述科學定律、科學說明、科學發現、科學化約與整合、因果關係等科學哲學問題的內容（Craver and Tabery, 2015; Craver and Darden, 2013; Kästner, 2017, Ch. 3; 葉筱凡, 2020; 陳瑞麟, 2018, 第二章）。當一位哲學家使用此哲學架構去分析特定的科學實作時，會自然地發展出特定風格的哲學問題與分析。新機制哲學家們發展此哲學架構背後的企圖是希望可以取代邏輯經驗論（作為一個哲學分析架構）在20世紀科學哲學中的主宰地位。在歷經了從 1950 年代開始的特殊多元科學哲學的轉向之後，新機制哲學可說是在21世紀初時，匯聚了多個個別的特殊科學哲學（如社會科學、分子分物學、神經科學、生物醫學等）的研究成果，漸漸發展出有機會成為一個新的大一統科學哲學的態勢。不過，也有不少科學哲學家認為新機制哲學的架構無法適用於某些科學實作的分析，在 2.2 節中我將介紹相關觀點。
在上述的背景下，使用新機制哲學來分析神經科學實作是個很自然的結果。新機制哲學的重要提倡者之一 Carl Craver，就在他的 Explaining the Brain (2007) 這本書中，針對神經科學家們如何提出神經科學說明 (neuroscientific explanation) 這個科學實作，以新機制哲學的架構進行分析。Craver 以動作電位 (actional potential) 的神經科學說明為例子，進行他的機制論哲學分析。Craver 於此書的核心哲學主張是：神經科學說明是一種因果的機制說明 (causal mechanistic explanation)。Craver 一方面應用既有的機制說明研究成果提出神經機制 (neural mechanism) 是由多層次 (multi-level) 存在項 (existents) 所組構而成的存在項。以動作電位的神經機制為例，它是由神經元細胞、細胞膜上的離子通道、控制離子通道開關的蛋白質、與神經傳導物質等組構而成，而這個機制同時牽涉到細胞層次、分子層次、與化學原子層次的存在項。另一方面，Craver 加入 James Woodward (2004) 的因果干預主義 (interventionist account of causation)，以便在神經機制說明的架構下，進一步闡述因果相關性 (causal relevancy) 這個概念。這個部分的核心想法是透過干預實驗的證據堆疊來支持哪些存在項（如離子通道的開關）是神經機制如何產生被說明現象 (explanandum) 的因果相關變項 (variable)，藉此進一步證明此存在項是神經機制的組構成分。換句話說，如果神經科學家可以透過干預某個變項（如離子通道的開關），進而改變了被解釋現象的某些面向（如動作電位的有無），並且被解釋現象的改變確實就是透過改變此變項才產生的，則此變項便是神經機制如何產生被說明現象的因果相關變項之一。如果上述的推論可以成立，則機制論者可以進一步確認此因果相關變項所指涉到的存在項確實就是神經機制的組構成分之一。
除了 Craver 外，還有下列的哲學家也專注於發展神經（或生物）科學說明的機制論，讀者可參考下列文獻：Bechtel and Abrahamsen (2010 & 2013), Brigandt (2013), Kaplan (2011), Kaplan and Bechtel (2011), Kaplan and Craver (2011), Kaplan (2015), Matthiessen (2015), Zednik (2011)。
雖然機制論在過去二十年來開始發展出準大一統科學哲學的圖像（至少橫跨分子生物、神經科學與生物醫學的領域），但同時間，也有不少科學哲學家致力於發展非機制論的科學說明觀點 (Batterman, 2002; Batterman and Rice, 2014; Chemero and Silberstein, 2008; Chirimuuta, 2014 & 2017; Gervais, 2014; Issad and Malaterre, 2015; Gelder and Port, 1995; Ross, 2015; Weiskopf, 2011; Kästner, 2017)。非機制論的科學哲學家受到計算科學 (computing science) 的影響比較多，特別是計算神經科學 (computational neuroscience) 的跨領域研究實作。計算神經科學的實作中，引入了計算科學的核心概念，如迴路 (circuit)、編碼 (coding)、訊息 (information)、計算模型 (computational model)，與重要研究實作如計算建模 (computational modeling) (Ferrández, Barakova, and Gorriz, 2020; Louie & Glimcher, 2019)。計算神經科學家使用這些概念與工具來研究生物在不同層次的神經活動，如單一神經元的動作電位、神經迴路中的神經連結、神經系統如何處理神經訊號 (neural signal)。[12]神經科學哲學家們針對計算神經科學實作中所使用到的動態系統模型 (dynamical system model) 進行分析，並且形成了兩派的主張。機制論者主張某些動態系統模型可以提供神經機制說明 (Kaplan, 2011; Kaplan and Bechtel, 2011; Kaplan and Craver, 2011; Kaplan, 2015)，非機制論者則是主張某些動態系統模型可以提供非機制的 (non-mechanistic) 神經科學說明 (Chirimuuta, 2014＆ 2017; Ross, 2015)。換句話說，機制論者認為動態系統模型（或者其他的數學模型）必須要以某種特定方式連結到已知神經機制中的生化物理等細節，才能稱得上是神經科學說明。否則，這些數學模型充其量只是以比較簡潔的方式描述了神經系統的現象或行為 (Kaplan and Craver, 2011)。而非機制論者則主張動態系統模型（或者其他的數學模型）不需要對應到特定神經機制中的生化物理細節，甚至是需要剔除掉某些對應到神經機制中生化物理細節的模型參數 (parameter)，才能提供神經科學說明。如果在此論辯中，非機制論者的論點成立的話，就代表神經科學說明並非全部都是神經機制說明。
