[新聞] 「後理論科學」時代來臨了嗎？

1.媒體來源: 大紀元 2.記者署名: 高文森 3.完整新聞標題: 「後理論科學」時代來臨了嗎？ 4.完整新聞內文: 在各種人工智能、機器學習系統快速發展的今天，學者把它們稱為「後理論科學」（ post-theory science）。有的人疑惑，傳統科研方法會被時代所淘汰嗎？ 科學專欄作家勞拉·斯賓尼（Laura Spinney）1月9日發表在《衛報》的一篇文章提出了 一些有意思的觀點。這要先從什麼是傳統科學和「後理論科學」說起。 傳統科學典型的例子就是牛頓發現萬有引力定律的過程——通過對生活中的事情、周圍的 世界所發生的事情提出問題，總結出一套理論能擴展解釋更多問題，這是人們熟悉的科研 方法。 可是現代科學的發展趨勢看起來有些怪異。比如臉書的機器學習工具預測用戶的偏好，達 到了比心理學家更準確的地步，甚至有些讓人不寒而慄。有些人工智能工具是研究人員的 好幫手，像谷歌公司開發的預測蛋白質折疊的人工智能軟件AlphaFold，研究人員需要幾 年才能完成的工作它在十分鐘內即可完成。 這些基於人工智能和機器學習的科研方法的奇怪之處在於，研究人員設計好系統後，無法 追蹤它們怎樣得出結果。這些系統也無法提供它們的運算或推理過程，有點類似「黑箱」 操作。而傳統科學總有一個明確的公式或是清晰的推理過程，這就是傳統科學和「後理論 科學」之間一個顯而易見的區別。 由於人工智能在飛速發展，一些學者認為可能以後傳統科研方法就會消失了，使用人工智 能系統來分析大量的數據，找到事物的關係比用人腦研究更快、更準確。美國《連線》（ Wired）雜誌前主編克里斯·安德森（Chris Anderson）在2008年就提出了這樣的看法， 他認為傳統科學總結出來的定律把世界簡單化了，而人工智能有能力處理更多的數據，能 更有效地發現事物的規律。 斯賓尼則認為情況不是這樣，傳統科學將一直有它的地位，她提出了至少三個原因。 第一個原因是，人工智能系統帶有設計者無法解決的缺陷，比如得出的結果帶有偏見，像 谷歌的搜索引擎、亞馬遜的招聘軟件，都是知名的例子。有的人說，人類社會也存在偏見 ，是這樣，但是人類社會可以展開對話、可以溝通，這些軟件既然無法提供計算過程，就 意味著它們和設計者之間都無法溝通，更不要說和人類溝通。 第二個原因是，很多人對於這些系統的「黑箱操作」很不滿。正像上面提到的，這些軟件 無法提供推理過程，而人類很需要知道「為什麼」。 第三個原因是，人類的「靈感」推動了很多科研的進展，並不是任何事情都依靠海量的數 據。數學家克里斯汀·斯坦普（Christian Stump）上個月（12月）發表在《自然》（ Nature）上的文章說，「靈感是創造力的核心」。也就是說，還有很多理論是人類可以探 索和做出解釋的，等待人類靠「靈感」去發現。 斯賓尼說，當然，「後理論科學」研究方法給科研領域注入了新的活力。在2022年的今天 ，已經找不到哪個領域沒有人工智能的足跡。人類要做的就是學會駕馭它們，它們會幫助 人類找到很多問題的答案，人類將如虎添翼。 5.完整新聞連結 (或短網址): https://www.epochtimes.com/b5/22/1/21/n13519478.htm 6.備註: --
※ 批踢踢實業坊(ptt.cc), 來自: 123.192.157.241 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1642952734.A.F6C.html

→ railman: 又再吹AI跟元宇宙了223.140.176.167 01/23 23:46

推 s505015: 這想太多了 預測蛋白質折疊 你後續一票工 223.137.230.6 01/23 23:47

→ s505015: 作不做 223.137.230.6 01/23 23:47

推 brabra: 感覺是翻譯的問題，理論在計量統計裡根本 203.217.118.75 01/23 23:51

推 ptrpan: 其實更可怕的是AI還反過來影響人的判斷決 36.226.82.118 01/23 23:52

→ brabra: 沒消失，反而更需要有新理論去詮釋數據 203.217.118.75 01/23 23:52

→ ptrpan: 我判斷你愛看這個，結果影響到本來不愛看 36.226.82.118 01/23 23:52

→ brabra: AI是無法取代資料的判讀與思考的 203.217.118.75 01/23 23:52

→ ptrpan: 也變得愛看了y 36.226.82.118 01/23 23:52

推 muzik: 最後會變成原始信仰的祭司接神諭嗎哈哈 36.234.138.4 01/23 23:56

推 assss49: ml 可以提供科學家靈感及驗證，並不會取 1.162.88.167 01/23 23:56

→ assss49: 代傳統的研究方法，而是相輔相成。 1.162.88.167 01/23 23:56

→ PPP720817: 党意大於一切 科學三小 123.192.88.111 01/23 23:57

推 assss49: 而且目前的ml在二階混沌模型的效果不太好 1.162.88.167 01/24 00:00

→ assss49: （預測會影響結果的模型，例如股票市場） 1.162.88.167 01/24 00:00

→ assss49: 足見ml目前還是無法完全取代傳統的研究 1.162.88.167 01/24 00:00

推 taylor0607: 其實只是思考方式不同 傳統科研都是 27.240.250.211 01/24 00:25

→ taylor0607: 遵循研究假設、數據驗證、提出理論的 27.240.250.211 01/24 00:25

→ taylor0607: 框架 AI或ML則是透過數據找到關聯預 27.240.250.211 01/24 00:25

→ taylor0607: 測驗證 27.240.250.211 01/24 00:26

→ taylor0607: 所以AI時代是有可能的 但前提是要有 27.240.250.211 01/24 00:26

→ taylor0607: 能分析出規則的數據 不然演算法再強也 27.240.250.211 01/24 00:27

→ taylor0607: 沒用 27.240.250.211 01/24 00:27

推 ISNAKEI: 怎麼可能不能 只是輸出出來你看不懂 111.71.56.133 01/24 01:19

推 EarlyInMay: 他的意思是資料先出來 理論（mechanis 123.194.181.89 01/24 04:31

→ EarlyInMay: m)後出來吧 只是順序對調而已 123.194.181.89 01/24 04:31