社会科学中定量与形式模型的 AI 辅助发现

在社会科学中，形式与定量模型（例如描述经济增长与集体行动的模型）被用于构建机制性解释、提供预测并揭示关于观测现象的问题。在此，我们展示了利用机器学习系统辅助发现能够刻画社会科学数据集中非线性与动态关系的符号模型。通过将神经符号方法扩展至在含噪声的纵向数据中寻找紧凑函数与微分方程，我们表明该系统可用于从经济学与社会学的真实世界数据中发现可解释的模型。以符号回归增强现有工作流，有助于在科学过程中揭示新颖关系并探索反事实模型。我们提出，这一 AI 辅助框架可通过系统性地探索非线性模型空间并实现在表达力与可解释性上的细粒度控制，来桥接社会科学研究中常用的参数与非参数模型。