मैं जॉर्ज एफ। क्लेर की किताबों की फजी सेट्स पर चर्चा के बारे में दर्शन के वैकल्पिक दिशा से इस दिशा में संपर्क करने जा रहा हूं। मैं वैन डेर लान को सटीकता नहीं दे सकता, लेकिन मैं इसके लिए कुछ हद तक संपूर्ण मामला प्रदान कर सकता हूं कि उसका लक्ष्य तार्किक रूप से असंभव क्यों है; यह एक लंबी चर्चा के लिए बुलाने जा रहा है जो अन्य क्षेत्रों को संदर्भित करता है, इसलिए मेरे साथ सहन करें।
क्लिर और उनके सह-लेखक अनिश्चितता को कई उपप्रकारों में विभाजित करते हैं, जैसे कि बकवास (यानी जब आपके पास विकल्पों का एक अज्ञात सेट होता है, तो हार्टले फंक्शन जैसे माध्यमों से निपटा जाता है); परिभाषाओं में अपव्यय (यानी "फजीता" फजी सेट्स में मॉडलिंग और परिमाणित); सबूतों में संघर्ष या कलह (डेम्पस्टर-शेफ़र साक्ष्य सिद्धांत में संबोधित); प्लस संभावना सिद्धांत, संभावना सिद्धांत और माप अनिश्चितता, जहां लक्ष्यों को प्रासंगिक प्रमाणों को पकड़ने के लिए पर्याप्त गुंजाइश है, जबकि त्रुटियों को कम करना है। मैं सांख्यिकीय तकनीकों के पूरे टूलबॉक्स को विभिन्न तरीकों से अनिश्चितता के विभाजन के वैकल्पिक साधन के रूप में देखता हूं, बहुत कुछ कुकी कटर की तरह; आत्मविश्वास अंतराल और पी-वैल्यू एक तरह से अनिश्चितता को दूर करते हैं, जबकि शैनन की एंट्रोपी इसे दूसरे कोण से नीचे गिरा देती है। वे क्या कर सकते हैं ' टी डू, हालांकि, इसे पूरी तरह से खत्म कर रहा है। जिस तरह की वैन डेर लान का "सटीक मॉडल" प्राप्त करने के लिए वर्णन करने के लिए लगता है, हमें इन सभी प्रकार की अनिश्चितता को शून्य से कम करने की आवश्यकता होगी, ताकि विभाजन के लिए और अधिक न बचे। एक सही मायने में "सटीक" मॉडल में हमेशा 1 की संभावना और संभावना मान होंगे, 0 की निरर्थक स्कोर और शर्तों की परिभाषा में कोई अनिश्चितता नहीं होगी, मूल्यों की सीमाएं या माप तराजू। साक्ष्य के वैकल्पिक स्रोतों में कोई कलह नहीं होगी। ऐसे मॉडल द्वारा की गई भविष्यवाणियां हमेशा 100 प्रतिशत सटीक होंगी; भविष्य कहनेवाला मॉडल अनिवार्य रूप से भविष्य में अपनी अनिश्चितता का विभाजन करते हैं, लेकिन इसे बंद करने के लिए कोई नहीं होगा। अनिश्चितता के परिप्रेक्ष्य में कुछ महत्वपूर्ण निहितार्थ हैं: जिस तरह की वैन डेर लान का वर्णन किया गया है, हमें इन सभी प्रकार की अनिश्चितता को शून्य तक कम करने की आवश्यकता होगी, ताकि विभाजन के लिए और अधिक न बचे। एक सही मायने में "सटीक" मॉडल में हमेशा 1 की संभावना और संभावना मान होंगे, 0 की निरर्थक स्कोर और शर्तों की परिभाषा में कोई अनिश्चितता नहीं होगी, मूल्यों की सीमाएं या माप तराजू। साक्ष्य के वैकल्पिक स्रोतों में कोई कलह नहीं होगी। ऐसे मॉडल द्वारा की गई भविष्यवाणियां हमेशा 100 प्रतिशत सटीक होंगी; भविष्य कहनेवाला मॉडल अनिवार्य रूप से भविष्य में अपनी अनिश्चितता का विभाजन करते हैं, लेकिन इसे बंद करने के लिए कोई नहीं होगा। अनिश्चितता के परिप्रेक्ष्य में कुछ महत्वपूर्ण निहितार्थ हैं: जिस तरह की वैन डेर लान का वर्णन किया गया है, हमें इन सभी प्रकार की अनिश्चितता को शून्य तक कम करने की आवश्यकता होगी, ताकि विभाजन के लिए और अधिक न बचे। एक सही मायने में "सटीक" मॉडल में हमेशा 1 की संभावना और संभावना मान होंगे, 0 की निरर्थक स्कोर और शर्तों की परिभाषा में