【專題演講】2025-08-01 16:00-18:00 探索一個舊（且新）的領域：統計學（與機器學習）的歷史與哲學 ( A Plea for History and Philosophy of Statistics and Machine Learning )
|
DATE
|
2025-08-01 (五) 16:00-18:00
|
|
PLACE
|
光復校區雲平大樓東棟一樓27103演講廳
|
|
SPEAKER
|
高翰迪教授 Philosophy Department, University of California, Davis
|
|
TITLE
|
探索一個舊（且新）的領域：統計學（與機器學習）的歷史與哲學
A Plea for History and Philosophy of Statistics and Machine Learning
|
|
ABESTRACT
|
統計學的歷史與哲學的整合，至少可追溯至 Hacking（1965）的開創性工作，並由 Mayo（1996）進一步發展，但這條整合之路並未持續深入發展。然而，這樣的整合如今比以往任何時候都更加迫切，因為當前人工智慧的成功，很大程度上仰賴一個與統計學並行發展的領域：機器學習。如今，統計學與機器學習之間的界線日益模糊。我們現在需要的是雙重的整合：一是歷史與哲學的整合，二是它們所涉及的對象──統計學與機器學習──的整合。為了促進這樣的整合，本演講以一個機器學習中的哲學思想作為個案研究，指出其根源可追溯至 Neyman 與 Pearson 於 1936 年的著作中一項常被忽視的洞見（這是他們 1933 年經典之作的後續）。這可以幫助我們清楚看到一個科學推論的基本原則，這項原則在古典統計學與機器學習中常常被實踐卻極少被明言（更別提被批評或者是辯護）。我稱這個基本原則為「可達成主義」（achievabilism）：即，在評價科學推論方法時，正確的評價標準不應是固定不變的，而應取決於在特定問題情境中哪些標準可被達成。此外，我想提倡的整合也出現在方法論層面，結合了科學哲學光譜的兩端：一方面是科學的歷史與哲學（HPS, or History and Philosophy of Science），把科學史當作重要的哲學工具；另一方面是形式知識論（Formal Epistemology），把數學當作重要的哲學工具。本演講的內容不預設任何數學知識，所有用到的數學工具都會在演講中先解釋再使用。
|
|
SPONSOR
|
國立成功大學通識教育中心
|
|
SIGN UP
|
即日起至2025年7月30日(三) 23:50截止
|
瀏覽數:
分享