“信号携带信息” 是一个涉及信号技术论和知识论的命题，技术论命题针对的是信号传输和信息量的计算问题，知识论针对的是信号传输系统中传输的信息内容及内容的意义问题。 信号携带信息能否将技术论和知识论问题统一起来，西方学者试图通过信号博弈设计来达到这一目标。
一、信号携带信息的技术论分析
对“信号携带信息”命题追问，会引出信号是什么？ 信息是什么？ 信号如何携带信息和携带多少？“是什么”的问题是知识论问题，“如何和多少”是技术论问题。信号是什么？ 回答这个问题会涉及自然和赋意，大自然释放的信号可称为自然信号，经过赋意的信号可称为意义信号。 信息是什么？ 信息也可分为两部分：自然信息和赋意信息。 自然信息是信号携带的信源属性，比如一个氢原子发出一个光子信号，光子的频率就是该光信号携带的信息，该信息是氢原子信源的能级属性；赋意信息是给携带信息的信号赋予特定的意义，比如非洲一种长尾黑颚猴给它发出的声音信号赋意，它发出三种特殊的声音信号，类似咳嗽、咆哮和咔嚓声，这三种声音信号所携带的信息是赋意的，咳嗽声是鹰来了，咆哮声是豹来了，咔嚓声是蛇来了。
当信号携带赋意信息穿越时空局限进行传输时，信号携带信息就转化为了一个技术问题，古代人使用的烽火台， 通过烟信号传递敌人来了的信息，扩大了人的信息空间传递能力，但它需要随时点火技术来支持。 后来出现书信，书信主要通过字来传递赋意信息， 它扩大了人的时空传递能力，可将赋意信息带到非常遥远的地方， 但这种传递方式， 需要书写材料制造技术和书写文字技术来支持。
当人们使用电信号携带信息时，声音、文字、图像都可以作为信息被电信号携带到更大时空范围，进行快速传输，但需要的技术支持系统更为复杂和昂贵。 要使这样的系统在社会中被普遍使用，昂贵的费用必须通过合理的计量系统被社会分担，信息计量成为了新的信号携带信息的技术瓶颈问题。
解决现代信息计量问题的最早尝试，应追溯到俄罗斯数学家马尔科夫，他在二十世纪初建立了随机过程理论，从数学方面解决了随机取一个数值的概率问题。 美国学者哈特利(R.V. H. Harley）在二十世纪 20 年代末期， 设计了度量信号传输中信息量的方法，即假定有 D 个不同的符号，从 D 中取 N个符号，组成一个词，进一步假定任意一个符号出现的概率相同，选取一个符号完全随机，按照这样的方法，可选出 DN 个词，那么从 DN 个词里取一个词，对应一个信息量 I（I=N log D）。 哈利特的贡献是将信息量计算建立在符号选取操作数量上，缺陷是假定取一个词的概率相同，哈利特的假定没有冲破传统知识的决定论思维，信息量反映的是信息的可靠性程度，可靠性程度和概率密切相关。
信息量和概率的关联性研究是由香农（ClaudeElwood Shannon）完成的，二战期间香农在贝尔实验室研究密码问题，对密码的研究激发了他对信息计量数学问题的强烈兴趣。1948 年香农在他那篇着名的专题文章“通信的数学理论”一文中解决了信息计量的两个基本问题：a 可计量的信息传输技术系统模式，b 信息量计算方法。
香农认为通信问题的核心是：在两点之间，一个点选定的信息，在另一个点可精确或近似复制该信息。 为了完成这一目标，香农按最小技术成本原理，将这两点之间的传输关系设定为线性模式：信源———编码———信道———解码———信宿，该模式解决了信息量计算和技术选择成本问题。 香农将信息传输的焦点放在接收端的精确或近似复制上，说明他已意识到，信息量和概率正相关， 概率反映的是信息到接收端的不确定程度，由此他从数学上证明信息的不确定程度和信息熵存在等价关系，信息熵（H=∑-pi log pi）由信息的概率函数决定，为了便于理解，这里的概率可被看作哈利特设定为相同的概率，信息熵反映信息传输过程随机不确定性程度，信息传输是增加某一事件的确定性。 当信息熵概念被用在二进制中，信息熵转换为信息量的单位———比特。 比特数越大，信宿处的信息还原越精确。
