简介:大数据和机器学习在医学研究领域获得越来越多的应用和关注.人体作为复杂的生理和演化系统,具有开放性、不确定性、非线性、多层次性、动态性、突现等特征.从复杂性哲学的视角出发,分析了人工智能医学在方法论和认识论上的优势和问题.人工智能医学可以利用海量数据,搜集复杂的特征信息,发掘并识别多种变量之间的相关性,通过机器学习捕获数据中的复杂与非线性关系,克服还原主义的局限,消除不确定性,提高预测的准确性.疾病过程所体现出的动态复杂性和过程敏感性,复杂系统的不确定性和突现特征,使得人工智能医学对疾病和治疗状态的预测和长时段的预测难以实现.人工智能利用相关性所做的预测,虽然准确,但因为因果解释的缺失和路径依赖,不能直接用于临床上的医学照料,需要医生具身的临床经验和知识辅助判断.治疗的临床情境的重要性与数据化上的困难,也给当前人工智能医学实现从精准预测到有效治疗带来了挑战.
简介:对于新理学"负的方法",目前学术界常认为其来源于中国哲学的直觉法。然而,这是一种误解。因为以逻辑分析贯彻始终的新理学,不能直接容纳以直觉为特质的"负的方法"。众所周知,"负的方法"是一种形而上学方法和神秘主义方法,但它与新理学兼容的关键,却在于它的基本形式是逻辑分析。就逻辑化的"负的方法"而言,它的中国哲学来源是道家和禅宗在语言层面的破执法,即内涵为空的形式命题和应机语用法。实际上,新理学"负的方法"与中国哲学直觉法虽都是"负的方法",但前者是以逻辑分析间接地呈现形而上学中的神秘部分,而后者则直面神秘本身,亲身获得直觉感知,这是逻辑分析无法完成的任务。因而新理学"负的方法"与中国哲学直觉法之间存在质的差异。
简介:同科学的社会建构一样,对科学的常人方法论研究秉承着建构论的科学主张,但取代把科学作为社会建构的结果,视科学为一种情境性内在生成的地方性成就。基于"方法的唯一适用要求",用作为生成的建构超越作为构造的建构,在一定意义上实现了科学的理性和客观性的回归。