机器学习-41-对ML的思考之从开普勒的研究过程看科学范式
文章目录
- 1 范式
-
- 1.1 范式的概念
- 1.2 科学研究范式(两种)
-
- 1.2.1 开普勒范式(数据驱动的方法)
- 1.2.2 牛顿范式(第一性原理的方法)
- 1.3 科学研究范式(五种)
-
- 1.3.1 第一范式(经验范式)
- 1.3.2 第二范式(理论范式)
- 1.3.3 第三范式(计算范式)
- 1.3.4 第四范式(数据驱动)
- 1.3.5 第五范式(AI for Science)
- 2 开普勒的研究过程
-
- 2.1 科学研究的步骤
- 2.2 第谷(星学之王)的研究过程
- 2.3 开普勒(天空立法者)的研究过程
- 3 机器学习与科学研究的鸿沟
-
- 3.1 机器学习阻碍开普勒的研究
- 3.2 AI与科学研究的鸿沟(能否证伪)
- 3.3 对科学观察的重视程度
- 4 参考附录
1 范式
1.1 范式的概念
范式从本质上讲是一种理论体系、理论框架。
在该体系框架之内的该范式的理论、法则、定律都被人们普遍接受。开展科学研究、建立科学体系、运用科学思想的坐标、参照系与基本方式，科学体系的基本模式、基本结构与基本功能。
范式（paradigm）的概念和理论是美国著名科学哲学家托马斯·库恩(Thomas Kuhn) 提出并在《科学革命的结构》(The Structure of Scientific Revolutions)（1962）中系统阐述的。
1.2 科学研究范式(两种)
鄂维南院士在《应用数学新时代的曙光》一文中提到两种范式：开普勒范式和牛顿范式。
从牛顿时代开始，就出现了两种不同的科学研究范式：开普勒范式和牛顿范式。