Chirimuuta (2014 & 2017) 與 Ross (2015) 各自用不同的神經科學例子來論證這些例子中所牽涉到的動態系統模型可以提供非機制的神經科學說明。Chirimuuta (2014) 使用視覺神經科學中所使用的動態系統模型，並指出此模型沒有滿足 Kaplan 等人所提出神經機制科學說明所應滿足的條件，但是仍然提供了反事實的資訊且回答了 Woodward (2004) 的 what-if-things-had-been-different questions，因此可以算是提供了神經科學說明，不過是一種非機制的神經科學說明。Chirimuuta (2017) 更進一步發展出非機制且非因果的神經科學說明觀點。Ross (2015) 使用計算神經科學中所使用的動態系統模型，也是透過指出此模型沒有滿足 Kaplan 等人所提出神經機制科學說明所應滿足的條件，但是若從 Robert Batterman (2002) 所提出的科學說明觀點來看，仍是針對某種型態的 why question 提出了答案，因此主張將此動態系統模型視為提供了非機制的神經科學說明。讀者若對於上述的論辯想要有更深入的了解，可進一步參考 Elber-Dorozko and Shagrir (2018), Bickle, Mandik & Landreth（2019, 第8節）。
在機制論與非機制論進行論辯的過程中，Kästner (2017) 選擇從另一個角度來間接地參與這個論辯。Kästner 所選擇的角度是針對神經科學實驗實作的種類進行更仔細的分析。Craver (2007) 透過結合機制論與因果的干預主義來發展他的神經機制說明觀點，但 Kästner 認為神經科學家在發現與描述神經機制的實驗實作中，存在許多不等同於 Woodward 所謂的干預 (intervention) 的實驗操作 (manipulation)，例如，神經科學家會使用生物染色劑對特定細胞進行染色，以便提高他們對於這些細胞內部結構的辨別度或是在一個複雜的系統內定位這些細胞。這樣的實驗操作確實會產生改變，但這些改變都是已知的效果，而非是如干預概念所描述的：藉由實驗操作某個X變項，並觀察其對Y變項造成什麼樣的改變，而且可以確認 Y 變項的改變確實是由改變 X 而造成的。Kästner 將這種實驗操作稱之為已知互動操作 (mere interaction)，並且主張一個適當的神經機制說明觀點，必須給這些與發現與描述神經機制相關的實驗操作，一個適切的位置，否則這樣的神經機制說明觀點並不符合實際上的神經科學實作。
Sullivan (2015) 也同樣透過分析不同種類的科學實作來反思機制論主張背後的預設。Sullivan 指出 Craver 主張神經科學家不僅能，也應該，透過發展認知功能的機制解釋，以便發現認知功能的自然類 (natural kind) 或機制性質集合體 (mechanistic property clusters) (p.48)。Sullivan 指出機制論者對神經科學實作的分析過度集中在干預實驗實作與表徵實作 (representing practice) 這兩種科學實作，但是神經科學家用在發現機制的實作種類卻多於這兩種。Sullivan 透過分析神經科學家的概念實作、其他類型的實驗實作、以及整合實作來論證，根據她的分析，目前神經科學家用在發現機制的實作模式中，並非以發現認知功能的自然類或機制性質集合體為目的。Sullivan 的研究也同樣顯示出，確實理解神經科學家日常科學實作的多元性與異質性是相當重要的，可以確保哲學分析更加貼近實際上的神經科學實作。
至今為止，神經科學研究技術是驅動神經科學發展的主要力道之一。但20世紀的科學哲學家們，受到邏輯實證論與邏輯經驗論的哲學架構之影響，大多將科學推理 (scientific reasoning) 的議題當作是邏輯議題，而忽略了科學技術 (scientific technology) 如何實質地增強或限制相關科學家的實驗能力，進而實質地型塑一個領域的特定科學推理模式。舉例來說，能夠使用光遺傳學技術的神經科學家，可以透過此技術來精準控制特定類型神經元的活動，令其活化或抑制其活化（更多光遺傳學技術的細節請見下節）。這個技術確實增強了神經科學家的實驗能力，也因而開啟了一個神經科學的新推理模式：以此精準控制特定類型神經元活動的技術來推論這些神經元活動與行為之間的因果關係。在此技術發明之前，這個推理模式是無法被實質地發展與修正，最多只是一個邏輯上的可能性。然而，科學中的推理模式不是一個先驗 (a priori)（先於經驗）的存在，而是透過不斷地在各種不同的實驗或一樣的重複實驗中，被使用、被挑戰、被修正、被確認、被接受等過程中才逐漸確立其推理模式中所使用的標準與相關的限制。換句話說，科學的推理模式是透過實驗歷程 (experimental process) 所發展出來的成品。在此節，我將介紹一些藉由分析神經科學技術與實驗實作來探討神經科學推理模式的研究成果。
Ed Boyden 與 Karl Deisseroth 於 2005 共同發表了第一個藉由基因工程技術將光通道蛋白表現在特定神經元上，使得神經科學家能夠透過光來控制特定類型神經元的活動 (Boyden et al., 2005)。[13]此技術後被稱之為光遺傳學 (optogenetics)，且被《Nature》期刊於 2010 年獲選為年度關鍵技術。[14][15] 在 2005 至2015年間，世界各地的神經科學實驗室紛紛開始跟進這個技術 (Bickle, 2016)，開啟了神經科學界的一個新的因果推理模式：透過精準操作在某一特定神經迴路 (neural circuit) 中特定類型的神經元活動，並觀察其對行為產生的變化，藉此推論這類型的神經元與行為之間的因果關係。這個因果推理模式之所以可能，是因為光遺傳學比既有的技術具有更精準的控制力。一般用電刺激某一區域的神經元或用手術移除部分腦區的技術，會同時影響多種神經元的活動，因此，採用既有的技術，後續的因果推理模式只能就特定神經迴路或腦區與行為之間的因果關係進行探討。但是，用光遺傳學技術就可以只影響某一類型的神經元，而不影響其他類型的神經元，因此，光遺傳學的因果推理模式就可以去探討在某一特定神經迴路的這一類型的神經元與行為之間的因果關係。
然而，就如同我先前所提到，一個科學的推理模式是需要在實驗的歷程中經過一段時間的淬煉後，才能逐漸成為一個成熟的推理模式。在光遺傳學技術離開它爆紅的階段後，開始有些神經科學家與神經科學哲學家針對光遺傳學技術所創造出來的新因果推理模式進行反思，並指出如何改善或強化這個因果推理模式。
