ترجمه فارسی مقاله یادگیری ماشین و تئوری لادننس – یک حساب پدیدارشناختی

چکیده

In recent years, the dissemination of machine learning (ML) methodologies in scientific research has prompted discussions on theory ladenness. More specifically, the issue of theory ladenness has remerged as questions about whether and how ML models (MLMs) and ML modelling strategies are impacted by the domain theory of the scientific field in which ML is used and implemented (e.g., physics, chemistry, biology, etc). On the one hand, some have argued that there is no difference between traditional (pre ML) and ML assisted science. In both cases, theory plays an essential and unavoidable role in the analysis of phenomena and the construction and use of models. Others have argued instead that ML methodologies and models are theory independent and, in some cases, even theory free. In this article, we argue that both positions are overly simplistic and do not advance our understanding of the interplay between ML methods and domain theories. Specifically, we provide an analysis of theory ladenness in ML assisted science. Our analysis reveals that, while the construction of MLMs can be relatively independent of domain theory, the practical implementation and interpretation of these models within a given specific domain still relies on fundamental theoretical assumptions and background knowledge.

چکیده به فارسی (ترجمه ماشینی)

در سالهای اخیر ، انتشار روشهای یادگیری ماشینی (ML) در تحقیقات علمی باعث بحث در مورد لاغر بودن تئوری شده است.به طور خاص ، مسئله لادنوسی تئوری به عنوان سؤالاتی در مورد اینکه آیا مدل های ML و استراتژی های مدل سازی ML توسط تئوری دامنه حوزه علمی که در آن ML استفاده و اجرا می شود ، تحت تأثیر قرار داده است (به عنوان مثال ، فیزیک ، شیمی ، زیست شناسی تحت تأثیر قرار می گیرد.و غیره).از یک طرف ، برخی استدلال کرده اند که هیچ تفاوتی بین علم سنتی (قبل از ML) و ML به کمک ML وجود ندارد.در هر دو مورد ، تئوری نقش اساسی و غیرقابل اجتناب در تجزیه و تحلیل پدیده ها و ساخت و استفاده از مدل ها دارد.در عوض برخی دیگر استدلال کرده اند که روش ها و مدل های ML مستقل از تئوری هستند و در برخی موارد حتی بدون تئوری.در این مقاله ، ما استدلال می کنیم که هر دو موقعیت بسیار ساده است و درک ما از تعامل بین روش های ML و نظریه های دامنه را پیش نمی برد.به طور خاص ، ما تحلیلی از لادنو بودن تئوری در علم کمک شده به ML ارائه می دهیم.تجزیه و تحلیل ما نشان می دهد که ، در حالی که ساخت MLM ها می تواند نسبتاً مستقل از تئوری دامنه باشد ، اجرای عملی و تفسیر این مدلها در یک حوزه خاص خاص هنوز هم به فرضیات نظری اساسی و دانش پیش زمینه متکی است.