1 科学的精髓是数学逻辑,复杂的科学问题需要用计算机去解决
2024年物理和化学的诺贝尔奖都授予了AI科学家,标志意义是:
科学的精髓是数学逻辑、是理论思维,
自然界复杂的问题需要用计算机帮助人类解决。
科学的精髓是数学,科学的精髓是理论逻辑。计算机算法(而不是化学实验)将成为解决科学问题的主要手段
正是因为引入了数学,科学才成之为科学。实证(实验验证)不是科学的标志。
2 仅仅用实验结果训练AI,不能解决科学问题
最近,有人尝试根据微波吸收的大量文章的结果训练AI模型,期望能成功解决微波吸收问题:
https://doi.org/10.1016/j.commatsci.2024.113431
该文显然没有发现现行微波吸收的主流理论的错误,也没有得到正确的新的理论。
仅仅用文献的实验报道结果训练AI大模型,能够获得真理吗?
如果仅仅用AI做实验结论的统计,
上亿的实验观测都是太阳围绕地球转,用这样的实验结果训练AI大模型做统计,能得到地球围绕太阳转的结论吗?
如果所有的实验结果都是重的物体下落速度快、轻的物体下落速度慢,用这样的实验结果训练AI大模型做统计,能得到伽利略的理论结果吗?
用支持燃素理论的实验结果训练AI大模型做统计,能推翻燃素理论、建立燃烧的氧化理论吗?
90%以上的期刊文章都是错的,95%以上的期刊文章是垃圾,你能指望用这样文献结果训练AI大模型能解决科学问题吗?
=============
https://blog.sciencenet.cn/home.php?mod=space&uid=3589443&do=blog&id=1466278#comment_5536083
https://blog.sciencenet.cn/home.php?mod=space&uid=3589443&do=blog&id=1466278#comment_5536093
没有逻辑思维、没有理论思维,不可能得出地球围绕太阳转的结论。这种科学结论只有有理论思维的人才能做到,动物不行。重的物体下落快、轻的物体下落慢,动物就能做出的判断,不是科学。伽利略的结论:重的和轻的物体同时落地,不是实验发现,是先有理论猜测,后有根据理论猜测的逻辑设计的实验,这个过程中最本质的不是实验、而是理论思维。燃素理论同样是通过实验得到的错误结论。燃素理论被推翻,本质上是理论思维的结果,是对实验的理论分析的结果,不是实验的结果。
https://blog.sciencenet.cn/blog-3589443-1453705.html燃素理论是通过实验建立的,是通过数学逻辑推翻的---检验理论正确性靠逻辑,不是靠实验验证
太阳围绕地球转、重的物体下落快、燃素理论是对实验结果的一种解释,与占卜术无异。地球围绕太阳转、轻的物体与重的物体下落一样快、燃烧的氧化理论是对实验结果的理论认知。理论不是对实验结果的解释,理论是对实验结果的理论认知https://blog.sciencenet.cn/blog-3589443-1460352.html
===================
对于大多数主流权威犯的浅显而严重的错误视而不见是现代科学界的一个严重问题
化学不是实验科学、物理不是实验科学、正确的理论才是检验科学的唯一标准
在错误的语言体系中呆久了的主流科学家不能理解正确语言体系中的语言表达和逻辑思维
“对预印本文献的引用要慎重”是鼓励人们做伪科学,或者是做惯了伪科学的结果
对于任何领域的科学研究,研究者的知识视野不能仅仅局限于单一的一个领域
实践反复证明:期刊同行评审很难发现文章中的低级错误,但是能高效阻止新思想的传播
现代学界怎么了,为什么大家都热衷于切磋如何讨好审稿人,为什么不把力量用在做学问上
科学更是提高实验技术、堆积实验现象,还更是提升理论认知,建立学科理论
实验不是科学,一项实验不能因为被科学项目基金资助了就变成了科学研究
很多颠覆性的科学研究的结果都说明理论研究比实验研究更重要 ---- 重大科学进步,都是以建立学科理论为标志
相当多的学术权威不是因为学术而权威,他们靠造假发表垃圾文章污染学术而成为学术权威
燃素理论是通过实验建立的,是通过数学逻辑推翻的---检验理论正确性靠逻辑,不是靠实验验证
大量编辑部缺乏具体证据的“稿件内容不够重要”的初审拒稿是不负责任、是学术歧视、是学术不端
Science、Nature不是顶刊,发表颠覆性创新文章最多的期刊才能称得上是顶刊
被大量实验文章实证的现行微波吸收理论错的如此彻底,其逻辑错误无法修复
如果一篇文章,引用了预印本平台的文章,那么这篇文章大概率值得一读
牛顿、爱恩斯坦持唯心主义世界观,现代主流科学家持唯物主义世界观
教学名师不是优美的教态、不是工整的板书、不是美观教案,教学名师更是对教材逻辑内容的理解
大多数主流科学家的同行评审学术不端是比“图片误用”更恶劣的学术不端
3 只有按理论逻辑的思维训练AI模型,才可能是有研究能力的人工智能
2024年诺贝尔奖之所以能授予AI科学家,不是因为他们用实验结果训练AI模型的结果,
而是他们按正确的理论思维的模型进行AI逻辑模拟的结果:
“
三、纠正人类知识体系的缺漏与错误
超级人工智能的第三个标志性特征是应该能够识别和纠正人类现有知识体系中的缺漏、瑕疵和错误。人类的知识体系是不断发展的,随着科学技术的进步,许多曾经被视为绝对正确的观念也可能被推翻或修正。而AGI的出现,意味着我们有可能借助其强大的计算和分析能力,发现人类知识中的不足之处。
”
能够从事科学研究的AI模型不是用实验结果训练AI模型,
而是让AI模型有数学思维能力,有数学推理能力。
首先,AI模型需要能够从实验数据中发现违背数学逻辑的实验结论,
进而发现实验结论在什么具体方面与逻辑发生冲突,
才能进而纠正逻辑错误,得到正确的理论结果。
科学的精髓是数学,科学的精髓是理论逻辑。计算机算法(而不是化学实验)将成为解决科学问题的主要手段
正是因为引入了数学,科学才成之为科学。实证(实验验证)不是科学的标志。
==============
只要你敢于站在主流理论的对立面分析问题,颠覆性创新的灵感就会神奇地经常光顾你的大脑
转载本文请联系原作者获取授权,同时请注明本文来自刘跃科学网博客。
链接地址:https://wap.sciencenet.cn/blog-3589443-1467267.html?mobile=1
收藏