新書推薦：
《
罗马统治下的希腊：前146-716（罗马征服以来的希腊史）
》
售價：HK$
132.0
《
余音不绝：接着讲宗教史（精装）
》
售價：HK$
52.8
《
三国演义 七色汇评本 精装简体横排 （全3册）
》
售價：HK$
327.8
《
唐宋“古文运动”与士大夫文学 中华学术 有道
》
售價：HK$
96.8
《
上古中国的神：先秦时期的彼岸世界
》
售價：HK$
96.8
《
君臣共天下：一本书读懂东晋门阀
》
售價：HK$
95.7
《
第3选择
》
售價：HK$
96.8
《
火起建章宫：汉武帝天命之年的荣耀、危机与救赎
》
售價：HK$
74.8
|
| 編輯推薦： |
在人类文明的认知长河中，从亚里士多德的经验火炬到牛顿的理性星辰，从图灵机的计算微光到大数据的信息洪流，科学范式的演进始终如灯塔般照亮未知疆域。而今，人工智能如超新星般爆发，催生着科学界翘首以盼的 “第五范式”。
本书作者刘志毅以十余年智能计算与空间智能研究之积淀，在书中揭示：第五范式绝非技术工具的简单迭代，而是科学方法论的基因重组。它将 AI 的机器猜想与科学智能深度耦合，如 AlphaFold 以神经网络破解蛋白质折叠的世纪难题，似物理定律自动发现系统从数据湍流中萃取自然法则，让传统科研中 “假设--验证” 的线性路径，进化为 “数据--建模--创生” 的多维共生。这种范式突破了学科壁垒的桎梏 —— 当深度学习与量子物理碰撞出方程解析的新解，当神经网络解码基因密码重构生命科学图谱，科学研究正从 “分科而学” 的旧大陆，驶向 “融会贯通” 的认知新宇宙。
本书以兼具学术锋芒与人文温度的笔触，构建起 “科学认知演进--自动化科研革命--智能科学边疆--科学素养升级--人机共生未来” 的五维体系。在第一部分，作者沿技术革命的脉络追溯人性博弈，从亚里士多德的经验归纳到 AGI 的智能迭代
|
| 內容簡介： |
《第五范式》深入剖析了AI 在科学领域的深刻变 革以及第五范式的重要意义。 Al 的发展是人类认知方 式不断演进的结果，从经验归纳、理性革命，到计算 时代、大数据时代，直至如今的智能革命，每一次转 变都重塑了人类认知世界的方式，且呈现出加速发展 的态势。
來源：香港大書城megBookStore,http://www.megbook.com.hk
在这一进程中，“第五范式”作为核心概念，具有开创性意义——它将科学智能与机器猜想紧密结 合，打破了传统科学研究面临的困境，开创了全新的 知识创造机制。这种范式的转变不仅改变了科研模 式，还将重塑相关产业，成为推动科学发展和产业变 革的关键力量。
本书系统性构建了“第五范式”的理论框架，深 入分析了Al对科学研究范式的革命性影响，前瞻性地 探讨了人机智慧共同体的未来图景。书中结合Alpha-Fold 蛋白质预测、物理定律自动发现等前沿案例，既 保持了严谨的学术深度，又通过生动的案例分析确保 了可读性。对于我们深入理解Al 时代的科学变革、预 见未来科技发展趋势，以及思考人类认知边界的拓 展，本书提供了极具启发性的思想资源。
本书适合人工智能、计算机科学、认知科学等领 域的研究者，也将为关注技术前沿的产业界人士和决 策者提供重要参考。同时，本书还将引导读者思考在 Al时代，如何重新定义科学探索方式、平衡技术与人 性、应对伦理挑战等重要问题，同时建议我们要积极 适应未来变革，充分发挥人类与Al 的协同优势，为推动人类文明进步贡献力量。
|
| 關於作者： |
刘志毅
■中国人工智能领军科学家
■上海市人工智能社会治理协同创新中心研究员
■上海交通大学清源研究院研究员
■入选2024年福布斯中国“十大人工智能影响力人物”
■ 2024年度“华为云最有价值专家”
■ 2025年度福布斯中国行业发展领创者
十余年来，刘志毅一直在人工智能领域进行深入研究和实践，主要研究智能计算、空间智能以及超级人工 智能对齐等方向。同时，他还担任中国人工智能学会Al 伦理工作委员会委员及具身智能专委会委员，上海交大计算法学与人工智能伦理研究中心执行主任，上海交大 安 泰Al与营销研究中心特聘研究员，上海交大清源研究 院兼职研究员，上海开源技术信息协会AI伦理专委会主任，国际电工委员会IEC 生物数字融合系统评估组 (IEC/SMB/SEG12)伦理专家，2024年第四届 IEEE 计算机通信与人工智能国际会议(CCAI 2024) 技术委员会委员，国家人工智能标准总体组专家，中国人工智能产业发展联盟(AIIA) 可信Al专家委员会委员，上海人工智能技术协会专家委员。