香农的信息计量方法，使向现代信号传输网络技术系统者收费成为可能，导致信号传输网络技术系统快速发展。 电光作为信号携带信息的技术支持越来越成熟，电光信号传输网络中的信息量巨量增长，识别和利用网络信息内容的知识论问题凸显。
二、信号携带信息的知识论分析
在一个信号中，信息是什么，这一问题可分为两个问题：一个是信号的信息量是多少，另一个是信号的信息内容是什么？ 信号的信息量问题被香农所解决。 信号的信息内容，知识论学者设计了一些比较有效的解决方案。
美国哲学学者德雷斯科（Fred Dretske）认为知识论学者应将关注点放在信息流动上，信息内容属知识论范畴，他以香农的信息论为基础，发展了一种通过信息流动建构知识的方法。
把信息内容作为知识论问题，必然会引出信息内容的信号赋意问题。 如何赋意？ 美国语言哲学学者格赖斯（H. PaulGrice）通过分析话语意义的来源，为信号赋意问题研究提供了一种方法，他认为，话语的意义可分为自然意义和非自然意义，自然意义取决于与它相关联的自然过程。
美国科学哲学学者斯科姆斯（Brian Skyrms） 将格赖斯的话语看作一种特殊的信号，认为信号的意义获取全部是自然的，如何获取，他借用德雷斯科的观点， 意义在信息流动中形成，为此斯科姆斯将信号理论研究看作一种哲学研究，信号理论所涉及的信息选择、传送和处理属认识论范畴，即知识论范畴。
将话语作为一种信号传输， 它的载体是声音，声音信号携带的信息是话语的意义，声音信号传输话语意义信息的过程是一种自然的进化过程，这样从逻辑上就可以推定，任何动物种群使用的声音信号系统都是以进化为动力演变的，其意义获取和人类的话语意义获取相似。 那如何获取哪？ 美国学者Josef Hofbauer 和 Simon Huttegger 将进化动力学模型引入信号传输过程，他们认为，推动一种长期行为形成的动力是与通信相关的信号发送方和接收方的变异率。
为了适应变异，信号发送者和接收者只能采用强化学习的方式应对，由此他们提出在信号传输系统中存在学习动力模式。
在西方学者看来，信号传输系统是动物界普遍存在的生存功能系统，人类的进步也离不开这一功能系统的进化。 对这一系统解读的基本知识论命题：信号携带信息。 信息是流动的，流动的信息包含什么内容， 也就是信号传输系统流动的是什么，对流动的是什么进行知识论追问，可将过去的知识论研究对象、 内容和分析方法移植到信号问题中，使知识论问题在信号理念上，提升到一个更高的理论思维层次上。
知识论问题最终研究的是人的问题，正如卡西尔所考虑的：“应当把人定义为符号的动物来替代把人定义为理性的动物”。
按照卡西尔的逻辑，符号是知识论的基本前提。 沿着卡西尔的思维，是否可做这样的逻辑延伸？ 流动在信号传输系统的信息是符号和符号的构造物，它们是人类自然进化历史的逻辑体现。 人类起初给自己的声音信号赋意，逐渐进化出语言，后来出现图画、文字，近现代给电光信号赋意，出现影像、视频、文化等符号构造物。 文化是一种符号复合物，包括语言、文字、影像、视频等，它在网络中流动着人们的生活方式。 所以，现代知识论需要解决的问题是，分析网络流动信息的知识本质。
三、信号携带信息的博弈论分析
“信号携带信息” 这一命题包含两个信息使用问题：1.携带意味信息必须是流动的，2.流动的信息能否将信息发送者发出的信息的信息量和内容全部携带到信息的接收者哪里。
上述技术论路线和知识论路线都指出，信息接收者不可能 100%接收到信息发送者所发的量和内容。 这种信息传输破缺造成的原因复杂，但却是客观存在的。 香农很巧妙地利用概率来描述信息传输中的破缺，并在量的方面比较好的提出了减少信息传输破缺的方法。
