2020年12月28日晚六点，“当代科技哲学前沿系列讲座——机器学习与科学发现的逻辑”在明新0404成功举办。本次讲座由北京工商大学马克思主义学院王东讲师主讲，主持人和评议人为中国人民大学刘永谋教授。来自不同专业和年级的学生和老师参加了本次讲座。

王东老师首先向大家介绍了基于机器学习的自动科学发现。科学自动发现主要是通过启发式搜索和贝叶斯网络方法进行研究，其逻辑是基于规则的推理，研究科学发现的逻辑。而当前机器学习广泛应用于各个学科领域，尤其在分子生物学、天文学、气象学等数据密集型领域，其逐步成为科学发现的一个工具。随着科学研究信息化和自动化带来的数据和计算力的不断增长以及深度学习的发展，对科学数据的计算处理开始显现其作用——从数据中挖掘规律和“模式”。随之而来的是用机器学习方法研究科学发现的逻辑，探究除了发现数据中的模式之外，能否构造人工智能科学家，能否仅仅通过数据让机器自动产生“科学概念”和“科学理论”。

接着，王东老师提出了科学发现的三个层次：一是数据与归纳范式层次，寻找“模式"（pattern）和数学模型，例如开普勒的发现。二是力学机制层次，发现一般的科学理论，寻找统一的“原因"，例如引力定律。三是原理（Principle）层次，寻找理论的理论，即更加一般规律。例如相对性原理。他认为，当前基于机器学习的科学发现还处在第一层级，仅能发现数据变量和“概念”之间的关系；基本属于库恩意义上的“常规科学”阶段的发现，是“解题”阶段。对于新概念的发现，甚至是科学革命是否适用，还犹未可知。王东老师详细地介绍了关于科学再发现的许多研究案例（比如狭义相对论的发现、斐索实验、迈克尔逊-莫雷实验等），从数据来源角度揭示科学再发现的三个层次：使用模拟数据；基于真实历史数据合理扩充；只使用历史数据。他认为，相关研究下一步的工作是探索：机器学习能否结合符号回归直接给出公式、如何与因果发现结合、哲学上如何结合科学实践哲学动态考察科学发现的逻辑。

最后，王东老师对目前基于机器学习的科学发现研究进行了深刻的哲学反思。他认为，当前研究存在以下问题：1）数据的来源问题，训练数据大多是模拟的，干扰仅取高斯分布（正态分布）；2）“理论”的结构预设问题，深度神经网络之所以由于传统机器学习的地方就在于能更好的处理复杂的非线性数据，而上述的研究大多预设线性模型；3）变量的选取问题，在物理学中的基本变量比较好区分，但当扩展到其它学科是如何选取变量获取观察数据和设计实验本身，还是要依赖人类的先验知识。4）真实的科学发现涉及更复杂的因素。

主讲结束后，在刘永谋老师的主持下，王东老师进一步和同学们探讨了如下一些问题：人类的科学发现过程与机器的科学发现过程是否一样？人类的认知能力与科学能力的关系？无人的艺术与无人的科研有何关系？从传播学角度，机器学习如何能够沟通与理解？等等。最后，刘永谋老师给出了四点评议：1）人工智能是当前社会关注的焦点，机器学习和科学发现的逻辑研究可谓紧跟时代潮流；2）随着科学研究不断数据化和自动化，技性科学的发展趋势将更加明显；3）随着人工智能的迅猛发展，人的主体性地位受到持续挑战，人的各项能力（包括科学研究和艺术等）逐步为机器所取代，最后可能退至一种可悲的境地：人之为人的独特性在于人能犯错；4）当前，AI作为科研活动的辅助方法，要反思如何更好利用AI方法，特别是对人文社会学科领域的帮助。

至此，本次讲座圆满结束。

                                                     （供稿人：彭家锋）