设为首页收藏本站
开启辅助访问 切换到宽版

科学网

 找回密码
  注册
科学网 › 标签 › 归纳

tag 标签: 归纳

相关帖子

 版块 作者 回复/查看 最后发表

没有相关内容

相关日志

又捡到一个大漏——我把确证和乌鸦悖论搞清楚了
lcguang 2019-11-19 08:37
乌鸦悖论是1940s亨普尔发现的： 根据经典逻辑，推理1=“如果x是乌鸦，x一定是黑的”和推理2=“x不黑就一定不是乌鸦“等价。 一支白粉笔支持推理2，所以也支持推理1. 这叫PC即等价条件。 但是按常识或尼科德准则，黑乌鸦支持推理1，不黑的乌鸦否定推理1，其他事物，比如白粉笔和黑猫和推理1无关。我们简称这是NC即尼科德不相关。 EC和NC之间存在悖论。这个悖论是如此清晰而又难解。有人肯定EC而否定NC，比如亨普尔；有人否定EC而肯定NC，比如 Scheffler 和 Goodman。还有很多人部分否定其中一个或两个。参看： https://en.wikipedia.org/wiki/Raven_paradox https://baike.baidu.com/item/%E4%B9%8C%E9%B8%A6%E6%82%96%E8%AE%BA/10128080?fr=aladdin https://www.docin.com/p-1705445600.html 肯定和否定都要借助于确证度公式来说明。为此出现了许多确证度公式。 可以说确证研究和乌鸦悖论研究是平行的。 关于西方确证测度研究和我的发现，参看： 兼容Popper证伪思想的语义信息测度和确证度 这篇PPT（为方便用手机看，PPT改成PDF了）是我在复旦大学科学哲学系的一个讲座的讲稿。其中有些内容已经发表在Information上： https://www.mdpi.com/2078-2489/10/8/261 和会议文集中。 我推导出一个简单的确证度公式：确证度=（正例比例-反例比例）/分子最大者，在-1和1之间。它由可以分为两种：b*和c*; b*反应信道特性，和似然比（在0和无穷大之间）类似，比如反映医学检验手段有多好; c*反映概率预测特性，和置信水平（在0和1之间）类似， 比如反映根据阳性或阴性所做的有病的概率预测有多好。c*具有更简单形式：c*=（正例个数-反例个数）/分子较大者，或用分子相加代替分子较大者，它正好反映尼科德准则。按照这个公式， c*（乌鸦-黑的）=（黑乌鸦个数-不黑乌鸦个数）/分子较大者； c*（非黑的-非乌鸦）=（非黑事物包括白粉笔的个数-不黑乌鸦个数）/分子较大者。 可见虽然两个推理反例个数相同，但是正例个数不同， 所以不等价，EC是错的。 EC错而NC对， 所以悖论不存在。 虽然结论简单， 好像小学生也能发现，但是推导过程并不简单。不仅众多哲学家参与研究，现在搞统计学习的人也参与了——参看这两篇： Greco, S., Pawlak, Z., S lowi′nski, R., Can bayesian confirmation measures be useful for rough set decision rules?, Engineering Applications of Artifficial Intelligence, 17, 2004, 345–361. Greco, S., S lowi′nski, R., Szcz¸ech, I., Measures of rule interestingness in various perspectives of confirmation, Inf. Sci., 346-347, 2016, 216–235, doi:10.1016/j. ins.2016.01.056. 其中Pawlak， Z 是大名鼎鼎的粗糙集理论创始人。 Greco 可能是它的博士生。 他们的研究还在云里雾里，更没有得到反映尼科德准则的公式。 要知详情，还是看我的讲稿吧： http://www.survivor99.com/lcg/CM/FDreport.pdf 看了我的讲稿再看其他文章，你就知道我是否真的捡到大漏了。 关于我的语义信息论、统计学习和哲学研究，更多文章见： http://www.survivor99.com/lcg/CM/Recent.html http://www.survivor99.com/ 欢迎交流！
个人分类: 信息的数学和哲学|4089 次阅读|2 个评论
发表了一篇英文长文：语义信息G理论和逻辑贝叶斯推理for统计学习
热度 1 lcguang 2019-8-21 01:04
这是我近五年研究的总结， 也基于我以前的研究结果。 发表的期刊是：Information： https://www.mdpi.com/journal/information 文章是： https://www.mdpi.com/2078-2489/10/8/261 英文open access 期刊， 不限长度。 我用的方法——语义信息方法——与众不同， Information正好适合我。同行评论要过两关，要老实按reviewers要求，逐条回应。以前不知道，吃过大亏。 西方研究语义信息论的名人Luciano Floridi和 Wolfgang Johannsen 也在上面发表过文章。 Flridi还是Information中 Information Theory and Methodology Section 的编委。 现在可以让大家比较了。 文章有30多页。我很开心， 等于发表了四篇。我以前发表的一篇英文也是很长的 http://www.survivor99.com/lcg/english/information/GIT/index.htm ，40多页。好像短的反而难发表——只发表过会议。可能新东西不全面就很难让人理解。 我的文章中，背景包含两个部分： 1.从Shannon信息论到语义信息G理论, 也谈及其他人的语义信息理论（包括Floridi和钟义信教授的）； 2.从传统的贝叶斯预测到逻辑贝叶斯推理， 主要是对贝叶斯推理(Bayesian Inference)的挑战。 方法包含我独创的4个信道匹配算法： 1.语义信道匹配香农信道，求解多标签学习函数——隶属函数——的简单方法。但是最重要的应用是求解if-then叙述的确证度。 2. 两个信道相互匹配：求解多标签分类；比流行的方法简便很多。 3. 重复两个信道相互匹配，迭代算法， 求解最大互信息分类。根据特征求解最大互信息分类或估计，这可是Shannon信息论和经典信息论留下的难题。 4. 两个信道相互匹配，通过求解最大通信效率G/R, 求解混合模型. 顺便证明EM算法所依据的混合模型理论是错的。 文中提供了不少例子；补充存料还提供了这些算法的Python 3.6程序。都是我自己编的。方法应用迫使我学习Python编程。幸亏我是老程序员 。 对于机器学习，2,3用于分类是很实用的； 难度最大的是求解混合模型，特别是证明迭代收敛。 但是最有理论意义的是提供新的确证度b*. 归纳问题由来已久。由于绝对正确的全称假设的归纳被否定，归纳问题演变为求不完全正确假设的归纳问题——即确证度计算问题。证伪主义者Popper也曾试图解决这一问题。早期逻辑贝叶斯主义者凯恩斯和卡尔纳普企图用逻辑概率或条件逻辑概率（在0和1之间变化）表示确证度，但是现代归纳主义者大多用可信度或归纳支持度（在-1和1之间变化）表示确证度（见这里http://www.fitelson.org/probability/comp.pdf ）。 我的确证度也在-1和1之间，但是和流行的确证度不同， 流行的确证度主要取决于正例是否多，而我的确证度b*主要取决于反例是否少——这就兼容Popper的证伪思想。要让大家信服， 还需要继续努力。 我相信我的确证度公式迟早会被大多数人接受， 不过其命运可能就像我的色觉模型（ http://blog.sciencenet.cn/home.php?mod=spaceuid=2056do=blogid=1160412） 。 徐匡迪院士呼吁研究算法：http://www.sohu.com/a/312151330_680938 我的努力就是。但是这样的文章在还真不容易再 国内期刊 发表。我的最大互信息分类文章就再三被拒绝。不知道审稿人是否知道：Shannon及后来者至今无法解决这一问题！这应该是信息论王冠上的钻石啊！ 一个中文初稿见：http://www.survivor99.com/lcg/CM/Homepage-NewFrame.pdf 关于语义信息论和统计学习的更多讨论见：http://www.survivor99.com/lcg/books/GIT/ 欢迎交流。
个人分类: 信息的数学和哲学|3019 次阅读|2 个评论
中国公民科学素质与中医科学性（四）
fqng1008 2018-9-1 09:41
4.4 类比与归纳 过去我们常说，取象比类（或取类比象）是形成中医药理论体系的重要方法，甚至为 到底是 “取象比类”还是“取类比象” 发生过争鸣。但归根结底，它就是 类比思维 。 什么是 类比思维 ？ 即 根据两个具有相同或相似特征的事物间的对比，从某一事物的某些已知特征去推测另一事物相应特征存在的思维 方式 。类比思维是在两个特殊事物之间进行分析比较，它不需要对大量特殊事物 进行 研究 ， 因而很难获得事物 的一般 性 规律。 但 它可以在归纳与演绎无能为力的一些领域中发挥独特作用，尤其在那些被研究的事物个案太少或缺乏足够研究、科学资料积累水平较低、不具备归纳和演绎条件的领域。 归纳法是从个别性知识，引出一般性知识的推理，是由已知真的前提，引出可能真的 结论 的推理方法 。归纳推理以个别性知识为前提，为了获得个别性知识，就必须收集经验材料 。 收集经验材料的方法 主要是 观察 和 实验 ， 因而对求真务实有了更高的要求，并直接推动了受控实验的发展 。 古典归纳逻辑是由 培根 创立，经 穆勒 发展的归纳理论 ， 主要研究完全归纳推理 、 不完全归纳推理 （ 简单枚举归纳和科学归纳 ）、 求因果五法等 。 古典归纳逻辑曾遭到 休谟 的诘难 ， 他认为归纳推理的合理性在逻辑上是得不到保证的。归纳推理所依据的普遍因果律和自然齐一律，只是一种 习惯性心理 联想，从个别性的前提不可能得到一般性的结论 。 休谟的诘难引人思考 ： 个别性的前提是否可以对一般性的结论提供某种程度的证据支持，前提对于结论支持的概率是多少，这就 导致了 现代归纳逻辑即概率逻辑的 诞生 。 现代归纳逻辑，是由梅纳德 ˙ 凯恩斯 （ Magnard Keynes ） 创立，由莱辛 ˙ 巴哈 （ Reichenbach ） , 卡尔纳普 （ Rudolf Carnap ） 科恩 等发展，运用 概率论 、 形式化的公理方法等工具，探索归纳问题所取得的成果。现代归纳逻辑正处于发展时期，多种类型的归纳逻辑理论，不断被引入认识论 、 科学方法论 、 统计学 、 决策论 、 人工智能等众多领域，日益得到广泛应用 。 上个世纪， 爱因斯坦 评价 海森堡测不准原理 时说 “ 上帝不掷骰子 ”。但是，人类社会为什么会有一个轴心时代？轴心时代那些先贤的思维特质是什么？在讨论这一节的时候，可能会为我们提供一个新 的 思考角度。我想， 类比思维 是轴心时代自然哲学蓬勃昌盛的神秘推手，归纳法却是掀开科学大幕的关键环节。它们是上帝根据不同时机掷出的两枚不同的骰子，不偏不正地砸在人类文明进步的阶梯上（哈哈，又是类比思维）。 回到 纳入《 中国公民科学素质 基准》 的 “ 阴阳五行 ” 、 “ 天人合一 ” 、 “ 格物致知 ” 等 自然哲学思维方式，它们都可以说是类比思维的典范。