机器学习的哲学思考

发布时间：2020-09-17 12:16

　　机器学习是人工智能的核心研究领域,这是对人类学习过程的模拟。机器学习可以利用自身算法发现知识,并提升系统处理问题的能力。由于在研究机器学习的时候经常会涉及到认知、心灵、意识等哲学方面的内容,因而研究机器学习就必须在更深层次的领域内进行思考,也就是进入到哲学的范畴内。通过研究国内外学者关于机器学习的相关文献和著作,阐述了机器学习带来的关于哲学上的思考。国内的学者们关于机器学习的研究已经处于世界领先地位,但关于机器学习哲学甚至计算机哲学方面的社科类研究少之又少,但国内有许多学者致力于认知科学、数据科学方面的研究,也与机器学习有着千丝万缕的联系。国外的研究更加超前一点,从古至今已经形成了一套完整的哲学研究体系,值得我们学习与借鉴。机器学习发展到现在,已经形成了五大学派,这五大学派代表的方向有所不同,但是目标都是一致的,就是为了帮助人类更好的认识世界、改造世界。本文从认识论、方法论、社会动能论三个层面阐述了机器学习发展所引发的关于哲学上的思考。机器学习带给认识论的挑战在于机器获得学习能力之后对人类主体地位的影响和机器学习认识世界的新思路。科学认识论是人们对于科学的一次全新认识,机器学习带来的认识论思考使人们重新审视了科技带给人们的意义。“意义”是哲学反思和批判的前提,机器不能很好地像人类一样正确理解“意义”的含义。同时机器学习不具备人类认识的本质特点,因此机器学习不能替代人类成为新的认识主体。大数据时代,数据科学的研究成为主流,数据已经成为了知识的来源。机器作为人类认识世界的一个新工具,帮助人们从数据中发现新的知识。同时机器学习对传统认识论问题进行了深入,在纵向深度上上对传统还原论和整体论问题进行了进一步探讨,而数据科学范式的诞生则是认识论问题的横向拓展。在机器学习对科学方法论的变革方面,由于大数据的发展,海量复杂的数据成为了知识的来源,但单靠人力已经无法处理如此多的数据,机器学习在逻辑推理上的优势就突显了出来。科学研究发展到已经可以从机器学习利用归纳法可以整合几乎所有数据,利用归纳逻辑推理,从数据中发现知识。而基于演绎推理的机器学习是建立在人类经验的基础上,通过人类编写的算法系统来对数据进行演绎推理,进一步进行数据挖掘,并回馈自身系统,自主提升处理问题的能力。基于类比学习的机器学习侧重的是发现型类比,机器类比学习比人类学习拓展范围更广更全面,所以发现的知识更可靠,同时类比学习对于科学假说的修正起到了很好地辅助作用。机器学习对于社会动能论的影响分为正反两面。机器学习可以说是智能革命的助推器,机器学习作为现在最前沿的技术,它的发展对整个社会、经济都有很大的影响,其系统开发和应用创造会给人类社会带来大量的经济效益。机器学习丰富人了的思想内容,构建出新时代的人机社会关系。在机器学习取得成果的同时,我们应该考虑到一些伦理方面的问题。机器在具备相当成熟的学习能力之后,是否应当赋予机器人权成为首要应该思考的问题,这涉及到社会伦理的内容。于此同时,机器学习在某些基础工作上的效率将远远超过人类,这将导致人类出现就业危机。最后,我们应该注意环境伦理问题,在科技高速发展的同时做到绿色发展、可持续发展。
【学位单位】：东北财经大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：B08;TP181

【参考文献】