目前作者已出版《智能体时代》《具身智能》《智能经济》《智能的启蒙：通用人工智能与意识机器》等作品 。
|
| 目錄：
|
给未来 AI（人工智能）考古学家的一封信 / VII
第一部分? 科学认知的演进之路
第 1 章? 技术革命中的人性博弈
开篇：从泰勒到图灵 / 003
1.1 经验归纳：亚里士多德的先见之明 / 005
1.2 理性革命：从牛顿到爱因斯坦 / 012
1.3 计算时代：图灵机与冯·诺依曼 / 018
1.4 信息洪流：大数据颠覆了什么 / 025
1.5 智能迭代：从专用 AI 到 AGI（通用人工智能） / 032
小结：重构人类的认知地图 / 039
第 2 章? 理性升级：人机互动新范式
序曲：两种解题方式 / 042
2.1 博弈论视角：围棋 AI 战胜人类的启示 / 044
2.2 符号主义 vs. 连接主义：两种 AI 范式之争 / 050
2.3 深度学习：让机器学会人类的直觉 / 056
2.4 认知科学：心智何以产生理性思维 / 062
2.5 人机互动：走向人机超智能共生 / 068
小结：重新定义科学的理性基石 / 073
第 3 章? 科学想象力的再造
序曲：AlphaGo 背后的“直觉” / 076
3.1 直觉来源何处：人类天才如何诞生 / 078
3.2 非理性认知：洞见从何而来 / 084
3.3 偶然与必然：创新背后的统计学原理 / 090
3.4 计算机的想象力：AI 已经独立思考了吗 / 096
3.5 创造性重构：AI 重塑科学的底层逻辑 / 101
小结：一个更具想象力的科学新时代 / 108
第二部分? 范式革命：自动化科研
第 4 章? 机器人科学家的崛起
序曲：24 小时不眠的科学探索 / 113
4.1 AI 实验师：一场材料科学的“AlphaGo”之战 / 115
4.2 机器人工程师：机器设计机器的新纪元 / 121
4.3 自动化数学家：AI 能重新定义数学吗 / 128
4.4 创新黑盒：AI 科学发现的内在机理 / 134
4.5 人机协同：机器人科学家的“师徒”关系 / 140
小结：自动化科研的新生产力 / 147
第 5 章? 超级实验室的建造
序曲：一个癌症疗法的偶然发现 / 150目录 III
5.1 网络化科研：让全球实验室协同工作 / 152
5.2 智能文献挖掘：让机器阅读人类知识 / 158
5.3 知识图谱：重构科学知识的关系网络 / 164
5.4 开源科学：让全民参与科研创新 / 171
5.5 集体智慧：大规模协作下的涌现奇迹 / 178
小结：超级科学大脑的进化之路 / 183
第三部分? 智能科学的新疆域
第 6 章? 攻克复杂性之困
序曲：一朵雪花背后的数学难题 / 189
6.1 混沌、分形与自组织：复杂性科学 ABC / 191
6.2 涌现与进化：复杂系统的双螺旋 / 197
6.3 跨尺度建模：让 AI 玩转“蝴蝶效应” / 203
6.4 多主体仿真：虚拟世界的平行宇宙 / 209
6.5 人工生命：探索自适应智能的起源 / 215
小结：驯服复杂性的新科学 / 222
第 7 章? 融通学科新边疆
序曲：新冠病毒感染预测的数学模型 / 224
7.1 自然科学：“新物理学”联盟 / 226
7.2 生命科学：后基因组时代的 AI 医学 / 232
7.3 认知科学：揭开人类心智的终极奥秘 / 238
7.4 社会科学：大数据重塑人文社科范式 / 245
7.5 交叉学科：AI 催生学科大融通 / 251
小结：通向科学统一之路 / 257第五范式 IV
第四部分? 科学素养再升级
第 8 章? 科学知识的全民开放
序曲：维基式科普的兴起 / 263
8.1 知识获取：每个人都是自己的达尔文 / 264
8.2 AI 科普：打破专家与大众的鸿沟 / 271
