【確切來認識一下──科學】
科學（Science，希臘語：Επιστήμη）是通過經驗實證的方法，對現象（原來指自然現象，現泛指包括社會現象等現象）進行歸因的學科。科學活動所得的知識是條件明確的（不能模稜兩可或隨意解讀）、能經得起檢驗的，而且不能與任何適用範圍內的已知事實產生矛盾。科學原僅指對自然現象之規律的探索與總結，但人文學科也被越來越多地冠以「科學」之名。
人們習慣根據研究對象的不同把科學劃分為不同的類別，傳統的自然科學主要有生物學、物理學、化學、地球科學和天文學。邏輯學和數學的地位比較特殊，它們是其他一切科學的論證基礎和工具。
科學在認識自然的不同層面上設法解決各種具體的問題，強調預測結果的具體性和可證偽性，這有別於空泛的哲學。科學也不等同於尋求絕對無誤的真理，而是在現有基礎上，摸索式地不斷接近真理。故科學的發展史就是一部人類對自然界的認識偏差的糾正史。因此「科學」本身要求對理論要保持一定的懷疑性，因此它絕不是「正確」的同義詞。
科學包括基礎科學與應用科學。基礎科學僅以通過試驗探究自然原理為目的，其成果一般不容易在短期內得到應用，如物理、化學、生物和地質學；應用科學則兼有探究原理與關注應用這兩個方面的動機，如醫學、藥學、應用光學、氣象學、科技考古學和博弈論。按理來說，科學不同於純技術類學科，後者只涉及運用已有的知識與原理進行發明創造，而只帶來技術變革，不在原理層次挖掘出的新規律，如工程學、法醫學、農學和林學。應用科學與純技術有時候很難界定。因科學與技術經常一起被提及，重要的技術發展有時也會被大眾視為是科學成就，例如袁隆平曾3次未評上中國科學院院士的一大理由就是雜交水稻在科學界常只被認為是工程學成就，而非科學成就。大眾關於愛迪生算不算科學家的爭論也與之類似。一些學科是側重基礎研究還是側重應用研究可能會隨時間發展而變動。如天文學的前身占星學是為宗教儀式服務的，屬於應用類學科（當時還不算是科學）；天文學目前是以基礎研究為主的科學，但也有發射宇宙衛星等少數可帶來實質性服務（如電台廣播與手機信號）的技術應用；天文學在實現星際移民與太空資源開發的未來可能又會變成以應用為主的學科。
與其他文化事物的聯繫
科學雖然與宗教有過大衝突，但它與宗教和神秘主義並沒有嚴格的對立關係。尤其是近代社會變革以來，一些宗教也發生了適應社會進步的改革，與科學的矛盾趨於緩和。有佈道者也開始用可支持自己宗教觀點的科學原理舉例，雖然解讀得很走樣。歷史有許多著名科學家都有宗教信仰，如歐拉和柯西，宗教信仰並未使他們的科學視野有所局限。而知名物理學家恩裏科·費米則是一個不可知論者，他對原子彈的研發和量子物理的發展有重要貢獻。費曼認為（在20世紀50年代）有超過半數的科學家無宗教信仰，而且科學不能論證上帝不存在。 (在這裡,"不能"的具體含義是,科學理論必須具備可證偽性,而"上帝存在"這一命題並不具備可證偽性,因此在科學範疇內無意義.)與科學對立的事物主要是頑固守舊的原教旨主義、排斥理性的反智主義以及違反實證精神與客觀原則卻以「科學」自我標榜的偽科學。
除科學比哲學更腳踏實地關注具體問題外，哲學與科學的區別也在於哲學沒有被廣泛認可的主流理論。而且哲學有很大一類分支，與科學的客觀態度相違背，即唯心主義。哲學雖無數次推動過科學進步，但現在與科學的聯繫越來越疏遠。科學的知識越來越多，越來越細，越來越難，專職的哲學家已很難明白基礎科學的前沿問題。相反，科學新概念的快速發展倒是對傳統哲學衝擊很大，如不可分空間、不可定向流形、蝴蝶效應、量子化假設、平行宇宙、對稱性破缺和單電子宇宙。由於科學與哲學（尤其是自然哲學）的淵源，科學的最高學位頭銜直到今天仍被叫作「Ph.D.」，即「自然哲學博士」。