作为一个中医人，我可以举出大量的例证来阐述这个观点，评价它们的得失。但鉴于本文的读者对象，我们免除那些繁琐的论证过程和证据内容，这里给出一个基本印象： （1）类比思维是 最活跃但最不可靠的推理方法： 类比思维具有极大的创造性（今天仍然需要）， 它在人类对自然现象的认识极其有限、自然知识极其匮乏的年代，短时间内创造了大量的“知识”，包括有益的、无用的和荒谬的。当 归纳法应运而至（逐渐 成熟）之后，人们逐渐认识到类比思维所揭示的因果关系很不可靠， 以实证为后续的科学精神逐渐提炼而出， 于是 新的科学时代来临了。 （2） 类比思维是早期智者最切合实际而又最无奈的选择：类比思维是一种“顾左右而言他”的思维模式。那个让人不可思议的轴心时代，因为人类对本体事物的知识实在有限，各种研究手段和方法远远不够，但是理论思维是人类的特质，而偏偏此时社会分工出现了一些最早 “仰望星空”的人，他们急于要回答 “是什么”、“为什么”的问题。那是一个理论思维的孩童时代，充满好奇心而又易于被忽悠。按说，那个时代对事物因果关系这种在许多领域至今仍然困惑众多科学家的难题，本无能力探讨。但是天才的智者，聪明地“顾左右而言他”，于是各种自然哲学学说如雨后春笋般地涌现了出来，达到了让人惊奇的地步。 （3）类比思维是时代特征，与地域无关：《黄帝内经》云，“智者察同，愚者察异”。轴心时代最突出的表现，是多个文化中心凸显出来，东西方文化层次并没有显示出巨大差异。那时候，在类比思维推动下，各种自然哲学学说满地开花， 由于中医原因为 我们所知晓的 “ 阴阳五行 ” 、 “ 天人合一 ” 、 “ 格物致知 ”等等只是那个时代的具有中国文化代表性的 几朵 浪花。但从思维方式以及思维水平上，并无大的区别。 4.5 量化与统计 （未完，待续）
个人分类: 思考中医|2218 次阅读|0 个评论
机器学习的归纳偏好——人工智能笔记3
热度 1 mayaoji 2017-1-1 15:18
归纳偏好 机器学习本质上是归纳推理。从有限的已知数据得到普遍的知识，不能从逻辑推理得到。比如从犹太人 a 很聪明，犹太人 b 很聪明，犹太人 c 很聪明，推出所有犹太人都很聪明。这个推理不是必然成立的，里面包含了某种偏好它才能成立。 机器学习中把这样的偏好称为归纳偏好。归纳偏好的严格定义：已知数据 + 归纳偏好 T 机器学习的结果。这里的 T 表示演绎推理，归纳偏好是使得上面这个推理式成立的最弱的命题。 如果没有归纳偏好，从数据到学习结果是归纳推理，加上偏好，数据就能通过演绎推理得到结果。任何的机器学习算法，都存在归纳偏好。不同的算法，归纳偏好可能不一样，机器学习的结果也不一样。 作为搜索的概念学习 下面通过具体的例子来说明什么是归纳偏好。 目标概念：适合水上运动 样例 天气 温度 湿度 风力 水温 天气预报 适合水上运动 1 晴 暖 中 强 暖 相同 是 2 晴 暖 高 强 暖 相同 是 3 雨 冷 高 强 暖 变化 否 4 晴 暖 高 强 冷 变化 是 这里一共有六个属性：天气，温度，湿度，风力，水温，天气预报。 天气的取值范围为：晴、阴、雨； 温度的取值：热、冷； 湿度的取值：中、高； 风力的取值：强、弱； 水温取值：热、冷； 天气预报取值：相同、变化。 适合运动这个概念实际上是个六元函数，各个变元的取值范围如上所示，而函数的取值为“是”或“否”，也可看作 1 或 0 。满足这些条件的六元函数数量很多，机器学习就是从这些样本中总结出规律，找到目标函数（亦即学会目标概念），使得对新的样例，亦可以判断出那天是否适合运动。 学习的过程可看作在假设空间搜索（人工智能把这些函数构成的集合称为假设空间），目标是搜到正确的假设。由于假设空间往往包含数量极多的假设，所以需要合适的搜索策略，才能更快地找到目标假设。 包含是概念或假设之间一种很重要的关系。比如动物这个概念包含人这个概念，生物又包含人这个概念。用专业的术语，包含关系定义了假设空间的一个偏序（即这个关系是自反、反对称和传递的）。利用这个偏序关系，能有效地搜索假设空间。 下面介绍两种具体的学习算法。 Find-S 算法 在 Find-S 算法中，假设可这样表示： 晴，冷，中，强，暖，变化 ，这时表示只有当每个属性取这个相应的值，才适合运动。 也可用问号代替某个值，比如， 晴，？，中，？，暖，变化 ，问号表示相应的属性取任意一个值都行。 极端的情况是， ？，？，？，？，？，？ ，表示任何情况都适合运动，即每一个样例都是正例。 另一种极端的情况是， Æ ， Æ ， Æ ， Æ ， Æ ， Æ ，表示任何情况都不适合运动，即每个样例都是反例。 能用上面方式表示的假设构成了假设空间 H 。 Find-S 算法将 h 初始化为最特殊的假设 h ← Æ ， Æ ， Æ ， Æ ， Æ ， Æ ，即任何一个样例都是反例 第一个样例是正例（晴，暖，中，强，暖，相同），所以将 h 泛化，使它能容纳这个样例。 h ← 晴，暖，中，强，暖，相同 ，即除了这个样例外，其他样例都是反例 第二个样例（晴，暖，高，强，暖，相同）也是正例，所以将 h 进一步泛化，使其能容纳这个例子 h ← 晴，暖，？，强，暖，相同 第三个是反例（雨，冷，高，强，暖，变化），所以 h 无需改变。假设 h 简单地忽略每个反例，看上去有点奇怪。请注意，事实上这时假设仍与这个样例一致，即正确地将其划分为反例。 第四个是正例（晴，暖，高，强，冷，变化），进一步将 h 泛化， h ← 晴，暖，？，强，？，？ h= 晴，暖，？，强，？，？ ，这就是 Find-S 算法在这些样例上学到的概念，即当天气为晴天、气温为暖和、风力为强风时适合水上运动，水温湿度天气预报等因素没有影响。 Find-S 算法实际上是寻找和训练样例一致的最特殊的假设。 候选消除算法 候选消除算法和 Find-S 算法的假设表示方法相同。 Find-S 算法只是输出和训练样例一致的多个假设中的一个，而候选消除算法输出 H 中所有和训练样例一致的假设。 Find-S 算法从最特殊的假设出发，逐步将其泛化。候选消除算法，则同时从最特殊假设和最一般假设出发，遇到正例则将特殊假设泛化，遇到反例则将一般假设特殊化。最后假设空间 H 剩下的和特殊假设以及一般假设一致的那些假设就是学习的结果。 以上面的适宜运动概念为例。 S0 ： Æ ， Æ ， Æ ， Æ ， Æ ， Æ ↑ G0: ？，？，？，？，？，？ 第一个样例为正例：（晴，暖，中，强，暖，相同），所以将 S0 泛化， G0 不变： S1 ： 晴，暖，中，强，暖，相同 ↑ G1: ？，？，？，？，？，？ 第二个样例为正例：（晴，暖，高，强，暖，相同），将 S1 泛化， G1 不变： S2 ： 晴，暖，？，强，暖，相同 ↑ G2: ？，？，？，？，？，？ 第三个样例为反例：（雨，冷，高，强，暖，变化）， S2 不变，将 G2 特殊化。注意，将 G2 特殊化时，它的假设要比 S2 更一般，否则不能覆盖以前的正例。 S3 ： 晴，暖，？，强，暖，相同 ↗ ↑ ↖ G3: 晴， ? ， ? ， ? ， ? ， ? ， ? ，暖， ? ， ? ， ? ， ? ， ? ， ? ， ? ， ? ， ? ，相同 第四个样例为正例：（晴，暖，高，强，冷，变化），将 S3 泛化，再将 G3 中和 S4 不一致的假设删掉，得到 S4 ： 晴，暖，？，强，？，？ ↗ ↖ G4: 晴， ? ， ? ， ? ， ? ， ? ， ? ， ? ， ? ， ? ， ? ，相同 训练完毕，所以 H 空间和 S4 、 G4 同时保持一致的假设有六个： S4 ： 晴，暖，？，强，？，？ ↗ ↑ ↖ 晴， ? ， ? ，强， ? ， ? ， 晴，暖， ? ， ? ， ? ， ? ， ? ，暖， ? ，强， ? ， ? ↖ ↗ ↖ ↗ G4: 晴， ? ， ? ， ? ， ? ， ? ， ? ， ? ， ? ， ? ， ? ，相同 这就是使用候选消除算法学习的结果，它包含六个假设，还没学到目标概念。那么如何使用呢？比如，对于下面新的样例，它将如何判断？ 样例 天气 温度 湿度 风力 水温 天气预报 适合水上运动 a 晴 暖 中 强 冷 变化 ？ b 雨 冷 中 弱 暖 相同 ？ c 晴 暖 中 弱 暖 相同 ？ d 晴 冷 中 强 暖 相同 ？ 所有假设都将样例 a 划成正例，将样例 b 划成反例。有 2 个假设将样例 d 划成正例， 4 个假设将其划成反例，所以我们倾向于将其划成反例。一半假设将样例 c 划成正例，一半将其划成反例，所以无法判断。 两种算法的归纳偏好 上面两种算法中，假设空间 H 都没有包含所有假设，目标概念有可能不在假设空间 H 中。 比如当天气为晴或者气温为暖时，适合水上运动。这个概念就无法用上面的方法表示。因为上面的假设表示方法只能表示属性的合取，无法表示属性的析取。 适合水上运动这概念涉及六个属性，各个属性的取值分别有 3 、 2 、 2 、 2 、 2 、 2 种可能。以这六个属性的取值为变量， 0 和 1 为因变量的六元函数一共有 2^(3x2x2x2x2x2) 个。而按上面的表示法，假设空间 H 一共有 4x3x3x3x3+1 个假设，即只有这么多函数。如果目标概念不在假设空间 H 中，则这两种算法都无法搜索到。 所以目标概念在空间 H 中，是两种算法共同的归纳偏好。除此之外， Find-S 算法包含了更多的偏好，它倾向于将新样例视为反例。
个人分类: 人工智能|6957 次阅读|1 个评论
归纳推理和机器学习——人工智能笔记2
mayaoji 2016-12-31 14:21
归纳推理 推理包括演绎推理和归纳推理。 所有的人都离不开空气，张三是人。从这两句话可推出张三离不开空气。这就是演绎推理，前提包含了结论，前提正确则一定结论正确。 第一天太阳从东边升起，第二天太阳从东边升起，第三天太阳也从东边升起，……。自有地球以来，太阳都从东边升起。因此太阳明天也从东边升起。这个推理就是归纳推理，结论超出前提，前提正确但结论不一定正确。 这看起来有些奇怪，太阳明天不是一定从东边升起吗？从逻辑上说，确实并非如此。不管是根据科学定律还是根据经验，我们都知道太阳明天也从东边升起。但科学定律也不是绝对正确的，存在错误的可能。经验也不可靠，哲学家罗素就讲了一个故事。有一只鸡，从小时候开始，主人每天都九点钟给它食物。每天听到主人的脚步声，就知道主人来喂食了。它得到一个结论，主人永远都在九点钟来喂食。某天，主人又来了，这次不是喂食，而是把它捉去吃了。 机器学习本质上是归纳推理 假设房子的价格由其面积决定。现在知道一些房子的面积和价格，把这些数据输入电脑，让电脑学会面积和价格之间的关系。当输入一个新房子的面积时，电脑能计算出它的价格。 在这里机器学习实际上是进行函数拟合。 图1 图2 上图的的点表示已知的数据，横坐标表示房子面积，纵坐标表示价格。从有限的几个点得出函数曲线， 当输入新的房子的面积时，可以从曲线读出它的价格。 原来已知的只是几个点，而结论是一条曲线，包括无数个点。结论超出了前提，这就是归纳推理。推理的结论有很多种，上面的图1和图2就是两种不同的结论。至于怎样拟合更好，这是很专门的问题。 拟合曲线时，不一定所有的点都要在曲线上，因为这样对新数据的预测效果不一定好。也就是出现过拟合问题。
个人分类: 人工智能|6012 次阅读|0 个评论
看语义信息研究如何解决归纳问题
lcguang 2016-11-27 11:55
