1. Jedno słowo — dwie różne operacje
Mówimy:
udowodniono twierdzenie matematyczne
oraz:
udowodniono, że dane zdarzenie rzeczywiście miało miejsce.
To samo słowo:
dowód
ukrywa jednak dwie zasadniczo różne sytuacje epistemiczne.
W matematyce pytamy:
czy określone zdanie wynika z przyjętych przesłanek według dopuszczalnych reguł?
W nauce empirycznej pytamy:
czy dostępne oddziaływania, pomiary, ślady i obserwacje wystarczająco mocno uzasadniają twierdzenie o rzeczywistości?
Pierwszy problem dotyczy przede wszystkim:
relacji między zdaniami.
Drugi:
relacji między reprezentacją a światem.
To rozróżnienie okaże się fundamentalne.
2. Dowód matematyczny nie pyta świata o zgodę
Załóżmy:
aksjomaty,
definicje,
reguły inferencji.
Jeżeli z nich poprawnie wynika twierdzenie:
T,
to otrzymujemy:
dowód.
W nowoczesnej teorii dowodu formalny system składa się z aksjomatów i reguł inferencji pozwalających konstruować dalsze twierdzenia.[^1]
Jeżeli ciąg operacji jest poprawny,
nie trzeba:
mierzyć świata.
Nie trzeba:
wykonać eksperymentu.
Nie trzeba:
czekać, czy jutro wynik się powtórzy.
3. Konieczność jest warunkowa
Nie znaczy to jednak:
że matematyczny dowód produkuje prawdę absolutną niezależną od wszystkiego.
Produkuje relację:
jeżeli przyjmujemy określone przesłanki i reguły, to wniosek z nich wynika.
Konieczność dowodu jest więc:
koniecznością inferencyjną.
Nie polega na tym, że rzeczywistość została:
obejrzana w całości.
Polega na tym, że:
od przesłanek nie można przejść do zaprzeczenia wniosku bez naruszenia przyjętych reguł.
4. Dowód formalny i dowód matematyka
Codzienna praktyka matematyczna jest bardziej złożona.
Matematycy zazwyczaj nie publikują:
milionów elementarnych kroków formalnych.
Posługują się:
skrótami,
wcześniejszymi twierdzeniami,
intuicją strukturalną,
standardowymi procedurami.
Współczesna filozofia praktyki matematycznej odróżnia dlatego:
nieformalny dowód matematyka
od:
pełnej formalnej derywacji.
Rygorystyczny dowód nieformalny jest uznawany przez matematyków, choć zwykle zakłada się możliwość jego odpowiedniego rozwinięcia formalnego.[^2]
5. Dowód zamyka relację, niekoniecznie znaczenie
Możemy mieć:
formalnie poprawny dowód,
a następnie zapytać:
co właściwie udowodniliśmy?
To problem:
interpretacji.
Formalizm stabilizuje:
wynikanie.
Nie gwarantuje jeszcze, że symbole odnoszą się:
do tego obiektu,
który chcieliśmy opisać.
To rozróżnienie pojawiło się już przy:
formalizacji dowodu w Lean.
Formalny checker może sprawdzić:
dowód formalnego twierdzenia.
Pozostaje jednak pytanie:
czy formalne twierdzenie:
wiernie reprezentuje problem źródłowy.
6. Matematyczna prawda i matematyczna dowodliwość
Jeszcze ważniejsze jest rozróżnienie:
prawdy
i:
dowodliwości w danym systemie.
Twierdzenia Gödla pokazują, że dostatecznie silny, niesprzeczny i efektywnie aksjomatyzowany system arytmetyczny nie może uchwycić jako twierdzeń wszystkich odpowiednich prawd arytmetycznych.[^3]
Nie znaczy to:
„matematyka przestaje działać”.
Znaczy:
prawdziwość i dowodliwość wewnątrz jednego formalnego systemu nie są tym samym.
7. Gödel nie jest buntem rzeczywistości
To szczególnie ważne wobec pytania:
dlaczego realia „się nie blokują”, podczas gdy formalizm napotyka Gödelowskie granice?
Ponieważ twierdzenie Gödla:
nie opisuje awarii świata.
Opisuje:
granicę określonego sposobu formalnego reprezentowania prawdy.
Świat nie musi:
„udowadniać siebie”.
Formalny system musi natomiast:
operować skończonymi reprezentacjami,
regułami
i:
procedurami uzasadniania.
Granica pojawia się:
w organizacji reprezentacji.
8. Tarski: prawda wymaga relacji poziomów
Tarski jeszcze wyraźniej pokazał różnicę między:
zdaniem
a:
mówieniem o prawdziwości zdania.
W dostatecznie bogatych językach formalnych pełny predykat prawdy nie może zostać bezproblemowo zamknięty w tym samym języku; potrzebne staje się rozróżnienie:
języka przedmiotowego
i:
metajęzyka.[^4]
Ponownie:
nie rzeczywistość napotyka granicę.
Granica powstaje w:
autoreferencyjnej organizacji reprezentacji.
9. Rzeczywistość nie składa się ze zdań
I tu zaczyna się zasadnicza różnica.
Kamień:
nie wypowiada zdania:
„moja masa wynosi 2,037 kg”.
Elektron:
nie przedstawia równania własnego ruchu.
Galaktyka:
nie publikuje swoich parametrów.
Rzeczywistość:
zachodzi.
Zdania o rzeczywistości:
tworzymy my.
To znaczy, że pomiędzy:
realnym zdarzeniem
a:
twierdzeniem naukowym
musi istnieć:
cały system mediacji.
10. Świat oddziałuje — człowiek reprezentuje
To nie oznacza:
że poznanie jest dowolnym wymysłem.
Rzeczywistość:
oddziałuje.
Fotony docierają do detektora.
Ciało naciska wagę.
Cząstka pozostawia ślad.
Substancja reaguje chemicznie.
