维基百科它说关于数据科学：

图灵奖获得者 Jim Gray 将数据科学想象为科学的“第四范式”（经验、理论、计算和现在的数据驱动），并断言“由于信息技术的影响”和数据泛滥，“关于科学的一切都在发生变化”。 [4][5]

“理论”一词与“基础研究”相关联，我认为这是错误的，因为基础研究也可以是经验性的。然而，与经验相比，“理论”是有意义的：在理论研究中，您试图通过思考问题“简单地”找到解决方案，在经验研究中，您收集有关问题的数据，并使用它来建立关于现实的模型/理论或测试这些模型/理论。

相反，我看不到计算科学应该是什么，因为我相信我可以将计算机用于经验科学（例如使用统计和机器学习模型）或理论科学（例如基于我的假设构建模拟）看看它们是否会产生预期的结果——不涉及数据）。所以我认为计算科学将是对经验科学和/或理论科学的补充，而不是对比范式。

现在，进入“数据驱动的科学”。这应该怎么不同？要么你可以说数据驱动只是经验性的（正如我所说的），所以它不是一个新的范式。或者您可能将其解释为“计算”，那么它甚至不是范式。

我想出的两行论点毕竟是无效的：

1. “虽然经验科学使用数据，但数据驱动使用更多数据。” 但是有更多的苹果并不意味着你以前没有苹果。这是定量的，不是定性的。根据定义，范式在性质上是不同的。
2. “我们有不同的方法。” 我们确实有新的机器学习方法，我们在统计方面没有，但这并没有改变收集数据并使用它来构建模型的一般范式。

问题：

• 吉姆格雷（据称）对“第四范式”是什么意思？
• 他是否有理由称其为类似于“经验科学”和“理论科学”的新范式？（请论证为什么！）