当沿着知识论路线考虑信号携带信息的内容破缺时，用概率方法描述和解决这一问题，复杂程度远远高于量的问题。 信息内容是信息使用的基础，当使用者面对的是一个由概率决定的破缺内容时，怎么使用？
美国哲学学者大卫·刘易斯通过引入信号传播者（communicator）和受众（audience）博弈模型，设计出了处理信号携带信息的一种清新朴素的博弈方法。 他从最简单的信号传输模型开始分析，由一个传播者和一个受众构成的信号传输系统，此时的信号传输主要解决信号携带信息在两者之间的意义约定，以此为基础延伸到多信号、多传播者、多受众系统，当信号传输系统由多个传播者和多个受众构成，信号博弈问题会越来越突显。
美国科学哲学学者斯科姆斯强化了刘易斯信号传输博弈模型中的博弈性研究，他把信号传输过程完全看作一种博弈活动，即使是最简单的，由一个发送者（Sender）和一个接收者（receiver）构成的信号传输系统，传输也是一个博弈过程。 为此他提出发送者-接收者博弈模式，其内容为：自然选择一个随机状态，信号发送者观察该状态，将观察结果以某种信号发给接收者，接收者观察信号，根据观察结果选择一个行动回应发送者， 传输结果影响双方，状态与行动一致获得相同回报，否者回报为零。
斯科姆斯设计了一个分析信号传输的发送者-接收者博弈通式，此通式是分析更为复杂信号博弈模式的基础，可引出一系列很有研究前景的信号博弈问题。
发送者-接收者博弈通式引出信号传输过程的效率问题，效率取决于信号携带信息的测量，信息测量涉及两个概率问题： 一是发送者随机观察状态，用信号区别状态的有效性概率，二是接收者接收信号后，通过信息变化其行动的有效性概率。 当状态和行动完全匹配，信息传输完美，信号系统处在博弈均衡状态。
博弈均衡的相反是博弈不均衡，用均衡和不均衡方法来考察自然界的各种信号传输系统，留存的基本都是均衡的，这就引出信号传输系统是进化的结果。 在大自然存在的许许多多信号系统中，顺应自然的必然被首先推动。
利用博弈均衡将信号传输系统和进化论结合起来，打开了信号博弈学研究更为宽广的领域。 比较直接的研究意义是将发送者-接收者博弈模式，放到了一个坚实的实证研究基础上。 一个动物种群，当种群足够大时，必然存在特定的发送者-接收者信号传输模式，这种模式会发生种群代间和群间的传递，传递又引出一个传递方式的研究。
一个动物种群如何形成自己特定的信号传输模式，进化动力模型比较好的解决了这一问题。 信号传输模式在种群代间和群间如何传递，西方学者提出复制动态模型。 以群间传递为例来说明复制动态模型，假定由发送者构成一个群体，接收者构成一个群体，进一步假定群间只有两种状态、两种信号和两种行动，一种状态、信号、行动是固定对应的。 使用概率掷硬币方法，自然选择一个状态，发送者观察后，假定只能有两个发送策略：策略一，状态1 对应信号 1，状态 2 对应信号 2，策略二，状态 1 对应信号 2，状态 2 对应信号 1；接收者接收信号后也形成两个策略：策略一，信号 1 对应行动 1，信号 2对应行动 2，策略二，信号 1 对应行动 2，信号 2 对应行动 1。 结论：发送者策略一对应接收者策略一，发送者策略二对应接收者策略二的信号系统是均衡的。 围绕这种均衡，每一个策略实施，都会引发均衡变化率，信号传递方式的动态重复使用，是均衡和非均衡的博弈，经过这样的博弈最终会走向一种稳定均衡。
特定动物种群的信号传输系统从产生、均衡到稳定均衡，经历着漫长的重复互动过程，重复互动的机制是什么？ 美国学者 Richard Herrnstein 提出强化学习模型原则：选择一个行动的概率和它积累的回报是成比例的，每一个行动都是被赋予最初价值的，价值和一个行动被选择的概率也成比例，被选择行动的价值是通过其获取回报被赋予的，这一过程被不断重复，价值逐渐提升，过程逐渐减慢。 分析证明将强化学习模型原则用于带有概率特征的信号传输系统，会产生出一系列强化信号系统稳定均衡的学习原则。