Ale dopiero system poznawczy:
wyodrębnia sygnał,
kalibruje urządzenie,
przypisuje jednostkę,
buduje model,
interpretuje wynik.
Dlatego:
świat dostarcza ograniczeń, ale nie dostarcza gotowych zdań.
11. Pomiar nie jest prostym „odczytaniem rzeczywistości”
Współczesna filozofia pomiaru bardzo mocno podkreśla ten problem.
Pomiar obejmuje interakcję:
obiektu,
instrumentu,
środowiska,
standardów kalibracyjnych
i:
modelu pozwalającego przejść od wskazania urządzenia do twierdzenia o obiekcie.[^5]
Cyfra:
„20,0”
na wyświetlaczu
nie jest jeszcze sama:
„masą obiektu”.
Jest:
stanem instrumentu.
Dopiero odpowiednio skalibrowany i zinterpretowany stan instrumentu może stać się:
wynikiem pomiaru.
12. Między rzeczą a liczbą znajduje się model
Mamy więc:
rzecz
→ oddziaływanie
→ instrument
→ wskazanie
→ kalibracja
→ wynik
→ model
→ twierdzenie.
To oznacza, że:
liczba przypisana rzeczy
nie jest:
jej fragmentem.
Ale nie jest też:
dowolnym numerem.
13. „Numerki z szatni”
Metafora:
numerków z szatni
jest tutaj wyjątkowo użyteczna.
Numer:
27
nie jest:
płaszczem.
Nie ma z nim:
tożsamości materialnej.
Ale w dobrze działającej szatni relacja:
27 → określony płaszcz
nie jest:
dowolna.
Została ustalona poprzez:
procedurę,
system identyfikacji
i:
zachowaną relację.
Numer nie staje się płaszczem.
Ale:
pozwala go poprawnie odnaleźć.
14. Między identycznością a arbitralnością
To dokładnie sytuacja modelu naukowego.
Model nie jest:
rzeczywistością.
Ale nie wynika stąd:
że jest:
dowolnym urojeniem.
Musimy odrzucić dwie skrajności:
Skrajność pierwsza
model = rzeczywistość.
Skrajność druga
model nie jest rzeczywistością, więc jego relacja ze światem jest arbitralna.
Między nimi istnieje:
relacja reprezentacyjna podlegająca ograniczeniom empirycznym.
Współczesna filozofia modeli analizuje właśnie to, w jaki sposób reprezentacje naukowe odnoszą się do swoich systemów docelowych i jak mogą być bardziej lub mniej trafne.[^6]
15. Dowód matematyczny nie posiada tego problemu w tej samej postaci
Jeżeli dowodzimy:
twierdzenia o grupie,
liczbie,
przestrzeni,
funkcji,
operujemy:
wewnątrz określonej struktury pojęciowej.
Nie musimy pytać:
czy amperomierz był skalibrowany,
czy detektor się przegrzał,
czy próbka została zanieczyszczona.
W dowodzie empirycznym:
właśnie takie pytania mogą być:
konstytutywne.
16. Hume: z obserwowanego do nieobserwowanego
Największy problem pojawia się, gdy chcemy przejść:
od:
tego, co zaobserwowaliśmy,
do:
tego, czego jeszcze nie zaobserwowaliśmy.
Hume pokazał fundamentalną trudność indukcji.
Z faktu:
że określone zdarzenie następowało wielokrotnie,
nie wynika dedukcyjnie:
że będzie następowało zawsze.
Uzasadnianie indukcji przez wcześniejszą skuteczność indukcji prowadziłoby zaś do:
kołowości.[^7]
17. Milion obserwacji nie jest dowodem uniwersalnym w sensie matematycznym
Zaobserwowaliśmy:
milion A,
które posiadały cechę B.
Nie wynika logicznie:
każde możliwe A posiada B.
To fundamentalna asymetria.
Matematyczny dowód twierdzenia ogólnego może objąć:
nieskończoną klasę przypadków
poprzez:
strukturę argumentu.
Empiryczne sprawdzenie nawet ogromnej liczby przypadków pozostaje:
skończone.
18. Nauka mimo to działa
Nie oznacza to:
że nauka znajduje się w epistemicznym paraliżu.
Dowody empiryczne:
zwiększają lub zmniejszają wiarygodność hipotez.
Nowoczesne teorie konfirmacji analizują właśnie relację, w której dostępne dane zmieniają stopień uzasadnienia przypisywanego hipotezom, choć nawet bogaty zbiór prawdziwych danych nie musi logicznie wymuszać jednej jedynej teorii.[^8]
Nauka nie potrzebuje:
absolutnego zamknięcia logicznego,
aby:
skutecznie poznawać.
19. Popper: asymetria testowania
Popper próbował wykorzystać logiczną asymetrię:
między:
potwierdzaniem
a:
falsyfikacją.
Wiele zgodnych obserwacji nie dowodzi dedukcyjnie prawa uniwersalnego.
Ale obserwacja sprzeczna z konsekwencją prawa może — na poziomie logicznego schematu — prowadzić do jego odrzucenia.[^9]
To jednak nie zamknęło problemu.
20. Duhem: eksperyment nie testuje samotnego zdania
Prognoza naukowa rzadko wynika:
z jednej hipotezy.
Potrzebujemy także:
warunków początkowych,
modelu aparatury,
teorii pomiaru,
hipotez pomocniczych,
założeń dotyczących środowiska.
Jeżeli przewidywanie się nie zgadza,
nie wiemy automatycznie:
który element sieci zawiódł.
Duhem wskazywał ten problem szczególnie dla fizyki, a późniejsza tradycja Quine’owska rozwijała znacznie szerszą postać holizmu potwierdzenia.[^10]
21. Nawet falsyfikacja przechodzi przez model
Załóżmy:
teoria przewiduje wartość 10.
Instrument pokazuje:
Czy teoria została obalona?
Być może.