費曼稱，因科學與懷疑論相容，所以以毫不懷疑的態度以無神論回應所有政治問題和道德問題的共產主義與科學精神相左。其他對社會主義理論之科學性的批評主要來自奧地利與英國哲學家卡爾·波普爾。
未納入西方科學體系的方法論並不代表它就是不好的，例如中醫學。就研究角度而言，中醫學堅持整體論的研究方法，將人體各部分視為一個統一的整體對待，這與傳統西方科學對局部機理刨根問底的習慣完全相反。但自上世紀中期以來，西方科學也開始出現了關注系統科學的思潮。目前對中醫的主要研究不是浪費時間爭論中醫理論是否科學，而是用對比實驗確切地檢驗中醫療法中有哪些能有效醫治病人。2013年，史蒂文·諾維拉(Steven Novella)和大衛·科爾庫洪曾撰文指出有關針灸的現有論文出現了一個奇怪的現象，即有些人的實驗結果表明針灸有療效，而另一些人所做的實驗則無顯著效果。因此2人推測針灸實驗可能出現假陽性結果。而對於假陽性結果為何比較多，2人則猜測是安慰劑效應在起作用。應當指出，數理統計學是地位特殊的科學，揭示的是隨機性的最一般規律，其方法既適用於西方各門類科學或技術研究，也適用於對中醫效果的評價。
從唐朝到近代以前，「科學」作為「科舉之學」的略語，「科學」一詞雖在漢語典籍中偶有出現，但古中文中「科學」一詞所指涉的概念與近代中文「科學」不同，大多指「科舉之學」。 最早使用「科學」一詞之人似可溯及到唐末的羅袞。
「科學」一詞由近代日本學界初用於對譯英文中的「Science」及其它歐洲語言中的相應詞匯，歐洲語言中該詞來源於拉丁文「Scientia」，意為「知識」與「學問」，在近代側重關於自然的學問。
在日本幕府末期到明治時期，「科學」是專門的「個別學問」，有的在以「分科的學問」的意義被使用著。
明治元年，福澤諭吉執筆的日本最初的科學入門書《窮理圖解》出版。同時，明治時代「science」這個語言進入了的時候，啟蒙思想家西周使用「科學」作為譯詞。
甲午海戰以後，中國掀起了學習近代西方科技的高潮，清末主要通過近代化之路上走在前面的日本學習近代科學技術。樊洪業、吳鳳鳴等認為，中國最早使用「科學」一詞的學者大概是康有為。他出版的《日本書目誌》中就列舉了《科學入門》、《科學之原理》等書目。辛亥革命時期，中國人使用「科學」一詞的頻率逐漸增多，出現了「科學」與「格致」兩詞並存的局面。在中華民國時期，通過中國科學社的科學傳播活動，「科學」一詞才取代「格致」。
嚴復首先用「西學格致」翻譯science，後來又借用了science的日語譯名「科學」。而著名思想家、政論家章太炎則明確要求為「科學」正名。他在1903年8月發表《論承用「維新」二字之荒謬》一文，大力批駁責用「格物」之名翻譯「物理學」（physics）很不適當。
中國社會科學院語言研究所1978年出版的《現代漢語詞典》則認為科學是：反映自然、社會、思維等的客觀規律的分科的知識體系；合乎科學（精神、方法等）的。不過社會類學科的研究並不容易做到客觀分析。一方面是難以控制變量，另一方面是難以給出準確的適用範圍和嚴格的預測結果。
英文中「Science（科學）」一詞的含義有狹義與廣義之分，前者只指自然基礎科學（即數學及自然科學；合稱「理科」），這與醫學、藥學及大地測量學等帶有應用目的的探索性學科相區別；後者泛指各種研究自然機理的應用性科學，但又與純粹研究技術應用、不探究機理的工程學、技術學和計算機資訊學相區別。不過目前越來越多的人文學科和計算機學科甚至是文獻學也喜歡加上「科學」的頭銜。