Sullivan (2018) 指出神經科學家在使用光遺傳學的因果推理模式時，必須具備與仰賴此推理模式何時會出錯或其侷限性的認知素養。她以 Bence Ölveczky 和他的團隊 (Kawai et al., 2015; Otchy et al., 2015) 所做的一系列研究為例，指出他們因爲同時使用了光遺傳學的因果推理模式與手術移除腦區的技術所進行的因果推理模式，因而發現，針對某一個腦區的神經元與特定行為模式的因果關係，兩種因果推理模式卻推論出互相矛盾的結論，這促使他們進行更多的實驗來精緻化光遺傳學的因果推理模式。他們的發現主要在於指出光遺傳學技術對神經元的操作是屬於暫時性操作 (transient manipulation)，並且由於大腦是一個神經元與神經元之間高度相連的神經迴路，透過暫時性操作使某一腦區的神經元不作用，可能會因為高度相連的因素，暫時影響了其他神經迴路的主要正常功能，才因此影響了行為的改變，而非被光遺傳學技術所抑制的神經迴路本來的正常功能。而光遺傳學因果推理模式本身目前的樣態無法排除這個可能性，因此最好還是將光遺傳學的因果推理模式與其他的因果推理模式結合使用較佳。換句話說，如果今天有一位神經科學家只做了一組光遺傳學技術的實驗就直接推論其所抑制的那一類型的神經元活動與某一行為模式的改變有因果關係，我們應該對這樣的因果宣稱抱持懷疑的態度。
另一方面，Yoshihara & Yoshihara (2018) 則是指出神經科學家們如何誤用了必要與充分條件 (necessary and sufficient conditions) 這兩個邏輯概念來表述神經科學研究中的不同推理模式，其中一個例子便牽涉到光遺傳學的因果推理模式 (pp. 59-60)。在這裡，他們核心的論點是指出，在什麼情況下，使用光遺傳學因果推理模式的神經科學家，以充分條件這個概念來表達實驗所捕捉到的因果關係時，會造成訊息的錯誤傳遞或扭曲。他們以實際的實驗例子進行分析，並指出某些神經科學家會做如下陳述：「A 類型神經元的活化是產生進食行為的充分條件」，但是實際上他們的實驗所呈現的真正意義是：「當他們以光遺傳學技術使 A 類型神經元活化之後，無需再加上其他的實驗操作，便足以（充分）使進食行為出現」。但是，「A 類型神經元的活化是產生進食行為的充分條件」這句話卻容易誤導人相信「進食行為的產生光只靠 A 類型神經元的活化便足矣」，而實驗證據並不支持這樣的主張。事實上，實驗證據顯示，A 類型神經元的實際功能是監控我們的代謝狀態，如飢餓訊息，並進而調整驅動進食行為產生的機率。直接負責產生進食行為其實是 B 類型的神經元。B 類型神經元會被食物出現的訊息所活化，並且可以不需要透過 A 類型神經元，就直接產生進食行為。Yoshihara & Yoshihara (2018) 在此篇文章中還分析了其他的神經科學例子，指出其他情況下，使用必要或充分條件時會造成的資訊誤解或扭曲。他們最終的結論是誤用必要與充分條件已經實質地造成神經科學家們對自己的實驗結果給出錯誤的實驗解讀，以及誤導他們如何發展後續實驗研究等。他們建議神經科學家考慮停止使用必要與充分條件來表達與解讀實驗結果，來避免產生他們所指出的問題。
自 1990 年代開始，神經影像（或腦造影）技術 (neuroimaging) 就一直是推動神經科學發展的主要實驗技術之一。神經影像的技術類型有多種（Gazzaniga, Ivry, Mangun, 2013, 第三章），其中一種便是功能性磁振造影 (fMRI，functional Magnetic Resonance Imaging)。fMRI 一直以來受到許多大眾新聞媒體的關注，也有許多科普與哲普書籍的立論都仰賴 fMRI 所提供的神經證據。但是這些大眾媒體的報導文章與科普哲普書籍的立論基礎是否確實嚴謹地遵循 fMRI 研究該有的神經科學推理模式，是極待商榷的。[16]不論是使用 fMRI 實驗證據來傳遞科學資訊或發展立論的非神經科學家，或是設計與使用 fMRI 實驗的神經科學家本身，都需要對 fMRI 技術的推理模式有切實地掌握，才能作為一個負責任的知識傳遞或生產者。事實上，在過去二十多年來，一直不斷有神經科學家與哲學家針對 fMRI 技術的相關神經科學推理模式提出分析與批評 (Uttal, 2001, 2011 & 2013; Hardcastle and Stewart, 2002; Coltheart, 2006; Klein, 2010a & 2010b; Hanson and Bunzl, 2010; Eklund, Nichols, and Knutsson, 2016; Bechtel and Stufflebeam 2001; Bogen 2001, 2002; Delehanty 2007, 2010; Mole et al. 2007; Roskies 2007, 2010; van Orden and Paap 1997)。以 Klein (2010a) 的研究為例，他針對 fMRI 神經影像到底能不能當作大腦功能假說 (functional hypothesis) 的證據提出分析，例如某個 fMRI 實驗所產生的 fMRI 影像是否可以支持某一特定腦區與某一類型的決策功能／行為相關。 Klein 的最核心主張是，使用虛無假設顯著性檢定 (NHST, null hypothesis significance testing) 的統計方法來產生 fMRI 神經影像，會因為各種統計上的原因 (pp. 268-274)[17]，使得這種神經影像不能被當作可以用來支持關於大腦功能假說的證據。但是，就如同 Klein 自己所指出，上述的批評不適用於那些使用非 NHST 的統計方法來分析 fMRI 資料與產生其他類型的 fMRI 神經影像的研究。換句話說，理解與精緻化 fMRI 大腦功能假說的推理模式必須要深入神經科學家所使用的統計方法與相關統計假設才行。[18] 但是，這卻是一般大眾與非 fMRI 研究專家在吸收神經科學資訊時常常忽略的一塊，是大家需要開始警覺與培養相關統計素養來克服的一點。另一方面，要真正掌握如何解讀 fMRI 神經影像的意義，不可能與 fMRI 的實驗設計脫鉤。唯有透過瞭解 fMRI 實驗設計背後的思考，才能掌握實驗設計真正測量到的實驗現象為何，以及實驗設計所引入的預設如何影響，更重要的是，如何限制我們能對 fMRI 影像所做的解讀。這些細節也很容易在大眾媒體傳播時或非神經科學家引用實驗結果時所忽略，是所有使用 fMRI 研究的專家與非專家需要注意的地方。上述種種的細節都涉及到如何將 fMRI 的神經科學推理模式闡述地更為清楚，特別是其中應遵循的種種限制。由於 fMRI 研究是最常被引用來進行跨領域心智研究的實驗資料，若使用者對於相關的推理模式的限制沒有具體地掌握，容易犯了過度解讀 fMRI 研究資料所能支持的主張，特別是當這些資料被轉移到新的研究脈絡中被使用時。