上述发送者-接收者博弈模式是最简单的，它假定状态数、信号数、行动数是相同的，在此基础上做延伸分析，假定信号数多或少，或假定行动数多或少，这都会引起哲学和数学上非常有趣的问题。
当改变发送者-接收者的数目时， 它又会出现解释现实世界更为复杂的信号传输博弈模式。 一个发送者，多个接收者，信号传输系统可转化为报警信号系统；一个接收者，多个发送者，信号传输系统可转化为欺诈性信号系统；多个发送者，多个接收者，信号传输系统会转化为搭便车信号系统。
当延长发送者-接收者的链时， 信号网络博弈模式会出现。 最简单的延伸由发送者、转发者、接收者组成， 这种链式传输可看作最简单的网络模块，它被作为处理复杂网络的基本要素，看作网络团队合作的基本成分，以进一步研究合作进化中的原始信号与合作的关系，公共产品博弈中的合作等问题。 网络模块仅仅是人们普遍感兴趣的大量网络现象中，最简单的例子，它不仅仅构造了更为复杂的网络， 还可以转化为分析信号互动的学习模块，以这种模块为基础，依靠更为复杂的学习方式，可组合更为复杂的网络模块，引发对复杂网络中的学习问题，社会关系和社会网络中的合作进化、应对不利和自适应模式研究。
当我们将信号携带信息的命题发展为一种博弈性哲学范式时，信号传输的博弈模式研究就转化为了一种社会存在模式的深层思考。
四、信号博弈论将改变我们什么
1. 信号携带信息的技术论解决了信息计量问题。 信息计量为信息技术进步带来了巨量发展资金， 支持现代社会建立了完善的信号传输技术系统，使社会快速进入了信息化时代。
2.信号携带信息的知识论研究在很大程度上解决了信息内容问题。 对信息内容的解读要比对信息量的计量研究复杂的多，将内容解读和知识连在一起，即开拓了宽广的新研究领域，又将信号、信息研究和传统知识论研究有机结合在一起。 从传统知识论向信号携带信息的信息流动知识论转化，瑞士语言学家索绪尔和美国实用主义哲学家米德的研究起了重要方法论作用，索绪尔在二十世纪初研究语言问题时，将语言问题引申为符号问题，符号问题又被他转化为所指和能指问题， 即形式和内容问题，能指是形式，指一个符号的音响形象，所指是内容，指一个符号的概念意义。 索绪尔的符号学分析方法将我们带入了知识论最基本的结构问题，构造知识的最基本要素是一个什么样的结构，将这种结构延伸到信号，音响形象属信号技术论范畴，概念意义属信号知识论范畴，这样，意义就成为了解读信息内容的关键。
意义的产生和知识的产生是同源的，为了对意义产生做一个合理的解释， 米德引入了互动概念，互动既是人和人关系的基本模式，也是社会构造的基本元素， 人和人之间的互动实现媒介是符号，符号的意义是互动实现的基本前提，意义是在互动中形成和扩展的，意义经历时间的洗礼，以一种固定的、习惯性的、程序化的模式存在于人与人之间，这时的人也就转化为社会性的人，符号是人社会化的基础。
当米德的学生布鲁默将米德的互动模式概括为符号互动论后，知识与信息流动被强有力的联系在一起了，他们的“自我—符号—他人”社会基本关系结构模式，成为连接美国学者和欧洲学者思想的桥梁。 与语言哲学结合，其模式为：说者—言语—接受者，与传播学结合，其模式为：传播者—信息—受众，与信号学结合，其模式为：发送者—信号—接收者。 模式基本架构是互动，互动的两端是人，传统知识体系对人分析已很难有新的突破，转而互动的媒介和媒介与人的关系成为不同学科研究的热点领域，研究逐渐使符号、言语、信息、信号等成为知识论新的增长点，符号、言语、信息、信号在互动模式的功能分析中，逐渐被统一为意义方法论，至此互动模式可改写为：人—意义—人。