Ale być może:
instrument był źle skalibrowany,
przyjęto błędny parametr,
nie uwzględniono wpływu środowiska,
źle zinterpretowano sygnał.
W praktyce:
świat nie wypowiada zdania „teoria jest fałszywa”.
Dostarcza:
wyniku pozostającego w napięciu z siecią naszych przewidywań.
22. „Rzeczywistość mówi nie” — ale przez aparaturę
Możemy więc zachować intuicję:
rzeczywistość potrafi powiedzieć modelowi „nie”.
Ale trzeba dodać:
nie robi tego:
językiem.
Robi to:
poprzez opór,
niezgodność,
nieprzewidziany sygnał,
powtarzalną anomalię,
niemożliwość reprodukcji przewidywania.
A my dopiero:
semantyzujemy ten opór.
23. Dowód empiryczny jest więc relacją wieloczłonową
Nie mamy:
świat → prawda.
Mamy raczej:
świat
→ oddziaływanie
→ sygnał
→ pomiar
→ reprezentację
→ model
→ przewidywanie
→ konfrontację
→ korektę.
„Dowód empiryczny” jest:
stabilizacją tego łańcucha.
24. Fakt jednostkowy jest łatwiejszy niż prawo uniwersalne
Trzeba jednak odróżnić:
„czy zdarzenie X miało miejsce?”
od:
„czy prawo Y obowiązuje zawsze?”
Jeżeli kamera z kilku niezależnych źródeł rejestruje zdarzenie,
pozostają fizyczne ślady,
istnieją zgodne pomiary,
nie ma wiarygodnego konkurencyjnego wyjaśnienia,
możemy osiągnąć:
bardzo wysoki stopień uzasadnienia faktu jednostkowego.
Nie jest to jednak:
ten sam rodzaj konieczności,
co w formalnym dowodzie matematycznym.
25. „Udowodniono, że...” ma więc kilka znaczeń
Możemy powiedzieć:
W matematyce
wynika koniecznie z przyjętych przesłanek.
W nauce empirycznej
dostępne dane wyjątkowo silnie wspierają ten model lub fakt.
W historii
zachowane źródła wystarczają do bardzo mocnej rekonstrukcji zdarzenia.
W prawie
materiał dowodowy osiągnął normatywnie określony standard rozstrzygnięcia.
Jedno słowo:
dowód
pełni więc:
różne funkcje epistemiczne.
26. Matematyczny dowód nie dowodzi automatycznie świata
Załóżmy, że matematycznie udowodniliśmy:
jeżeli model M spełnia warunki A, B i C, to koniecznie pojawi się rezultat R.
To jest:
silny dowód.
Ale zastosowanie do świata wymaga jeszcze wykazania:
czy realny układ rzeczywiście odpowiada M,
czy spełnia A, B i C,
z jaką dokładnością,
w jakiej skali.
Formalny dowód stabilizuje:
M → R.
Nie stabilizuje automatycznie:
świat = M.
27. To jedna z najważniejszych granic matematyzacji nauki
Matematyka może być:
bezbłędna,
a prognoza fizyczna:
błędna.
Nie dlatego, że:
matematyka się pomyliła.
Ale dlatego, że:
model,
parametr,
warunek początkowy
albo:
relacja model–świat
były niewłaściwe.
To rozróżnienie jest szczególnie istotne przy:
bardzo potężnych modelach obliczeniowych.
28. Model może być świadomie fałszywy i użyteczny
Modele naukowe często:
idealizują.
Punkt materialny:
nie posiada rozmiaru.
Gaz doskonały:
nie jest dosłownym opisem każdego realnego gazu.
Idealnie sztywne ciało:
nie występuje w przyrodzie.
A jednak takie konstrukcje mogą:
wyjaśniać,
przewidywać,
organizować wiedzę.
Filozofia modeli podkreśla właśnie, że model może pełnić ważną funkcję wyjaśniającą mimo idealizacji i niepełnej dosłownej prawdziwości.[^11]
29. Prawda modelu nie jest jego fotograficznym podobieństwem
Model nie musi:
kopiować świata.
Mapa metra:
nie przypomina przestrzennie miasta we wszystkich detalach.
Ale może:
doskonale reprezentować relacje ważne dla pasażera.
Podobnie model naukowy wybiera:
określone:
zmienne,
relacje,
skale,
inwarianty.
Nie reprezentuje:
wszystkiego.
30. Każdy model ma rozdzielczość
Tu wraca nasze wcześniejsze pojęcie:
rozdzielczości inwariantu.
Model jest czuły:
na pewne różnice
i:
niewrażliwy na inne.
Model H2O nie koduje:
całej historii każdej cząsteczki.
Model gazu nie koduje:
biografii każdej cząstki.
Model klimatu nie reprezentuje:
położenia każdego atomu.
Nie jest to:
błąd.
Jest:
warunkiem modelowania.
31. Dowód naukowy wymaga więc określenia skali
Zdanie:
„model został potwierdzony”
powinno zawsze rodzić pytanie:
w jakiej domenie?
z jaką dokładnością?
w jakiej skali?
dla jakiego zakresu parametrów?
względem jakich konkurentów?
Nie ma:
abstrakcyjnego „potwierdzenia wszystkiego”.
32. Rzeczywistość nie jest artefaktem modelu
Z faktu, że:
pomiar wymaga modelu,
nie wynika:
że badany obiekt jest produktem modelu.
Termometr może wymagać teorii:
aby zinterpretować wskazanie.
Ale gorący przedmiot:
oddziałuje z termometrem
niezależnie od:
naszej teorii.
To ważna asymetria.
33. Model potrzebuje świata, świat nie potrzebuje modelu
Możemy sformułować:
Zasadę asymetrii reprezentacyjnej
Model potrzebuje relacji z przedmiotem, aby być modelem tego przedmiotu; przedmiot nie potrzebuje modelu, aby istnieć i oddziaływać.
