机构名称：
¥ 1.0
引言科学事业是人类最令人瞩目的成就之一，而科学发现则是推动科学进步的引擎。人工智能界早已认识到科学发现的重要性，这从该领域四十多年来的活跃研究就可以看出。Simon (1966) 提出了自动化发现过程的想法，第一个显著的成功出现在 20 世纪 70 年代，出现了 DENDRAL（Lindsay 等人，1980 年）和 Bacon（Langley，1981 年）等系统。20 世纪 80 年代和 90 年代，科学事业继续取得进展，研究人员在天体物理学、生物学、化学、生态学、粒子物理学和社会科学等不同领域解决了越来越广泛的科学问题。到世纪之交，有许多计算机辅助发现发表在同行评审的科学文献中的案例（Langley，2000 年）。近年来，计算科学发现变得更加活跃，来自应用数学、物理学、机械工程和其他学科的研究人员加入了发起这一运动的人工智能科学家的行列。早期的方法主要依赖于符号处理和在离散结构空间中的搜索，而后来的许多努力则转向执行参数搜索的统计技术和神经网络。这两个群体的共同点是他们致力于开发能够重现人类发现的全部深度和广度的通用机制。自 1989 年以来，至少有 12 场研讨会和讲习班以及多本报告该领域进展的编辑书籍（Shrager 和 Langley，1990 年；Dˇzeroski 和 Todorovski，2007 年；Addis 等人，2019 年）反映了人们对这一主题的持续关注。
计算科学发现集成系统
主要关键词
相关文件推荐