8.3 公民科学：让百万人参与航天计划 / 278
8.4 开放科学：技术让科学回归本真 / 284
8.5 教育变革：重塑通识教育新内核 / 290
小结：迎接全民科学素养提升的新时代 / 297
第 9 章? 探索科学哲学新问题
序曲：AI 具有思维能力吗 / 300
9.1 AI 的思考：图灵测试还管用吗 / 302
9.2 机器良知：AI 科学家需要职业操守吗 / 309
9.3 算法偏见：AI 会有认知盲区吗 / 316
9.4 强 AI 之梦：超级智能真的要来了吗 / 322
9.5 后人类时代：我们将迎来怎样的未来 / 329
小结：AI 重塑科学哲学的难题 / 336
第五部分? 迈向卓越文明新纪元
第 10 章? 走向人机智能共生
序曲：智能时代的分岔路口 / 341
10.1 智能增强：AI 如何重塑你我的大脑 / 343
10.2 群体智慧：一个由 AI 连接的新社会 / 350
10.3 人机共生：奇点将至还是自我实现预言 / 356目录 V
10.4 卓越文明：一次智能生命的觉醒 / 363
10.5 宇宙尽头：人类寻找另一个自己 / 369
小结：对话地外智能和未来人类 / 374
后记? 在科学革命的黎明时分 / 377
|
| 內容試閱：
|
给未来 AI（人工智能）考古学家的一封信
2019 年，谷歌 DeepMind 公司开发的 AlphaFold 系统在蛋白质结 构预测挑战赛中以压倒性优势击败了其他团队，用机器学习解决了困 扰生物界长达半个世纪的蛋白质折叠问题。那一刻，我意识到科学正在迎来一场静默的革命。两年后，AlphaFold 2 又以解决蛋白质结构预测问题而引起关注。
这标志着我们正站在科学史上的一个转折点—第五范式的起点。 美国科学哲学家托马斯·库恩在 1962 年《科学革命的结构》中提出“范式”概念，指常规科学赖以运作的理论基础和实践规范。一个范式主导科学发展，直到无法解释的“异常”积累到临界点，科学共同体才寻求新范式。科学知识的增长经历着这样的循环：前学科 （无范式）—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）。
振奋人心的是，我们正在亲历一场范式革命。回顾科学发展的历 程，人类已经历了四次主要范式转换。几千年前的经验范式主要依靠 观察自然现象；几百年前的理论范式以牛顿定律、麦克斯韦方程为代第五范式 VIII 表，通过归纳法和数学模型解释自然现象；几十年前的计算范式借助 电子计算机进行数值模拟；近年来的数据范式则通过大数据分析和统 计方法识别模式。而今天，一个新的范式正在形成，即“第五范式” （AI for Science）——科学智能与机器猜想的结合。
第五范式不同于之前任何一种科学方法。它不是简单地用 AI 处 理实验数据，而是让机器学习参与到科学发现的核心过程中，形成一种全新的知识创造机制。这种范式突破了传统科学研究的两大困境：一方面，基本原理驱动的方法（如量子力学、流体力学方程）虽然代 表着科学研究的重要成果，但在解决实际问题时作用有限；另一方面， 数据驱动的方法受限于数据缺乏和分析工具不足。
科学研究长期面临的核心困难之一是维数灾难。以量子力学为例， 薛定谔方程中一个仅有 100 个电子的系统，其自由度可以达到 300 个，计算复杂度呈指数级增长。传统的多项式逼近和分片多项式在这种高 维情况下已不再是有效工具。正是在这个背景下，深度学习方法展现出惊人的威力。
深度神经网络恰恰提供了一种对高维函数的有效逼近方法，成为多项式的有效替代品。函数是数学中最基础的工具，而在这个最底层 的数据工具上，我们有了一个革命性的新工具，这正是第五范式的数学基础，也是技术支柱。