Współczesna teoria reprezentacji naukowej określa tę własność jako:
kierunkowość reprezentacji:
model jest o przedmiocie,
ale przedmiot nie jest:
„o modelu”.[^12]
34. To ogranicza radykalny konstruktywizm
Człowiek konstruuje:
reprezentacje.
Nie konstruuje jednak dowolnie:
skutków ich konfrontacji ze światem.
Możemy wymyślić model:
samolotu,
który według naszych równań lata.
Jeżeli rzeczywisty samolot:
spada,
świat wprowadza:
ograniczenie,
którego sama spójność formalna modelu:
nie usuwa.
35. Nie ma czystych „danych bez modelu”
Ale przeciwna skrajność również jest nie do utrzymania.
Nie istnieje zwykle:
czysty ciąg danych,
który sam interpretuje swoje znaczenie.
Współczesna filozofia obserwacji podkreśla, że wykorzystanie wyników empirycznych zależy od wiedzy o:
instrumentach,
modelach,
warunkach pomiaru
i:
teoriach pozwalających interpretować ich czułość na badane zjawisko.[^13]
Otrzymujemy więc:
opór świata
plus:
organizację reprezentacji.
36. Ani czysty realizm naiwny, ani czysta projekcja
Nasza pozycja znajduje się pomiędzy:
„liczba jest bezpośrednio dana przez rzeczywistość”
a:
„liczba jest wyłącznie projekcją obserwatora”.
Liczba jest:
elementem reprezentacji.
Ale reprezentacja podlega:
fizycznym, eksperymentalnym i intersubiektywnym ograniczeniom.
„Numerek z szatni”:
nie jest płaszczem.
Ale:
nie można dowolnie wymieniać płaszczy,
jeżeli system ma nadal:
działać.
37. Informacja ma ten sam problem
Podobnie:
bit.
Fizyczny dipol:
nie posiada napisu ontologicznego:
„jestem zerem”.
Może jednak zostać wykorzystany jako:
realizacja stanu 0
w systemie, który:
rozróżnia jego stany,
koduje je,
odczytuje
i:
wykorzystuje operacyjnie.
Fizyczna różnica:
staje się wtedy:
nośnikiem różnicy informacyjnej.
Ale:
nośnik
nie jest:
treścią.
38. Matematyka jako część rzeczywistości i jako reprezentacja
Pytanie:
czy matematyka jest częścią rzeczywistości, czy artefaktem wobec niej?
również wymaga rozdzielenia poziomów.
Kartka z równaniem:
jest fizycznym przedmiotem.
Stan pamięci komputera:
jest fizycznym stanem.
Proces neuronalny matematyka:
jest procesem biologicznym.
Ale:
treść matematyczna
nie jest przez to automatycznie identyczna:
z atramentem,
napięciem
ani:
potencjałem błonowym.
Musimy rozróżnić:
nośnik
od:
struktury reprezentowanej przez nośnik.
39. To samo równanie może mieć wiele nośników
Twierdzenie można:
napisać kredą,
wydrukować,
zapisać magnetycznie,
przechować optycznie,
zapamiętać.
Fizyczny substrat:
zmienia się.
Struktura matematyczna:
może zostać zachowana.
To jest kolejny przykład:
tożsamości poprzez reorganizację nośnika.
40. Ale równanie o świecie wymaga jeszcze referencji
Jeżeli równanie dotyczy:
obiektu matematycznego,
jego interpretacja może pozostać:
wewnątrz systemu matematycznego.
Jeżeli równanie ma opisywać:
planetę,
ciecz,
atom,
klimat,
musimy dokonać:
przyporządkowania między symbolami a elementami rzeczywistości.
I tutaj właśnie powstaje:
próg empiryczny.
41. Matematyka dowodzi konsekwencji modelu
Możemy więc powiedzieć:
matematyka dowodzi, co musi zajść w strukturze, jeśli spełnione są określone warunki.
Nauka empiryczna pyta natomiast:
czy i w jakim stopniu realny układ realizuje taką strukturę.
Te dwa procesy:
współpracują,
ale:
nie są tożsame.
42. Einsteinowskie „numerki” pomagają pod warunkiem zachowania relacji
Niebezpieczeństwo matematyzacji nie polega na:
używaniu numerków.
Polega na:
zapomnieniu, czego są numerkami.
Jeżeli model zachowuje:
trafną relację z rzeczywistością,
matematyczna abstrakcja może ujawnić:
struktury niewidoczne bez formalizacji.
Jeżeli relacja zostanie zerwana,
formalizm może pozostać:
perfekcyjny,
a empirycznie:
pusty.
43. Piękny dowód może dotyczyć złego modelu
To jedna z najważniejszych lekcji.
Możemy posiadać:
elegancką matematykę,
bezbłędny dowód,
doskonały kod
i:
fałszywy opis świata.
Błąd nie znajduje się wtedy:
wewnątrz dowodu.
Znajduje się:
na granicy model–rzeczywistość.
44. Powstają dwa rodzaje kontroli
Dlatego wiedza naukowa wymaga:
co najmniej dwóch niezależnych operatorów.
Kontrola wewnętrzna
Czy wynik:
wynika poprawnie z modelu?
Kontrola zewnętrzna
Czy model:
pozostaje odpowiednio związany z rzeczywistością?
Matematyczny dowód doskonali:
pierwszą.
Eksperyment:
drugą.
45. Formalizacja może być absolutnie poprawna i empirycznie nieistotna
System AI może kiedyś:
formalnie zweryfikować milion stron matematyki.
To nie rozstrzyga jeszcze:
czy matematyka ta opisuje:
świat.
Formalizacja zwiększa:
pewność inferencji.
Nie zwiększa automatycznie:
pewności referencji.
To niezwykle ważna granica dla:
AI w nauce.