人—意义—人的互动模式就像一个巨大的凸透镜，将知识论聚焦在意义问题上，对意义问题的探究，引出两类次生意义问题，意义解读和意义的产生。 意义解读又引来意义与人和社会的相关性问题，意义与社会的相关性远远大于与人本身的相关性，这又引发了语境问题，社会的语境特征分析成为知识新的增长点。 意义的产生引发了对人的意识起源问题的探究，这又给古老的知识论问题注入了活力，产生了符号互动模式下的认知科学研究。
当知识论研究将人—意义—人的互动模式，作为一种最简单的社会基本事实来看待后，由它构建复杂社会事实的知识论工作逐渐展开。 由于地球是圆的，是有起源的，相对于人生存的空间和时间是有限的，人—意义—人—意义—人┄┄的空间和时间连接是四维时空连接。 远古的人其连接的对象仅限于 3 个、5 个或几十个，其连接需要的意义方式也很简单，固定的音调和动作即可，如果连接的意义方式太多，即没有必要，也非常不经济，还极易造成符号冗余和堵塞，降低信号传递效率。 现代社会连接的对象从几万到几十亿，意义方式和传递意义的技术手段都发展的极为复杂，逐渐产生了庞大的连接网络，网络信息意义成为知识论研究的新对象。
网络是信号流动的技术通道，流动的信号携带信息，信息以什么样的形式凸显意义，也可以说，网络流动的意义形式是什么？ 声音、数字、文字、图片、视频等符号，当这些形式被网络传输到我们的感官系统后，在我们思维中引起的意义是什么？ 秩序、组织、制度、文化等，将声音、数字、文字、图片、视频等符号形式转换为秩序、组织、制度、文化等意义形式是知识论的主要任务。
3.信号携带信息的博弈论研究旨在解决信息功能问题。 传统知识论研究比较成功解决了知识的基础和可靠性问题，在解决这两大问题时，逐渐形成了知识论两大预设： 实在世界存在是知识的基础，知识与实在世界符合度与知识可靠性正相关。 当这两大预设成为知识论的基本信念后，知识论学者一味追求实在世界信息转化为知识世界信息的逻辑通道可靠性。
为了保证实在世界到知识世界逻辑通道的可靠性，知识论学者对人的能力做了三个预设：感官可以进入实在世界， 感官感知到的可以用词语描述，词语描述的可以通过因果关系联系成实在世界的真实表述。 经过长期的逻辑设计，科学家和哲学家坚持认为，经过理性力量和经验证据证明了的知识，是完全可靠的。 追求知识可靠性是人类追求思维经济的基本形式，但通过理性力量和经验证据能否解决知识可靠性，受到越来越多的质疑和挑战。
质疑知识可靠性逻辑方法应追溯到休谟的归纳难题，为提升知识可靠性寻找新方法应追溯到贝叶斯。 通过贝叶斯方法尝试解决休谟难题，应和“剑桥学派以及赖欣巴赫、卡尔纳普为代表的逻辑经验主义”的工作关联性比较大。 知识可靠性和贝叶斯有什么关系，邱仁宗在上世纪 80 年代，设计了下面一个操作性案例来说明这种关系。 从瓮中预设拿一个蓝色球，传统的理性主义与经验主义坚信只要严格使用他们的方法， 每次拿出来的肯定是蓝色球，但卡尔纳普认为，既是严格按设计方法拿，预见是拿出一个蓝色球，也必须准备拿出白色球和红色球，波普尔认为，当你拿的时候，有可能拿出一只兔子、有可能手被卡住，有可能瓮炸掉，也有可能取出一件意外之物，宇宙的可能性是无限的，所以知识的可靠性也就是不确定的。
知识可靠性被强有力的逻辑推理方法质疑，这就引出知识完全没有可靠性， 还是部分没有可靠性？ 完全没有可靠性逻辑上不成立，部分不具有可靠性，又引出一个问题，在逻辑上怎样描述这种部分不可靠性？ 部分不可靠性的描述当时已被概率方法所解决，概率就自然进入了知识论。
