最近看了一篇文章，关于Few-shot Learning的综述，看到作者有第四范式的研究者。这个名字让我联想到了之前帮导师做《机器学习》课程PPT时查阅到的一些资料，整理了一下写在这里。
ps. 如导师所言，干的事儿都不白干，总会有用的。。

范式

“范式”（paradigm）这一概念最初由美国著名科学哲学家Thomas Samuel Kuhn于1962年在《科学革命的结构》中提出来，指的是常规科学所赖以运作的理论基础和实践规范，是从事某一科学的科学家群体所共同遵从的世界观和行为方式。
“范式”的基本理论和方法随着科学的发展发生变化，新范式的产生，一方面是由于科学研究范式本身的发展，另一方面则是由于外部环境的推动。

科学范式的提出

图灵奖得主，关系型数据库的鼻祖Jim Gray（吉姆-格雷）在2007年加州山景城召开的NRC-CSTB大会上，发表了生前的最后一次演讲“The Fourth Paradigm: Data-Intensive Scientific Discovery”，提出了科学研究的第四类范式，其中的“数据密集型”就是现在我们熟知的“大数据”。

几千年前，是经验科学，主要用来描述自然现象
几百年前，是理论科学，使用模型或归纳法进行科学研究
几十年前，是计算科学，主要模拟复杂的现象
今天，是数据探索，统一于理论、实验和模拟。它的主要特征是：数据依靠信息设备收集或模拟产生，依靠软件处理，用计算机进行存储，使用专用的数据管理和统计软件进行分析。

第一范式

Describing natural phenomena，描述记录自然现象，也可理解为实验科学
方法以基于实验或经验的归纳为主
如：钻木取火，比萨斜塔实验

第二范式——理论科学

Using models, generalizations，在自然现象基础上进行了抽象简化
主要通过构建数学模型进行研究
如：相对论，博弈论

第三范式——计算科学

Simulating complex phenomena，以计算机仿真模拟取代实验
如：天气预报、核试验模拟

第四范式——数据探索

Data captured by instruments or generated by simulator; Processed by software; Information stored in computer; Scientist analyzes database
因果关系→相关关系，知道“是什么”有时比知道“为什么”更重要

四种科学范式