46. Emergencja organizacyjna dowodu nie usuwa progu empirycznego
W tekście:
„Dowód jako emergencja organizacyjna”
analizowaliśmy system, w którym wiele agentów:
generuje,
selekcjonuje,
rekombinuje
i:
formalizuje
trajektorie matematyczne.
Taki system może radykalnie zwiększyć:
moc odkrywania dowodów.
Ale nawet idealny wieloagentowy matematyk nie rozwiązuje automatycznie:
problemu relacji modelu do świata.
Potrzebny jest:
drugi obieg epistemiczny.
47. Dwa obiegi nauki
Możemy więc wyróżnić:
Obieg formalny
problem
→ model
→ matematyka
→ dedukcja
→ dowód.
oraz:
Obieg empiryczny
świat
→ interakcja
→ pomiar
→ dane
→ interpretacja
→ konfrontacja z modelem.
Nauka powstaje dopiero przez:
sprzężenie obu obiegów.
48. Jedna pętla koryguje drugą
Jeżeli matematyka wykazuje:
że model prowadzi do sprzeczności,
reorganizujemy:
model.
Jeżeli eksperyment wykazuje:
systematyczną niezgodność,
reorganizujemy:
założenia,
warunki,
interpretację
albo:
model.
Poznanie naukowe jest więc:
nie pojedynczym dowodem,
lecz:
rekurencyjnym systemem wzajemnej korekty.
49. Dowód empiryczny jako stabilizacja, nie zamknięcie
Możemy teraz zaproponować definicję.
Dowód empiryczny jest strukturą niezależnych i wzajemnie kontrolujących się relacji pomiędzy zjawiskiem, pomiarem, reprezentacją i modelem, która redukuje przestrzeń konkurencyjnych wyjaśnień do poziomu uzasadniającego określone twierdzenie o rzeczywistości.
Nie jest to:
absolutne zamknięcie logiczne.
Jest:
stabilizacją epistemiczną.
50. Im więcej niezależnych dróg, tym silniejsza stabilizacja
Jeżeli tę samą wielkość potwierdzają:
różne instrumenty,
różne eksperymenty,
różne laboratoria,
różne konsekwencje modelu,
różne metody statystyczne,
trudniej wyjaśnić wszystkie wyniki:
jednym artefaktem.
Siła nauki bierze się więc często z:
krzyżowania niezależnych relacji kontrolnych.
To rodzaj:
emergencji organizacyjnej wiarygodności.
51. Prawda nie jest sumą głosów
Nie oznacza to:
że tysiąc laboratoriów może:
przegłosować rzeczywistość.
Tak jak:
dziesięć tysięcy agentów matematycznych nie może przegłosować twierdzenia.
W obu przypadkach organizacja zwiększa:
zdolność kontroli.
Nie ustanawia:
prawdy przez consensus.
52. Świat posiada prawo weta
Możemy więc użyć mocniejszej metafory.
W nauce człowiek posiada:
prawo do tworzenia modeli.
Matematyka posiada:
prawo do wyprowadzania ich konsekwencji.
Ale rzeczywistość posiada:
prawo weta.
Model może być:
piękny,
elegancki,
spójny,
matematycznie płodny.
Jeżeli systematycznie nie przechodzi odpowiednio rygorystycznej konfrontacji z obserwacjami:
jego status empiryczny:
ulega zmianie.
53. Prawo weta nie jest jednak automatycznym wyrokiem
Duhem przypomina:
jedna niezgodność nie mówi nam zawsze:
co dokładnie odrzucić.
Dlatego rzeczywistość nie działa:
jak formalny checker.
Nie zwraca:
ERROR: teoria 17, linia 302.
Dostarcza:
oporu.
To system nauki musi:
zlokalizować jego źródło.
54. Tu właśnie potrzebna jest organizacja poznania
Eksperyment,
replikacja,
alternatywny model,
nowe urządzenie,
inne laboratorium,
ponowna kalibracja,
analiza błędów
służą temu, żeby ustalić:
gdzie znajduje się źródło niezgodności.
Nauka jest więc również:
systemem organizacyjnej lokalizacji błędu.
55. Prawda formalna i prawda empiryczna zachowują różne inwarianty
W matematyce centralnym inwariantem jest:
zachowanie poprawnej relacji wynikania.
W nauce empirycznej:
zachowanie odpowiednio stabilnej relacji reprezentacyjnej z rzeczywistością.
Dlatego możemy utrzymać:
formalną poprawność,
tracąc:
adekwatność empiryczną.
I odwrotnie:
możemy posiadać trafną intuicję empiryczną,
zanim powstanie:
właściwy aparat matematyczny.
56. Technika może poprzedzać teorię
Historia nauki wielokrotnie pokazuje:
zjawisko może być:
obserwowane,
wykorzystywane,
mierzone
zanim pojawi się:
pełne wyjaśnienie.
W takim przypadku relacja:
świat → skuteczne działanie
może zostać częściowo ustabilizowana wcześniej niż:
świat → teoria.
To kolejny dowód, że:
poznanie nie ma jednej liniowej architektury.
57. Dowód i prawda nie są więc jedną kategorią
Możemy powiedzieć:
dowód matematyczny
jest:
operacją uzasadnienia wewnątrz przestrzeni inferencji.
prawda empiryczna
dotyczy:
relacji twierdzenia ze światem.
dowód empiryczny
jest:
procedurą zwiększania i stabilizowania uzasadnienia tej relacji.
Nie wolno:
utożsamiać tych trzech poziomów.
58. Co z klasyczną definicją prawdy?
Klasyczna intuicja korespondencyjna:
zdanie jest prawdziwe, jeżeli rzeczy mają się tak, jak zdanie głosi,
nie zostaje przez te problemy:
obalona.
Problem znajduje się gdzie indziej.
Nie chodzi o:
co znaczy prawda,
lecz:
jak podmiot posiadający ograniczony dostęp do świata może ustalić, że określone zdanie rzeczywiście mu odpowiada.
To jest:
problem epistemologiczny,
nie tylko:
semantyczny.