上一節指出，要能以符合科學嚴謹性的方式解讀 fMRI 神經影像意義，了解 fMRI 實驗設計背後的思考與預設是不可或缺的。這其實涉及到神經科學實驗實作的議題。近年來，越來越多的神經科學哲學家們針對實驗設計的種類與價值權衡、實驗設計與實驗現象的關係等進行較為系統性的分析。過往的科學哲學研究，較偏重分析科學實驗的結果，並從實驗結果來反思各種相關的科學哲學議題。但是，實驗本身其實是一個歷程，有其本身的階段性與複雜度，而實驗結果的真正意涵往往要被置放在實驗結果如何從實驗歷程中被科學家生產出來的脈絡下分析，才能挖掘出結果真正代表的意涵。而從21世紀開始發展的神經科學實驗實作哲學，正是將神經科學實驗本身作為分析單位，進行各種相關的科學知識論、科學形上學、與科學價值學的分析。
先前提到 Kastner 採用分析神經科學實作的方式間接地參與了機制論與非機制論的論辯。Kastner 的研究進路正是屬於科學實作哲學的一種。科學實作哲學的最核心精神是以科學家們實際進行的科學實作內容作為哲學分析的單位，並且正視科學實作的多元與異質 (heterogeneous) 的樣態。以 Kastner 的研究為例，她指出神經科學家的實驗實作還包含其他類型的操作實驗。而這一節，我將繼續介紹其他採用神經科學實作哲學進路的研究成果。
Sullivan (2008, 2010 & 2015) 針對神經科學實驗實作進行分析，並企圖發展一個架構來協助發展神經科學實驗實作的知識論。Sullivan (2015) 先是將神經科學的實驗實作分為兩大類：認知神經科學 (cognitive neuroscience) 與認知神經生物學 (cognitive neurobiology)，並針對這兩類的實驗實作模式進行分析 (pp. 32-35)。認知神經科學實驗實作的目的是找出與認知功能相關的腦區或腦網絡，以及了解相關腦區或網絡的資訊處理歷程。而認知神經科學實驗實作的模式則是繼承了認知心理學的行為實驗實作架構並加上腦神經影像技術、電生理紀錄技術或電腦建模技術。一個典型的認知神經科學實驗會先根據既有的文獻，找出一個已知的關聯性主張，如某個腦區或網絡與某個認知功能有關聯性，然後針對此腦區的腦活動樣態進行預測並提出假說。而後便藉由實驗取得的資料來檢驗其所提出的預測假說是否成立。認知神經生物學實驗實作的目的則是找出學習與記憶的細胞分子機制。認知神經科學實驗實作的模式也是繼承了認知心理學的行為實驗實作架構，再加上電生理紀錄技術、和藥學的、基因體學的、與蛋白質的分析技術。一個典型的認知生物學實驗會進先進行動物行為實驗來建立細胞分子生物活動與行為變化的關聯性主張，而後在此關聯性的基礎上提出因果預測，並進行干預實驗來操弄細胞分子活動的某個面向，以便檢驗其因果預測是否成立。但 Sullivan 提醒大家，上述只是對於神經科科學實驗實作一個非常粗略的概述，想要真正掌握神經科學實驗實作一些關鍵性的資訊，至少要回到每一個實驗的研究論文本身，以便進一步掌握個別實驗實作的細節，因為這些細節才是評價個別實驗是否產生科學知識的關鍵，特別是實驗流程的細節。
她進一步指出我們可以將科學實驗視為是一種歷程。實驗歷程的目的是產出實驗資料來評價關於實驗現象的競爭假設。而實驗資料是否能扮演此功能則仰賴產生實驗資料的歷程是否有信度 (reliability)，以及基於實驗資料而推論出來的主張是否有效度 (validity)。Sullivan 基於她對神經科學實驗實作的類別與細節的分析，整理出神經科學實驗歷程的不同階段（資料生產與資料詮釋）與相對應的實驗規範（實驗信度與實驗效度）（p. 37, 圖3.1），並建議使用上述的實驗歷程架構與實驗規範來進行神經科學實驗實作的知識論分析。
Feest (2011, 2012 & 2017) 也是針對神經科學實驗實作的細節進行分析，也是以發展神經科學實驗時作的知識論為目標。但 Feest 所使用的術語與切入點與 Sullivan 稍有不同。Feest 關注的是與資料生產與資料詮釋歷程密切關聯的現象 (phenomenon)，特別是如何透過設計實驗給現象一個操作型定義的概念實作 (conceptual practice) (Feest, 2012)，如何透過執行實驗來生產 (producing) 與穩定 (stablizing) 現象 (Feest, 2011)，如何區分現象與研究對象 (Feest, 2012)。
Silva, Landreth, and Bickle (2013) 也針對神經科學實驗實作提出一個分析架構，並且進一步設計了一套 AI 軟體，可以協助神經科學家進行實驗設計的實作。Silva 等人指出，由於神經科學研究的成長速度飛快，神經科學家需要更好的工具來協助他們整理既有文獻中已知的實驗成果。因此他們提出了一個分析架構，來協助研究者整理既有文獻中已知的實驗設計與成果，他們更依此分析架構設計了一套軟體，可以自動化文獻分析，產生一個研究地圖，優化研究者設計實驗實作的品質。
神經科學哲學在21世紀有了許多新的發展與突破，特別是越來越多的神經科學哲學家走入神經科學家們日常的科學實作中，從中挖掘與開發神經科學哲學的問題意識。這樣的研究進路可說是已經大幅度地超越了20世紀以來從邏輯實證論與邏輯經驗論所承繼下來的問題意識，但又同時保有邏輯實證論與邏輯經驗論為英美分析哲學所開創的哲學精神，也就是科學與哲學應該要共同演化與相互增強，以便維持一種共生關係。
[3] 另一個與神經科學也相關的領域是倫理學。由於Bickle and Hardcastle (2012) 將神經倫理學（Neuroethics）也放入神經科學哲學的範圍內，因此，若以這此架構來論，倫理學的發展也可說與神經科學哲學相關。不過，本詞條將不介紹神經倫理學的部分。
[4] 我建議將neurophilosophy翻譯為神經科學取向的心智哲學，但由於此翻譯過於冗長，故本文選擇使用英文原本，以兼顧行文流暢度。
[5] 事實上，關於心腦同一論、功能論、以及取消唯物論的論辯發展遠比我在這一小段落所呈現的複雜多了。但為了要讓讀者能夠快速掌握我認為取消唯物論與神經科學哲學發展的最直接相關處，只好簡化這段論辯的複雜度。若有興趣了解更多的讀者，建議參考Smart (2007), Levin (2018), 與Ramsey (2019)。
[6] 想要了解更多neurophilosophy在當時的影響，可參考Bickle, Mandik & Landreth (2019, Section 1 & 2).
