全书分为三个主要部分，第一部分在比较狭义的角度考察人工智能尤其是机器学习在科学发现中的作用，给出机器学习能够达到的科学发现的层级，并提出一个在当前的技术条件下可能的发现新概念和新思想的路径。第二部分是在更加广义上从科学哲学的角度去看机器学习与科学活动，基于对科学发现逻辑的分析和科学理论结构的分析，尝试从一种基于数学认知的科学实践哲学的角度回答自动科学发现是否可能。第三部分是案例研究，主要用机器学习模型和科学目前两个经典的科学革命的案例——与相对论相关的以太漂移问题以及与量子力学相关的黑体辐射问题——的历史数据，来模拟机器学习是否能够在真实的科学发现场景给人类带来新的概念和思想，并给第一部分的结论作为支撑。

第1部分机器学习与科学发现的层级
第1章智能驱动的科学发现
1.1智能驱动的科学新发现
1.1.1天文学、宇宙学
1.1.2物理学
1.1.3生物学与医学
1.1.4数学
1.2基于人工智能的科学再发现研究
1.2.1早期自动科学再发现研究
1.2.2发现科学概念
1.2.3发现科学公式
1.3当前智能驱动科学发现的局限
第2章机器学习
2.1机器学习简介
2.2人工神经网络
2.2.1从人工神经元到感知机
2.2.2前馈多层神经网络及其通用性
2.3降维与自编码器
2.4符号回归
2.5人工智能的可解释性
第3章人工智能与科学发现的层级
3.1科学发现、科学知识及其种类
3.2科学发现的种类和层级
3.3智能驱动科学发现的层级
3.3.1当前人工智能能够达到的发现的层次
3.3.2一种特殊科学发现情形下的机器学习
第4章数据与智能驱动科学发现相关的争论
4.1数据密集型科学发现及其哲学讨论
4.1.1问题的提出与争议
4.1.2争论中存在的问题
4.1.3从认知的角度考察数据在科学活动中的作用
4.2智能驱动科学发现与自动科学发现的哲学讨论
……