59. Rzeczywistość nie potrzebuje formalnego dowodu własnego istnienia
Kamień spada:
niezależnie od tego,
czy posiadamy:
teorię grawitacji.
Woda zamarza:
niezależnie od tego,
czy zapisaliśmy:
model przejścia fazowego.
Realia nie muszą:
uzasadniać własnego działania.
Problem dowodu pojawia się:
dopiero dla:
systemu, który tworzy zdania o realiach.
60. Granice formalizmu są więc granicami określonej organizacji poznawczej
Gödel,
Turing,
Tarski
nie pokazują:
że rzeczywistość jest:
sprzeczna,
nieobliczalna w każdym sensie
czy:
„blokuje się”.
Pokazują:
że określone ambicje formalnego domknięcia napotykają:
strukturalne granice.
To niezwykle ważne dla:
AI.
Większa moc obliczeniowa:
nie usuwa automatycznie:
granic wynikających z samej architektury formalizacji.
61. Ale granice formalizmu nie dowodzą nadnaturalności człowieka
Z drugiej strony:
Gödel i Turing nie dowodzą automatycznie:
że człowiek posiada:
jakąś tajemniczą moc wykraczającą poza wszystkie procedury obliczalne.
Do takiego wniosku potrzebny byłby:
osobny argument dotyczący:
natury ludzkiego poznania.
Nie wolno używać:
twierdzenia matematycznego
jako niejawnego dowodu:
tezy antropologicznej.
62. Znowu wraca problem poziomów
Cały spór możemy więc uporządkować:
rzeczywistość
→ oddziaływanie
→ sygnał
→ pomiar
→ reprezentacja
→ model
→ formalizacja
→ inferencja
→ dowód
→ interpretacja wyniku wobec rzeczywistości.
Każda strzałka:
jest osobnym problemem.
Nie wolno:
zlewać poziomów.
63. Dowód jako relacja lokalna
To prowadzi do jeszcze jednej ważnej tezy:
każdy dowód działa w określonej domenie relacji.
Dowód matematyczny:
wiąże przesłanki z wnioskiem.
Pomiar:
wiąże stan instrumentu z wielkością przypisywaną obiektowi.
Eksperyment:
wiąże przewidywanie z wynikiem.
Model:
wiąże formalną strukturę z systemem docelowym.
Nie istnieje:
jeden „dowód wszystkiego”.
64. Zasada zakresu dowodu
Możemy sformułować:
Zasadę zakresu dowodu
Żaden operator dowodowy nie powinien być traktowany jako silniejszy niż relacja, którą faktycznie stabilizuje.
Formalny dowód:
nie dowodzi automatycznie:
adekwatności modelu.
Eksperyment:
nie dowodzi automatycznie:
jedynej możliwej ontologii.
Zgodność modelu z danymi:
nie dowodzi:
że wszystkie jego elementy są dosłownym opisem świata.
65. Dowód ma rozdzielczość
Podobnie jak:
inwariant,
również dowód posiada:
rozdzielczość.
Może wykluczyć:
pewną klasę możliwości,
pozostawiając:
inne.
Eksperyment może wykluczyć:
model A,
ale nie odróżniać:
B od C.
Dowód formalny może rozstrzygnąć:
twierdzenie,
ale nie odpowiadać:
dlaczego jest ono ważne.
Każdy dowód:
widzi określoną strukturę.
66. „Udowodnione” nie oznacza „zamknięte na zawsze”
W matematyce dowód może być:
trwały,
jeżeli przesłanki i reguły pozostają te same.
W nauce status twierdzenia może się zmienić wraz z:
nowymi danymi,
nową skalą pomiaru,
nowym modelem,
nową aparaturą.
Nie oznacza to:
słabości nauki.
Jest to:
konsekwencja jej otwartości na rzeczywistość.
67. Fallibilizm jest siłą, nie defektem
Nauka zachowuje możliwość:
korekty.
To, co dziś jest:
najlepiej uzasadnionym modelem,
może zostać:
ograniczone,
rozszerzone,
przeinterpretowane.
Właśnie dlatego nauka:
nie potrzebuje udawać matematycznego rodzaju absolutnej demonstracji.
Jej siłą jest:
kontrolowana możliwość reorganizacji.
68. Tożsamość wiedzy poprzez korektę
I tu wracamy do centralnego motywu naszego cyklu.
Nauka zachowuje:
tożsamość praktyki poznawczej
nie dlatego, że:
nigdy nie zmienia twierdzeń.
Przeciwnie.
Zachowuje ją dlatego, że posiada:
procedury reorganizacji twierdzeń pod naciskiem:
dowodów,
pomiarów,
sprzeczności,
anomalii.
Jej inwariantem jest częściowo:
zdolność korekty.
69. Matematyka i nauka spotykają się w reorganizacji błędu
Matematyka pyta:
czy błąd znajduje się:
w inferencji.
Nauka pyta dodatkowo:
czy błąd znajduje się:
w modelu,
pomiarze,
instrumentacji,
założeniach,
interpretacji.
W obu przypadkach poznanie rozwija się przez:
lokalizację i reorganizację błędu.
Ale przestrzeń możliwych błędów:
jest inna.
70. AI może więc wzmocnić dwa różne rodzaje dowodzenia
System AI może uczestniczyć:
w formalnym dowodzeniu matematycznym
oraz:
w empirycznym procesie nauki.
Ale są to:
dwa różne zadania.
W pierwszym:
organizuje:
przestrzeń inferencji.
W drugim musi organizować dodatkowo:
dane,
modele,
aparaturę,
niepewność,
konkurencyjne wyjaśnienia,
relację z rzeczywistością.
Drugi problem jest więc:
organizacyjnie bogatszy.
71. Idealny matematyk AI nie byłby jeszcze idealnym naukowcem
Możemy wyobrazić sobie system:
formalnie nieomylny.
