历经3次寒冬，人工智能在2012年以深度学习的面貌再次崛起，同时借助数据、算法和算力快速发展并以肉眼可见的速度迅速商业落地，在众多领域展现出惊人的能力。在深度学习崛起的十年后，2022年12月，人工智能企业OpenAI发布了现象级的聊天对话模型ChatGPT，又重新点燃了人们对通用人工智能（Artificial General Intelligence,AGI）的热情。而人工智能与科学发现（scientific discovery），这两个激动人心的领域在这十年间也产生越来越多的交集，这种交集带我们走向一种基于数据和智能的更加快速和自动化的科学发现以及技术创新。人工智能现在可以精准预测蛋白质折叠甚至帮助创造新蛋白质、发现新的化学结构，帮助解决量子多体问题，我们几乎每天都能看到大量基于人工智能（AI-based）的科学发现并且还在不断加速。随着科学中实验仪器的不断智能化，数据的产生和分析也在不断地自动化，在可预见的未来大部分科学实践流程中的工作都会有人工智能辅助甚至被人工智能代替。

这些近代科学蓬勃发展几百年以来首次出现的新现象自然会带来很多新问题以及对旧问题的新思考，这些问题其实自通用电子计算机和人工智能学科诞生之初就有很多科学家和哲学家在讨论。比如从方法论角度，能否通过计算的方式去模拟科学发现的过程、去模拟科学概念和知识创新甚至去获得新的重大的科学发现？再比如从认识论的角度还有一些更加深刻的问题——科学，尤其是自然科学，是否还是人类的专利？当然肯定有人会说，人工智能系统也是人类构建的，类似深度学习这类人工智能方法虽然还存在可解释性等问题，但是归根到底是人类技术的产物，人工智能驱动的科学也是人类的科学。但与传统的人类做科学的方式相比较，人工智能参与的科学确实有不同的地方。这种不同不仅仅是机器的强大的曲线拟合能力和人类简单的归纳能力之间的不同，物理学家安德森说多即是不同（more is different），当数据多到一定程度的时候，当数据的层级足够低足够基础的时候，曲线拟合所带来的可能就不仅仅是经验规律，还可能是更加普适的科学理论。

本书是对类似上述问题的一些回答，是作者近几年跟随人工智能以及数据和智能驱动科学发展的一个研究集合。

本书可分为三个部分。第一部分从经验的角度考察人工智能尤其是机器学习在科学发现中的作用，分析机器学习当前能够达到的科学发现的层级，提出一个在当前的技术条件下用机器学习发现新概念和新思想的路径。第二部分对科学哲学中的科学理论结构研究进行综述和分析，尝试从一种基于具身数学认知的科学实践哲学的角度，分析机器的科学发现与人类的科学发现之间的关系。第三部分是案例研究，用科学史上的经典案例——相对论相关的以太漂移——的历史数据作为训练数据，看机器学习能否在真实的科学发现场景中带来新的概念和思想，为第一部分提出的设想提供实证支持。

本书虽然名为“人工智能与科学发现”，但并未涉及人工智能的所有领域，而主要关注人工智能中的机器学习（machine learning）与科学发现的关系。科学发现是近代以来人类发展中最重要的活动，是知识甚至“真理”的最有效的生产方法。人工智能与科学发现的哲学研究是一个广阔的话题，仅从方法论和认识论的角度看就可以有很多不同的进路，本书仅取其中的一小部分，不企图做一个大而全的刻画，而是从机器学习入手，先现实地考察机器学习帮助下的科学发现能够达到的层次，再从数学认知和科学实践入手考察机器发现与人类发现之间可能存在的关系。