PÄÄTTELY PARHAASEEN SELITYKSEEN. Ilkka Niiniluoto Luennot abduktiosta kevät 2014

Samankaltaiset tiedostot
ABDUKTIIVINEN KONFIRMAATIO. Ilkka Niiniluoto Luennot abduktiosta Kevät 2014

THE LOGIC OF SCIENTIFIC DISCOVERY. Luennot Karl Popperin filosofiasta Toukokuu 2016 Ilkka Niiniluoto

ABDUKTIO JA TIETEELLINEN REALISMI. Ilkka Niiniluoto Luennot abduktiosta kevät 2014

Tieteellinen pääp. äättely. Deduktio. Induktio. Induktio. Johdatus yhteiskuntatieteiden filosofiaan (Kf( 140) 3. Luento

PEIRCE ABDUKTIOSTA. Ilkka Niiniluoto Luennot abduktiivisesta päättelystä, toukokuu 2014

Deduktio. äättely. Tieteellinen pääp. äätelmiä. Induktiivisia pääp. Induktio

Tieteenfilosofia 3/4. Heikki J. Koskinen, FT, Dos. Helsingin yliopisto / Suomen Akatemia

Ilpo Halonen 2005 LISÄÄ KIRJALLISUUTTA. 11. Tieteenfilosofia ja argumentaatio LISÄÄ KIRJALLISUUTTA. Tieteenfilosofia.

On instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31)

Matemaattisten työvälineiden täydentäviä muistiinpanoja

ABDUKTIO JA KEKSIMISEN LOGIIKKA. Luennot abduktiivisesta päättelystä Ilkka Niiniluoto toukokuu 2014

b) Määritä myös seuraavat joukot ja anna kussakin tapauksessa lyhyt sanallinen perustelu.

On instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31)

Tieteenfilosofia 4/4. Heikki J. Koskinen, FT, Dos. Helsingin yliopisto / Suomen Akatemia

FI3 Tiedon ja todellisuuden filosofia LOGIIKKA. 1.1 Logiikan ymmärtämiseksi on tärkeää osata erottaa muoto ja sisältö toisistaan:

-Matematiikka on aksiomaattinen järjestelmä. -uusi tieto voidaan perustella edellisten tietojen avulla, tätä kutsutaan todistamiseksi

Loogiset konnektiivit

Uusia kokeellisia töitä opiskelijoiden tutkimustaitojen kehittämiseen

Abduktiivinen malli ja serendipiteetti: sattumat vai päättely tieteellisen keksimisen perustana? Luonnonfilosofian seura, pragmatismi-ilta 31.3.

Tietoteoria. Tiedon käsite ja logiikan perusteita. Monday, January 12, 15

Information on preparing Presentation

Capacity Utilization

Tieteellinen päättely

Tieteellinen päättely

Mikä on tieteenfilosofinen positioni ja miten se vaikuttaa tutkimukseeni?

Results on the new polydrug use questions in the Finnish TDI data

Etiikan mahdollisuudesta tieteenä. Henrik Rydenfelt Helsingin yliopisto

Argumenteista ja niiden arvioinnista TIES542 Ohjelmointikielten periaatteet, kevät 2016

Todistusmenetelmiä Miksi pitää todistaa?

Uusi Ajatus Löytyy Luonnosta 4 (käsikirja) (Finnish Edition)

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia

Infrastruktuurin asemoituminen kansalliseen ja kansainväliseen kenttään Outi Ala-Honkola Tiedeasiantuntija

1. Liikkuvat määreet

Diskreetin matematiikan perusteet Laskuharjoitus 1 / vko 8

KIRJALLISUUTTA 1. Tieteenfilosofia KIRJALLISUUTTA 3 KIRJALLISUUTTA 2. Mitä on tieteellinen päättely? Mitä on tieteellinen päättely?

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

Onko abduktio päättelyä parhaaseen selitykseen?

On instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31)

The Viking Battle - Part Version: Finnish

Entäpä jos? Ideoiden abduktiivinen kehittely tutkimusprosessin olennaisena osana

Nuku hyvin, pieni susi -????????????,?????????????????. Kaksikielinen satukirja (suomi - venäjä) ( (Finnish Edition)

Tutkimuksen logiikka ja strategiset valinnat

Pikapaketti logiikkaan

TILASTOLLINEN OPPIMINEN

Bayes-mallinnus siltana teorian ja empiirisen evidenssin välillä

Luonnollisen päättelyn luotettavuus

Akateemiset fraasit Tekstiosa

LOGIIKKA johdantoa

Matti Sintonen: Mistä tieteen

Approbatur 3, demo 1, ratkaisut A sanoo: Vähintään yksi meistä on retku. Tehtävänä on päätellä, mitä tyyppiä A ja B ovat.

Ratkaisu: Käytetään induktiota propositiolauseen A rakenteen suhteen. Alkuaskel. A = p i jollain i N. Koska v(p i ) = 1 kaikilla i N, saadaan

Insinöörimatematiikka A

T Statistical Natural Language Processing Answers 6 Collocations Version 1.0

T Syksy 2004 Logiikka tietotekniikassa: perusteet Laskuharjoitus 2 (opetusmoniste, lauselogiikka )

TIETEEN PÄIVÄT OULUSSA

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I

Tehtävä 4 : 2. b a+1 (mod 3)

Statistical design. Tuomas Selander

812336A C++ -kielen perusteet,

1.3Lohkorakenne muodostetaan käyttämällä a) puolipistettä b) aaltosulkeita c) BEGIN ja END lausekkeita d) sisennystä

Pohdiskeleva ajattelu ja tasapainotarkennukset

anna minun kertoa let me tell you

k S P[ X µ kσ] 1 k 2.

Valitaan testisuure, jonka jakauma tunnetaan H 0 :n ollessa tosi.

Efficiency change over time

HY / Matematiikan ja tilastotieteen laitos Johdatus logiikkaan I, syksy 2018 Harjoitus 4 Ratkaisuehdotukset

TIEA241 Automaatit ja kieliopit, syksy Antti-Juhani Kaijanaho. 8. syyskuuta 2016

Jokaisen parittoman kokonaisluvun toinen potenssi on pariton.

1. TILASTOLLINEN HAHMONTUNNISTUS

Network to Get Work. Tehtäviä opiskelijoille Assignments for students.

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Ensimmäinen induktioperiaate

Väliestimointi (jatkoa) Heliövaara 1

Reaalifunktioista 1 / 17. Reaalifunktioista

Increase of opioid use in Finland when is there enough key indicator data to state a trend?

Yhtälönratkaisusta. Johanna Rämö, Helsingin yliopisto. 22. syyskuuta 2014

HARJOITUS- PAKETTI A

Luento-osuusosuus. tilasto-ohjelmistoaohjelmistoa

Sovellettu todennäköisyyslaskenta B

Tausta realismikeskustelulle. Tieteellinen realismi. Tieteellinen realismi (1) Instrumentalismi

Mat Tilastollisen analyysin perusteet, kevät 2007

Tentin materiaali. Sivia: luvut 1,2, , ,5. MacKay: luku 30. Gelman, 1995: Inference and monitoring convergence

KIRJALLISUUTTA 1. Tieteen etiikka KIRJALLISUUTTA 3 KIRJALLISUUTTA 2 KIRJALLISUUTTA 4 KIRJALLISUUTTA 5

Other approaches to restrict multipliers

1.3 Lohkorakenne muodostetaan käyttämällä a) puolipistettä b) aaltosulkeita c) BEGIN ja END lausekkeita d) sisennystä

Ensimmäinen induktioperiaate

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

Nimitys Symboli Merkitys Negaatio ei Konjuktio ja Disjunktio tai Implikaatio jos..., niin... Ekvivalenssi... jos ja vain jos...

