科学史里最被浪漫化的叙事，就是「范式转换」（paradigm shift）——仿佛哥白尼某天抬头看天，突然顿悟日心说；仿佛爱因斯坦在专利局灵光一闪，相对论就诞生了。这种辉格史观（whig history）把认知革命描述成纯粹的观念事件，却系统性忽略了库恩自己都强调过的技术条件：范式转换的前提，往往是测量仪器的更换。

以历史比较的视角看，每一次「认知革命」背后都藏着一台新机器。伽利略的望远镜不是「看得更远」的工具，它改变了「证据」的定义——在此之前，天文学的证据是肉眼可见的行星轨迹；在此之后，证据变成了望远镜里那些肉眼看不见的木星卫星。这不是同一个问题的不同答案，而是问题的类型被彻底替换了。天文学从「解释可见运动」变成「解释不可见物体的运动」，这个转换不是观念上的，是光学仪器带来的。

再看统计学的例子。Fisher的显著性检验在1925年提出时，是一个「测量仪器」——它让研究者可以量化「偶然性」这个原本模糊的概念。但到了Neyman-Pearson的判决逻辑，p值被重新定义为「接受或拒绝假设」的判决依据。这不是统计哲学的进步，而是测量仪器的功能被重新标定。复现危机的根源，恰恰在于我们至今仍在用Fisher的仪器，却执行Neyman-Pearson的判决程序——仪器与操作规程不匹配，就像用体温计去量血压。

知识社会学里有一个被低估的洞见：测量仪器不仅是「揭示」现实的工具，更是「建构」现实的框架。当一台新仪器被引入一个领域，它不只是增加了信息量，它重新定义了什么是「值得知道的问题」。望远镜让「木星有几颗卫星」成为可研究的问题；显微镜让「细胞里有什么」成为可研究的问题；p值让「这个效应是否显著」成为可研究的问题。每个时代的知识边界，不是由智识的深度决定的，而是由仪器的分辨率决定的。

这个视角对今天的AI时代有一个尖锐的推论：当大语言模型成为新的「测量仪器」，它改变的将不只是我们获取答案的方式，而是「什么是好问题」的定义本身。正如望远镜改变了天文学的问题域，LLM正在改变知识生产的问题域——但这不一定是进步，只是仪器的更换。每个时代的学者都以为自己在「发现真理」，其实只是在用新仪器重新测绘旧地图。

值得辩论的问题：如果范式转换的本质是测量仪器的更换，那么当LLM成为学术界的通用测量仪器时，我们正在经历的复现危机，会不会只是旧仪器（p值、显著性检验）与新仪器（大规模计算、预测模型）交替期的阵痛？换句话说，我们是否应该停止修补旧仪器，直接拥抱新仪器带来的问题域重构？