第1部分 机器学习与科学发现的层级
第1章 智能驱动的科学发现
1.1 智能驱动的科学新发现
1.1.1 天文学、宇宙学
1.1.2 物理学
1.1.3 生物学与医学
1.1.4 数学
1.2 基于人工智能的科学再发现研究
1.2.1 早期自动科学再发现研究
1.2.2 发现科学概念
1.2.3 发现科学公式
1.3 当前智能驱动科学发现的局限
第2章 机器学习
2.1 机器学习简介
2.2 人工神经网络
2.2.1 从人工神经元到感知机
2.2.2 前馈多层神经网络及其通用性
2.3 降维与自编码器
2.4 符号回归
2.5 人工智能的可解释性
第3章 人工智能与科学发现的层级
3.1 科学发现、科学知识及其种类
3.2 科学发现的种类和层级
3.3 智能驱动科学发现的层级
3.3.1 当前人工智能能够达到的发现的层次
3.3.2 一种特殊科学发现情形下的机器学习
第4章 数据与智能驱动科学发现相关的争论
4.1 数据密集型科学发现及其哲学讨论
4.1.1 问题的提出与争议
4.1.2 争论中存在的问题
4.1.3 从认知的角度考察数据在科学活动中的作用
4.2 智能驱动科学发现与自动科学发现的哲学讨论
4.2.1 方法论相关争议
4.2.2 方法论争论的原因分析
第1部分的问题讨论
第2部分 机器学习与科学发现的关系
第5章 科学理论的结构和内容
5.1 何为科学理论
5.2 形式化重构的观点
5.2.1 语法的观点
5.2.2 语义的观点
5.2.3 通过范畴提升对语法与语义的同构
5.3 语用——实践的观点及其认知进路
第6章 科学与数学认知
6.1 数学在自然科学中不可思议的有效性
6.2 数学认知
6.3 基于认知语言学的具身数学认知
6.3.1 理论
6.3.2 具身数学认知的哲学观——自然主义的反实在论
6.3.3 数学作为同构的认知过程及其问题
6.4 应用——自由落体定律的负数解
6.4.1 为何二次方程会有两个解
6.4.2 为何在应用到自由落体中时要舍去负数解
第7章 机器学习与科学发现过程
7.1 科学实践过程的同构
7.2 机器学习与发现的逻辑
7.3 认知同构理论的问题
第3部分 案例研究
第8章 语言模型与科学发现
8.1 预训练大规模语言模型及其能力
8.2 大语言模型与自动科学发现
8.2.1 大语言模型与智能驱动科学发现
8.2.2 大语言模型与自动科学发现
8.2.3 大语言模型实现科学发现的具体路径
第9章 科学史案例建模研究
9.1 以太相关现象与理论
9.1.1 光行差
9.1.2 斐索流水实验
9.1.3 迈克尔逊莫雷实验
9.2 机器学习建模
9.2.1 模型1.0(带预设)
9.2.2 AI-Einstein 2.0——无预设
后记
参考文献