基于语义信息论的确证方法——以乌鸦悖论和医学检验为例 摘要：确证度计算是现代归纳逻辑的核心议题。语义信息研究表明， 对于不太可靠的预测或假设，适度信任可以提高平均语义信息。求一系列证据提供的平均信息时，改变不信度 b’（即反例的真值），使平均语义信息达最大的不信度就是否证度 b’*, b*=1- b’*就是确证度。对于全称假设，确证度 b*=1-反例变小率/正例增大率。这表明，要确证一个假设，反例少比正例多更重要。按数理逻辑，“所有乌鸦是黑的”和“所有不黑的就不是乌鸦”等价；支持后者的证据（比如白粉笔）也支持前者。这违背常识，所以存在悖论。考虑医学检验，上述等价关系和常识都是错的。医学界用阳性似然比（LR+=敏感性/(1-特异性)）表示阳性有多可靠。幸好 b*=1-(1-特异性)/敏感性=1-1/LR+，因而和医学界共识兼容。 关键词：归纳逻辑；语义信息；确证；乌鸦悖论；医学检验 详见： http://survivor99.com/lcg/newcm.pdf 如此重要的文章，可是投稿科学哲学杂志，居然退稿了。估计有两个原因：1）我不是圈子里的人， 人家不喜欢；2）公式太多， 他们看不懂。好在有互联网。 我的结论是明确的，确证度公式是明确的。 有比较才能有鉴别，可以和流行的各种确证度比较： https://www.princeton.edu/~osherson/papers/conf33.pdf 我的语义信息公式还能改进最大似然估计而检验，我在整理，迟早会有更多人相信！ 我的更多信息论研究见： http://survivor99.com/lcg/books/GIT/
个人分类: 信息的数学和哲学|4726 次阅读|1 个评论
《股市幸存者如是说》（升级版）已经出版
lcguang 2016-11-24 08:18
再版序言 本书初次出版以后，得到了不少热心读者和网友的称赞，有人说书中内容“干货”多；有人说相见恨晚；有人说比许多外版翻译过来的财经书还好；有人不光自己买，还推荐给亲戚、朋友。这是对我的极大鼓励。 2015 年 6 月，股市从暴涨转向暴跌，我收到清华大学出版社编辑的来信，说希望此书能够再版，希望我做适当补充修改。随后的 7-9 月，很多人因为杠杆交易严重亏损，甚至破产、跳楼。而我这本书恰巧是讲通过头寸比例控制风险的，我觉得出版社的眼 光不错，我当努力配合。 再版中我增加了一些内容，包括：我本人这几年的投资总结（见第一章结尾）；专为杠杆交易写的另外三篇（见第二章结尾）。其中最后一篇《2015 年大熊之际谈最优杠杆比例》提供了投资比例最新优化公式（考虑盈、亏、平三种可能）和两个表格，表格中有预测收益不同时的优化比例及复利。这些是很重要也很实用的补充，希望大家喜欢。第三章增加了两篇，分别是关于高铁和房价的，内容虽不多，至少见解独到。 最近我有幸看到网上报道的刘鹤的重磅文章，网上评价很高。而这篇文章和本书初版文章《经济危机的根源：信息革命和白领劳动异化》以及我更早的文章《白领劳动异化――信息革命不可忽视的副作用》异曲同工。所以我特地于最后一章补充了一篇《刘鹤的重磅文章和我早年的文章比较》。 因为年龄和身体的原因，从去年开始，我在股市上花的时间少了，想把自己过去的一些研究整理完善、成文发表。不料语义信息研究导致归纳逻辑的重要发现——得到一个很有说服力的可信度（或确证度）公式。新版压轴文章《股市和经济预测的信息量和可信度》就包含了我这一年来研究的主要成果。 此外，其他地方也有一些小的修改和补充，如在前一版原文后增加了再版补注或补充内容，不再一一说明。 我一直说，投资需要预测和决策（投资组合）两方面都行。我只能说我决策（确定投资比例）内行，预测研究仅限于评价准则。但是光是预测好，决策不好，一次失误就足以致命。而能意识到自己预测不好，但是决策较好，总还能让自己幸存下来。我本人 2008 年以来的投资就是这样，没有预测到股市暴跌如此之深，但是由于适当控制了头寸，减少高风险品种投资，所以能幸存于股市，而且活得很好。 希望这本书能帮助更多朋友减少深度亏损，做股市的长久幸存者！最后，依然要感谢读者的关注！也谢谢出版社的大力支持！ 鲁晨光 2016 年 9 月
个人分类: 投资组合和风险控制|2832 次阅读|0 个评论
我解决了乌鸦悖论——立此存照
热度 2 lcguang 2016-5-9 10:16
最新全文这里： http://blog.sciencenet.cn/home.php?mod=spaceuid=2056do=blogid=1017037 ------------------------------------------ 乌鸦悖论： http://baike.baidu.com/link?url=uCZf5CCKR2YvhhYtqF2BuDUhJWkoEDYjsTolG5r2of4nX3ME7gbelYifFDSZOJmuML0l8Odxv7ZXfoJQlYE2ra 按经典逻辑,所有乌鸦是黑的（A-B)和不是黑的就不是乌鸦”（非B-非A）等价。 一只粉笔或一个苹果支持“不是黑的就不是乌鸦”，所以也支持所有乌鸦是黑的（A-B)。 但是按常识， 两者不相关。 解决悖论办法， 一是肯定不想关， 否定等价关系； 二是肯定有相关性（看来不相关是因为非白的太多）， 肯定有微弱确证——如亨普尔自己解释。 这些解释都没有数字表达，不严格；也不太容易说服对方。 我的严格数字结论（来自语义信息论公式，和Shannon信息论兼容，推导过程晚点提供）： “所有乌鸦是黑的”确证度： 该公式也可以计算“所有天鹅是白的”的确证度，则这时n11表示白天鹅数，n10是非白天鹅（反例）数，n00是非白非天鹅数；n10是白色非天鹅数。 根据这个公式，在模糊推理情况下，“A-B”和“非B-非A”的确证度（所有下标0和1互换）不等价。 但是，当反例n10是0 的时候，n00或其增量不影响确证度（为1）. 两者等价。 把“所有乌鸦是黑的”换成“所有天鹅是白的”，反例数不是0了，这时就可以看出上面结论也适合模糊推理——比如“所有天鹅是白的”，“HIV检测显示+的人有艾滋病”，“甘油三酯高的人有脂肪肝”，这些假设确证度在0和1之间。 当反例n10大于0的时候， db*/dn00随n00和n10增大而减小。 这意味， 论域中白色物体多， 黑色越少，dn00对b*的影响就越小。 反之越大。 比如四类物体是 黑白天鹅和黑白乌鸦。四种鸟的数目是n00, n10, n01, n11。 当白鸟很少， 比如是n00=1， n10=1，n11=1, n01=10(黑天鹅很多），确证度增量db*就较大， db*/dn00=11/4 如果n00=10, n01=1, 则db*/dn00=2/121， 确证度增量很小。 为什么我们认为粉笔和“所有乌鸦是黑的”不相关？ 因为 1）没见过不黑的乌鸦； 如果换成“所有天鹅是白的”--有反例， 情况就不同； 2）论域中白色太多, 即n00和n01较大时，增加一个白色物体对确证度的影响微不足道。 西方各种确证度公式问题太多。他们混淆了逻辑概率（不是归一化的，最大值是1）和统计概率（归一化 ）；混淆了命题真值（越大越好）和逻辑概率（越小越好）；混淆了可信度（主观的）和确证度（相对的），混淆了确证度（用正反例条件概率分布或最大似然度证明）和确证度增量（单个例子可以提供）。 我将在以后的文章中详述。 详细讨论见： http://blog.sciencenet.cn/home.php?mod=spaceuid=2056do=blogid=1017037
个人分类: 信息的数学和哲学|7810 次阅读|4 个评论
转化与工程医学
benlion 2014-12-13 11:58
1972 年，中西医学与伦理学思考起点 – 生命与意识形成，童年时代，外婆讲述童话故事，中学时代，阅读推理和科幻 2 类小说等。 1 ）系统与科学哲学 – 系统医学 1983 年，感官的生态适应和生物的结构、功能与演化的哲学思考； 1986 年，结构论完稿； 1988 年，系统科学与医药学、中医理论思考； 1991 年，“太阳能 - 生物 - 电子”技术和系统科学、人工智能与基因工程； 1992 年，系统医药学概念和模型，非诺依曼计算机模型思考，城市群的地理分析； 1994 年，系统遗传学与系统生物工程、细胞仿生工程，转基因禽类输卵管生物反应器； 1996 年，自组织系统的结构论，全基因合成，国际转基因动物学术研讨会； 1997 年，细胞连续突变与筛选，“物理 - 化学 - 生物”工业模式； 1999 年，生物系统网络，理论与实验、计算与工程方法的生物系统研究，“基因组智能”与人工生物系统； 2002 年，细胞动力学与自动化细胞、细胞通讯的生物计算机； 2 ）文化与社会哲学 – 生物机器 2003 年，精神论与印度 - 希腊、犹太 - 华夏文化； 2004 年，意象诗歌与象征艺术绘画，人类终极飞向外星系； 2007 年，第 3 次工业革命与系统生物工程； 2008 年，成立系统生物工程研究所有限公司； 2009 年，系统与合成生物学历史考察； 2010 年，纳米机器人设计原则； 2012 年，工程医学与机器理论； 2013 年，系统与合成生物学方法论； 2014 年，轴心时代文化与文明体模式转换、系统医学与药物学计划； 未来 – 细胞动力学与细胞仿生学等。 近日看罢《星际穿越》感觉比较好， 2004 年，领悟到描述过人类终极必须离开地球 - 太阳系的寿命。 - （探索与思考 – 年表） -
个人分类: 201415|1784 次阅读|0 个评论
科学猪和哲学猪
热度 7 satangell 2014-6-17 20:46
猪圈里有一群猪，里面有两只猪的来历颇有些不寻常。一只猪是在实验室里面被研究过的，耳濡目染受了些科学思维的影响，姑且称之为科学猪；还有一只曾经是一个落魄哲学家的宠物，哲学家自杀了后，遗产继承人本着物尽其用的想法，将这只猪送进了猪圈，就叫他哲学猪好了。 科学猪和哲学猪刚进猪圈的时候，都有些小心翼翼，不敢随便发表自己的意见。每到喂食的时候，科学猪和哲学猪都要先观察其他猪的举止之后才行动……所以，总也吃不饱。 这一天，猪们在晒太阳，科学猪和哲学猪说话了，“经过我这么多天的观察，发现那个人类每天都是带着饲料过来的，根据经验可以判断，每当这个人类在转角出现，就是我们占据有利地形准备抢食吃的时候。” 哲学猪叹了口气，摇摇头，“这只是你从经验判断得来的结果，事实上，你归纳的过程只不过是一个习惯的联想罢了。昨天和今天的太阳都是正常升起，并不意味着明天的太阳必然会升起。” 科学猪嗤笑一声，“切，你就和你主人一样，想得太多，难怪那个人自杀了。你要相信这个世界有必然性的存在，偶然事件并不能推翻经验的力量。” 从那一天开始，科学猪总是可以用他的科学头脑，抢占到最有利的地形，吃到最多的饲料；而哲学猪只会用忧郁的眼神，远远地看着猪们抢食，等大家吃完后再蹭上前吃一点剩饭。渐渐地，科学猪连观察都不用了，通过大量的经验总结，他学会了听声辨步；再往后，他将人类出现的时间精确到了秒。很快，科学猪就成了所有猪中最肥壮的那个，而哲学猪则一天天瘦了下去…… 这一天，阳光明媚，科学猪照例提前占据了有利地形，回头嘲笑着躲在角落里的哲学猪，“看看，太阳又一次照常升起了，你还在怀疑科学的正确吗？”哲学猪什么也不说，就是忧郁地看着大家。 人类按时出现了，科学猪迅速发现了不对劲的地方。他的手里没有端着饲料，而是拿着一个尖尖的、亮晃晃的东西。还没等科学猪反应过来，那个东西就攮进了他的心脏……科学猪太肥了，肥到人类过年吃肉第一个想到了他。 哲学猪一下子惊跳了起来，“就是这个！就是这个！经验肯定有出错的时候，你错了！”可还没等哲学猪欢呼哲学的胜利，人类又一下子把那个东西攮进了他的心脏……哲学猪太瘦了，瘦到人类已经觉得没有继续饲养的必要。 咽最后一口气前，科学猪突然觉得他这一辈子除了研究怎么抢食还是研究怎么抢食，临到了了却是这么个下场，心里有些愤愤，于是抬眼看了看哲学猪。哲学猪什么也没说，不过从他的眼睛里，科学猪看到了这样一句话…… Now, I can die in peace.