如今的「科學」在中國古代的稱呼
中國傳統上將所有的知識統稱「學問」，古代將關於自然物道理的學問稱為「物理」因此古代的物理即是自然科學，數學學科獨立於「物理」。
而自明代時中國則稱為格致，即格物致知，以表示研究自然之物所得的學問。直至中日甲午戰爭以前出版的許多科學書籍多冠以格致或格物之名。
科學史
廣義的科學在歷史上許多古代文明就已經存在。然而，現代科學的方法與以前有明顯的區別，同時現代的科學的成功也使其有目前的嚴格定義。但就基礎科學（不同於應用科學）而言，有一個特點變化不大，即相對寬裕的家境對於專職從事基礎科學研究來說是一個顯著優勢。而應用科學因相對來說較易出成果，且易轉化為可創造財富的生產力，故對專職研究者的家境不會有限制。
科學哲學
近代的科學，旨在理性、客觀的前提下，用知識（理論）與實驗有力地闡明事物運作的明確規律。由指以培根和馬赫等人倡導的實證主義（不過培根低估了數學在科學研究中的重要性），伽利略為實踐先驅的實驗方法為基礎，以獲取關於世界的系統知識的研究。主要是以自然現象為對象的自然科學。有些人也將以社會現象為對象的社會科學納入其中，但社會學科的知識多隻局限於人類社會，而且沒有精確度很嚴密的數學公式或易證偽的命題。而藝術，哲學，宗教，文學則完全不屬於科學。現代科學，有時還包括以人類思維存在為對象的思維科學。
對於科學的核心特徵或者說所謂科學精神，隨著人類的進步，有不同的觀點，目前一般認為科學具有如下特徵：
<1>理性客觀：從事科學研究不以「神」、「鬼」、「上帝」為前提（一些科學家會信仰宗教，但是「科學」本身是理性思維的結果），一切以客觀事實的觀察為基礎，通常科學家會設計實驗並控制各種變因來保證實驗的準確性，以及解釋理論的能力。科學理論不排斥「神」或「鬼」存在的可能性，只是反對故意裝神弄鬼的不誠實行為，避開缺乏可靠證據的神學空談。拉普拉斯認為科學是不藉助神怪假設而單憑理性解釋世界的學問。
<2>可否證性：這是來自卡爾·波普爾的觀點，人類其實無法知道一門學問裡的理論是否一定正確，但若這門學問有部份有錯誤時，人們可以嚴謹明確的證明這部分的錯誤，的確是錯的，那這門學問就算是合乎科學的學問。
<3>存在一個適用範圍：也就是說可以不是放之四海皆準的絕對真理。例如：牛頓力學在微觀世界失效。不過科學家們仍然努力尋找與探索是否有某種理論可以囊括所有自然現象（至少在物理界，將相對論與量子力學合併是一至少延續數十年的野心）。
<4>普遍必然性：科學理論來自於實踐，也必須回到實踐，它必須能夠解釋其適用範圍內的已知的所有事實。如果其適用範圍內有任何無法解釋的反例存在，那麼整個理論就都是錯的。
<5>研究過程需嚴格控制變量。對於相互作用不易分離的多個重要變量，可設法利用統計學方法（如方差分析）對來自不同變量的影響加以分離。
科學還可以分為從理論和應用等多個層次。其中理論物理學除遵循上述原則外，還推崇還原論，追求用最簡略的假設描述廣泛而深刻的原理。蘇聯物理學家朗道指出「我們已知的大量物理定律可以由為數不多的最一般規律推演出來。」愛因斯坦也指出任何事情都應該以最簡明扼要的方式呈現。而應用科學則與社會發展有直接關係。在與社會進步的相互作用中，應用科學對實踐的指導作用得到不斷加強，科學體系本身也不斷壯大，它對人類歷史的重大影響日趨顯著。
量度
科學中常常使用測量來作出對比並減少分歧。即便是有明顯的區別，也會通過測量提高精度，以便提高可重複性。例如不同的顏色可以通過光的波長來區分，而不使用「綠」或「藍」等「模糊」的概念。 測量常使用國際單位制(SI)，其中包括基本單位：千克, 米, 坎德拉, 秒, 安培, 開爾文和摩爾。除了kg以外，其他六個單位元是非人工定義的（不是以特定的物體為標準）。