[7] 事實上，由於神經科學的成立與逐漸壯大，對於心理學與認知科學開始產生根本性的改變。一方面，不少認知心理學家、臨床心理學家、或認知科學家，都逐漸轉向採用神經科學的研究工具來進行認知研究，也因此， 約莫在1970年代後期，著名的神經科學家Michael Gazzaniga與著名的認知心理學家George Miller共同命名了「認知神經科學」(cognitive neuroscience) 這個領域，以便適切地反應這個改變（https://www.cogneurosociety.org/background/）。另一方面，根據Núñez等人（2019） 所發表的證據顯示，在50與60年代興起的認知科學，從原本企圖發展成一個新興的跨領域研究，目前已經很大程度地被吸收進認知心理學領域，而認知神經科學又是其中的主流實驗進路。
[8] 這個詞條1999年版本的連結如下：https://plato.stanford.edu/archives/sum1999/entries/neuroscience/
[9] 在Bickle, Mandik & Landreth (2019)的神經科學哲學的詞條中，是以neurophilosophy來稱我所謂的跨領域心腦研究。但我認為neurophilosophy當時確實同時處理了心智哲學與科學哲學議題。若用neurophilosophy來指稱2000年代之後才分離開的兩條路線的其中之一，我擔心會對neurophilosophy這個學派在1980年代間所做出的貢獻造成誤解。
[10] 我將跨領域(cross-disciplinary)研究定義為有牽涉到兩個領域以上的研究方法或內容。在文獻上，還會因為不同領域之間的互動方式，再細分出不同類型的跨領域，如多領域(multi-disciplinary)、整合領域(inter-disciplinary)、超領域(trans-disciplinary)等，細節請參考Stokols, et al. (2008) and Mennes (2020).
[11] 「什麼樣的研究叫案例研究？」這個問題在科學哲學文獻中曾進行過深入的討論，請見Morgan (2012, 2014 & 2018).
[12] 非機制論的科學哲學家們還可以再被粗分為兩類。第一類是繼承20世紀認知科學（cognitive science）所留下來的兩大問題意識：（1）認知現象的科學說明一定需要使用到表徵（representation）與計算（computation）這兩個概念嗎？（2）如果是的話，表徵與計算這兩個詞所指涉到的存在是一種抽象的存在還是一種神經連結結構或神經活動？ 第二類是繼承21世紀重視神經科學實作的研究風格，這些科學哲學家較著重在分析計算神經科學家實際上如何進行計算建模的歷程或者實際上提出的計算神經科學模型，並進一步探究這些計算神經科學模型是否提出了某種意義上的科學說明。本文的介紹主要偏重在第二類，第一類哲學家的介紹，讀者可參考Piccinini (2018) 。
[13] 想知道更多關於光遺傳學技術的中文科普知識，請參考：https://pansci.asia/archives/137508
[15] 想知道更多光遺傳技術的發展歷史背景與現狀，請參考：Fenno, Yizhar, and Deisseroth (2011) (https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6699620/); Adamantidis et al. (2015)
[16] 有關如何理解腦造影研究與其侷限和可能問題，請參考下列中文科普文章： (1) http://scimonth.blogspot.com/2017/03/blog-post_24.html、 (2) https://pansci.asia/archives/101635、(3) https://www.facebook.com/sciencemonthly/posts/1045019448923182
[17] 關於NHST的問題更深入的討論，請見：Nickerson, (2000); Harlow, Muliak, and Steiger, (1997)
Adamantidis, A., Arber, S., Bains, J. S., Bamberg, E., Bonci, A., Buzsáki, G., Cardin, J. A., Costa, R. M., Dan, Y., Goda, Y., Graybiel, A. M., Häusser, M., Hegemann, P., Huguenard, J. R., Insel, T. R., Janak, P. H., Johnston, D., Josselyn, S. A., Koch, C., … Wilson, R. I. (2015). Optogenetics: 10 years after ChR2 in neurons—views from the community. Nature Neuroscience, 18(9), 1202–1212. https://doi.org/10.1038/nn.4106
Barwich, A.-S. (2019). The Value of Failure in Science: The Story of Grandmother Cells in Neuroscience. Frontiers in Neuroscience, 13. https://doi.org/10.3389/fnins.2019.01121
Batterman, R. W. (2002). The devil in the details. Oxford University Press.
Batterman, R. W., & Rice, C. C. (2014). Minimal model explanations. Philosophy of Science, 81(3), 349–376.
Bechtel, W., & Abrahamsen, A. (2010). Dynamic mechanistic explanation: Computational modeling of circadian rhythms as an exemplar for cognitive science. Studies in History and Philosophy of Science Part A, 41(3), 321–333.
Bechtel, W., & Abrahamsen, A. A. (2013). Thinking Dynamically About Biological Mechanisms: Networks of Coupled Oscillators. Foundations of Science, 18(4), 707–723.
Bechtel, W. P., & Stufflebeam, R. S. (2001). Epistemic Issues in Procuring Evidence About the Brain: The Importance of Research Instruments and Techniques. In W. P. Bechtel, P. Mandik, J. Mundale, & R. S. Stufflebeam (Eds.), Philosophy and the Neurosciences: A Reader (pp. 55–81). Blackwell.
Bechtel, W., Stufflebeam, R. S., Mundale, J., & Mandik, P. (2001). Philosophy and the Neurosciences: A Reader. Wiley.
Bickle, J. (2009). The Oxford Handbook of Philosophy and Neuroscience. Oxford University Press, USA.
