Heavisidisation 的华彩与悲歌

机器学习(ML)仅当科学问题(即具有明确定义答案的问题)的答案可被化为特殊形式 ${\cal G}: X\longrightarrow Z$,且 ${\cal G}(\vec x)$ 表示为迭代 Heaviside 函数组合时,才适用于此类问题。目前远不清楚这类表示何时存在、存在何种障碍,以及若无障碍如何将已知公式转化为该形式。这引出了一个以此类术语重构普通科学的纲领——这听起来像是构造数学方法的强力增强,只是此次涉及所有自然科学。我们描述了这条漫漫长路上的第一步。