कोई अनिश्चितता नहीं होगी, मूल्यों की सीमाएं या माप तराजू। साक्ष्य के वैकल्पिक स्रोतों में कोई कलह नहीं होगी। ऐसे मॉडल द्वारा की गई भविष्यवाणियां हमेशा 100 प्रतिशत सटीक होंगी; भविष्य कहनेवाला मॉडल अनिवार्य रूप से भविष्य में अपनी अनिश्चितता का विभाजन करते हैं, लेकिन इसे बंद करने के लिए कोई नहीं होगा। अनिश्चितता के परिप्रेक्ष्य में कुछ महत्वपूर्ण निहितार्थ हैं: एक सही मायने में "सटीक" मॉडल में हमेशा 1 की संभावना और संभावना मान होंगे, 0 की निरर्थक स्कोर और शर्तों की परिभाषा में कोई अनिश्चितता नहीं होगी, मूल्यों की सीमाएं या माप तराजू। साक्ष्य के वैकल्पिक स्रोतों में कोई कलह नहीं होगी। ऐसे मॉडल द्वारा की गई भविष्यवाणियां हमेशा 100 प्रतिशत सटीक होंगी; भविष्य कहनेवाला मॉडल अनिवार्य रूप से भविष्य में अपनी अनिश्चितता का विभाजन करते हैं, लेकिन इसे बंद करने के लिए कोई नहीं होगा। अनिश्चितता के परिप्रेक्ष्य में कुछ महत्वपूर्ण निहितार्थ हैं: एक सही मायने में "सटीक" मॉडल में हमेशा 1 की संभावना और संभावना मान होंगे, 0 की निरर्थक स्कोर और शर्तों की परिभाषा में कोई अनिश्चितता नहीं होगी, मूल्यों की सीमाएं या माप तराजू। साक्ष्य के वैकल्पिक स्रोतों में कोई कलह नहीं होगी। ऐसे मॉडल द्वारा की गई भविष्यवाणियां हमेशा 100 प्रतिशत सटीक होंगी; भविष्य कहनेवाला मॉडल अनिवार्य रूप से भविष्य में अपनी अनिश्चितता का विभाजन करते हैं, लेकिन इसे बंद करने के लिए कोई नहीं होगा। अनिश्चितता के परिप्रेक्ष्य में कुछ महत्वपूर्ण निहितार्थ हैं: ऐसे मॉडल द्वारा की गई भविष्यवाणियां हमेशा 100 प्रतिशत सटीक होंगी; भविष्य कहनेवाला मॉडल अनिवार्य रूप से भविष्य में अपनी अनिश्चितता का विभाजन करते हैं, लेकिन इसे बंद करने के लिए कोई नहीं होगा। अनिश्चितता के परिप्रेक्ष्य में कुछ महत्वपूर्ण निहितार्थ हैं: ऐसे मॉडल द्वारा की गई भविष्यवाणियां हमेशा 100 प्रतिशत सटीक होंगी; भविष्य कहनेवाला मॉडल अनिवार्य रूप से भविष्य में अपनी अनिश्चितता का विभाजन करते हैं, लेकिन इसे बंद करने के लिए कोई नहीं होगा। अनिश्चितता के परिप्रेक्ष्य में कुछ महत्वपूर्ण निहितार्थ हैं:
• यह लंबा आदेश न केवल शारीरिक रूप से असंभव है, बल्कि वास्तव में तार्किक रूप से असंभव है। जाहिर है, हम अपरिमेय डिग्री के साथ पूरी तरह से निरंतर माप तराजू को प्राप्त नहीं कर सकते हैं, गिरने योग्य, भौतिक वैज्ञानिक उपकरणों का उपयोग करके बारीक टिप्पणियों को इकट्ठा करके; माप पैमाने के मामले में हमेशा कुछ अनिश्चितता रहेगी। इसी तरह, हमारे प्रयोगों में हमारे द्वारा नियत की गई परिभाषाओं के आसपास हमेशा कुछ नोक-झोंक होती रहेगी। भविष्य भी स्वाभाविक रूप से अनिश्चित है, इसलिए हमारे "सटीक" मॉडल की कथित रूप से सही भविष्यवाणियों को अन्यथा साबित होने तक अपूर्ण माना जाएगा - जो एक अनंत काल लेगा।
• मामलों को बदतर बनाने के लिए, कोई माप तकनीक प्रक्रिया में कुछ बिंदु पर त्रुटि से 100 प्रतिशत मुक्त है, और न ही इसे व्यापक रूप से बनाया जा सकता है ताकि ब्रह्मांड में संभवतः सभी परस्पर विरोधी जानकारी को गले लगाया जा सके। इसके अलावा, संभावित भ्रमित चर और पूर्ण सशर्त स्वतंत्रता के उन्मूलन को अन्य सभी शारीरिक प्रक्रियाओं की जांच किए बिना पूरी तरह से साबित नहीं किया जा सकता है जो हम जांच कर रहे हैं, साथ ही साथ जो इन माध्यमिक प्रक्रियाओं और इतने पर प्रभावित करते हैं।
