J014|你的研究工作屬於哪種科學類型?

J014|你的研究工作屬於哪種科學類型?

更新於 發佈於 閱讀時間約 2 分鐘

「所謂研究的工作,有8個階段:


A 問題提起 (思考等級)


B 探檢 (經驗等級)


C 觀察 (經驗等級)


D 發想 (思考等級)


E 採取假說,推論 (思考等級)


F 實驗計畫 (經驗等級)


G 觀察 (經驗等級)


H 檢證 (思考等級)」


「其中,不同的科學,碰觸到不同的研究階段。


野外科學:A->B->C->D


實驗科學:E->F->G->H


書房科學:A->D->E->H」


這一段,節錄於日本作者川喜田二郎[1]的著書,


《発想法―創造性開発のために 》[2]的第23頁。


我看了以後,對我這幾年做研究的心態,有了醍醐灌頂的啟發。


我在攻讀統計學博士時,


主題是統計機器學習,而處理研究題目的方式相當理論。


而我主要的研究工具,就是「高維度機率 High-Dimensional Probability」[3],


「高維度統計 High-Dimensional Statistics」[4] 裡面的理論工具,


如此就能得到一些對機器學習演算法的理論結果。


這樣的工作,在川喜田二郎的系統中,屬於「書房科學」。


而由於我是在統計科學領域,證明了理論後,


還需要做實驗驗證提出的演算法能改良文獻上存在的算法。


這時候,就需要根據理論的假設,去做模擬實驗,


然後進一步驗證理論的結果。


這樣的工作,在川喜田二郎的系統中,屬於「實驗科學」。


而現在在UCLA研究「生成模型」與「合成數據」[5],


就需要提出問題,探索現象,觀察現象,形成新的假說。


這樣的工作,在川喜田二郎的系統中,屬於「野外科學」。


如此,我在目前32歲的人生裡,


已經體驗到整個研究工作的八個階段與三種類型。


川喜田二郎的系統,讓我更了解不同的研究工作,


各有不同的著力點,有各自的強調,各自的價值。


感覺真的又開了一道天眼!


Reference

[1] https://ja.wikipedia.org/wiki/%E5%B7%9D%E5%96%9C%E7%94%B0%E4%BA%8C%E9%83%8E

[2] https://www.kinokuniya.co.jp/f/dsg-01-9784121801364

[3] https://www.math.uci.edu/~rvershyn/papers/HDP-book/HDP-book.html

[4] https://www.cambridge.org/core/books/highdimensional-statistics/8A91ECEEC38F46DAB53E9FF8757C7A4E

[5] http://www.stat.ucla.edu/~guangcheng/index.html

avatar-img
王啟樺的沙龍
559會員
1.8K內容數
Outline as Content
留言
avatar-img
留言分享你的想法!
王啟樺的沙龍 的其他內容
Passive Consumption(被動接收) vs. Active Reading(主動閱讀)|真正讓你進化的閱讀差在這裡 碩博士生每天都在讀論文、讀報告、讀教材, 但大多數人其實只是「看過了」,不是「讀進去了」。 讀很多卻吸收很少,記不起重點、寫不出心得, 不是你不夠努力,而是你還停
4 個關鍵洞見 + 讓你看懂中美 AI 競爭 + 若不讀,你就可能錯失整個時代的最大機遇 AI 的發展速度,真的快到讓人心驚。 我們常常以為美國在 AI 領域穩居頂尖,可現在中國的 AI 創新力好像開始迎頭趕上,這背後的原因是什麼? 若我們沒有跟上這波 AI 變革,就可能被遠遠拋在後面,錯失技
Passive Consumption(被動接收) vs. Active Reading(主動閱讀)|真正讓你進化的閱讀差在這裡 碩博士生每天都在讀論文、讀報告、讀教材, 但大多數人其實只是「看過了」,不是「讀進去了」。 讀很多卻吸收很少,記不起重點、寫不出心得, 不是你不夠努力,而是你還停
4 個關鍵洞見 + 讓你看懂中美 AI 競爭 + 若不讀,你就可能錯失整個時代的最大機遇 AI 的發展速度,真的快到讓人心驚。 我們常常以為美國在 AI 領域穩居頂尖,可現在中國的 AI 創新力好像開始迎頭趕上,這背後的原因是什麼? 若我們沒有跟上這波 AI 變革,就可能被遠遠拋在後面,錯失技