- 主题:科学、可证伪性与精神分析 (转载)
【 在 snowfields 的大作中提到: 】
: 发信人: hut (浮尘落尽), 信区: Bull
: 标 题: 科学、可证伪性与精神分析
: 发信站: 水木社区 (Tue Aug 20 11:17:28 2024), 站内
: ...................
貌似科学的尺度可证伪没那么容易推翻的。
大胆假设,小心求证,所有的逻辑都运行在假设约束的框架内。
对立统一不排斥在界限内的精度和唯一性。
比如举例说本地天鹅一直都是白的,那么归纳以后用来推断本时期该地天鹅的总体在多大把握上是白的,肯定是靠谱的。至于说以后会飞来灰的黑的或者培育出别的花色的,跟前面那个推断不冲突,归纳用来解释约定范围内的问题,做内插是有效的,用来做外推和预测没那么好用,是因为约束条件不容易定义,常识吗。
再比如说三个举子问前程,算命的举一根手指头做回应,这种诡辩论的小花招,拿来否定科学的可证伪、确定性其实是根本就是不搭界。
规范的提问方式,应该把假设条件提清楚了,然后算命的需要提出论证方法,至于结论,给不给都一目了然了。
一起中
一起不中
一个中
一个不中
这是四个假设。
如果具体到甲乙丙到底哪个中,那就变成8个问题了,算命先生没半天功夫讲不下来
算命仙之所以只敢伸根指头不敢开口,就是因为这根指头啥也证明不了,连假设都不存在,哪至于这么一戳就把科学的可证伪给推翻了。
--
修改:redapron FROM 61.48.209.*
FROM 61.48.209.*
【 在 hut 的大作中提到: 】
: 你还没有理解什么叫可证伪理论
: 好好再去看看吧
: 友提
: ...................
你还没有理解什么叫可证伪理论
----
不能够。那么简单的概念,想理解错不容易。
认识世界的途径有三种:观察、实验、体验
能够被以上三种认知方式检验真伪的,叫可证伪。
你举的那个天气预测显然是属于可以证伪的范畴。
“明天不是下雨就是晴天”这个命题,首先是可以通过三种认知方式观察到的现象,其次,如果问题的约束边界是晴雨意外的天气状况,也就是命题人就是想知道得到这个精度或者范围的结论的话,这么立论一点问题也没有。
那啥是不可证伪呢?
比如见鬼。
人类的认知方式,见不到,无从检验。
--
修改:redapron FROM 61.48.209.*
FROM 61.48.209.*
【 在 hut 的大作中提到: 】
: 不可证伪不是没法检验
: 你那个例子不是不可证伪
: 你说的好像是不可证实
: ...................
大脑里有一个精灵,但是检测她的时候就隐藏起来了
-----
你说的这个“精灵”,不就是鬼吗?或者代指各种无现实依据的意识幻觉,
所以不可证实跟不可证伪,在这里都输在一个不可观察这个先决条件上。
如果严格区分证实和证伪,不妨理解证伪是可观察,但是不可重复结果
比如下雨打雷可观察,有人说这是雷公和龙王搞出来的,但是想要请他们再复制一回是不可能的。不科学
--
FROM 61.48.209.*
【 在 snowfields 的大作中提到: 】
: 发信人: hut (浮尘落尽), 信区: Bull
: 标 题: 科学、可证伪性与精神分析
: 发信站: 水木社区 (Tue Aug 20 11:17:28 2024), 站内
: ...................
,无偏的学习机器是没有用的,也就是你要学习,必须要有bias(偏置)
-----
偏差bias是随机误差,是可控可测量的,真正问题大的系统误差
要是学的东西就是错的或者学生本来就是歪嘴和尚,那就是系统误差了
--
FROM 61.48.209.*
【 在 hut 的大作中提到: 】
: 你还是没有理解不可证伪
: 这个网友理解的差不多了
: 发信人: hut (浮尘落尽), 信区: Bull
: ...................
永远不可能预测错误的反而是不科学的
---
你这个命题有点不可知论,是否定了科学的确定性和可重复性。
科学的确定性和对于未知领域的开放性并不冲突。
在已知和掌握规律的领域里,确定是是毋庸置疑的,说人类永远生不出哪吒,我看没什么问题。
--
FROM 61.48.209.*
【 在 hut 的大作中提到: 】
: 偏置不是你说的随机误差
所有的误差都可分为系统误差和随机误差,系统误差是方法设计、主观干扰、实践条件制约,没法通过重复努力消除
系统误差以外,误差=偏差+方差
你所说的学习概念里,偏差约等于观点的差异碰撞
--
FROM 61.48.209.*
【 在 jinbabawa 的大作中提到: 】
: ,比如说,在机器学习里,有一个结论,无偏的学习机器是没有用的,也
: 就是你要学习,必须要有bias(偏置
“可接受的”偏差水平,同时保持较低的方差。
------
可接受的偏差水平,也就是好的设计方案的标准就是精度accuracy和效度efficiency的平衡,
打蚊子不必用高射炮,小题不用大作
--
FROM 61.48.209.*
【 在 jinbabawa 的大作中提到: 】
: 友情提醒,以下内容来自ChatGPT,仅供学习参考:
: 在统计学习理论中,Vladimir Vapnik 提出的“不可证伪性”概念与科学哲学中的不可证伪性有一定的联系,但它是在统计学习和机器学习的背景下提出的,有其独特的含义。
: Vapnik的统计学习理论中的不可证伪性:
: ...................
赞ChatGPT
这个解释忠于统计原理,非常清晰有力
--
FROM 61.48.209.*
【 在 jinbabawa 的大作中提到: 】
: 就是,ChatGPT 有一说一,不扯大旗,版上灌水大爷大妈们都能看懂
:
属实是大爷大妈友好型回答,都看懂了。
前头那个图太糊,远看有蝌蚪,近看一摸糊,我连上头字都没认全。
--
FROM 61.48.209.*
你说的是对的。
初看这个的时候,我没往机器学习模型上想,直接代入的就是通常的统计方案或者项目,系统误差被认为是given、fixed,非人力可以解决得了的问题,所以直接就奔随机误差去了。但是AI模型本身并不是系统设置,是可变可优化的,所以肯定也是有bias的。
联系当下,用不了chatgpt就属于系统误差,无奈。
- 来自 水木社区APP v3.5.7
【 在 snowfields 的大作中提到: 】
: 我觉得Bias不一定是随机误差,bias也可能是系统误差
:
: Thus, the assumption of machine learning being free of bias is a false one, bias being a fundamental property of inductive learning systems.
:
: 因此,机器学习没有bias的假设是错误的,bias是归纳学习系统的基本属性。
--
FROM 223.104.41.*