统计学与机器学习的历史与哲学

统计学与哲学的历史结合起码可以追溯到 Hacking（1975），并由 Hacking（1990）、Mayo（1996）和 Zabell（2005）进一步推进，但却没有得到持续的跟进。然而，这种结合的紧迫性比以往任何时候都更大，因为人工智能的近期成功在很大程度上归功于机器学习——而机器学习正是与统计学并行发展的学科。如今，统计学与机器学习之间的边界正变得越来越模糊。我们所需要的是双重结合：历史与哲学的结合，以及它们所涉及的两个领域——统计学与机器学习的结合。我将介绍一个可追溯至 Neyman 和 Pearson 于 1936 年（继其 1933 年经典著作之后）的哲学观点的案例研究（该观点常被低估），这一观点引出了一种认识论原则——在频率主义统计学和机器学习实践中基本是隐含的，但被广泛共享——即可达论（achievabilism）：即正确的非演绎推理方法的评估标准不应是固定的，而应取决于特定问题情境中可实现的事实。另一种结合也体现在方法层面，将科学哲学的两个极端结合起来：一方面是历史与科学哲学，另一方面是形式认识论。