个人分类: 夜雨醉话|5762 次阅读|10 个评论
条件差的另一种科研方法？
热度 14 lin602 2013-5-25 16:15
化学与化工是一门实验科学，许多科研是以实验为基础的，必须要有经费与科研条件。 如果一些教师没有经费或科研条件，这科研怎么办？一是参加其他课题组，二是创造条件慢慢找经费，三是专门教学科研不做。 这几天突然想到，有没有可能采用另一方法做科研呢，只要查资料条件能够满足。 目前处于发表论文及其他信息数据大爆炸时代，记得我们上大学时，美国化学文摘一期只有不太厚的一本，现在一期有二大本了。大量的研究论文发表出来，里面隐含着大量的信息，而每个研究人员不一定将这些大量数据进行综合分析，从中找到或发现规律。 如果科研人员对某一研究领域通过看大量文献、综述、评论，发现其中的一些不太准确或有争论且有价值某个问题，仔细查阅大量发表的资料，研究你自己的疑问，提出自己的观点，写成文章发表。当然，这相对于实验科研要艰苦得多。 现在大量的数据出来，人们并没有好好消化，许多规律就在其中。以前全靠手工查资料，现在都是电脑到数据库中进行检索，方便又快速。 记得我在南京大学读研究生期间，对‘甲基是供电子基还是吸电子基’感兴趣，当时这个问题是有点争论的，好象主要是气相中一些化合物的酸性数据引发的不同观点，真查了不少资料，还写了点文献总结，给徐建华教授看了（他当时教我们物理有机化学课，研究光化学及反应机理），不过没有投稿。徐老师仔细看了，提出了他的看法，后来进行了论文阶段，就没有进行下去。 尤其现在大量DNA、基因数据，这个大宝库中有待发现的秘密很多很多。 现在纯化学及理论化学、计算化学中发表不少文章，其中不少研究进展，能不能深入研究，将这些最新的研究成果应用到现代化工中去，改进工艺，提高效率，充分利用原料，减少污染，提高产品性能。 没有钱就做没有钱的科研。文章发表了，说不定价值很大，一不小心成为了‘大师’。
4391 次阅读|29 个评论
二傻正说与戏说【强盗逻辑】
热度 32 隔壁家的二傻子 2013-3-2 16:24
二傻正说与戏说【强盗逻辑】 最近，李小文院士（黄老邪或 LIX ）连发几篇博文：关于科学（特别是遥感学科）是如何需要一定哲学思想的指导的。。。 【 1 】 第三次求救呼叫：遥感科学需要哲学的指导 【 2 】 ABDUCTION 是 “ 瞎猜 ” 吗？ 【 3 】 答网友徐晓、二傻 在第一篇博文中， LIX 指出一个重要事实：由于地标特征的多样性、多尺度性以及时变性，造成遥感科学应该走怎么样的路线成为一个核心问题： 我们的研究，究竟应该走笛卡尔路线，还是走培根路线？ LIX 的笛卡尔路线，就是所谓“演绎法”（ DEDUCTION ）； LIX 的培根路线，就是所谓“归纳法”（ INDUCTION ）。 LIX 强调： 遥感科学需要在笛卡尔路线和培根路线之间合理定位，而这就需要哲学的指导。 在该博文之后的评论中，【镜子大师】（ MIRRORLIWEI ）直言： 其实，除了 DEDUCTION （演绎）、 INDUCTION （归纳）外，还有一个 ABDUCTION ， 并指出：这个 ABDUCTION 是美国测地学家和哲学家 【查尔斯 · 桑德斯 · 皮尔士】 首先杜撰的一个认知学名词，被认为是新知识或创造性知识产生的真正原因（方法）。 关于这个 ABDUCTION 的中文翻译，正统的中国哲学界应该是翻译成【溯因逻辑】； LIX 则认为【非典型性逻辑】可能更直白一些？ 但是根据二傻的理解，其最直白的翻译就是【瞎猜】，因为它根本就“不能逻辑”或者“违反逻辑”！ 当然，【瞎猜】这个词，我们也可以用更美丽些的词汇来表达，如【直觉】、【灵感】、【天启】、【跳跃性思维】、【创造性思维】。。。等等等等。 （ 二傻友情提示：在说别人的天才思想时，一定要用贬义词【瞎猜】、【胡蒙】。。。而说自己的怪诞思想时，则一定要用【天启】、【灵感】。。。 ） 关于【演绎】法的本质问题，二傻有一个反思系列如下： 有感于人类的智力智商 (1)--- 对逻辑推理的反思 有感于人类的智力智商 (2)--- 对逻辑推理的反思 有感于人类的智力智商 (3)--- 对逻辑推理的反思 关于【归纳】法的本质问题，二傻也有一个反思系列如下： 有感于人类的自欺欺人 (1)--- 对统计归纳的反思 有感于人类的自欺欺人 (2)--- 对统计归纳的反思 有感于人类的自欺欺人 (3)--- 对统计归纳的反思 有感于人类的自欺欺人 (4)--- 对统计归纳的反思 科学网有很多朋友已经看过以上系列，普遍反馈非常好！（比如数学家应行仁先生就说：看完之后，终于明白你是怎么成为二傻子的了！哈哈！）。。。二傻强烈建议没看过的年轻人先去看看，一定会大有收获的！ 既然 DEDUCTION （演绎）和 INDUCTION （归纳）都有这么多固有的内在问题（主要是其前提和结论都不十分可靠！），我们该如何进行有效的科学探索呢？ 这里，关键词来了：【有效】！ 我们不需要【真理】，因为我们永远达不到【真理】！也许本来就没有【真理】？ （二傻注：更深入的思考，将涉及到【实在论】与【唯名论】的哲学思辨） 而这便是【实用主义】哲学的出发点！ 既然【演绎】、【归纳】都不可靠，而【直觉】、【瞎猜】也不可靠，为何说这个方法一定比另外一个方法更优越呢？ 牛顿靠【瞎猜】，想出了子虚乌有的“力”！ 爱因斯坦靠【瞎猜】，想出了莫名其妙的“弯曲时空”！ 这些天才到底是怎么进行“瞎猜”而“蒙对”的呢？ 如果排除掉“天启”的可能（如印度数学天才【拉马努金】和美国物理天才【特斯拉】自己所说的那样。。。），应该有一些线索告诉我们如何进行有效的“瞎猜”吧？ 从 LIX 举的那个苯环结构发现的案例，二傻以为，至少有两种方法可以进行有效的“创造性思维”： 【类比思维】和【图像思维】！ 而要能够“有效”地进行以上“非逻辑思维”，就必须忘记已经被植入脑子中的各种“逻辑思维”。。。正如二傻师傅教的那样，先把自己变傻！。。。鉴于此文已经太长！决定暂停。。。对此有兴趣者，欢迎移步去欣赏二傻的系列博文 【傻帮讲座】 ！ 目前已经到了第 10 讲： 【傻帮讲座（10）】与普利高津讨论宇宙的存在、当下与未来 对了！需要补充【物理天平】王春艳的一句名言，以惊世人！ 无法逻辑（ABDUCTION）与故意不讲逻辑（强盗逻辑），是很不同的东东！ 为了感谢有缘人花这么多时间看完此文，二傻特奉上甜点和香槟，以放松心情，顺祝大家天天开心过日子！ 一个【类比思维】的案例！ Wife vs Girlfriend Wife is like a TV Girlfriend is like a Mobile. At home you watch TV but when you go out you take your Mobile. No money, you keep your old TV got money, you change your Mobile. Sometimes you enjoy TV but most of the time you play with your Mobile. TV is free for life but for the Mobile, if you don’t pay, services will be terminated . TV is big and bulky Mobile is cute, slim, curvy and very portable . Operational costs for TV is minimal but for the Mobile it is often high and demanding . Most importantly, Mobile is a two-way communication (You talk and listen) but with the TV you must only listen (whether you like it or not) But remember..... TV's dont have viruses but Mobiles often do! 一个【强盗逻辑】的案例！ TO WHOM DOES THE LAND OF ISRAEL BELONG?? An ingenious example of speech and politics occurred recently in the United Nations Assembly and made the world community smile. A representative from Israel began: Before beginning my talk I want to tell you something about Moses: When he struck the rock and it brought forth water, he thought, "What a good opportunity to have a bath!" Moses removed his clothes, put them aside on the rock and entered the water。 When he got out and wanted to dress, his clothes had vanished. A Palestinian had stolen them! The Palestinian representative at the UN jumped up furiously and shouted, What are you talking about? The Palestinians weren't there then! The Israeli representative smiled and said, And now that we have made that clear, I will begin my speech……
个人分类: 傻帮讲座|12009 次阅读|118 个评论
演绎（deduction）、归纳（induction）和“强盗”（abduction）
热度 5 liwei999 2013-2-26 09:49