Bickle, J. (2016). Revolutions in Neuroscience: Tool Development. Frontiers in Systems Neuroscience, 10, 24–24. https://doi.org/10.3389/fnsys.2016.00024
Bickle, J., & Hardcastle, V. G. (2012). Philosophy of Neuroscience. In ELS. American Cancer Society. https://doi.org/10.1002/9780470015902.a0024144
Bickle, J., Landreth, A., & Mandik, P. (2019). The Philosophy of Neuroscience. In E. N. Zalta (Ed.), The Stanford Encyclopedia of Philosophy (Fall 2019). Metaphysics Research Lab, Stanford University. https://plato.stanford.edu/archives/fall2019/entries/neuroscience/
Bickle, J., & Mandik, P. (n.d.). The Philosophy of Neuroscience. In E. N. Zalta (Ed.), The Stanford Encyclopedia of Philosophy (Summer 1999). Retrieved January 28, 2020, from https://plato.stanford.edu/archives/sum1999/entries/neuroscience/
Bogen, James. (2001). Functional Imaging Evidence: Some Epistemic Hotspots. In P. K. Machamer, P. McLaughlin, & R. Grush (Eds.), Theory and Method in the Neurosciences (pp. 173–199). University of Pittsburgh Press.
Bogen, Jim. (2002). Epistemological Custard Pies from Functional Brain Imaging. Philosophy of Science, 69(S3), S59–S71. JSTOR. https://doi.org/10.1086/341768
Boyden, E. S., Zhang, F., Bamberg, E., Nagel, G., & Deisseroth, K. (2005). Millisecond-timescale, genetically targeted optical control of neural activity. Nature Neuroscience, 8(9), 1263–1268. https://doi.org/10.1038/nn1525
Brigandt, I. (2013). Systems biology and the integration of mechanistic explanation and mathematical explanation. Studies in History and Philosophy of Science Part C: Studies in History and Philosophy of Biological and Biomedical Sciences, 44(4), 477–492. https://doi.org/10.1016/j.shpsc.2013.06.002
Cat, J. (2017). The Unity of Science. In E. N. Zalta (Ed.), The Stanford Encyclopedia of Philosophy (Fall 2017). Metaphysics Research Lab, Stanford University. https://plato.stanford.edu/archives/fall2017/entries/scientific-unity/
Chemero, A., & Silberstein, M. (2008). After the philosophy of mind: Replacing scholasticism with science. Philosophy of Science, 75(1), 1–27.
Chirimuuta, M. (2014). Minimal models and canonical neural computations: The distinctness of computational explanation in neuroscience. Synthese, 191(2), 127–153. JSTOR.
Chirimuuta, M. (2018). Explanation in Computational Neuroscience: Causal and Non-causal. The British Journal for the Philosophy of Science, 69(3), 849–880. https://doi.org/10.1093/bjps/axw034
Churchland, P. M. (1981). Eliminative Materialism and the Propositional Attitudes. Journal of Philosophy, 78(February), 67–90. https://doi.org/10.2307/2025900
Churchland, P. M. (1988). Matter and Consciousness: A Contemporary Introduction to the Philosophy of Mind (Revised edition). The MIT Press.
Churchland, P. S. (1989). Neurophilosophy: Toward a Unified Science of the Mind-Brain (Reprint edition). A Bradford Book.
Coltheart, M. (2006). What has functional neuroimaging told us about the mind (so far)? Cortex; a Journal Devoted to the Study of the Nervous System and Behavior, 42(3), 323–331. https://doi.org/10.1016/s0010-9452(08)70358-7
Craver, C. F. (2007). Explaining the Brain: Mechanisms and the Mosaic Unity of Neuroscience (1 edition). Oxford University Press.
Craver, C. F., & Darden, L. (2013). In Search of Mechanisms: Discoveries across the Life Sciences. University of Chicago Press.
Craver, C., & Tabery, J. (2019). Mechanisms in Science. In E. N. Zalta (Ed.), The Stanford Encyclopedia of Philosophy (Summer 2019). Metaphysics Research Lab, Stanford University. https://plato.stanford.edu/archives/sum2019/entries/science-mechanisms/
Delehanty, M. (2007). Perceiving Causation via Videomicroscopy. Philosophy of Science, 74(5), 996–1006. JSTOR. https://doi.org/10.1086/525639
Delehanty, M. (2010). Why Images? Medicine Studies, 2(3), 161–173. https://doi.org/10.1007/s12376-010-0052-2
Eklund, A., Nichols, T. E., & Knutsson, H. (2016). Cluster failure: Why fMRI inferences for spatial extent have inflated false-positive rates. Proceedings of the National Academy of Sciences, 113(28), 7900. https://doi.org/10.1073/pnas.1602413113
Elber-Dorozko, L., & Shagrir, O. (n.d.). Computation and levels in the cognitive and neural sciences. In M. Sprevak & M. Colombo (Eds.), The Routledge Handbook of the Computational Mind (pp. 205–222). Routledge.
Feest, U. (2011). What exactly is stabilized when phenomena are stabilized? Synthese, 182, 57–71. https://doi.org/10.1007/s11229-009-9616-7
Feest, U. (2012). Exploratory experiments, concept formation, and theory construction in psychology. In U. Feest & F. Steinle (Eds.), Scientific Concepts and Investigative Practice (pp. 167–190). Walter de Gruyter.
Feest, U. (2017). Phenomena and Objects of Research in the Cognitive and Behavioral Sciences. Philosophy of Science, 84(5), 1165–1176. https://doi.org/10.1086/694155
Feigl, H. (1958). The “mental” and the “physical.” http://conservancy.umn.edu/handle/11299/184614
Fenno, L., Yizhar, O., & Deisseroth, K. (2011). The Development and Application of Optogenetics. Annual Review of Neuroscience, 34, 389–412. https://doi.org/10.1146/annurev-neuro-061010-113817
Ferrández, J. M., Barakova, E., & Górriz, J. M. (2020). Neural Computation links Neuroscience: A synergistic approach. Neural Computing and Applications, 32(17), 13173–13174. https://doi.org/10.1007/s00521-020-04950-3
Flanagan, O. (2009). Neuro‐Eudaimonics or Buddhists Lead Neuroscientists to the Seat of Happiness. The Oxford Handbook of Philosophy and Neuroscience. https://doi.org/10.1093/oxfordhb/9780195304787.003.0024
Fodor, J. A. (1968). Psychological Explanation: An Introduction To The Philosophy Of Psychology. Ny: Random House.
