摘要：值得注意的是，自然科学和社会科学都属于经验科学（empirical sciences），它们的知识建立在可观察的经验基础上，且其结论可以被其他研究者在相同条件下重复验证。

本文来源：科学演绎法

现代科学体系通常被划分为三个主要分支：自然科学（natural science）、社会科学（social science）和形式科学（formal science）。

这三个主干构成了科学知识的基本框架，每个主干下又分出多个专业且相互关联的分支学科。

值得注意的是，自然科学和社会科学都属于经验科学（empirical sciences），它们的知识建立在可观察的经验基础上，且其结论可以被其他研究者在相同条件下重复验证。

自然科学：探索物质世界的奥秘

自然科学(Natural science)致力于研究我们的物质世界。它主要分为两大支柱：

这两个领域又可以细分为更专业的学科。例如，物理科学可以进一步划分为物理学（研究物质、能量与力的基本规律）、化学（研究物质组成与变化）、天文学（研究宇宙天体）和地球科学（研究地球系统）。

现代自然科学是起源于古希腊的自然哲学（natural philosophy）的继承与发展。

在科学革命时期，伽利略、笛卡尔、培根和牛顿等科学先驱积极讨论了如何在研究中系统性地采用更加数学化和实验性的方法。尽管现代科学强调实证，但我们不应忽视哲学视角、猜想和预设在自然科学发展中的重要作用——它们往往为科学突破提供关键的思想框架。

今天的自然科学建立在系统性的数据收集基础上。这一传统部分源自 16 世纪兴起的自然历史学（natural history），当时的学者通过描述和分类植物、动物、矿物和其他生命体来探索自然界。在现代语境中，"自然历史"这一术语更多指向面向公众的观察性描述，而非严格的科学研究方法。

社会科学：解码人类社会的复杂性

经济学中的供需曲线在最优均衡点相交

社会科学(Social science)关注人类行为和社会运作的规律。

与自然科学不同，社会科学领域常常存在多种竞争性的理论视角。例如，在社会学中，功能主义者关注社会结构如何维持稳定，冲突理论家分析社会中的权力不平等，而互动主义者则研究日常互动如何构建社会现实。这些不同视角通过各自的研究项目得到延伸和验证。

由于社会科学研究往往涉及大型群体或复杂情境，难以进行严格的控制实验，社会科学家通常会采用其他研究方法，如历史研究法、案例分析和跨文化比较等。当有可靠的定量数据时，社会科学家也会运用统计方法来揭示社会关系和过程中的模式。例如，上图展示了经济学中著名的供需曲线，通过数学模型描述了价格与供需量之间的关系。

形式科学：抽象思维的殿堂

形式科学（formal science）是一个独特的研究领域，它利用形式系统（formal systems）生成知识。

形式系统是一种抽象结构，研究者可以在其中根据明确的规则从基本公理出发推导出定理。

形式科学包括：

形式科学与其他两个科学分支有相似之处——它们都强调客观、谨慎和系统性的研究方法。

然而，形式科学有一个关键的不同点：它们完全依靠演绎推理，不需要经验证据来验证其抽象概念。例如，欧几里得几何学从几个基本公理出发，通过纯粹的逻辑推导建立了一整套几何定理，而不需要在物理世界中进行测量。

正因为形式科学是先验的学科（知识不依赖于经验），学术界对它们是否应该被称为"科学"存在争议。尽管如此，形式科学在经验科学中扮演着至关重要的角色。例如，微积分最初是牛顿为了理解物理学中的运动问题而发明的数学工具，而今天几乎所有自然科学和许多社会科学（如数学物理学、化学、生物学、金融学和经济学）都极度依赖数学应用。

科学的其他分类方式

除了上述三大主干，科学研究还可以根据其目标和方法进行其他维度的分类：

应用科学与基础科学

应用科学（applied science）将科学方法和知识应用于解决实际问题，包括工程学和医学等多个领域。工程学利用科学原理来发明、设计和构建机器、结构和技术；医学则通过预防、诊断和治疗伤病来维护人类健康。

与之相对的是基础科学（basic sciences），它不直接关注实用价值，而是致力于发展科学理论和发现自然规律，以解释和预测自然界中的现象。基础科学和应用科学之间相互促进、彼此滋养，构成了科学发展的动力系统。

纯理论科学

纯理论研究（blue skies research）或纯理论科学（blue sky science，或直译为蓝天科学）是一种特殊类型的科学研究，其特点是没有预设的实际应用目标，完全由好奇心驱动。很多重大科学突破最初都是出于纯粹的理论兴趣，而非针对特定应用。尽管投资回报不确定，但蓝天科学在科学创新中扮演着不可替代的角色。

计算科学

计算科学（computational science）利用计算机模拟和分析来研究科学问题，使科学家能够处理纯粹依靠传统方法难以解决的复杂问题。随着计算能力的发展，机器学习和人工智能正成为计算科学中的核心工具，应用于各个科学领域。

跨学科科学

跨学科科学（interdisciplinary science）打破传统学科界限，将两个或多个学科的知识、方法和视角融合在一起，形成新的研究领域。

在解决当今复杂问题中，跨学科方法日益重要。

这些不同的分类维度共同构成了现代科学的完整图景，反映了科学探索的多样性和复杂性。通过理解这些分类，我们可以更好地把握科学研究的全貌，认识不同类型科学活动的特点和价值。

来源：人工智能学家