Każdy dowód:
poprawny.
Każde twierdzenie:
prawidłowo wyprowadzone.
A mimo to taki system może:
systematycznie opisywać:
niewłaściwy model świata.
Brakowałoby mu:
kontroli referencji.
To pokazuje:
jak fundamentalna jest granica:
dowód → rzeczywistość.
72. Idealny eksperymentator również nie wystarczy
Analogicznie:
idealne pomiary
bez:
struktury teoretycznej
nie tworzą automatycznie:
nauki.
Miliony cyfr:
nie mówią same,
które relacje są:
istotne,
które przyczynowe,
które przypadkowe.
Potrzebujemy:
modelu.
Czyli:
świat bez reprezentacji nie daje teorii, a reprezentacja bez świata nie daje wiedzy empirycznej.
73. Wiedza powstaje na granicy
Najważniejszym miejscem poznania nie jest więc wyłącznie:
świat
ani:
matematyka.
Jest nim:
granica model–świat.
Tam spotykają się:
oddziaływanie fizyczne
i:
struktura symboliczna.
Tam:
numer z szatni
uzyskuje albo traci:
swoją relację z płaszczem.
74. Dowód rzeczywistości jako emergencja organizacyjna
Możemy teraz powrócić do tytułowego problemu.
„Dowód na coś w rzeczywistości” rzadko jest:
jednym aktem.
Powstaje z:
pomiarów,
instrumentów,
kalibracji,
modeli,
eksperymentów,
powtórzeń,
statystyki,
krytyki,
alternatywnych hipotez,
wspólnotowej kontroli.
Jest więc również:
emergencją organizacyjną.
Ale inną niż:
dowód matematyczny.
75. Dwie emergencje dowodu
Emergencja matematyczna
Wiele lokalnych operacji stabilizuje:
konieczną trajektorię inferencyjną.
Emergencja empiryczna
Wiele niezależnych kanałów kontaktu ze światem stabilizuje:
relację reprezentacja–rzeczywistość.
To jedno z najważniejszych rozróżnień.
76. Konkluzja. Rzeczywistość nie dowodzi — rzeczywistość ogranicza
Matematyczny dowód posiada niezwykłą moc.
Jeżeli:
przesłanki,
definicje
i:
reguły
są ustalone,
możemy wykazać:
że określony wniosek:
musi wynikać.
Świat empiryczny nie daje nam:
analogicznej pozycji.
Nie obserwujemy:
wszystkich miejsc,
wszystkich czasów,
wszystkich stanów,
wszystkich możliwych przypadków.
Nie posiadamy:
widoku rzeczywistości „z zewnątrz”.
Poznajemy ją poprzez:
oddziaływania,
ślady,
instrumenty,
modele,
reprezentacje.
Dlatego „dowód o rzeczywistości” nie jest:
słabszą odmianą dowodu matematycznego.
Jest:
innym typem operacji epistemicznej.
Matematyka stabilizuje:
relację przesłanka → konsekwencja.
Nauka stabilizuje:
relację rzeczywistość → reprezentacja → model → przewidywanie → ponowna konfrontacja z rzeczywistością.
Gödel,
Turing
i:
Tarski
ujawniają granice określonych systemów:
formalizacji,
obliczalności,
autoreferencji.
Nie pokazują:
że realia napotykają te same blokady.
Realia:
nie dzielą przez zero.
Nie udowadniają:
twierdzeń.
Nie sprawdzają:
własnej niesprzeczności.
One:
zachodzą.
Problem powstaje wtedy, gdy:
skończony system poznawczy próbuje zbudować:
reprezentację tego, co zachodzi.
Ale nie wynika z tego:
że reprezentacja jest dowolna.
Świat stawia:
opór.
Eksperyment może nie wyjść.
Most może się zawalić.
Planeta może znaleźć się:
gdzie indziej niż przewidzieliśmy.
Substancja może nie zareagować.
W tym sensie rzeczywistość posiada:
prawo weta wobec naszych reprezentacji.
Nie mówi jednak:
które zdanie mamy napisać zamiast błędnego.
To musi wykonać:
system poznawczy.
Dlatego nauka jest:
ciągłym sprzężeniem:
konstrukcji i oporu,
modelu i świata,
projekcji i korekty,
formalizacji i pomiaru.
I właśnie tutaj „numerki z szatni” uzyskują swoje właściwe miejsce.
Numer:
nie jest płaszczem.
Równanie:
nie jest planetą.
Bit:
nie jest dipolem.
Model:
nie jest światem.
Ale:
nietożsamość reprezentacji i rzeczy nie oznacza braku relacji między nimi.
Cała nauka polega na:
konstruowaniu,
testowaniu
i:
stabilizowaniu tej relacji.
Dlatego można sformułować końcowe rozróżnienie:
dowód matematyczny mówi: jeżeli przesłanki są takie, wniosek nie może być inny.
Natomiast:
dowód empiryczny mówi: spośród dostępnych reprezentacji ta pozostaje najlepiej ustabilizowana przez opór i strukturę rzeczywistości.
Pierwszy:
zamyka trajektorię inferencji.
Drugi:
pozostawia możliwość przyszłej reorganizacji.
Nie dlatego, że:
nauka jest mniej racjonalna.
Lecz dlatego, że:
matematyka kontroluje relacje wewnątrz reprezentacji, podczas gdy nauka musi dodatkowo utrzymywać relację reprezentacji z czymś, co nie jest reprezentacją.
I być może właśnie ta granica:
reprezentacja — rzeczywistość
jest najgłębszą granicą każdego dowodu, który chce powiedzieć:
nie tylko:
„to wynika”,
lecz także:
„tak jest”.
Przypisy
[^1]: Zob. „Proof Theory”, Stanford Encyclopedia of Philosophy. Formalny system obejmuje aksjomaty i efektywne reguły inferencji umożliwiające rozpoznawanie poprawnych derywacji.