演绎（deduction）、归纳（induction）和“强盗”（abduction）。 作者: mirror (*) 日期: 02/25/2013 19:36:16 这是个老话题，镜某以为是有“共识”的呢。结果好像并不是那样。镜某用abduction说事儿 有很多场面。一个是对付信仰“逻辑”的人们，一个是参与“科学教”和“反科学”的争论。由于开始镜某是批评“反科学”的流派，曾被那一派人认作是 某方博士 的“帮凶”。倒是 某方博士 比较敏感，很快发现镜某的“调子”与“科学教”的调子不一样，彼此不是一路人。北大的吴老师见过 方博士 一面后就能判断出不是同路人，这个本领也很是厉害。对付信仰“逻辑”的人是说不要总是逻辑逻辑的，把逻辑挂在嘴边上。逻辑的事情有计算机处理就可以了。人脑要做的事情是abduction。 镜某记得最早在网上说abduction是在介绍 《辩证法与放屁》 的时候。文中的“ 强盗式 ”的方法，镜某以为是在说abduction。不知这篇《屁文》是何人写的，但是相当犀利。可以当笑话看，也可以当专业文章来看。 Quote 《屁文》中的第三节课是这样说的： “迄今为止，人类用三种方法研究这个世界。”教授毫不客气，单刀直入，“第一种是‘ 屠夫式 ’，大部分科学家都是这种方式。他们把世界割裂成极小的部分进行分析研究。研究生物的并不研究全部生物，有的只研究动物；研究动物的也不研究全部动物，有的只研究哺乳动物；研究哺乳动物的，有的只研究猴子；研究猴子的有的只研究猴子的尾巴。他们眼中只见树木，不见森林，是极其片面的观点。” “不是辩证法的观点。”我说。 “对，”教授接着说，“不仅如此，他们还尽量割裂研究对象与其他事物的联系，在尽量不受干扰的情况下，看看他到底是什么样子。科学家花费大量金钱建造实验室，而不在大街上做实验，主要原因就在于此。现在有些实验还要搞到太空里去做，连空气引力都要隔绝，可见，为了割裂事物之间的关系，这些科学家是不择手段的。” 我说：“与辩证法的观点相反。” “有说对了，但仍然不止于此，他们还不管一只猴子过去怎样，将来如何，只管拿来一刀宰掉，看看它肚子里都是什么东西。他们用的是彻底的静止观点。” “非常野蛮，而且十分笨拙。” “所以我把它叫做‘屠夫式’。但这是我们一切科学知识的基础和来源。没有这些人，也就没有任何科学。他们应该得到应有的尊重——他们的人格，才智和他们使用的方法，都应该得到尊重。” “有谁不尊重他们吗？” “有很多，你可能就是一个。” “此话怎讲？” “他们用的是孤立，静止，片面的方法，这种方法有一个名称，你们中学老师教过你们吗？” “叫形而上学，可那是个贬义词呀？” “是的，就叫形而上学，这就是过去全部的科学家，现在大部分科学家使用的方法。” “那为什么它是一个贬义词呢？” “因为它和辩证法不相容，而且针锋相对。有些人不仅自以为是正确的，而且断定其他人都是错的。奇怪的是，辩证法整天讲什么对立统一，形而上学来和辩证法对立，他却不肯同一，而是对形而上学采取一棍子打死的态度。” “我明白了。” “使用第二种方法的也是科学家，我称之为‘ 强盗式 ’，这种科学家更重要。 他们什么也不干，坐等形而上学的科学家研究出比较确切的成果，在此基础上综合升华。千千万万的科学家研究了万万千千的动物，植物，微生物以后，达尔文拿来一综合，就提出了进化论。“ “这活倒很轻松。” “一点也不轻松，而且需要更高的聪明才智和更加宽阔的视野。爱因斯坦是其中最出色的一位。他的视野非常开阔，甚至研究过辩证法。但是他说辩证法对他的研究没有任何帮助。” “辩证法到底是干什么的呢？” “研究世界的第三种方法就是辩证法的方法，我称之为‘ 上帝式 ’的方法。也就是我们下一节课的内容。” 在科学学里，这些都是很正统的说法。很多搞研究的人不愿意听“哲学”的说法，甚至认为哲学家们是来对他们的工作“指手画脚”。而李老师却偏偏要说 《遥感科学需要哲学的指导》 。如果不知道这是一位院士帖子，恐怕早就要被人骂得狗血喷头了。人就是这样的“势利”，搞科研的也不例外。 李老师是第一个回应abduction说法的人， 《ABDUCTION 是瞎猜吗？》 。原来abduction说法并不是象镜某以为的那样，是个“常识”。因此，有必要对abduction做个解释。 这ABDUCTION是“科学学”专业里的一个术语，有些象科恩的“范式”的说法那样。蒋科学们应该出来做解说，因为他们做的就是这个专业的研究。据说是 查尔斯·桑德斯·皮尔士 提出的一个概念。独立于演绎和归纳，是形成假说的一个方式。李老师的跟帖中又有二傻给出了新的洋文链接 Charles Sanders Peirce 介绍此人。 作为例子，开普勒的法则来自 归纳 ，哥白尼的日心说大约可以归为 演绎 。前者来自对观测结果的总结，后者在今天看来是几何的坐标变换。而牛顿的理论则来自ABDUCTION。ABDUCTION有“绑架”的意思，言外之意就是“不讲逻辑”=强盗逻辑。因为牛顿的理论不是可以从什么观测结果或者是什么理论的演绎可以获得的。逻辑等讲究个“连续性”，而ABDUCTION则是要有飞跃、有断层。大陆漂移说也是个ABDUCTION的结果。 如果说、把演绎、归纳比喻成在一个层面里 织网 的话，ABDUCTION就是开辟新层面（layer）的过程。按李老师遥感领域的画图来说，图是可以分成不同layer的。不过各类图都摞在一起时，很多事情之间的关系不容易被人们识别。这是由于事物所在的layer不同，投影在一个平面上看，貌似没有相关。但是，当人们知道了layer之间的关系，找到layer之间的 联系通道 时，世界可就大不一样了。这类景象实际上就是许多探险的电子游戏的设计思想。不过那里不叫layer，而用一些别的说法。 如同电子游戏中的那样，layer之间的联系通道的数目远不如一个layer上事物之间的联系多。不同layer的事物之间，必须通过这些联系通道才能连在一起。这个模式很像生命体的结构，也与戴老师所说的 《学习漫谈（86）：学会正确地思维》 有些关联。 ---------- 就“是”论事儿，就“事儿”论是，就“事儿”论“事儿”。
个人分类: 镜子大全|21688 次阅读|7 个评论
归纳中常犯的错误
热度 18 Majorite 2012-2-7 06:36
科学研究特别是那些影响因素众多且未知变量很多的学科（例如，地质学和考古学）的研究中，往往存在多解性， 从一些观察到的现象研究人员会自以为是地得出貌似合乎逻辑其实荒唐的错误结论。为此，我曾写过一篇 “ 米饭研究的最新结果 ” 一文予以说明。 现又有一例：某国，现行法律规定男人 18 岁就能当兵， 但是 23 岁才能结婚。于是，一位人类学家分析后得出如下三点结论：（ 1 ）在这个国家，过日子比打仗难； （ 2 ）这个国家的女人比来自外国的敌人更难对付； （ 3 ）在这个国家拿枪杆子上战场杀人比做丈夫还容易。 " 相关性分析 " 中的常见错误 http://blog.sciencenet.cn/home.php?mod=spaceuid=51597do=blogid=482425 科学研究往往就是分析事物之间的因果关系，即相关性。 若您是做研究的，想想看您是否犯过如下的逻辑错误： 米饭研究的最新成果 （ 1 ） 我们国家的罪犯， 90% 以上每天都吃米饭。可见米饭是犯罪分子最喜欢的食品。 （ 2 ） 大多数的凶杀案，都是在犯罪分子吃过米饭后 24 小时之内进行的。可见米饭与暴力犯罪之间有着密不可分的联系。 (3) 超过 95% 的超速驾驶是在吃米饭之后，而不到 5% 的超速是在饮酒之后。所以，吃米饭比喝酒更容易引起交通事故。 （ 4 ）绝大多数的夫妻吵架是在吃过米饭后 12 小时内发生的，故吃米饭不利于家庭关系的和谐。 （ 5 ）几乎所有考试成绩不及格的同学早上都多多少少吃过米饭。所以，米饭可能会降低孩子的智商，严重影响孩子们的学业。 （ 6 ）几乎所有自杀者都是在食用米饭之后自杀的，因此，米饭会增加食用者的心理负担，威胁食用者的身心健康，如果不及早加以干预和控制将会酿成难以挽回的恐怖后果。 （ 7 ）癌症患者中仅有 30% 是烟民，而 90% 以上是米饭食用者，因此吃米饭对人体的危害远远超过吸烟。 （ 8 ）调查发现，无论行贿者还是受贿者在作案之前的 12 小时里基本上都吃过米饭，可见米饭的确会造成官员的腐败。 (9) 研究表明，经济愈落后的地方的人吃米饭越多，可见食用米饭会造成了地区性的经济发展滞后。 结论：米饭不能再吃了，应改吃洋面包。
个人分类: 学术与学养|3108 次阅读|20 个评论
实验题文字表达规范归纳
yaoronggui 2010-6-20 06:02
1 、容量瓶检漏操作 往容量瓶内加入一定量的水，塞好瓶塞。用食指摁住瓶塞，另一只手托住瓶底，把瓶倒立过来，观察瓶塞周围有无水漏出。如果不漏水，将瓶正立并将瓶塞旋转 180 度后塞紧，仍把瓶倒立过来，再检查是否漏水。如果仍不漏水，即可使用。 酸式滴定管、分液漏斗的检漏操作与此类似。 2 、气体验满和检验操作 （ 1 ）氧气验满：用带火星的木条放在集气瓶口，木条复燃，说明收集的氧气已满。 （ 2 ）可燃性气体（如氢气）的验纯方法：用排水法收集一小试管的气体，用大拇指摁住试管口移近火焰，若听到尖锐的爆鸣声，则气体不纯；若听到轻微的噗的一声，则气体纯。 （ 3 ）二氧化碳验满：将燃着的木条平放在集气瓶口，若火焰熄灭，则气体已满。 （ 4 ）氨气验满：用湿润的红色石蕊试纸放在集气瓶口，若试纸变蓝说明气体已满。 （ 5 ）氯气验满：用湿润的淀粉 - 碘化钾试纸放在集气瓶口，若试纸变蓝说明气体已满。 3 、证明沉淀完全的操作 如往含 SO 4 2- 的溶液中加入 BaCl 2 溶液，如何证明 SO 4 2- 沉淀完全？将溶液静置，取上层清夜，再滴加 BaCl 2 溶液，若无白色沉淀生成，说明沉淀已经完全。 4 、洗涤沉淀操作 把蒸馏水沿着玻璃棒注入到过滤器中至浸没沉淀，静置，使蒸馏水滤出，重复 2~3 次即可。 5 、装置气密性检查 （ 1 ）简易装置：将导气管一端放入水中（液封气体），用手加热试管，观察导管口若有气泡冒出，冷却到室温后，导管口有一段水柱，表明装置气密性良好。 （ 2 ）有分液漏斗的装置：用止水夹关闭烧瓶右侧的导气管，打开分液漏斗，往分液漏斗中加水，加入一定量的水后，若漏斗中的水部会再滴下，则装置气密性良好。 （ 3 ）启普发生器型装置：关闭导气管出口，往球形漏斗（长颈漏斗）中加水后，若球形漏斗（长颈漏斗）和容器中形成液面差，而且液面差不会变化，说明装置气密性良好。 6 、浓硫酸的稀释操作 将弄硫酸沿烧杯壁缓缓注入水中（乙醇、硝酸、乙酸）中，并不断搅拌。 7 、玻璃仪器洗净的标准 既不聚成水滴，也不成股流下。 8 、萃取分液操作 关闭分液漏斗活塞，将混合液倒入分液漏斗中，充分振荡、静置、分层，在漏斗下面放一个小烧杯，打开分液漏斗活塞，使下层液体从下口沿烧杯壁流下；上层液体从上口倒出。 9 、酸碱中和滴定终点判断 如强酸滴定强碱，用酚酞作指示剂，当最后一滴酸地道锥形瓶中，溶液由红色变为无色，且半分钟内不变色即为终点。 10 、焰色反应的操作 先将铂丝蘸盐酸溶液在酒精灯火焰上灼烧，反复几次，直到与酒精灯火焰颜色接近为止，然后用铂丝蘸取少量待测液，到酒精灯火焰上灼烧，观察火焰颜色，如为黄色，则说明溶液中含 Na + ；若透过蓝色钴玻璃呈紫色，则说明溶液中含 K + 。 11 、测定溶液 pH 的操作 用玻璃棒蘸取少量待测液滴到 pH 试纸中央，待颜色稳定后再和标准比色卡对照，读出对应的 pH 。 12 、有机实验中长导管的作用 冷凝回流，提高反应物的利用率 13 、氢氧化铁胶体的制备 往煮沸的蒸馏水中逐滴滴加饱和的 FeCl 3 溶液，当溶液变红褐色时，立即停止加热。
