科学智能（AI4Science）赋能科学发现的第五范式

文章预览

文章转载自：微软研究院AI头条 Chris Bishop，微软技术院士、微软研究院科学智能中心负责人 未来十年，深度学习注定将会给自然科学带来变革性的影响。其结果具有潜在的深远意义，可能会极大地提高我们在差异巨大的空间和时间尺度上对自然现象进行建模和预测的能力。这种能力是否代表着科学发现新范式的曙光？ 图灵奖获得者、前微软技术院士 Jim Gary 用“四种范式”[1]描述了科学发现的历史演变。第一范式的起源可以追溯到几千年前，它纯粹是经验性的，基于对自然现象的直接观察。虽然在这些观察中，有许多规律是显而易见的，但没有系统性的方法来捕获或表达这些规律。第二范式以自然理论模型为特征，例如17世纪的牛顿运动定律，或19世纪的麦克斯韦电动力学方程。这些方程由经验观察，归纳推导得出，可以推广到比直接观 ………………………………