Predikaattilogiikan malli-teoreettinen semantiikka

LYTH-CONS CONSISTENCY TRANSMITTER

Viikko 2: Ensimmäiset ennustajat Matti Kääriäinen

Odotusarvoparien vertailu. Vilkkumaa / Kuusinen 1

13. Loogiset operaatiot 13.1

Bounds on non-surjective cellular automata

JOHDATUS TEKOÄLYYN TEEMU ROOS

Väite Argument "Yhteiskunnan velvollisuus on tarjota virkistysalueita ja -palveluita." "Recreation sites and service

LX 70. Ominaisuuksien mittaustulokset 1-kerroksinen 2-kerroksinen. Fyysiset ominaisuudet, nimellisarvot. Kalvon ominaisuudet

Tehtäväsarja I Seuraavissa tehtävissä harjoitellaan erilaisia todistustekniikoita. Luentokalvoista 11, sekä voi olla apua.

Tieteellinen realismi ja tieteen kehitysdynamiikka

Teoria tieteessä ja arkikielessä. Teoriat ja havainnot. Teorian käsitteitk. sitteitä. Looginen positivismi ja tieteen kielen kaksitasoteoria (1)

Transkriptio:

PÄÄTTELY PARHAASEEN SELITYKSEEN Ilkka Niiniluoto Luennot abduktiosta kevät 2014

HEMPEL selitys on argumentti, jonka premisseinä on lakeja ja alkuehtoja (explanans, L&C) ja johtopäätöksenä selitettävää ilmiötä tai säännönmukaisuutta ilmaiseva lause (explanandum, E) deduktio ja induktio E oletetaan todeksi, kysymys: Miksi E? selitys on tosi, jos L ja C ovat tosia; potentiaalinen, jos tätä ei tiedetä

GENEROIVA ABDUKTIO abduktiota ei voi määritellä sääntönä päätellä toteen selitykseen abduktio ehdottaa hypoteettisia teorioita, jotka potentiaalisesti selittävät annetun datan LEVI: abduktio määrittää joukon vaihtoehtoisia potentiaalisia selityksiä testworthiness, testit jälikäteen ennustuksien avulla PEIRCE kuitenkin joskus huomauttaa, että hyvän selityksen vastakohta voi antaa huonon selityksen

SELEKTIIVINEN ABDUKTIO selitysten hyvyyttä voidaan verrata keskenään selektiivinen abduktio valitsee parhaan selityksen datan E paras selitys H on se, jonka selitysvoima expl(h,e) E:n suhteen on suurin erikoistapaus: H on ainoa E:n selitys inference to the best explanation (IBE)

HYPOTEESIEN HYVÄKSYMINEN CARNAP, JEFFREY: bayesiläinen päättely antaa hypoteesien H aposterioritodennäköisyydet P(H/E) evidenssin E nojalla; näitä voidaan käyttää praktisen päätöksenteon välineinä yhdessä utiliteettien kanssa tutkijat neuvonantajina LEVI, HINTIKKA: induktiiviset hyväksymissäännöt tentatiivisesti hyväksytyt hypoteesit muodostavat tieteellisen tiedon järjestelmän ristiriidattomuus, deduktiivinen sulkeuma kognitiivinen päätösteoria: hypoteesien hyväksyminen episteemisten utiliteettien perusteella (totuus, informaatio, selitysvoima, yksinkertaisuus)

INDUCTIVE GENERALIZATION Fa & Ga Fb & Gb evidence e All F are G conclusion H

KORPPIPARADOKSI NICOD: yleistystä Kaikki F ovat G tukevat sen positiiviset instanssit Fa&Ga HEMPEL: myös tapaukset Fb&Gb ja Fc& Gc tukevat tätä yleistystä (x)(fx Gx) ja (x)( Gx Fx) loogisesti ekvivalentteja valkoiset nenäliinat tukevat väitettä Kaikki korpit ovat mustia?

THE JUSTIFICATION OF INDUCTION - inductive generalization cannot reduced to DEDUCTION (necessarily truth-preserving inference) - BAYES, LAPLACE, KEYNES, HINTIKKA: probabilistic inductive logic - P(H/E) = the inductive probability of hypothesis H given evidence e - show that P(H/E) approaches 1 with increasing positive evidence

IBE GILBERT HARMAN (Phil. Review, 1965) selektiivinen abduktio induktiivisena hyväksymissääntönä (IBE) H may be inferred from E, when H is a better explanation of E than any other rival explanation LIPTON: paras selitys H voidaan päätellä, jos se on riittävän hyvä suspension of judgment (kannanotosta pidättäytyminen), jos evidenssi ei tarpeeksi vahva