[^2]: Zob. „The Philosophy of Mathematical Practice”, Stanford Encyclopedia of Philosophy. Współczesna refleksja nad praktyką matematyczną odróżnia formalną derywację od zwykłego rygorystycznego dowodu matematycznego, który nie wypisuje wszystkich elementarnych kroków.
[^3]: K. Gödel, „Über formal unentscheidbare Sätze der Principia Mathematica und verwandter Systeme I”, 1931. Dla dostatecznie silnych, efektywnie aksjomatyzowanych systemów arytmetycznych twierdzenia o niezupełności ustanawiają ograniczenia relacji pomiędzy prawdą, dowodliwością i zdolnością systemu do wykazania własnej niesprzeczności.
[^4]: A. Tarski, prace dotyczące semantycznej koncepcji prawdy. Dla odpowiednio bogatych języków konieczne jest rozróżnienie języka przedmiotowego i metajęzyka; pełnego predykatu prawdy dla języka nie można w standardowy sposób zdefiniować wewnątrz tego samego odpowiednio silnego systemu.
[^5]: Zob. „Measurement in Science”, Stanford Encyclopedia of Philosophy. Modelowe teorie pomiaru rozróżniają wskazanie instrumentu od wyniku pomiarowego i podkreślają rolę kalibracji, modeli aparatury, środowiska oraz niepewności.
[^6]: R. Frigg, J. Nguyen, prace dotyczące reprezentacji naukowej; zob. „Scientific Representation”, Stanford Encyclopedia of Philosophy. Reprezentacja naukowa wymaga analizy relacji między reprezentacją a jej systemem docelowym, w tym możliwości zarówno trafnego reprezentowania, jak i błędnej reprezentacji.
[^7]: D. Hume, An Enquiry Concerning Human Understanding, 1748; A Treatise of Human Nature, 1739–1740. Problem indukcji dotyczy uzasadnienia przejścia od przypadków obserwowanych do nieobserwowanych oraz praw ogólnych.
[^8]: Zob. „Confirmation”, Stanford Encyclopedia of Philosophy. Dane empiryczne mogą zwiększać wiarygodność hipotezy, nie gwarantując jednak w typowych przypadkach jej logicznej jednoznaczności względem wszystkich alternatyw.
[^9]: K.R. Popper, The Logic of Scientific Discovery. Popper eksponował logiczną asymetrię pomiędzy potwierdzaniem uniwersalnego prawa przez przypadki pozytywne a potencjalnym falsyfikowaniem przez sprzeczną konsekwencję obserwacyjną, choć praktyczna metodologia falsyfikacji okazuje się bardziej złożona.
[^10]: P. Duhem, The Aim and Structure of Physical Theory; W.V.O. Quine, „Two Dogmas of Empiricism”. Problem holizmu testowania polega na tym, że konsekwencje obserwacyjne teorii zależą od zespołu hipotez pomocniczych i założeń, dlatego niepowodzenie przewidywania nie wskazuje automatycznie jednego zdania, które należy odrzucić.
[^11]: Zob. „Mathematical Explanation”, Stanford Encyclopedia of Philosophy. Współczesna filozofia nauki intensywnie analizuje możliwość, że idealizowane lub dosłownie nieprawdziwe modele mogą mimo to posiadać istotną funkcję wyjaśniającą.
[^12]: „Scientific Representation”, Stanford Encyclopedia of Philosophy. Jednym z podstawowych problemów teorii reprezentacji naukowej jest jej kierunkowość: reprezentacja jest o systemie docelowym, podczas gdy system docelowy nie jest w analogicznym sensie reprezentacją swojego modelu.
[^13]: „Theory and Observation in Science”, Stanford Encyclopedia of Philosophy. Interpretacja danych empirycznych jest powiązana z wiedzą o działaniu instrumentów, modelach pomiaru i teoriach określających czułość procedury na badane zjawisko.
[^14]: I. Lakatos, Proofs and Refutations, Cambridge University Press, 1976. Lakatos pokazywał, że nawet rozwój matematyki można analizować jako historyczny proces hipotez, kontrprzykładów, zmian pojęciowych i reorganizacji dowodów.
[^15]: B.C. van Fraassen, The Scientific Image, Oxford University Press, 1980. Empiryzm konstruktywny rozróżnia akceptację teorii jako empirycznie adekwatnej od zobowiązania do realistycznego traktowania wszystkich postulowanych przez nią bytów.
[^16]: R. Giere, Scientific Perspectivism, University of Chicago Press, 2006. Perspektywiczne ujęcia reprezentacji naukowej podkreślają rolę modeli, celów, skal i określonych relacji podobieństwa pomiędzy modelem a systemem docelowym.
Bibliografia
Duhem P., The Aim and Structure of Physical Theory.
Frigg R., Nguyen J., Modelling Nature: An Opinionated Introduction to Scientific Representation, Springer.
Giere R., Scientific Perspectivism, University of Chicago Press, 2006.
Gödel K., „Über formal unentscheidbare Sätze der Principia Mathematica und verwandter Systeme I”, 1931.
Hume D., An Enquiry Concerning Human Understanding.
Lakatos I., Proofs and Refutations, Cambridge University Press, 1976.
Popper K.R., The Logic of Scientific Discovery.
Quine W.V.O., „Two Dogmas of Empiricism”, 1951.
Tarski A., prace dotyczące semantycznej koncepcji prawdy.
van Fraassen B.C., The Scientific Image, Oxford University Press, 1980.
Stanford Encyclopedia of Philosophy: „Proof Theory”, „The Philosophy of Mathematical Practice”, „Gödel’s Incompleteness Theorems”, „Tarski’s Truth Definitions”, „Confirmation”, „The Problem of Induction”, „Underdetermination of Scientific Theory”, „Measurement in Science”, „Theory and Observation in Science”, „Scientific Representation”, „Mathematical Explanation”.
Komentarze
Pokaż komentarze (8)