标签
本文通过引入最大特异性因果关系（MSCRs）并证明其预测具有一致性，解决了卡尔·亨佩尔在归纳-统计推理中的统计模糊问题，并探讨了对因果AI和机器学习的影响。
本文认为，当前的AI模型具有预测能力但并不具备解释能力，并提出了Mechanistic World Models这一新范式，该范式将可重用机制置于表示、计算和学习的核心，以实现自主科学发现。
一篇预印本论文认为，AI 可以映射已知的生物学，但无法执行“种类形成”——即创造新的变量和约束——这需要人类科学家的具身参与。作者提出了一套课程体系，旨在培养科学家成为“未参数化检测器”，以在生物发现中补充 AI 的能力。
本文考察了Ray Kurzweil的加速回报理论，并指出，尽管定量能力可能加速，但真正的科学发现需要一种不同的能力：对概念框架进行定性推理。本文提出Qualitative Engine for Science（QES）作为对这一缺口的回应。
本文运用科学哲学框架论证，大语言模型作为最小模型在语言学中具有认识论价值，可用于提供可能性解释，但尚不足以构成对人类语言的实际性解释。
本文探讨了科学实践中理解幻觉的概念，讨论了模糊语言、不完整的因果解释以及令人满意但不完整的解释如何导致科学家忽视更深层次的理解。