王 东

(北京工商大学 马克思主义学院， 北京 100048)

一、前言

科学发现的过程中有没有“逻辑”可循，能否通过一系列能行方式自动获得科学发现？过去半个世纪这个问题在哲学家和科学家之间一直存在争论。早期的逻辑实证主义区分了发现的逻辑和辩护的逻辑，其后很多科学哲学家(如亨普尔、劳丹等)认为不存在一个特定的科学发现的逻辑；或者即使承认根据已有的数据做一些经验规律的发现是可能的，但仍然认为不过就是“曲线拟合”，而真正有意义的科学发现是更加深一层次的背后的规律(如科学范式的转变)，是“曲线拟合”不能达到的[1]。人工智能(AI)先驱赫伯特·西蒙(Herbert Simon)认为，科学发现是一种特殊类型的问题求解，可以用计算机程序实现。他通过启发式搜索和基于规则的推理等方法，与纽维尔构建了逻辑理论学家，证明了一些数学定理；与兰利等构造了6代BACON系统，重新发现了物理和化学中的一些定律[2]。但因为西蒙做的是科学的再发现，没有发现新的科学理论，被认为在探索科学发现逻辑上并不成功[3]。另外，AI学科自20世纪50年代诞生之后就一直被运用于自动(计算的)科学发现，早期在自动科学发现中主要是针对特定领域的大规模系统搜索和数据挖掘[4](后来一部分被称之为“专家系统”)，在不同领域都发现了新的科学知识，但因为其基于数据发现的都是“经验规律”，也被认为仅仅是“曲线拟合”[3]，是对数据低层次的概括。

随着近十余年AI伴随大数据的第三次崛起，机器学习日益成为科学研究的重要工具，在一些数据密集型科学研究中甚至扮演关键的角色，也自然被用于研究自动科学发现和科学发现的逻辑。……