第一個提出專門用於實驗的國際基本單位的是是查爾斯·桑德斯·皮爾士 (1839–1914),他提出用米來定義譜線的波長。 這直接影響到邁克耳孫－莫雷實驗；邁克耳孫和莫雷參考他的方法並進行了改進。
科學方法
任何研究方法要被視為科學方法，則必須是客觀的（科學家們不能對於科學方法下產生的單一結果有不同的解釋且研究時不能故意去改變結果的發生）。另一項基本期待，則是必須有完整的資料檔以供佐證，以及研究方法必須由第三者小心檢視，並且確認該方法能重製（但在量子力學中，製備完全一樣的複雜量子態是難以實現的；另外理論地理學也難以進行重複實驗，但規律無疑也是確定存在的）。
一般理解，科學是對自然規律的追求。科學定律，有一個重要的標準，就是不能有反例。任何一個客觀存在的，能夠重複的現象，如果於已有的科學定律矛盾，即宣佈此科學定律的終結。這也是反證法在理論分析中的應用依據。
科學方法於研究過程,客觀上需具可重複再現,但研究者於科學精神的研究過程,不該主觀預見研究結果具「再現性｣。
科學方法使用可再現的方法解釋自然現象。從預測當中提出思想實驗或假設。預測是在確認實驗或觀察前提出的，用於證明其中沒有受到幹預。而對預測的反證則是進步的證明。科學研究者提出假說來解釋自然現象，然後設計實驗來檢驗這些假說，這種實驗需要在可控條件（控制變量）下模擬自然現象（在觀測科學，如天文學或地質學，可預測的觀察結果可以替代核對實驗）。整體而言，科學方法可以解決極度創新的問題而又不受主觀偏見的影響（又稱確認偏誤）。
除上述原則外，目前多數科學研究大量依賴於數學方法。在制定實驗方案時，會藉助優選法（試驗設計）知識優化不必要的多餘試驗，以達到事半功倍的效果。對於單次試驗成本較高的研究來說，減少不必要的試驗可以極大地節省經費開銷。在處理數據時，會應用SPSS、MatLab等軟體便捷地分析和處理數據。偏難或偏繁雜的常見計算都可由軟體執行。主流的商業軟體都會充分考慮用戶的難處，所以介面設計大多簡潔明瞭，比較容易上手。而專業一些的軟體則需要較多一些的學習時間，如應用廣泛的R語言。許多軟體都會允許人們開發專門的軟體功能擴展包並發布下載，以方便有不同特定需要的研究人群。當研究者提出一個新的計算模型時，就能馬上通過編程在現有軟體的基礎上實現。對於由測量數據而得出的結論，還需要運用數理統計學方法檢測結果的顯著性。研究人員需要根據不同的樣本數量大小（是大樣本還是小樣本）和數據比較類型（是兩組數據比較還是多組間比較等）確定合適的統計模型，然後在軟體中輸入數據並計算結果的顯著性數值。如果顯著性標準不達標，則論文一般不會有通過評審的希望。這樣的行業現狀也有弊端，許多有啟示性的失敗實驗得不到機會發表；很多人會把論文數據的達標當成研究的頭等大事，而忽略了自己從事研究工作的初衷。
儘管目前所有理工學科和多數人文學科都不同程度地應用了數學作為論證工具，但數學在各種具體學科中應用時並不能喧賓奪主。一般來說，分析問題需要有所側重，優先考慮對問題影響重要的因素，能作近似處理的就先作近似，而非對每個因素都用同樣嚴格的數學方法處理，即提倡「重點論」的思想。在各個細節都努力追求數學嚴密性而忽略了問題的最主要矛盾是非常錯誤的做法。如果一個問題的影響因素過多，難以分清主次，則可以嘗試利用統計學中主成分分析的方法加以確定。又如利用數學計算分析一個生物學模型時，比起計算結果是否準確或運算技巧是否高明，生物學家會更關心計算的結果是否能明顯地體現出某種生物學意義（如哪些自變量對因變量影響最大？是正相關還是負相關？是幾次方的關係？是否在到達一定數量後會出現飽和效應？）以及能否順利通過大量實驗數據的驗證。