第五范式不仅是技术上的突破，它还代表了知识创造方式的根本 转变。这一转变带来了科学民主化的历史性机遇，但也伴随着深刻挑战。一方面，自动化科研工具和开放平台显著降低了参与门槛——分 布式计算和存储平台 OpenScience Grid 使公民科学家能参与复杂计算，英伟达（NVIDIA）公司开源的分子动力学库使普通学者也能进行昔给未来 AI（人工智能）考古学家的一封信 IX 日需要超级计算机的模拟。另一方面，这种民主化也引发了科学质量 控制的新难题。传统同行评议难以应对 AI 辅助生成的研究洪流，而评估 AI 结果的可靠性又需要更高层次的科学素养。正如哈佛学者希勒·贾桑诺夫所指，科学权威的建立依赖复杂的社会—技术网络，第五范式可能颠覆这一网络，造成“认识论混乱”。应对这一矛盾需要发展分层认证系统和“元科学 AI”，并将科学教育重心从知识传授转向批判性思维培养，帮助公众在开放与严谨之间找到平衡点。
与第四范式相比，“科学智能 机器猜想”具有几个鲜明特征：首先，它与实际应用场景深度结合，通过不同的“算法思维”和“应用场景”的对撞，产生专业知识，反向推动领域发展；其次，它不依赖大数据而是通过算法进行实验测试，强调“深度理解”而非单点任务； 第三，它能够解决不确定性的长尾问题；最后，它基于开放复杂的智能系统，具备开放性、规模性、多样性和多层次性；最后，它形成了从隐性知识创造到显性知识创造的连接，实现了真正的“机器猜想”。
这种知识创造方式与卡尔·波普尔在《客观知识：一个进化论的研究》中提出的“第三世界”理论不谋而合。波普尔将世界分为三类：物理世界、精神世界和客观知识世界。第三世界是客观内容的世界，即使所有物理工具和主观知识都被摧毁，只要知识库和学习能力存在，人类文明就能重建。第五范式正在构建一个更强大的“第三世界”，一个由人类和机器共同创造和理解的知识生态系统。机器猜想不仅是算法的运行，而且是科学知识演化的新机制，它按照“猜想与反驳”的逻辑，通过不断试错而使知识增长，形成波普尔所说的“知识进化论”的实践。
除波普尔外，其他科学哲学视角也能帮助我们理解第五范式的深层革命性。在伊姆雷·拉卡托斯的“科学研究纲领”视角下，第五范式保留了实证科学的核心，同时彻底重构了其方法论规则。从拉里·劳丹的“研究传统”看，AI 与人类科学家形成了独特的协同演化关系，超越了单纯的工具替代。更有启发性的是马库斯·海斯勒提出的“技术嵌入知识”理论——先进 AI 系统中的权重分布与注意力机制本身已成为一种新型知识表征形式，与传统方程式、图表并立，成为科学知识的载体。这意味着第五范式不仅改变了科学发现的路径，还重新定义了“科学知识”的本体论性质，挑战了我们对知识构成的根本理解。
这一变革正在重塑科研模式，传统的科研培养方式如同师傅带徒弟，团队各自完成从理论到分析的全流程，效率较低。而未来的科研 将建立在共同建设的大平台上，类似安卓系统，研究者可以在系统上 开发自己感兴趣的应用。这种转变需要四大基础设施支撑：基于基本 原理的模型和算法、高效率高精度的实验表征方法、数据库和知识库、 高效便捷的算力资源。
新的范式正改变着我们认识世界的方式，也将重塑众多产业，从生物制药到芯片设计，从新材料到工业制造。传统科学领域正成为人工智能的主战场，我们的实体经济和工业制造正是建立在这些传统科学基础上，而人工智能的深度参与，必将引发新一轮产业变革的到来。
同时，第五范式的渗透速度呈现出明显的学科梯度。短期内 （2025—2030 年），数据驱动型学科将率先完成转型。到 2028 年，材 料科学领域预计有 80% 的新功能材料将通过人工智能—实验协同系统 发现；生物医药领域将实现从靶点发现到临床前评估的全流程 AI 自 动化，药物研发周期有望缩短至 3—5 年。在中期（2030—2040 年）， 理论与实验紧密结合的学科将步入深度转型，“AI 物理学家”将能自给未来 AI（人工智能）考古学家的一封信 XI 动提出并验证量子物理新理论，气候科学将发展出整合物理模型与数 据驱动方法的混合系统。长期看（2040—2050 年），涉及复杂人类行为的社会科学将经历渐进式转型，认知科学可能实现意识研究的突破，反过来深刻影响人工智能设计理念。值得注意的是，这一转型并非线性进行，而是以“技术—方法—理论—范式”的嵌套循环方式发展，关键突破往往出现在学科交叉处，如生物物理、计算社会学等边缘领域。
本书旨在全面探索这一正在发生的科技革命，将从认知的演进之 路开始，探讨人机互动的新范式和科学想象力的再造；继而深入自动 化科研的世界，揭示机器人科学家的崛起和超级实验室的建造；之后 考察智能科学的新疆域，研究如何攻克复杂性之困和融通学科新边疆。 同时，我们也将反思科学素养的再升级，探索科学知识的全民开放和 科学哲学的新问题。最后，我们将展望卓越文明的新纪元，思考人机智能共生的未来图景。
