统计学与人文研究的哲学思辨——从批判性视角看人文研究中的“不确定性”

近年来,随着现代信息技术的迅猛发展,越来越多的'数据'可以被容易地获取和积累。在这股数据浪潮的推动下,以统计学为代表的定量研究方法在人文社科的许多领域得到了广泛的应用,取得了显著的成绩。同时,在许多实际的研究问题中,问题本身的复杂性以及统计学和人文社会科学之间客观存在的专业隔阂,使得对统计学方法和工具的误用和滥用时有发生。这不仅对微观学术生态造成了负面的影响,还在更为根本的方法论层面引起了对'在人文社科研究中运用定量方法'的担忧和反思。本文运用统计学和人文研究的双重视角,系统地梳理了'从数据获取知识'的基本逻辑,并对统计学方法和人文研究的关系进行了讨论和思辨。我们认为:在方法论哲学的层面上,充斥着'不确定性'的统计学与追求'极致准确'的人文研究传统并不冲突,而是有着相同的本源;统计学理论、方法与人文研究实践相结合,有着广阔的发展空间。

近似Bayes计算前沿研究进展及应用

在大数据和人工智能时代,建立能够有效处理复杂数据的模型和算法,以从数据中获取有用的信息和知识是应用数学、统计学和计算机科学面临的共同难题.为复杂数据建立生成模型并依据这些模型进行分析和推断是解决上述难题的一种有效手段.从一种宏观的视角来看,无论是应用数学中常用的微分方程和动力系统,或是统计学中表现为概率分布的统计模型,还是机器学习领域兴起的生成对抗网络和变分自编码器,都可以看作是一种广义的生成模型.随着所处理的数据规模越来越大,结构越来越复杂,在实际问题中所需要的生成模型也变得也越来越复杂,对这些生成模型的数学结构进行精确地解析刻画变得越来越困难.如何对没有精确解析形式(或其解析形式的精确计算非常困难)的生成模型进行有效的分析和推断,逐渐成为一个十分重要的问题.起源于Bayes统计推断,近似Bayes计算是一种可以免于计算似然函数的统计推断技术,近年来在复杂统计模型和生成模型的分析和推断中发挥了重要作用.该文从经典的近似Bayes计算方法出发,对近似Bayes计算方法的前沿研究进展进行了系统的综述,并对近似Bayes计算方法在复杂数据处理中的应用前景及其和前沿人工智能方法的深刻联系进行了分析和讨论.