概率进入知识论后，知识论学者给知识打上了概率标签，这就引来一个知识应用问题。 知识好比商品，概率标示知识的质量。 假如某位知识需要者进入传统理性主义和经验主义的知识商场，看到的是每种知识仅一个品种，知识购买者没必要选择知识品种，需要哪种知识，按量付款即可；当这位需要者进入现代知识超市，看到的是不同品种的知识放在不同区域，同一品种的知识，按可靠性概率摆放，可靠性概率高的价格相对较高。 需要者面对这样的知识超市，需要经历一系列博弈策略选择，才能达到效率与成本最优。 刚进入时遇到协调博弈，是否按超市指示进入选择区，进入选择区，会产生合作博弈，是否接受导购员引导，是否接受顾客引导，锁定品种后，会产生知识概率博弈，用途、可靠性和价格权衡。
当博弈方法进入知识论，自然到知识的逻辑建构方法和使用都发生了变革。 这里从一个现象学问题开始，知识最可靠的基础是现象吗？ 那现象又是什么？ 其实现象学大师胡塞尔（E. Edmund Husserl）也说不清，因而他把现象转化为现象学表述，现象学其实转移了对现象的关注，关注的是发现现象的方法，所以胡塞尔的现象学必然对直觉直观和意向性问题产生巨大兴趣， 引发了知识论的两大思考：
一是科学知识产生的自然与人的结合区提供给知识的“是什么”，又一次被关注；二是为寻找“是什么”设计了与传统不同的途径和方法。 通过现象学方法和途径得到的知识，既非实在的客体，也非观念客体，而是一种纯意向性客体。
纯意向性客体又是什么呢？ 这在现象学分析范式中解决不了，原因有二：1.现象学摆脱不了实体概念，2. 现象学在知识的可靠性概率为 1 的传统预设方面没有突破。 信号博弈学能否解决这一问题，作者在这里做一个尝试。
尝试的第一步是消解实体，实体不是直接的感知，是感知的逻辑推演，实体在很大程度上，是主观臆造的产物。 实体不是直接感知，那么直接感知的又是什么？ 是信号，信号是流动的能量，当它被感知后，就发生变化，感知的本质是变化的能量体验。 当你看到一栋大楼时，你看到的不是大楼本身，而是太阳发出的流动信号，大楼改变了太阳信号流动的形态，改变后的信号形态，又改变了你的感官状态，变化的感官状态， 引发意识产生大楼的实体形象，当这种变化消失后，感官会恢复原来的状态，实体形象会随状态恢复而消失。 在这里我们做一个假设： 记忆是感官状态不能完全恢复留有的痕迹，这个问题需要研究。
如果假定尝试的第一步成立，尝试的第二步就是分析现象。 现象是感官与外界作用的直接产物，形成现象的外界因素不是传统设定的实体，而是信号，流动的能量，信号的流动性决定了进入感官的信号具有概率性， 一是信号产生和传播的客观概率，一是感官选择信号的主观概率，当具有两种概率复合的信号，以流动能量的形式作用于感官系统时，改变那些部分是有概率特征的，被改变的部分能否被激活，将接受到的能量有效传递给另一部分也是有概率的。 信号携带信息，信号的概率必然延伸到信息，信息也是有概率的，信号携带的信息如何被感官系统解读，这就是意识的机能，流动概率高的信号，刺激感官变形长期存留，存留是解读信息的基础，当存留的感官变形结构和新信息发生恒定的关系，现象就产生了。
现象是意识的产物，也是形成意识的基础。 它是感官解读信号携带信息的概率模式，感官会挑选发生概率高的信号存留其信息，存留的信息积累会通过意识变为现象，现象由信息决定，现象也是有概率的，只是经过意识的选择，概率较高的信息构成了现象。 意识还会选择现象，会将概率高的现象以更加固定的方式存留下来，逐渐变为了知识。 这就是人们产生了一种错觉，认为真正的知识可靠性概率为 1。建立在高概率信息基础上的意识，和由它产生的概率性很高的知识，会习惯性的避开信号的流动性，而意推一种概率为 1 的理想体，也就是哲学家追求的实体。 胡塞尔揭示了现象的意向性，但因没有信号和概率的分析方法，所以提出了纯意向性客体，实体或客体不可能是一种存在，只能是一种意识性方法，这也就是现象学被看作一种方法的原因所在。