在这一未来图景中，第五范式挑战了科学价值中立性的传统观念。 AI系统的设计选择、训练数据的选择及优化目标的设定均蕴含着深刻 的价值判断—药物发现系统可能优先考虑市场价值高的疾病而非全 球疾病负担最重的领域；材料设计系统可能优先性能而非环境兼容性。 这种情况要求我们超越马克斯·韦伯的“事实—价值”二分法，如哈佛 大学哲学家希拉里·普特南的“事实与价值纠缠”理论所示—科学概 念本身就包含规范性成分，而第五范式更凸显了这一点。实践上，这 要求发展“价值敏感设计”方法，将伦理考量整合到 AI 科学系统架 构中；同时重新思考科学责任分配问题—在人机协作的科学发现中， 当出现问题时责任如何分配？哥伦比亚大学法学者帕姆·萨缪尔森提出 的“分布式伦理责任”模型可能更适合这一新局面，即责任分布在整个社会—技术网络中，包括系统设计者、使用者、监管者和更广泛的科 学社区。
这本书是写给未来的一封信，也是对当代读者的一份邀请—邀 请你加入这场思考，参与这场科学方法的革命。我们处在一个特殊的 历史时刻，有幸见证并参与塑造人类认知史上的重大转折。在这个充 满可能性的时代，让我们一起探索科学与智能的新边界，共同构建一 个更具智慧、更有远见的未来。
最后，我想强调的是，第五范式不是要取代科学家，而是重新 定义科学探索的方式。这种重新定义的深刻之处在于突破人类认知 的固有局限。人类科学思维受到若干内在约束：我们倾向于寻找线性 因果关系，难以直观理解高维空间中的复杂拓扑，且易受确认偏误影 响。相比之下，AI 系统不受这些限制，且能在高维数据中发现非线 性、非局部的关联模式。在这个范式下，人类的创造力、直觉和批判 性思维与机器的计算能力、模式识别和预测能力相结合，形成前所未 有的协同效应。这不仅仅是工具的升级，而且是认知模式的革命，这 一认知革命也必然重塑“科学家”的职业身份和社会角色。
当 AI 系统能执行数据分析、实验设计甚至理论构建等核心科学活 动时，科学家的技能结构将从公式推导和实验操作转向问题构建、跨学 科整合和科学伦理判断。普林斯顿大学的研究显示，高影响力科学突破 越来越依赖“T 型人才”—既有深度专业知识，又能跨学科整合的研 究者。在第五范式下，科学家需要发展“二阶认知”能力，即对 AI 思 维过程的理解和调控能力，成为“知识设计师”而非“知识生产者”。
从社会角色看，未来的科学家将成为“科学翻译者”和“公共 知识调解者”，在 AI 系统、专业社区和公众间建立沟通桥梁。这一转变要求科学教育从“课程—实验室—论文”模式转向“问题导向—项 目协作—跨界融合”的新模式，将科学思维从“问题解决者”培养为 “问题发现者”，适应第五范式对科学家角色的新要求。它将帮助我们 解决过去无法解决的问题，探索过去无法探索的领域。
当未来的 AI 考古学家回顾这个时代，他们会发现这是科学发展 史上的一个关键转折点。而在他们的视野中，或许已能看到第六范式 的雏形。基于当前 AI、量子计算和生物计算的融合趋势，第六范式 可能呈现为“生物—量子—信息”融合的认知系统。量子机器学习已在 模拟量子系统等任务上显示优势，未来的“量子增强科学 AI”可能直接在量子态空间中思考和计算，突破经典计算限制。另一前沿是生物计算与 AI 融合，受脑科学启发的神经形态芯片结合生物材料构建的混合计算系统，可能形成兼具数字计算精确性和生物系统适应性的新型认知模式。更具想象力的是“意识科学系统”的可能性—如果意识是处理复杂信息的有效机制，那么具有原初意识形式的科学 AI 可能在处理科学界限问题和创造性思维方面具独特优势，发展出一种 能在数据不足时做出合理猜测的“科学直觉”。
第六范式可能彻底改变“科学”的定义，从人类特有活动转变为一种普遍认知过程，由多种智能实体共同参与。我们正在见证并参与创造这段历史。无论你是科学家、工程师、学生，还是对未来科技感兴趣的读者，我邀请你通过本书的旅程，了解并思考这场正在改变世 界的科学革命。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