IBE JA INDUKTIO Harmanin mukaan kaikki induktiivinen päättely voidaan palauttaa IBE:hen ongelma: yleistys ei selitä instanssejaan ei päde (x)(fx Gx) Ⱶ Fa&Ga sen sijaan (x)(fx Gx) & Fa Ⱶ Ga (deduktiivinen konfirmaatio)

PETER LIPTON 1991 likeliest explanation: todennäköisimmin tosi, most warranted loveliest explanation: antaisi eniten ymmärrrystä, if correct, would provide the most understanding is loveliness a guide to likeliness? Hungerford s objection: loveliness too subjective? Voltaire s objection: why should the loveliest explanation be likeliest?

TULKINTOJA TUOMELA (1985): parhaiten selittävät teoriat ovat määritelmän mukaan tosia OKASHA 2000: likeliness P(H) loveliness P(E/H) LIPTON 2001, 2004: likeliness P(H/E) loveliness related to likelihood P(E/H) but also to prior probability P(H) the Bayesian and the explanationist should be friends

SELITYSVOIMA (I) HINTIKKA 1968: expl 1 (H,E) = [P(E/H) P(E)] / [1 P(E)] lokaalinen teoretisointi: maksimaalinen välitetty informaatio tietystä datasta E (IBE1) Given evidence E, accept the theory H which maximizes the likelihood P(E/H) Huom. P(E/H) = 1 ja expl 1 (H,E) = 1 kaikille E:n deduktiivisille selityksille H

TOTUUS olkoon H:n hyväksymisen utiliteetti H:n totuusarvo (1 tosi, 0 epätosi) utiliteetin odotusarvo E:n nojalla P(H/E)x1 + P( H/E)x0 = P(H/E) tämän arvon maksimoi looginen totuus H tai E:n looginen seuraus, konservatiivinen sääntö - siis totuus yksinään ei riitä tieteen tavoitteeksi

SELITYSVOIMA (II) maksimoi H:n informaatiosisältö cont(h) = 1 P(H) tai relatiivinen informaatio cont(h/e) = 1 P(H/E) (vrt. POPPER) HEMPEL 1948 expl 2 (H/E) = P( H/ E) = [1 - P(HvE)]/[1 - P(E)] kummassakin tapauksessa maksimi saavutetaan jos H on loogisesti ristiriitainen (ristiriidasta seuraa mitä tahansa!) pelkkä loogisen vahvuuden vaatimus ei kelpaa päättelyn ohjeeksi

TOTUUS JA INFORMAATIO LEVI, HINTIKKA, HILPINEN, PIETARINEN: totuudesta riippuvat episteemiset utiliteetit H:n hyväksymisen utiliteetti cont(h) jos H on tosi - cont( H) jos H on epätosi (eli H on tosi) odotusarvo P(H/E)cont(H) P( H/E)cont( H) = P(H/E) P(H) - sama tulos jos valitaan utiliteetiksi expl 2 (H,E) ja expl 2 ( H,E) korkea aposterioritodennäköisyys ja korkea informaatiosisältö samassa kriteerissä LEVI: Gambling with Truth (1967): informaation tavoittelu totuuden kustannuksella

YKSINKERTAISUUS OCCAMin partaveitsi, suosi yksinkertaisinta ontologiaa REICHENBACH: teorian induktiivinen yksinkertaisuus on totuuden indikaattori, deskriptiivinen yksinkertaisuus vain mukavuutta SALMON: anna yksinkertaisille hypoteeseille korkeampi aprioritodennäköisyys HINTIKKA: evidenssi suosii aposteriori yksikertaisinta havaintojen kanssa yhteensopivaa yleistystä

LARRY LAUDAN Science and Values (1984) pessimistinen metainduktio: useimmat tieteen historian menestyneetkin teoriat ovat osoittautuneet epätosiksi, siis tämä kohtalo on odotettavissa myös nykyisille ja tuleville teorioille totuus on utopistinen tavoite tieteessä tiede on ongelmanratkaisua