Friston, K. J., Rotschtein, P., Geng, J. J., Sterzer, P., Henson, R. N., Saxe, R., Brett, M., Kanwisher, N., Poldrack, R. A., Haxby, J. V., Vul, E., Mumford, J. A., Mole, C., Klein, C., Harman, G., Glymour, C., Biswal, B., Grill-Spector, K., Poline, J.-B., … Coltheart, M. (2010). Foundational Issues in Human Brain Mapping (S. J. Hanson & M. Bunzl, Eds.; New edition). A Bradford Book.
Gazzaniga, M. S., Ivry, R. B., & Mangun, G. R. (2013). Cognitive Neuroscience: The Biology of the Mind, 4th Edition (4th edition). W. W. Norton & Company.
Gelder, T. van, & Port, R. (1995). Mind as motion: Explorations in the dynamics of cognition. MIT Press.
Gervais, R. (2014). Mechanistic and non-mechanistic varieties of dynamical models in cognitive science: Explanatory power, understanding, and the ‘mere description’ worry. Synthese, 192(1), 43–66.
Goldman, A. I. (2006). Simulating Minds: The Philosophy, Psychology, and Neuroscience of Mindreading. Oxford University Press. https://www.oxfordscholarship.com/view/10.1093/0195138929.001.0001/acprof-9780195138924
Griffiths, P. (2018). Philosophy of Biology. In E. N. Zalta (Ed.), The Stanford Encyclopedia of Philosophy (Spring 2018). Metaphysics Research Lab, Stanford University. https://plato.stanford.edu/archives/spr2018/entries/biology-philosophy/
Hanson, S. J., Bunzl, M., & Roskies, A. (Eds.). (2010). Neuroimaging and inferential distance: The perils of pictures. In Foundational Issues in Human Brain Mapping (pp. 195–217). MIT Press.
Hardcastle, V. G., & Stewart, C. M. (2002). What Do Brain Data Really Show? Philosophy of Science, 69(S3), S72–S82. JSTOR. https://doi.org/10.1086/341769
Harlow, L. L. (Ed.). (2016). What If There Were No Significance Tests? (1 edition). Routledge.
Hohwy, J. (2013). The Predictive Mind. OUP Oxford.
Irvine, E. (2013). Consciousness as a Scientific Concept: A Philosophy of Science Perspective. Springer Netherlands. https://doi.org/10.1007/978-94-007-5173-6
Issad, T., & Malaterre, C. (2015). Are dynamic mechanistic explanations still mechanistic? In Explanation in Biology (pp. 265–292). Springer Netherlands. http://link.springer.com/chapter/10.1007/978-94-017-9822-8_12
Kaplan, David M., & Bechtel, W. (2011). Dynamical models: An alternative or complement to mechanistic explanations? Topics in Cognitive Science, 3(2), 438–444.
Kaplan, David Michael. (2011). Explanation and description in computational neuroscience. Synthese, 183(3), 339–373.
Kaplan, David Michael. (2015). Moving parts: The natural alliance between dynamical and mechanistic modeling approaches. Biology & Philosophy, 30(6), 757–786.
Kaplan, David Michael, & Craver, C. F. (2011). The explanatory force of dynamical and mathematical models in neuroscience: A mechanistic perspective. Philosophy of Science, 78(4), 601–627.
Kästner, L. (2017). Philosophy of Cognitive Neuroscience, Causal Explanations, Mechanisms and Experimental Manipulations. De Gruyter. https://doi.org/10.1515/9783110530940
Kawai, R., Markman, T., Poddar, R., Ko, R., Fantana, A. L., Dhawale, A. K., Kampff, A. R., & Ölveczky, B. P. (2015). Motor Cortex Is Required for Learning but Not for Executing a Motor Skill. Neuron, 86(3), 800–812. https://doi.org/10.1016/j.neuron.2015.03.024
Klein, C. (2010a). Images Are Not the Evidence in Neuroimaging. British Journal for the Philosophy of Science, 61(2), 265–278. https://doi.org/10.1093/bjps/axp035
Klein, C. (2010b). Philosophical Issues in Neuroimaging. Philosophy Compass, 5(2), 186–198. https://doi.org/10.1111/j.1747-9991.2009.00275.x
Levin, J. (2018). Functionalism. In E. N. Zalta (Ed.), The Stanford Encyclopedia of Philosophy (Fall 2018). Metaphysics Research Lab, Stanford University. https://plato.stanford.edu/archives/fall2018/entries/functionalism/
Louie, K., & Glimcher, P. W. (2019, July 29). Normalization Principles in Computational Neuroscience. Oxford Research Encyclopedia of Neuroscience. https://doi.org/10.1093/acrefore/9780190264086.013.43
Matthiessen, D. (2015). Mechanistic explanation in systems biology: Cellular networks. The British Journal for the Philosophy of Science, axv011. https://doi.org/10.1093/bjps/axv011
Mennes, J. (2020). Putting multidisciplinarity (back) on the map. European Journal for Philosophy of Science, 10(2), 18. https://doi.org/10.1007/s13194-020-00283-z
Mole, C., Kubatzky, C., Plate, J., Waller, R., Dobbs, M., & Nardone, M. (2007). Faces and Brains: The Limitations of Brain Scanning in Cognitive Science. Philosophical Psychology, 20(2), 197–207. https://doi.org/10.1080/09515080701209380
Morgan, M. S. (2012). Case Studies: One Observation or Many? Justification or Discovery? Philosophy of Science, 79(5), 667–677. https://doi.org/10.1086/667848
Morgan, M. S. (2014). Resituating Knowledge: Generic Strategies and Case Studies. Philosophy of Science, 81(5), 1012–1024. https://doi.org/10.1086/677888
Morgan, M. S. (2018). Exemplification and the use-values of cases and case studies. Studies in History and Philosophy of Science Part A. https://doi.org/10.1016/j.shpsa.2018.12.008
Nickerson, R. S. (2000). Null hypothesis significance testing: A review of an old and continuing controversy. Psychological Methods, 5(2), 241–301. https://doi.org/10.1037/1082-989x.5.2.241
Núñez, R., Allen, M., Gao, R., Rigoli, C. M., Relaford-Doyle, J., & Semenuks, A. (2019). What happened to cognitive science? Nature Human Behaviour, 3(8), 782–791. https://doi.org/10.1038/s41562-019-0626-2
Otchy, T. M., Wolff, S. B. E., Rhee, J. Y., Pehlevan, C., Kawai, R., Kempf, A., Gobes, S. M. H., & Ölveczky, B. P. (2015). Acute off-target effects of neural circuit manipulations. Nature, 528(7582), 358–363. https://doi.org/10.1038/nature16442
Piccinini, G. (2018). Computation and Representation in Cognitive Neuroscience. Minds and Machines, 28(1), 1–6. https://doi.org/10.1007/s11023-018-9461-x
Place, U. T. (1956). Is Consciousness a Brain Process? British Journal of Psychology, 47(1), 44–50. https://doi.org/10.1111/j.2044-8295.1956.tb00560.x
Prinz, J. J. (2004). Gut Reactions: A Perceptual Theory of Emotion. Oxford University Press.