另外，雖然科學理論分不同層次。但基礎層面學科中的原理未必可直接適用於複雜層面的學科研究。這也導致了後來系統科學理論的出現。比如物理學是化學的基礎，很多化學現象歸根結底都可分解為一些量子層面的物理原理。雖然理論物理學家推崇還原論，但也承認量子力學中的微分方程求解方法在一般的化學實際研究中根本派不上用場。化學研究中常遇到的多原子系統在物理學中是屬於非常複雜的模型，即使用近似方法計算也是極為繁雜的。所以化學家雖然需要學習和瞭解基本的物理原理，但會花更多時間掌握僅適用於本學科的特定研究方法。又如變分學和線性泛函分析雖然是現代物理學的重要數學基礎，但物理系學生一般不會像數學系學生一樣系統地學習這2門課程。又如雖然物理系和電子工程系都會開設專門的複變函數論課程，但一般的實際工作和研究中用到的複數知識並不多，多局限於複數的初等性質、復內積的性質、積分變換和共形變換。
科學界包括了所有的科學家以及他們之間的互動和合作。一般其會被按不同工作的領域分成子社群。其中也有很多跨學科，跨機構的活動。目前被冠以「科學」之名的學科主要可分為自然科學、應用科學、形式科學、社會科學等四大領域。
自然科學是指應用經驗和科學的方法來研究宇宙以便闡明支配自然世界的規則的科學學科。「自然科學」這個名稱是用來與社會科學和形式科學相區分。
形式科學是指主要以抽象形態的形式系統為研究對象的科學。與其他科學分宗不同，形式科學並不關心理論在現實世界的觀察中的有效性，而是更關心基於定義和規則之上的形式性質。但是其方法手段卻可以應用於構造和測試用來實踐現實觀測的科學模型。
科學文獻
在論述非原創觀點或引用他人成果時，需要註明資料來源，以方便考證與查閱。現代學術服務機構普遍使用計算機資料庫儲存與檢索文獻。
1665年1月，世界上第一個人文類學術期刊《學者週刊》（Journal des Sçavans）創刊。同年3月，第一個理工類研究雜誌《自然科學會報》創刊。此後，學術類期刊數量逐步增多。1981年時，曾有人估計當時的全球的學術期刊總數已達11500份。僅與生命科學有關的學術雜誌，在美國國家醫學圖書館中就已列舉出5千份。雖涵蓋39種語言，但其中九成是英文雜誌。
一般人文學科在需要引用文獻時，一般需多列幾項參考資料。對於理工學科而言，《華盛頓郵報》文章稱，「鑑於中國國內學術抄襲與造假的現象較多，在引用國內文獻時，一般也需多列幾項參考資料」。少數行業精英有時在發表刊物或專著時，因幾乎均為原創內容，即使不寫參考資料也能順利發表，例如費曼等。
目前的學術期刊廣泛採用同行評審的方式來履行學術質量把關。但同行評審機制不能完全防止學術造假的發生。在知名雜誌發表論文時，同行評審會更加嚴格。不過同行評審非常嚴格的《科學》和《自然》等雜誌也有可能出現論文造假事件，21世紀初比較知名的學術造假案例有韓國科學家黃禹錫造假事件與日本科學家小保方晴子造假事件。