科学知识形成于概率性信号，其内容选择了概率性高的信号所含的信息，无论知识建构的意识过程，如何提高知识的可靠性概率，知识终究摆脱不了它的概率本质，使用知识的过程必然是一种概率性博弈过程。
参考文献
〔1〕 Brian Skyrms. Signals：Evolution，Learning，Information [M].New York: Oxford University Press，2010.
〔2〕 Hartley R.V.L.transmission of information [J]. Bell SystemTechnical Journal， 1928（3）：535-563.
〔3〕 Claude E. Shannon. A Mathematical Theory of Communication[J]. Bell System Technical Journal， 1948：（7），379-423，（10）623-656.
〔4〕 Fred Dretske. Knowledge and the Flow of Information （M）.Cambridge, MA: MIT Press，1983：53-62.
〔5〕 Grice, H.P. Meaning〔J]. Philosophical Review，1957（3）：377-388.
〔6〕 Brian Skyrms. The flow of information in signaling games[J].Philosophy Study，2010（1）：155-165.
〔7〕 Josef Hofbauer, Simon M.Huttegger. Feasibility of communi-cation in binary signaling games [J]. Journal of TheoreticalBiology，2008（4）：843-849.
〔8〕 Raffaele Argiento, Robin Pemantle, Brian Skyrms, StanislavVolkov. Learning to signal: Analysis of a micro -level rein-forcement model [J]. Stochastic Processes & Their Applica-tions， 2009(2)：373-390.
〔9〕 恩斯特·卡西尔.人论[M].甘阳译.上海 ：上海译文出版社 ，2004：36。
〔10〕David Lewis.Convention：A Philosophical Study [M]. Cam-bridge, MA: Harvard University Press ，1969：122-144.
〔11〕Santos Francisco C, Pacheco Jorge M, Brian Skyrms．Co-evo-lution of pre -play signaling and cooperation [J]. Journal ofTheoretical Biology，2011（1）：30-35.
〔12〕 Sven Van Segbroeck, Francisco C. Santos, Jorge M. Pacheco,Tom Lenaerts. Coevolution of Cooperation, Response to Ad-verse Social Ties and Network Structure [J]. Games，2010（3）317-337.
〔13〕邱仁宗.拉卡托斯的科学研究纲领方法论 [J].自然辨证通讯，1982(5)： 45-52。 有关知识可靠性分析案例选自这篇文章，有改动。
