对科学发现的计算机模拟——BACON发现程序概述

科学发现通常被认为是需要高度创造性和长期不懈努力的工作,然而在最近20年里,一些人工智能科学家致力于一项似乎是“异想天开”的事业,他们使计算机模拟人解决难题的思维过程,并且大胆探索用计算机进行科学发现,他们的工作已经初见成效,BACON,这一模拟科学史上重要科学发现的过程的计算机程序,当被给予开普勒、伽利略、波义耳等科学家在历史上做出他们重要发现的真实原始数据时,它也能做出同样的发现!

BACON机器、科学发现与创造——AI心理学派学者西蒙思想解读

H·西蒙所领导的人工智能(AI)心理学派,在F·培根关于归纳机器的思想指引下,在对一系列科学发现进行了计算模拟之后,确认了人类科学推理就是启发式搜索的过程,换句话说,人类问题求解的启发式搜索法就是科学发现的逻辑或方法。同理,借助于“有选择的搜索”的心理解释可以揭示科学创造的奥秘。

科学发现中的机器学习方法研究

大规模科学装置与重大科学实验使得科学发现进入了数据密集型的第四范式,借助蓬勃发展的人工智能技术促进智能科学发现势在必行.机器学习作为人工智能中的一项重要技术,已广泛应用于各个科学领域.然而,现有工作仅研究特定任务下的机器学习方法,没能抽象出一个通用的智能科学发现研究框架.本文首先总结了科学发现任务中常用的机器学习方法,并将科学任务归类为五大机器学习问题.其次,提出了基于机器学习的智能科学发现研究框架,作为“AI for Science”的典型范例,阐述了一种高效的智能科学发现模式.再次,本文以时域天文学中发现瞬变事件这一科学任务为例,通过实验证明了唯有恰当地结合领域知识后,机器学习算法才能更好地服务于智能科学发现,验证了该框架的有效性.最后进行总结与展望,以期对各领域进行智能科学发现形成参考意义.

数据驱动的定量规律发现技术研究

为了解决现有定量规律发现技术存在的发现范围狭窄、对噪声过于敏感、很难用于含干扰较大的实际观测数据等问题，将回归技术引入化简算法，提出了一个基于化简算法、原型回归和假说验证的多元函数规律发现的框架．根据该框架建立的知识发现系统。

机器学习与科学发现的逻辑刍议

是否存在科学发现的逻辑一直存在争议,人工智能(AI)发展早期通过基于规则的和大规模数据挖掘的方法探索自动科学发现存在局限,包括需要先验知识或者只能发现特定领域的经验规律。通过近期两个案例分析介绍基于机器学习的研究可以不需要先验知识就能发现科学概念甚至是简单的理论,但仍然存在训练数据的来源、观察和实验的选择、科学理论的构建以及因果建模等问题,需要结合科学哲学和哲学史做跨学科的研究。

科学创造力的机器发现研究述评

机器发现是结合科学哲学、科学史、人工智能和认知心理学对科学创造力进行研究的领域。这个跨学科的研究进路有4个主要研究方向。作为创造力研究的新进路,机器发现研究从方法、视角和对象等方面推进了对科学创造思维的探索,也因其方法论和认识论的特征引发了争议与挑战。本文在对上述诸方面进行分析的基础上,也对该研究进路的未来发展进行了思考。

机器发现:数位时代的科学研究工具

机器发现是利用计算机,重复发现历史上的科学发现,做出新的科学发现,或者对科学革命机制做出解释的过程。机器发现是人工智能、科学方法学和认知科学结合的领域,在理解科学发现过程方面起着重要作用,是有前途的新兴研究手段。设计新的机器发现系统,研究中国和希腊早期科学文化的比较,研究现代化背景下传统医学与现代医学范式的关系,也许是科学方法学研究的一条新路。

HPS在美国的创立及其对科学发现方法论的贡献

近年来,HPS,即科学史和科学哲学研究领域在国内学界受到更多的重视。回顾HPS的发展,哲学家汉森为HPS事业在美国的创立做出了奠基性的贡献,在这之后他的科学哲学理念又对当代科学哲学以及科学发现方法论产生了深远的影响。全文在考察汉森创立HPS事业的特殊历史背景的基础上,深入探讨了汉森分外强调的注重科学史考察的科学哲学研究理念对当代科学发现逻辑的复兴以及对西蒙的机器发现研究所产生的影响。

论科学发现作为问题解决的特殊性——对赫伯特·西蒙机器发现研究的分析

将科学发现视为问题解决的观点,是科学哲学与认知研究相结合的产物,促成机器发现研究方法的产生。西蒙不仅指出科学发现作为问题解决的普遍特征,还概括了科学发现区别于其他问题解决的个性特征。这些个性特征从创造性的角度将科学发现与常规科学的问题解决区分开来。从科学问题的角度看,科学发现和机器发现都是从未知到已知的科学问题解决过程,体现了不同层面的创造性,使得机器发现可以通过再发现的形式模拟科学发现。

论赫伯特·西蒙对归纳问题的认知解答

西蒙对归纳问题的思考始于科学发现逻辑的探讨。最初,他试图将归纳法排除在科学发现逻辑之外,但未获成功。在以机器发现方法研究科学发现逻辑的过程中,西蒙在归纳问题上发生了表征转变,将归纳法合理性的辩护从逻辑角度转到认知视角上来。基于批判现代经验论的温和自然主义立场,西蒙从归纳的似然性和人类认知理性的有限性两个方面抛弃了归纳合理性逻辑辩护的认识论传统,提供了归纳问题的认知解答。

人-机-思维模型:对赫伯特·西蒙机器发现思想的审思

科学发现是科学知识增长的引擎,但发现的过程一直被认为是一项神秘的、无法解释的工作,直到西蒙机器发现的出现打破了这一认知。他的机器发现核心思想是用计算机程序模拟、重现科学家在进行科学发现时的思维过程,这聚焦了科学史、科学哲学、人工智能、认知心理学等学科。机器发现不仅是揭示科学发现的逻辑的重要途径,更是科学哲学认识论转向中不可或缺的一环。从哲学层面探究机器发现,不仅能丰富科学方法论,还能深入认识到人-机-思维模型链条之间的相互关系。