理解下一轮科技浪潮：机器猜想下的未来七大创新趋势丨第五范式

理财鱼小提示：理解下一轮科技浪潮：机器猜想下的未来七大创新趋势丨第五范式

刘志毅/文

范式变迁

“范式”这一概念最初由美国著名科学哲学家托马斯·库恩1962年在《科学革命的结构》中提出来，指的是常规科学所赖以运作的理论基础和实践规范。库恩指出，在科学发展的某一时期，总有一种主导范式，当这种主导范式不能解释的“异常”积累到一定程度时，就无法再使用旧有的范式去做解释，科学共同体将寻求既能解释旧范式的论据又能说明用旧范式无法解释的论据的更具备包容性的新范式，这时候就会发生科学革命。

换言之，“范式”是从事某一科学的科学家群体所共同遵从的世界观和行为方式，它包括三个方面的内容：(1)共同的基本理论、观点和方法；(2)共有的信念；(3)某种自然观(包括形而上学假定)。“范式”的基本原则可以在本体论、认识论和方法论三个层面表现出来，分别回答事物存在的真实性问题、知者与被知者之间的关系问题以及研究方法的理论体系问题。这些理论和原则对特定的科学家共同体起规范的作用，协调他们对世界的看法及其行为方式。由于产生于特定的历史时期和特定的科学家群体，“范式”的基本理论和方法不是固定不变的，而是随着科学的发展发生变化。

在范式和科学共同体基础上，库恩又提出科学知识增长模式：前学科(没有范式)—常规科学(建立范式)—科学革命(范式动摇)—新常规科学(建立新范式)。在前学科时期，科学家之间存在意见分歧，因而没有一个被共同接受的范式。不同范式之间竞争和选择的结果是一种范式得到大多数科学家的支持，形成科学共同体公认的范式，从而进入常规科学时期。在常规科学时期，科学共同体的主要任务是在范式的指导下从事释疑活动，通过释疑活动推动科学的发展，“常规科学即解难题(Puzzle)”。在释疑活动过程中，一些新问题和新事物逐渐产生，并动摇了原有的范式，建立新范式的科学革命随之产生。革命的结果是拥有新范式的新的科学共同体取代拥有旧范式的旧的科学共同体。新范式的产生并不表示新范式更趋近真理，只是解题能力的增强。在后库恩时期，为了进一步阐明范式，库恩提出了专业母体，又可译为学科基质，是指一个科学共同体成员共同掌握的、有待进一步发展的基础，它主要包括概括(公式)、模型(一种形而上学的假设)和范例(最具体的题解)，其中范例是最基本的要素，它使原先范式概念的模糊性得到改善。

我们看到，目前的主要的范式已经有四个基本范式，图灵奖得主、关系数据库的鼻祖吉姆.格雷（Jim Gray）在2017年加州善景城召开的NRC-CSTB大会上，发表了题为“科学方法革命”的演讲，提出将科学研究分为四个范式，而2009年微软出版的《第四范式：数据密集型的科学发现》（《The Fourth Paradigm: Data－IntensiveScientific Discovery》）一书，则扩展了其思想。简而言之，他们认为目前的科学研究的范式包括四个主要范式：几千年到几百年期间，是经验范式，主要是通过实验用来描述自然现象（第一范式）；几百年到几十年前使用模型或归纳法进行科学研究，如开普勒定律、牛顿定律等，这是理论范式（第二范式）；几十年到数年之前，对于很多复杂问题，采用解析的模型难以求解，科学家们采用计算机进行仿真模拟，则形成了计算范式（第三范式）；近几年随着数据的增加和人们进入大数据时代，研究统一于理论、实验和模拟。它的主要特征是：数据依靠信息设备收集或模拟产生，依靠软件处理，用计算机进行存储，使用专用的数据管理和统计软件进行分析。

我们认为，未来决定科学范式发展的，是基于思维科学的“第五范式”，即“机器猜想”范式。这个范式跃迁的变化刚发展出萌芽并正在影响科技产业的进程，也将极大改变我们理解智能经济时代的技术发展的基础，尤其是人工智能技术为基础的智能化技术的应用逻辑。如果说第三范式和第四范式的区别在于，计算范式是通过可行的理论搜集数据，然后通过计算仿真得出之前未知的结论，而第四范式则是通过大量数据计算得到新的结论。那么我们认为“第五范式”的特点就在于通过巨型复杂系统的“量子对撞”的方式进行“机器猜想”，通过不同的“算法思维”和“应用场景”的对撞，得到不同领域的“专业知识”，将未知的结论推导出来，从而反向推动该领域的发展，得到在经验领域上尚未得到的前瞻性的结果。