个人分类: 高中化学|4742 次阅读|0 个评论
近期的一点反思
softlightlee 2009-5-31 19:00
最近反思了一下，觉得从一个侧面上讲，做人需要三种能力： 分析归纳能力，决策判断能力，演绎执行能力。 貌似第一种做好的话，算是参谋？第二种是领导？第三种是打工者？都期待自己的下属执行能力好，当然要理解自己的意图；都期待自己的领导，决策能力好，能慧眼识英才；都期待有人能给自己不存私心地指点一下，出谋划策。 三种能力上，我自我评价是 75，10，10 . 鉴于以上的自我评价，我还属于眼高手低的情况，需要改进。 分析归纳能力是自己总结，自己学习，练出来的。 决断方面，自我控制，能收能放，还远远不够。 演绎执行上，模仿一般，没有模式可循，也没有方法论以供参考。所需的知识跟经验和工作量成正比（初级阶段），与学术难度不成正比，也是远远不够。 自己给自己评价的分数不是很高，看到自己的缺点，并不是什么坏事，记录在此，警示自己吧。
个人分类: 总结反思|3642 次阅读|2 个评论
傻帮讲座（1）：“知识就是力量”VS “知识越多越反动”
热度 5 隔壁家的二傻子 2009-3-21 16:11
傻帮讲座（1） 。。。 “知识就是力量” VS “知识越多越反动” --- 归纳、演绎、理性及预测 ... 【 序 】最近科学网瘴气消失、回归正道，更有几位大侠如周可真、刘全慧、曹广福、李亚辉、陈国文等在热烈讨论科学哲学问题。。。对了！还来了个神秘的繁体字大侠，叫 蔣勁松 ，好像是李侠大侠的朋友？他们出了个 《火蝴蝶文叢》，二傻以为是新启蒙运动的影子。 二傻窃喜！于是，决定入伙凑个热闹。 . 话说回来，科学哲学想起来特精彩，但说起来特无趣！为了吸引眼球，二傻借用标题党的功夫，来个什么“知识越多越反动” —- 其实这句话，如果正确理解什么是“反动”的话，是非常对的！您若看完整篇文章就能完全理解其中深意。。。 . 【 开胃小点 】先送给来访者一个笑话，以提高体内“力比多”的含量，可以较容易地阅读后面枯燥乏味的哲学论述。 . . 英文的 " I " 在中文怎么翻译？ （ REF-1 ） . 有个老外 TOM ，不远万里来到中国，欲拜“民间汉学大师”二傻学习华夏文化。 . 二傻说：欲学文化，先学文字！ TOM 答： OK ！ Let’s start from the very beginning. 二傻问：英语中最最简单的单词是什么？ TOM 答：“ I ” , 在中文中应该如何翻译？ . 二傻心想：老子不给你点厉害，小子可能不知天高地厚！ 于是，慢悠悠、慢悠悠地开始上第一场国语课如下： . 中国是一个讲次序的国家，当你处在不同的级别、地位， "I" 也有不同的变化，就象你们英语中的形容词，有原级、比较级、高级一样。 . 比如，你刚来中国，没有地位，对普通人可以说： 我、咱、俺、余、吾、予、侬、某、 咱家、洒家、俺咱、本人、个人、人家、吾侬、我侬。 . 如果见到老师、长辈和上级，则应该说： 区区、仆、鄙、愚、走、鄙人、卑人、敝人、鄙夫、鄙躯、鄙愚、贫身、小子、小可、在下、末学、小生、不佞、不才、不材、不肖、不孝、不类、走狗、牛马走、愚小子、鄙生、贫生、学生、后学、晚生、晚学、后生晚学、予末小子、予小子、余子。 . 等到你当了官以后，见到上级和皇帝，则应该说： 卑职、下官、臣、臣子、小臣、鄙臣、愚臣、奴婢、奴才、小人、老奴、小的、小底。 . 见到平级，则可以说： 愚兄、为兄、小弟、兄弟、愚弟、哥们。 . 见到下级，则可以说： 爷们、老子、大老子、你老子、乃公。 . 如果你混得好，不小心当上了皇帝或王爷，则可以说： 朕、孤、孤王、孤家、寡人、不毂。 . 如果你不愿意当官，只好去当和尚、道士、就该说： 贫道、小道、贫僧、贫衲、不慧、小僧、野僧、老衲、老僧。 . 最后一点必须注意，一旦你退休了，便一下子失去了权利和地位，见人也矮了三分，只好说： 老朽、老拙、老夫、愚老、老叟、小老、小老儿、老汉、老可、老躯、老仆、老物、朽人、老我、老骨头。 . 老外听了二傻一席话，顿觉冷水浇头（注：绝对不是醍醐灌顶哦？），一个晚上没有睡好觉，深觉中文毕竟是太深奥了。 第二天一大早，向二傻辞行说： " 学生、愚不材、末学、 BYE-BYE 了您！" . 退了房间，订了机票，回国去了。。。 . 哈哈！您说，老夫的知识，是否已经多得离谱？多得反动了？至少吓得一些老外再也不敢学习中文了，事实上影响了华夏文明在全球的普及，实在罪该万死！ . 两个世界的对话 . 【 头牌大餐 】现在开始讲正经的！只加工得五成熟，希望读者认真思考、猛烈批判，最后能消化成自己思想的有机构成，不亦乐乎！ . . " 归纳、演绎、理性与好的理论 " ... . (1) 、 归纳 : . 其实是在已知的现象体系中寻找一种 " 不变量 ", 而且 希望或相信 该 " 不变量 " 在已知的现象体系之外仍然有效 ... 在没有遇到破坏 这种 " 不变量 " 的反例之前 , 人们愿意继续用该 " 不变量 "... 但原则上 , 大家都知道 , . 该 " 不变量 " 迟早要被新的现象证伪的 ! ... 归纳的过程 ( 即寻找不变量的过程 ), 是一种直觉或定义的过程 . 特别推荐参考资料： 〈有感于人类的自欺欺人 --- 对统计归纳的反思〉 http://www.sciencenet.cn/m/user_content.aspx?id=11042 . (2). 演绎: . 其实是力图将归纳出来的各种 " 不变量 " 建立起一种有序的关联 ... 其中的工具就是 " 逻辑 ". 逻辑本身的合理性是无法证伪的 ! 因为它只是个工具 ... 原来一直以为目前的 " 西方二元逻辑 " 是在科学上十分有效的工具 ( 虽然大家早知道它并不十分适合于社会学 ), 但是 , 现在也发现该逻辑即使在数学上已经存在深刻的内在矛盾 ( 第三次数学危机 ). 演绎的过程 , 　其实是一种工具定义及理论构筑的过程 . 特别推荐参考资料： 〈有感于人类的智力智商 --- 对逻辑推理的反思〉 http://www.sciencenet.cn/m/user_content.aspx?id=10652 (3) 、 " 理性 ": 如前述 , 所谓 " 理性 " 其实指的是相信并自觉地运用 " 演绎 ". . 真正的 " 理性 " 是从 " 希腊七贤之首 " 泰勒斯 (THALES, 　 625BC-547BC) 开始的 . 他一生致力与以下 " 理性信仰 " 的推广和应用 ( REF- ２ ): ( 信仰 1): 在这个世界上 , 无论在什么领域的研究中 , 总可以被一套合乎逻辑的理论结实得清清楚楚 , 条理分明 ; ( 信仰 2): 数学思想并不是一堆互不相干的规则的集合 , 它们之间是存在逻辑关联的 ; ( 信仰 3): 一些数学上的结论之所以正确 , 并不能简单地归因于它们与我们的生活经验相符合 , 其中必然还有更深刻的原因 ; 泰勒斯通过 5 个几何定理的证明 , 向人们展示了 " 理性 " 的力量 ... 在他之前 , 西方数学和东方数学一样 , 只是一堆测量技术和计算规则和基本事实的堆彻 ( 集合 )... 他通过几个 " 数学定理的证明 ", 把 " 证明 " 这个概念带进数学研究中 , 建立起第一个所谓 " 理论 " ( 注 : 千万记住 ! 他指的只是西方二元逻辑上的理论 ... 东方的五行八卦说也是理论 , 只是其 " 逻辑 " 很不同 , 两千年来在 " 科学 " 上没得到主流成果 , 但在社会学上十分有成果 -- 证据就是 : 华夏文明 !) (4) 、 " 好 " 的理论 : . 从前面分析 , 我们知道 , 理论的两大基石是 :" 不变量 " 和 " 逻辑工具 ". 　 . 所谓 " 好的理论 " 意指 : (A). 不变量比较朴实且普适 ( 即 : 将来被证伪的可能性较小 ... 但是谁又能证明这点呢 ? 所以比较朴实无华的东东可能更普适 ... 但这是另外一种信仰 !) (B). 逻辑工具没有矛盾且简单易用 ( 西方二元逻辑是有矛盾的 ... 而东方五行八卦又太复杂 ... 三值逻辑正好 !--- 但这也是信仰 .) (C). 理论具有尽量大的预测能力 ... 现在问题来了 ! --- 具有大的预测能力的理论被证伪的可能性也大 ! --- 没有预测能力的理论被证伪的可能性为零 ! " 上帝理论 "--- 在 A,B 上得优 , 却在 C 上得零分 ... " 科学理论 "--- 在 A 上得良 , 在 B 上得优良 ( 因为有矛盾 ), 在 C 上得良 ... " 五行八卦 "--- 在 A 上得优 , 在 B 上得优良 ( 因为太复杂 ), 在 C 上得 " 优 ** 无穷小 "... 奇怪吧 ? " 五行八卦 " 的预测能力为 " 优 ** 无穷小 "??? --- 因为其预测结果有准无穷多 ! --- 所以也特别容易被证伪 ! --- 如果其预测结果是真无穷多 , 则其预测能力相当于 0! 其实在 " 科学理论 " 范畴内 , 也有理论的好坏一说 : --- 例子 : 日心说比地心说 " 好 "; 光速不变说比以太说"好" ... ---" 好 " 的科学理论力图提高 A 和 B 的得分 ... 但一定会同时降低 C 的得分 ! ---" 最好 " 的科学理论可以得最高的 A,B 分 , 却可以使 C 得 0 分 !( 回归到 " 上帝理论 ") 爱因斯坦的 " 简单就是美 "(是 可笑的 " 奥卡姆剃刀 "的一种发展!), 可能正是妨碍其理论具有 " 最大预测能力 / 外延扩展能力 " 的地方 ! 