查看“WikiEdge:ArXiv-2408.10205/background”的源代码

<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2408.10205/background|action=edit}} 编辑]</div>
这篇文献的背景主要集中在以下几个方面：
# '''[[人工智能]]与[[科学]]的结合（AI + Science）'''：
#* 近年来，人工智能与科学的结合成为一个充满希望的新领域，推动了包括[[蛋白质折叠预测]]、[[自动定理证明]]、[[天气预报]]等在内的重大科学进步。
#* 尽管这一范式在应用驱动的科学中表现出色，但还存在一种由好奇心驱动的科学，这种科学更多是探索性的，通常没有明确的目标，而是为了“获得更多理解”。
# '''现有人工智能的局限性'''：
#* 当前的人工智能主要基于[[连接主义]]，而科学则依赖于[[符号主义]]，两者之间存在固有的不兼容性。
#* 为了弥合这两个世界之间的差距，需要提出新的人工智能范式，以支持好奇心驱动的科学，这要求人工智能工具具有更高的可解释性和互动性。
# '''[[Kolmogorov-Arnold 网络]]（KAN）的提出'''：
#* Kolmogorov-Arnold 网络（KAN）是一种新型神经网络，它通过在网络边缘上学习激活函数，而不是在节点上使用固定激活函数，显示出在科学相关任务中的潜力。
#* 尽管 KAN 在提取符号公式方面表现出了一定的可解释性，但其定义相对狭窄，限制了其在科学中的应用范围，因为符号公式并不总是科学中必需或可行的。
综上所述，这篇文献的背景强调了在人工智能与科学结合的领域中，需要开发新的工具和方法，以提高人工智能的可解释性和互动性，从而更好地支持科学发现和理解。