BAS VAN FRAASSEN - The Scientific Image (1980) - ilmiöiden pelastaminen teorioiden avulla - konstruktiivinen empirismi: teorioilla totuusarvo (siis ei instrumentalistinen) mutta tämä ei ole kiinnostavaa tieteessä (metodologinen antirealismi) - totuuden sijasta teorioiden tulee olla empiirisesti adekvaatteja: kaikki niiden observationaaliset seuraukset ovat tosia - havaittavuus paljailla aisteilla

VAN FRAASSEN AGAINST IBE - Laws and Symmetry (1989) - IBE as an acceptance rule - the bad lot (cf. PEIRCE, GALILEO: il lume naturale) - ehkä tosi hypoteesi ei ole tarkasteltavien selitysten joukossa - Bayesin kaavassa aina loogisesti tyhjentävät vaihtoehdot, ultimate partition, catch all hypothesis {H, H}, tunnetaanko P(E/ H)? - ongelma myös konstruktiiviselle empirismille (PSILLOS, LIPTON) - extra bonus for explanatory success: incoherent, Dutch Book - empiirinen menestys konfirmoi teoriaa ilman erillisiä bonuksia

TEORIASKEPTISISMI - tarvitseeko van Fraassen abduktiota arkielämässä? (PSILLOS vs. LADYMAN) - ehdotus: P(H) = 0 teorioille H - tällöin HD-konfirmaatio ei toimi, koska myös P(H/E) = 0 kaikille E - valinta P(H) = 0 dogmaattisesti sitoutuu teoriaskeptisismiin (esim. kvarkit) - agnostisismi: apriori-tn välillä [0,p), jolloin aposteriori-tn välillä [0,q) - uusia apuneuvoja tarvitaan: terävät (sharp) hypoteesit ja idealisoidut hypoteesit, joilla on nolla-todennäköisyys

AD HOC -HYPOTEESIT accommodation: hypoteesi selittää alkuperäisen datan prediction: vaatimus lisäennustuksista, joilla hypoteesia voi testata (WHEWELL, PEIRCE) hypoteesi on ad hoc, jos sillä ei ole ennustusvoimaa accommodation konfirmoi hypoteesia (tn:n lisäys), mutta ei riitä sen hyväksymiseen; prediction voidaan asettaa IBE:n lisäehdoksi

. WILLIAM WHEWELL

WHEWELL 1840 a good scientific hypothesis should explain observed phenomena predict same kinds of phenomena predict different kinds of phenomena HD-method independent testability against ad hoc hypotheses unification

INDEPENDENT TESTABILITY POPPER (1963) on the growth of knowledge: the new theory should be independently testable, it must have new and testable consequences (preferably consequences of a new kind) SCHURZ (2008): the postulated unobservable entity should explain many intercorrelated but analytically independent phenomena

CONSILIENCE OF INDUCTIONS An induction, obtained from one class of facts, coincides with an induction, obtained from another class two independent generalizations jump together, turn out to be consequences of the same theory e.g. NEWTON GALILEO, KEPLER unification (FRIEDMAN, KITCHER)

POWER OF CONSILIENCE a test of the theory in which it occurs a criterion of reality, which has never yet been produced in favour of falsehood Whewell proposes an optimistic metainduction, but exaggerates the power of consilience fallibilism: consilience may lead to falsehood as well how to assess the power of consilience?

EINO KAILA 1935 teorian H suhteellinen yksinkertaisuus = teoriasta H johdettavien empiiristen väitteiden lukuisuus / teorian H loogisesti riippumattomien perusoletusten määrä = H:n selitysvoima/ H:n kompleksisuus vastaisi H:n induktiivista todennäköisyyttä P(H/E) ehdolla E, jos tämä olisi numeerisesti ilmaistavissa HEMPEL 1948: syst(h,e) = cont(hve)/cont(e) = P(~H/~ E)

MYRWOLD 2003 degree of UNIFICATION of E and E by H U(E,E ;H) = log P(E /E&H)/P(E /H) log P(E /E)/P(E ) conf 4 (H/E&E ) = conf 4 (H/E) + conf 4 (H/E ) + U(E,E ;H) similar results for Good s weight of evidence