所以 , 要小心 ! . 老爱的成功之处可能正是其失败之处 ... ... (5) 、 谈谈 " 唯信息论 " 二傻与鬼王李亚辉讨论多次 , 　目前有一些理解如下 : (A). 归纳 : 寻找 " 不变量 ", 原则上只适用于已知知识体系 , 随时可能被证伪 ! --- 同意 ! (B). 演绎 : 用 " 不变量 " 做砖块 , 用 " 逻辑 "( 就是一种砖头搭建规则 ) 重新组织已知知识体系 , 不同的 " 不变量 " 和 " 逻辑 " 可以搭建不同的大厦 ! --- 同意 ! (C). 理性 : 鉴于上述 A 和 B 的理解 , 理性是人类自欺欺人的把戏 ! 理性本质上是信仰 " 规则 ", 自觉自愿地运用 " 规则 "! --- 同意 ! 所以理性的人是守法的人 ... --- 但是 ! 规则由谁定呢 ? 目前数学上的规则就是二元逻辑 , 俺不知道是谁给地球人定的 ? 社会学上呢 ? 规则肯定是人定的 ... 虽然摩西吹牛说是上帝定的 ! 规则必须被广泛接受才能产生社会理性 ... 而这个过程只有 "POWER" 才能起作用 . 　此 POWER 可以是人脉 , 可以是崇拜 , 但更多时候是权利 ! (D). 预测力 : 只靠 " 归纳 " 和 " 演绎 " 是一定没有预测力的(因为 信息变换不能产生新的信息 ) ! 但是一旦 " 规则 " 被大多数人接受 , 则 系统变得可以控制 , 可以向自己希望的方向发展 , 于是显得有预测力罢了 ... . --- 正如粒子加速器 , 某理论 " 预测 " 将 " 发现 "HIGGS 粒子 , 是因为按照某理论 , 我们将能够 " 制造 " 出 HIGGS 粒子 ... 如俺能按照飞机制造手册造出一架飞机 , 并不希奇 ! ... 【 餐后甜点 】 做个小节，吃完以上大餐之后，大家应该清楚了： . ·归纳本质上是一种直觉，及对稳定（不变量）的信仰； ·逻辑本质上是一种规则，对已有直觉和知识的有序化组织，其实是计算机干的活，原则上没有任何预测能力！ ·而 理性，本质上是“对稳定、有序和规则的信仰和尊重” ， 于是，将自己自觉幻化为有序体系中的一个子程序，跟随大系统一起演化。。。这时候特别容易出现“预测幻觉”，本来是大系统必然的计算结果，子程序却以为是自己预测出来的（或曰天命）！ 所以，古今中外真正"明白"的人，都力图进入大系统（得到ＰＯＷＥＲ）。。。如果实在进入不了，就破坏旧的大系统，建立新的大系统（即新的规则）。。。在这个过程中，旧系统的维护者和新系统的建设者将发生必然的冲突！如日心说与地心说、如宗教裁判所。。。而如果新的系统真的被建立（得益于各种ＰＯＷＥＲ），则旧系统中的大多数知识将被消灭，如秦始皇之“焚书坑儒”，否则会影响新系统的秩序！ 正是在这种意义上， . “知识越多越反动” 。。。 头脑分裂的知识老人 。。。 REF-1: 本笑话乃网友提供素材改编，原创不详。 REF-2: 关于泰勒斯的描述引自《数学的诞生》，数学先锋丛书，上海译文出版社， 2008 年 4 月版。
个人分类: 傻帮讲座|21934 次阅读|77 个评论
全球化时代的求善思维与科学理论的未来命运
可真 2009-3-20 17:37
对李亚辉先生信息化简论的解读 李亚辉先生在我的博文（《 科学演绎及其与归纳的关系 》）下留言： 演绎和归纳，实际上是一回事儿，都是信息的主观压缩，就是化简 。 真是言简意赅，令人大受启发！我已知从事信息研究的亚辉兄有很好的逻辑功底和感悟力，他这 信息化简 四字，似乎把演绎和归纳的思维共性给点透了！这里我就所受到的启发，对亚辉的评论试作如下解读： 选择性的摄取或输入信息是归纳，选择性的释放或输出信息是演绎。人的思维（大脑）就象一个信息过滤器，在输入信息的归纳与输出信息的演绎的过程中，外部或内部的信息都经这个过滤器的过滤而被简化了： 归纳在认知性的经验过程中，主体所获得的外部信息（实物信息）只有与主体需要相一致的信息被思维所摄取而内化（创造性的转换）为主体性存在（语言信息形态的思想或理论）； 演绎在实践性的经验过程中，主体的内部信息（思想或理论）经思维的修改而合于新的情况（由于实践条件变化所引起的主体需要的变化）之后被释放于主体实践而成为外部信息（实践指令），并通过其实践而对象化为客观事实（感性的实践结果）。 这就是说，信息简化包括信息的两次转换：第一次是外部信息转换为内部信息，这是反映外部事物的客观信息与反映主体需要的主观信息相互融合的过程；第二次是内部信息转换为外部信息，这是新的客观信息与新的主观信息相互融合（原信息的修改）的过程。 这样，演绎和归纳的思维共性就可以被归结为客观信息与主观信息的相互融合。就客观信息合于主观信息而言，这个融合过程就是求善；就主观信息合于客观信息而言，这个融合过程就是求真。大致说来，归纳是偏重于求善，演绎是偏重于求真。 我由此联想到中、西方思维方式的差异问题而有新的感悟： 在西方，前培根时代的思维方式是崇尚演绎的求真思维或崇尚求真的演绎思维；培根以来的思维方式是崇尚归纳的求善思维或崇尚求善的归纳思维。 在中国，前理学时代（汉唐经学时代）的思维方式是崇尚归纳的求善思维或崇尚求善的归纳思维；宋明理学时代的思维方式是崇尚演绎的求真思维或崇尚求真的演绎思维；顾炎武所开创的清朝朴学时代的思维方式是崇尚归纳的求善思维或崇尚求善的归纳思维；刘逢禄所开创的晚清今文经学时代直到文革影射史学时代的思维方式是崇尚演绎的求真思维或崇尚求真的演绎思维；改革开放以来的思维方式是崇尚归纳的求善思维或崇尚求善的归纳思维。 但是，中国思维方式中的演绎与归纳不同于西方思维方式中的演绎与归纳： 我在《 中国学术界最缺乏的是真正的演绎思维 》的博文中曾指出，中国传统的演绎思维是主观性类推，中国传统的归纳思维是特殊性举例。无论是主观性类推还是特殊性举例，它们与科学思维方式尚有较大差距，实质上还不能算是科学思维，而只是在形式上看起来同演绎和归纳有相似之处而已。 与西方传统思维方式相比，中国传统的类推思维是缺乏逻辑规则的无序性演绎，中国传统的举例思维是缺乏理论建构的非论理性归纳。无序性演绎所得出的结论是不确定的，即同一个前提可以得出无数结论，故堪称为开放性演绎；非论理性归纳所得出的结论是武断的，即不讲道理的干巴结论，故堪称为 直觉性归纳。相对而言，西方传统的演绎则堪称为内敛性演绎，其归纳堪称为理智性归纳。 不过，现在看来，中、西方思维方式有趋同于求善的发展势头，这种发展势头是表明，全球化时代的思维方式整个说来是属于实用思维，实用思维所依据的理性是工具理性，所依据的观念是实用主义。这种发展势头反映在西方科学哲学中，就是反实在论思潮的勃兴，这种思潮有把科学理论虚无化的倾向。如果反实在论思潮有一天占据科学界的统治地位，则科学理论可能将面临被终结的命运。
个人分类: 逻辑学|4760 次阅读|1 个评论
科学演绎及其与归纳的关系——试答刘全慧先生（下）
可真 2009-3-20 00:23
刘全慧先生问于我： 整个科学归纳过程有四个阶段说非常好，是否能讨论一下整个科学演绎的过程的步骤或阶段 ? 这个问题比较难，我只能尝试回答如下： 演绎在认识过程中表现为运用由归纳得来的一般原理来指导对个别的或特殊的事物的认识。 用实践论观点来分析，从个别到一般的归纳是感性认识上升到理性认识的飞跃，而从一般到个别的演绎则是从较低级的理性认识上升到较高级的理性认识的飞跃，即由科学的认知理性到科学的实践理性的转化，它是科学认识过程中实现知行统一的必要条件，若没有这种转化，知就不能过渡到行。 演绎作为实现知向行的转化的思维条件，它要求思维主体具有触类旁通的能力，即能够利用通过研究某类事物中的一些个体而获得的关于此类事物的共性或一般性（本质、规律）的知识来进一步认识此类事物的其他个体。这种类推能力，也就是通常所谓理论联系实际的能力或一般原理与具体实践相结合的能力。 思维主体能否做到触类旁通，关键在于其是否具有创新意识。如果他只知墨守成规，而不敢越雷池半步，那他就断然不能达到触类旁通的境界。科学认识之由一般到个别的转化倘若离开了创新，那是绝对不能实现的，因为这种转化实质上就是把经过思维的抽象而脱离了个别而存在的一般在思维中存在着的一般，重新还原为与个别相联系而存在的一般 现实地存在着的一般的过程。这里前后两个一般，其实并非是同一个东西前者是观念形态的东西，后者则是现实形态的东西，它们之间的关系本质上属于思维和存在的关系。从唯物辩证的观点看，演绎过程中的创造性是表现在思维主体积极主动地使思维中的一般适应现实中的一般，易言之，亦即依据现实情况来调整原有观念，以达到观念同实在相符合。 演绎作为一种类推思维，它对归纳具有两个方面的意义： 其一，在归纳过程的理论形成阶段，演绎推理（类推）对理论的形成或概念体系的建构是必不可少的，因为任何一个概念体系（理论）中都有一些基本概念即范畴，其他一些概念都是从属于这些范畴的，或者说是由这些范畴派生出来的，因而它们都可以分别被纳入这些不同的范畴中，如此这些范畴与其他概念之间就构成为一种演绎关系：这些范畴是演绎的前提，由这些范畴派生出来的概念则是演绎的结论这里演绎的前提和结论都是以判断形式存在的概念。故离开了演绎，就不可能形成由某些范畴和由这些范畴派生出来的某些概念所构成的概念体系，从而就无所谓理论。这就是说，演绎是归纳的结论（理论）赖以形成的必要条件。 其二，在归纳过程的经验性检验阶段，演绎推理（类推）表现为依据实践中的现实情况来调整思想观念，也就是依据实践经验材料对归纳的结论进行检验。其检验的结果，要么是推翻了原有的结论，要么是巩固了并且丰富和发展了原有的结论，而决不会是对原有结论的简单肯定或原封不动的维持，因为移入到人们头脑中的东西是绝对不可能同它的客观原型完全一致的。这就是说，演绎是保证归纳的结论具有真实可靠性的必要条件，并且对归纳的结论起着补充作用。 要之，演绎不仅推动着理论（归纳的结论）的形成，而且也巩固和发展着理论（归纳的结论）。 演绎对理论（归纳的结论）的发展，不仅表现在演绎对理论（归纳的结论）的经验性检验，从而对保证理论（归纳的结论）的真实可靠性起着决定作用，而且表现在演绎使原则性的认识（作为归纳的结论的理论）转化为具有可操作性的具体方案（作为理论应用于实践的技术设计和工程设计），从而对推动理论走向实践起着决定作用。 由此可见，演绎与归纳是不可分割的，它们是相互依赖、相互包含、相互转化的。也正是因其存在着这样的统一关系，所以，演绎决不是局限于一般范围内的简单推论，而总是要超出这个范围而达到个别的，因而它必然内在地包含着具体经验，一如归纳并非是局限于个别范围内对具体事例的简单罗列，而总是要越出这个范围而达到一般的，因而它必然内在地包含着抽象思维。