評價學術期刊影響力的常見參考標準之一是看其影響指數(IF)的大小。影響指數高的期刊會更引人關注。過於強調影響指數的作用則是一種迷信的行為。另外，影響指數評價的是期刊在一段時期內所有論文的平均影響力，而有些人誤把影響指數當作了判斷特定論文及其投稿人的水準標準。在知名期刊發表論文的研究者更易獲得更多的科研經費。由於知名期刊的關注度更高，所以時間有限的人會優先閱覽知名期刊，長此以往，在知名期刊投稿的作者的被引用幾率會越來越大，而在不知名期刊投稿的作者的被引用幾率會越來越小，造成評價標準越來越不公平的惡性循環。影響指數的提出者尤金·嘎菲德(Eugene Garfield)也指出同一期刊中不同文章的水準是不一樣的，不能一概而論，更不該作為評價個人能力的標準。]一種變通的應對方法是在發表論文時先嘗試給比自己預期稍好一些的雜誌投稿。2005年，物理學家喬治·希爾施(Jorge E. Hirsch)提出了用於評價物理學家個人研究能力的H指數。
女性很早就在科學領域中做出貢獻，但是古代的記載卻很少。黑人群體由於整體教育水準不高，知名的黑人科學家還很少。希臘人因面臨經濟不穩定與人才流失問題，在現代科學發展中光輝不再。
2018年2月2日，由中國大陸「晨曦之蹤」工作室(Dawntrail Entertainment)開發，在Steam遊戲平臺上線的電子遊戲《另一隻科研狗》(Yet Another Research Dog)以手繪卡通的畫風表現了底層科研工作者求學生活的不易，獲得玩家好評。
本次講座包含下列議題：
1. 深度學習訓練新技巧
你的朋友和他們的兄弟姊妹都在訓練類神經網路，這年頭會深度學習的技術一點都不希奇，但這三年來深度學習領域風起雲湧，新技術不斷推陳出新，讓我們一起來看看這幾年開發的新技術和新發現，學幾個新名詞來嚇嚇你的朋友。
2. 讓機器懂得說人話：序列對序列學習與專制式機制 (Sequence-to-sequence Learning and Attention)
有了序列對序列學習，機器可以輸出任意的文句（不會講來講去都是用那幾個 template，也就是說有freestyle）；而有了專注式機制，機器可以從外界的輸入或資料庫中擷取需要的資訊。這些技術已經是翻譯、語音辨識、文章摘要、問答系統、聊天機器人必備的技術。
3. 人工智慧的謬思女神：生成式對抗網路 (Generative Adversarial Network, GAN)
生成式對抗網路是深度學習領域的下一個熱點，在生成式對抗網路中包含了兩個類神經網路：生成器 (Generator) 和鑑別器 (Discriminator) ，這兩個網路「寫作敵人，唸做朋友」，表面上彼此對抗、但實際上因為互相激勵所以越來越強，這節課不只要介紹生成式對抗網路，還要帶大家認識各種變型，並看看可能的應用。
4. 左右互搏帶來人工智慧無限可能：增強式學習 (Reinforcement Learning)
大家都知道 Alpha Go 背後使用了增強式學習，使得這年頭有用到增強式學習就是潮，還有另外一個光聽名字就很潮的技術叫逆向增強式學習 (Inverse Reinforcement Learning)，這節課要帶大家認識增強式學習中前瞻的新技術，並藉由了解這些技術和生成式對抗網路的關聯性更理解這些技術。
李宏毅博士 Hung-yi Lee
臺灣大學電機工程學系 助理教授
現為臺大電機系助理教授，他的研究主軸是以機器學習技術讓機器辨識並理解語音訊號的內容。以深度學習技術為基石，他正致力於語音數位內容搜尋、語音數位內容之自動化組織以及從語音數位內容擷取關鍵資訊等前瞻性研究，這些技術有很多的應用，例如：人機互動、問答系統、智慧型線上教學平台等等。他曾四度於資料科學愛好者協會講授《一日搞懂深度學習》，其幽默而深入的課程極受歡迎，他在臺大開設的機器學習相關課程錄影請見：
https://www.youtube.com/channel/UC2ggjtuuWvxrHHHiaDH1dlQ/playlists
文章定位：