第五范式

与第四范式相比较，作为“第五范式”的“机器猜想”范式拥有以下特征:

第一，是跟场景深度结合的科学范式，以中国为例，新一代人工智能作为全球新一轮科技和产业变革的关键驱动力，正在基于应用场景重构生产、分配、交换、消费等经济环节，从宏观到微观的层面满足各个领域的智能化新需求，催生出一系列新技术、新产品、新产业、新业态与新模式，通过场景落地的方式创造新的经济发展的智能化引擎，从而实现社会生产力的整体跃升，改变未来人类生产生活的方式和思维模式，而这样的现象在以往的数据范式中是不存在的。数据范式更多的是结合企业等组织数字化转型的需求，而算法范式则是更深层次的与社会经济系统的底层发展嵌合。

第二，不依赖于大数据而是通过算法进行测试，在弱人工智能时代对应的深度学习，更多的是围绕单点任务的场景落地，可移植性较差且需要大量的训练，而正在崛起的强人工智能，强调的是“深度理解”，强调的是系统化地解决宽泛的应用场景问题，具备灵活与动态的推理能力，从而可以更好的移植到不同的场景。深度学习之父Geoffrey Hinton从2017年开始就公开号召摒弃现有深度学习（主要是反向传播、CNN）范式，重新奋力向前寻找全新的道路。Hinton认为，要想让神经网络能够自己变得智能，即实现不依赖海量标注数据的“无监督学习”，可以看到不依赖大数据深度学习的技术趋势正在形成。

第三，对不确定性的长尾的问题进行解决，我们看到当前人工智能技术的应用，很多场景中的长尾问题并没有得到解决，这些需求需要统一的人工智能技术新范式解决，而目前产业界的基本思路就是通过大规模算力的方式去解决。通过建立具备超大算力的智能计算中心去硬解各种长尾问题，就好像物理学中的粒子对撞机，因为粒子碰撞的结果是不可预测的，但是只有通过不停的探索尝试，在某种程度上才能找出可解释物理世界的规律。简而言之，就是建立通用的人工智能开放哦那个图，以达到各行各业在小样本迭代中找到合适的算法模型的目的，解决AI长尾问题，这也是新的技术范式的特质。

第四，是基于开放复杂的智能系统的应用，具备以下四个复杂巨系统的特点：

1) 系统是开放的，即系统本身与周围的环境有物质、能量和信息的交换，可以看到人工智能的超算系统基本上都是开放的；

2) 系统是巨大的，本身包含成千上万的子系统，可以看到为了应对不同的场景，人工智能的系统在垂直领域都具备相对完整的子系统；

3) 系统的种类是多样的，从而体现出复杂性，我们看到针对不同的领域，复杂巨系统下的子系统会分裂出不同类别的子系统，例如针对医疗、教育、自动驾驶、智慧城市等不同领域，会有不同的子系统模块；

4) 系统是多层次的，也就是巨型复杂系统是非还原论的，因此需要多层次的复杂系统来解决问题，而不是依赖简单的巨型复杂系统。

关于这个部分的内容，我们会在讨论巨型开放的复杂系统的专门文章讨论，这里主要还是讨论第五范式下所具备的巨型复杂系统的特点。

共3页: 上一页下一页

>相关《 理解下一轮科技浪潮：机器猜想下的未来七大创新趋势丨第五范式》内容：

对于科技股来说，这是疯狂的一年。波动性一直是游戏的名称，但对于寻求爆炸性长期收益的投资者而言，科技行业仍然是最佳起点之一。 为了帮助您提供一些有助于您在明年蓬勃发展的投资理念，一个由 Motley Fool 贡献者组成的小组介绍了三家看起来已准备好取...【继续阅读】

Minko 是一家为零售店提供信贷的金融科技初创公司，在由 LC Nueva 领投的种子轮融资中筹集了 150 万美元。LetsVenture 创始人兼首席执行官 Shanti Mohan、CRED 创始人 Kunal Shah 是本轮融资的其他投资者。 Minko 计划利用该基金为其技术和销售团队招聘人...【继续阅读】

理财鱼小提示：《“十四五”铁路科技创新规划》发布 轨交零部件及后市场被看好 近日，国家铁路局印发《“十四五”铁路科技创新规划》，《规划》是我国铁路领域关于科技创新的首个五年发展规划，对促进铁路科技自立自强、推动铁路高质量发展，支撑建设科技强国、...【继续阅读】