Putnam, H. (1960). Minds and Machines. In S. Hook (Ed.), Dimensions of Minds (pp. 138–164). New York, USA: New York University Press.
Ramsey, W. (2019). Eliminative Materialism. In E. N. Zalta (Ed.), The Stanford Encyclopedia of Philosophy (Spring 2019). Metaphysics Research Lab, Stanford University. https://plato.stanford.edu/archives/spr2019/entries/materialism-eliminative/
Roskies, A. (2016). Neuroethics. In E. N. Zalta (Ed.), The Stanford Encyclopedia of Philosophy (Spring 2016). Metaphysics Research Lab, Stanford University. https://plato.stanford.edu/archives/spr2016/entries/neuroethics/
Roskies, A. L. (2007). Are Neuroimages Like Photographs of the Brain? Philosophy of Science, 74(5), 860–872. https://doi.org/10.1086/525627
Ross, L. N. (2015). Dynamical models and explanation in neuroscience. Philosophy of Science, 82(1), 32–54.
Silva, A. J., Landreth, A., & Bickle, J. (2013). Engineering the Next Revolution in Neuroscience: The New Science of Experiment Planning. Oxford University Press.
Smart, J. J. C. (1959). Sensations and Brain Processes. The Philosophical Review, 68(2), 141–156. JSTOR. https://doi.org/10.2307/2182164
Smart, J. J. C. (2017). The Mind/Brain Identity Theory. In E. N. Zalta (Ed.), The Stanford Encyclopedia of Philosophy (Spring 2017). Metaphysics Research Lab, Stanford University. https://plato.stanford.edu/archives/spr2017/entries/mind-identity/
Stokols, D., Hall, K. L., Taylor, B. K., & Moser, R. P. (2008). The Science of Team Science: Overview of the Field and Introduction to the Supplement. American Journal of Preventive Medicine, 35(2, Supplement), S77–S89. https://doi.org/10.1016/j.amepre.2008.05.002
Sullivan, Jackie. (2015). Neuroscientific kinds through the lens of scientific practice. In Natural Kinds and Classification in Scientific Practice (pp. 47–56). https://doi.org/10.4324/9781315619934-13
Sullivan, Jacqueline. (2015). Experimentation in Cognitive Neuroscience and Cognitive Neurobiology. In J. Clausen & N. Levy (Eds.), Handbook of Neuroethics (pp. 31–47). Springer Netherlands. https://doi.org/10.1007/978-94-007-4707-4_108
Sullivan, Jacqueline A. (2008). The multiplicity of experimental protocols: A challenge to reductionist and non-reductionist models of the unity of neuroscience. Synthese, 167(3), 511. https://doi.org/10.1007/s11229-008-9389-4
Sullivan, Jacqueline A. (2010). Reconsidering ‘spatial memory’ and the Morris water maze. Synthese, 177(2), 261–283. https://doi.org/10.1007/s11229-010-9849-5
Sullivan, Jacqueline Anne. (2018). Optogenetics, Pluralism, and Progress. Philosophy of Science, 85(5), 1090–1101. https://doi.org/10.1086/699724
Uttal, W. R. (2003). The New Phrenology: The Limits of Localizing Cognitive Processes in the Brain. A Bradford Book.
Van Orden, G. C., & Paap, K. R. (1997). Functional Neuroimages Fail to Discover Pieces of Mind in the Parts of the Brain. Philosophy of Science, 64, S85–S94. https://doi.org/10.1086/392589
Weiskopf, D. A. (2011). Models and mechanisms in psychological explanation. Synthese, 183(3), 313–338.
Woodward, J. (2004). Making Things Happen: A Theory of Causal Explanation. Oxford University Press.
Woodward, J. (2019). Scientific Explanation. In E. N. Zalta (Ed.), The Stanford Encyclopedia of Philosophy (Winter 2019). Metaphysics Research Lab, Stanford University. https://plato.stanford.edu/archives/win2019/entries/scientific-explanation/
Wu, W. (2018). The Neuroscience of Consciousness. In E. N. Zalta (Ed.), The Stanford Encyclopedia of Philosophy (Winter 2018). Metaphysics Research Lab, Stanford University. https://plato.stanford.edu/archives/win2018/entries/consciousness-neuroscience/
Yan, K., & Hricko, J. (2017). Brain networks, structural realism, and local approaches to the scientific realism debate. Studies in History and Philosophy of Biological and Biomedical Sciences, 64, 1–10. https://doi.org/10.1016/j.shpsc.2017.05.001
Yoshihara, M., & Yoshihara, M. (2018). “Necessary and sufficient” in biology is not necessarily necessary—Confusions and erroneous conclusions resulting from misapplied logic in the field of biology, especially neuroscience. Journal of Neurogenetics, 32(2), 53–64. https://doi.org/10.1080/01677063.2018.1468443
Zednik, C. (2011). The nature of dynamical explanation. Philosophy of Science, 78(2), 238–263.
陳瑞麟. (2018). 科學哲學：假設的推理. 五南圖書出版股份有限公司.
葉筱凡 (2020)。〈生物學中的機制〉，王一奇（編），《華文哲學百科》（2020 版本）。URL=http://mephilosophy.ccu.edu.tw/entry.php?entry_name=生物學中的機制。