演绎和归纳一样都是属于创新思维范畴。 但是，为什么自培根新工具创立以来，科学界越来越重视归纳，以至于认为科学理论的发 现和形成是来自于本于经验的观察与实验的归纳，却轻视 演绎对科学理论创新的作用呢？究其原因，可能要追溯到亚里士多德的逻辑理论，这种理论认为， 没有归纳，就不可能有从一般中取得的知识，同样，没有感性知识就不可能有借助归纳得到的知识 （朱德生、李真主编《简明欧洲哲学史》引亚里士多德语，人民出版社， 1979 ，第 36 页）。 在亚里士多德看来，基于感性知识的归纳是获得一般知识（理论知识）的唯一途径。但问题在于：归纳所本的感性知识是从何而来的？这就涉及到现代西方科学哲学中关于观察（经验）与理论孰先孰后的问题。 观察（经验）与理论的关系本质上是个别与一般的关系观察（经验）是对个别事物或现象的观察（经验），理论是对个别事物之一般的理论，而个别与一般作为现实事物的两个方面是不可分割的，那末，作为对现实事物的两种不同反映形式的观察（经验）与理论就可以分割吗？如果后一种关系是可以分割的话，那末，观察（经验）还是对个别事物或现象的观察（经验），理论还是对个别事物之一般的理论吗？用实践论观点来看，观察（经验）必是在实践中观察（经验），而实践必是有目的的活动正是有目的的活动才把人的实践与动物的本能活动区分开来，亦即观察（经验）必是有目的的观察（经验），那末，这个目的是什么？实践或观察（经验）的目的是属于经验范畴，还是属于理论范畴呢？所谓目的，是想要得到的结果，这个结果在尚未得到之前，是以观念形态存在于人脑中的，这种观念形态的目的所反映的是人的需要与人的活动之间的联系，它决定着人的活动的方式和方法，这样的观念能被纳入经验范畴吗？即人能否凭其感觉而感知到人的需要与人的活动之间的联系呢？这种联系是可以看到还是可以听到抑或可以触摸到还是可以嗅到呢？我认为，目的是无论如何都不能被纳入经验范畴的。实践目的是关于实践主体的需要与其实践活动之间的联系的理性反映形式，它具体表现为关于一定实践活动的方式和方法的观念系统，在科学活动中，科学观察（经验）的目的则具体表现为关于一定观察（经验）活动的方式和方法的观念系统，离开了这个观念系统，就不可能有科学观察（经验）活动。 由此可见，为现代西方科学哲学所探讨的关于观察（经验）与理论孰先孰后的问题，其实是一个类似于是鸡生蛋，还是蛋生鸡的问题。在哲学上，我以为该问题可以被理解为经验材料与理性形式的关系问题，从而可以被归结为亚里士多德曾经讨论过的质料与形式的关系问题。当初亚里士多德对质料与形式关系问题的讨论，最后归结到纯质料与纯形式的关系。观察（经验）与理论孰先孰后的讨论，犹如亚里士多德所谓纯质料与纯形式孰先孰后的讨论。亚里士多德并不认为纯质料（没有形式的质料）与纯形式（没有质料的形式）之间存在着孰先孰后的问题，他只是认为纯形式是不动的推动者，是第一动力。 亚氏追求万物动因而想到必需有一个自身不动而致动于万物的永恒实是， 他以当代的天文学为依据，从日月星辰来推论原动者的存在与其性质，是纯理智的产物，并无宗教感情。他说这原动者就是理性，就是神；这神已不同于希腊神话中人神相似的诸神，也不是后世圣经中所崇拜的上帝 。 （亚里士多德：《形而上学 . 译后记》，吴寿彭译，商务印书馆， 1959 ，第 378 页） 现代西方科学哲学中主张理论先于观察（经验）这一派的意见，犹如认为脱离观察（经验）的纯理论是推动人们去进行观察（经验）的原动力；反之，主张观察（经验）先于理论这一派的意见，则犹如认为脱离理论的纯观察（经验）是推动人们去建构理论的原动力。以我现在的看法，这两派意见都是不能成立的。我认为，现实的科学认识中，既不存在脱离观察（经验）的纯理论，也不存在脱离理论的纯观察（经验）。我们讨论科学认识问题，有一个理论前提，就是肯定科学认识主体是区别于动物的人，是有意识、有目的地从事科学实践的人。换言之，对科学认识问题的讨论，不应再去追究有意识、有目的地从事着科学实践和科学认识的人的意识和目的，究竟是先于他的实践还是后于他的实践的问题，而是应该把他的意识和目的与他的活动看作是不可分割的两个不同方面，它们处在相互依赖、相互包含和相互转化的现实联系中。 观察（经验）与理论既然处于相互依赖、相互包含和相互转化的现实联系中，故当我们考虑观察（经验）问题时，就要考虑观察（经验）对理论的依赖关系，从而强调理论对观察（经验）的渗透作用和指导作用；当我们考虑理论问题时，就要考虑观察（经验）对理论的依赖关系，从而强调对观察（经验）对理论的基础作用和推动作用。如此不同角度的考虑，在科学作为一项社会事业，其内部也存在着劳力与劳心的分工与合作的情况下，是完全必要的，因为如果不作这样的思考，主要从事观察（经验）工作的科学劳力者，就可能忽视科学理论对其观察（经验）工作的指导意义；而主要从事理论研究工作的科学劳心者，就可能忽视观察（经验）工作对理论研究的基础意义。如此就可以发生处于分工与合作关系中的科学劳力者与科学 劳心者之间互相轻视甚至互相贬低的错误倾向，从而妨碍他们彼此之间的科学合作。 后记 ： 我之所以如此认真回答刘老师的问题，是因为我愿意并乐意于利用刘老师这样提问的机会来就相关问题做进一步的学习与思考，并期望通过把自己学习与思考的结果公布于众的方式来求得学界同仁的指教，以便使自己对这些问题上能有更加深入的认识。我认为，科学网上也是可以进行真正的学术讨论的，虽然不是所有的学术讨论都能够在科学网上进行。实际上，学术讨论是分层次的，有比较公共的层次，也有比较专业的层次；即使在同一专业领域，也有比较公共的层次和比较专门的层次；甚至在同一专题研究领域，也有比较公共的层次和比较专门的层次。同一专业领域的学术讨论，通常就是在一些比较公共的层次上来进行的，而在一些比较专门的层次上是难以开展真正的学术讨论的。不同专业领域的学术讨论，是在更为公共的层次上来进行的。要而言之，一切学术讨论都是在一个相对的公共层次上进行的，亦即都不是在一个相对专业或专门的层次上进行的。在科学网进行学术讨论的可能性在于：自然科学的各个专业领域有其普遍的学术问题，自然科学与人文科学之间也有其普遍的学术问题。对一些普遍的学术问题的探讨，有益于不同专业领域或不同学科领域的知识的深化，因为越是普遍的知识就越是深刻地反映着事物的一般本质，而不同专业领域或不同学科领域的学者所获得的知识越是具有普遍性，他们之间就越是容易沟通，从而就越有利于他们开展相互合作。
个人分类: 逻辑学|1498 次阅读|13 个评论
“官科”的“炒冷饭”和 “挤剩奶”
可真 2008-9-6 19:31
近日我连续发了几篇关于民科与官科的文章，从效果来看，还是有网友不明白我到底在讲些什么，所以仍有必要继续发表我的观点，敬请各位继续批评赐教。 我之所以称赞民科，归根结底就是赞赏民科的精神。民科的精神实质在于做自己喜欢做的事，如此好而乐之从而乐以忘忧而忘我地从事科研，其心才能达到如佛家所云之定（发慧的条件）或如荀卿之儒所云之大清明（生智的条件）。 要使科研人员具有好而乐之的学术精神，充分尊重个人的意志自由是完全必要的。恩格斯说： 意志自由只是借助于对事物的认识来作出决定的那种能力 。进而言之， 自由是在于根据对自然界的必然性的认识来支配我们自己和外部自然界 。因此，充分尊重个人的意志自由，本质上就是充分尊重自然界的必然性。而现行的计划科研体制的根本缺陷恰恰在于不尊重科研人员的意志自由，亦即不尊重自然界的必然性，相反是要剥夺科研人员的意志自由，使他们的意志以另外一些人的意志为转移，而不是以自然界的必然性为转移。在这种情况下，科研人员就不可能借助于他们对自然界的必然性的认识来作做出他们自己的判断，从而当然也不可能根据对自然界的必然性的认识来支配他们自己和外部自然界，而只能根据凌驾于他们之上、支配着他们生活命运的人的意志来进行他们的判断，这种判断因为不是基于他们自己对自然界的必然性的认识所作出的决定，而是基于支配着他们生活命运的人的某些认识所作出的决定，因此，即使支配着他们生活命运的人的这些认识是科学认识，他们据以做出的判断也充其量是属于演绎性的科学判断，而非归纳性的科学判断，亦即是不可能产生新知识的非科学原创性判断。 从理论上说，现行的计划科研体制是基于对科学认识的这样一种理解： 科学认识本质上是以既有知识为逻辑前提来加以演绎的过程 。科研人员所要做的就是无须创造新知识的演绎工作，这种演绎所赖以进行的逻辑前提是由外在于科研人员的另外一些人提供的，这些人可能是中国的科学圣贤或科学圣贤一样的领导，也可能是外国的科学家或专家、学者。计划科研体制并不要求科研人员自己去进行科学的归纳，而只需利用现成的知识来对它们作推广性抑或应用性的研究。这种体制下所要求科研人员进行攻关的项目，无不是属于推广性抑或应用性的研究项目。这类项目，如果它们是属于基础科学范畴，其研究就是炒别人的冷饭；如果它们是属于应用科学范畴，其研究就是挤别人的剩奶。就中国科学界（包括自然科学界和人文科学界）目前的情况来看，在官科领域，除了不守管科规则而自行其是的民科以外，凡从事基础科学研究者，无不是炒别人的冷饭；凡从事应用科学研究者，无不是挤别人的剩奶。 诚然，炒冷饭和 挤剩奶也决非无益，因为冷饭和剩奶毕竟是有营养的，经炒挤而食之，照样可以填肚子、长身体，有时吃了别人的冷饭和剩奶，其身体长得比饭主和奶主都胖胀、健康，就象有些叫花子看起来比普通人都健壮一样。但是，正如叫花子是非生产者，靠乞讨别人的剩饭剩菜过日子，就是长得再健壮，也终究是缺乏人所应有的尊严的，从事科研而只靠利用既有知识来进行演绎，就算其炒挤得很有成效和成就，这种工作毕竟是缺乏科学的尊严的。 中国的科学要获得自己应有的尊严，必须改变现行的计划科研体制，改变官科领域普遍存在着的炒冷饭和挤剩奶的现状，实行市场科研体制，使科研人员在这种新体制下人人争做科学的 农夫（产粮者）和 奶牛（产奶者），如此中国的科学才能真正兴旺发达起来。 后记：本文话语可能是重了些，未免得罪人，如蒙理解和见谅，则吾幸也矣。其实，我本人也不过是个 炒冷饭和挤剩奶的人，只不过现在自觉到这样做有些自卑罢了。 参见：恩格斯《反杜林论》，《马克思恩格斯选集》第 3 卷，第 153 － 154 页。
个人分类: 科学之思|4130 次阅读|3 个评论
更多...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-5-24 04:13

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部