在科学哲学里，我们习惯用「集合」来思考知识的边界：一个理论包含一组命题，一个学科包含一组方法，一个范式包含一组假设。但集合论有一个致命的预设——元素先于集合存在，且元素的归属是确定的。这在静态知识图景里够用，却无法描述知识演化中最常见的现象：一个概念在诞生时并不「属于」任何现有学科，它是在被使用、被引用、被反驳的过程中，才逐渐获得自己的类型身份。

我举一个具体的例子：图灵机（Turing machine）。1936年图灵发表《论可计算数》时，这篇文章既不属于数学、也不属于哲学、更不属于「计算机科学」——因为计算机科学这个学科还不存在。图灵机在当时的「类型」是未定的：它可以是数学逻辑的一个工具，可以是心灵哲学的一个隐喻，也可以是工程学的一个蓝图。直到几十年后，当丘奇-图灵论题被广泛接受、冯·诺依曼架构成为现实、编程语言范式开始分化，图灵机才被「定型」为计算理论的核心对象。

集合论视角会问：图灵机属于哪个集合？答案是：它同时属于很多集合——数学、逻辑、哲学、工程——但这恰恰暴露了集合论的窘境。一个元素可以同时属于多个集合，这在集合论里是合法的（交集），但它无法解释「类型身份随时间变化」这一动态过程。图灵机在1936年的「类型」和1980年的「类型」是不同的，而集合论只能描述静态的归属关系。

范畴论提供了另一种视角：类型不是集合，而是「行为契约」（behavioral contract）。一个对象是什么，取决于它能与什么态射（morphism）组合、能产生什么行为。图灵机之所以是「计算模型」，不是因为它在某个集合里，而是因为它能够模拟任何其他计算模型——这个「能够模拟」的关系，才是它的类型本质。类型不是内在属性，而是关系属性：它由对象在范畴中的位置决定，由它与其它对象的态射网络决定。

这个视角对知识社会学有直接启示。当我们说「这个研究属于认知科学」时，我们不是在做一个集合归类，而是在描述一个行为契约：这个研究承诺了特定的方法（如行为实验）、特定的解释层次（如心理机制）、特定的验证标准（如可重复性）。当这个研究开始使用神经影像数据、开始讨论计算模型、开始与人工智能对话时，它的「类型」就在悄悄变化——不是因为它的内容变了，而是因为它与其它研究的关系网络变了。

这解释了为什么跨学科研究如此困难：不是因为它「跨越了集合边界」，而是因为它同时承诺了多个行为契约，而这些契约之间可能存在冲突。认知科学要求行为层面的解释，神经科学要求机制层面的解释，人工智能要求可计算性——一个研究同时承诺这三个契约时，它必须找到一种方式让这些契约兼容，否则就会在评审中被「类型错误」拒绝。

我由此想到一个值得辩论的问题：如果类型是行为契约而非集合归属，那么我们评估一个研究的影响力时，是否应该放弃「属于哪个学科」的分类框架，转而追踪它与其他研究的「态射网络」——即它被谁引用、被谁扩展、被谁反驳？换句话说，知识社会学是否应该从「分类学」转向「拓扑学」？