• निर्मलता केवल शुद्ध तर्क और उसके उपसमुच्चय, गणित में ही संभव है, क्योंकि अमूर्तता वास्तविक दुनिया की चिंताओं से तलाक लेती है जैसे अनिश्चितता के इन स्रोतों से। उदाहरण के लिए, शुद्ध कटौतीत्मक तर्क से, हम यह साबित कर सकते हैं कि 2 + 2 = 4 और कोई अन्य उत्तर 100 प्रतिशत गलत है। हम पूरी तरह से सटीक भविष्यवाणियां भी कर सकते हैं कि यह हमेशा 4 के बराबर होगी। इस तरह की परिशुद्धता केवल आंकड़ों में संभव है जब हम सार के साथ काम कर रहे हैं। आँकड़े वास्तविक दुनिया में लागू होने पर अविश्वसनीय रूप से उपयोगी होते हैं, लेकिन यह बहुत ही उपयोगी चीज है जो इसे कम से कम कुछ हद तक अपरिहार्य अनिश्चितता का इंजेक्शन देती है, जिससे यह अक्षम हो जाता है। यह एक अपरिहार्य दुविधा है।
• इसके अलावा, पीटर चू लेख आरएलएल से जुड़े लेख के टिप्पणी अनुभाग में अतिरिक्त सीमाएं बढ़ाता है। वह इसे मुझसे बेहतर कर सकता है:
"एनपी-हार्ड समस्याओं की यह समाधान सतह आमतौर पर कई स्थानीय ऑप्टिमा के साथ व्याप्त है और ज्यादातर मामले में समस्या को हल करने के लिए यह व्यावहारिक रूप से अक्षम है अर्थात सामान्य रूप से वैश्विक इष्टतम समाधान ढूंढना। इसलिए, प्रत्येक मॉडलर कुछ (हेयुरिस्टिक) मॉडलिंग तकनीकों का उपयोग कर रहा है। सबसे अच्छा, इस जटिल उद्देश्य समारोह के विशाल समाधान स्थान में पर्याप्त स्थानीय इष्टतम समाधान खोजने के लिए। "
• इसका मतलब यह है कि विज्ञान स्वयं पूरी तरह से सटीक नहीं हो सकता है, हालांकि वैन डेर लान अपने लेख में इस तरह से बात करते हैं; एक अमूर्त प्रक्रिया के रूप में वैज्ञानिक विधि निश्चित रूप से निश्चित है, लेकिन सार्वभौमिक और सही सटीक माप की असंभवता का अर्थ है कि यह अनिश्चितता से रहित सटीक मॉडल का उत्पादन नहीं कर सकता है। विज्ञान एक महान उपकरण है, लेकिन इसकी सीमाएँ हैं।
• यह वहाँ से भी बदतर हो जाता है: भले ही ब्रह्मांड में हर घटक क्वार्क और ग्लूऑन पर काम करने वाले सभी बलों को मापना संभव था, फिर भी कुछ अनिश्चितताएं अभी भी बनी हुई हैं। सबसे पहले, इस तरह के एक पूर्ण मॉडल द्वारा की गई कोई भी भविष्यवाणी क्विंटिक समीकरणों और उच्च बहुपद के लिए कई समाधानों के अस्तित्व के कारण अभी भी अनिश्चित होगी। दूसरे, हम पूरी तरह से निश्चित नहीं हो सकते हैं कि क्लासिक प्रश्न में सन्निहित चरम संदेह "शायद यह सब एक सपना है या मतिभ्रम है" वास्तविकता का प्रतिबिंब नहीं है - इस मामले में हमारे सभी मॉडल वास्तव में सबसे खराब तरीके से गलत हैं। । यह मूल रूप से अभूतपूर्ववाद, आदर्शवाद और एकांतवाद जैसे दार्शनिकों की मूल महामारी संबंधी योगों की एक अधिक चरम ontological व्याख्या के बराबर है।
• अपने 1909 में क्लासिक रूढ़िवादीजीके चेस्टर्टन ने उल्लेख किया कि इन दर्शनों के चरम संस्करणों को वास्तव में आंका जा सकता है, लेकिन वे अपने विश्वासियों को मानसिक संस्थानों में चलाते हैं या नहीं; उदाहरण के लिए, ऑन्कोलॉजिकल सॉलिपिज़्म वास्तव में सिज़ोफ्रेनिया का एक मार्कर है, जैसा कि इसके कुछ चचेरे भाई हैं। इस दुनिया में हम जो सबसे अच्छा प्राप्त कर सकते हैं, वह उचित संदेह को खत्म करना है; इस भद्दे किस्म के अनुचित संदेह को कड़ाई से दूर नहीं किया जा सकता है, यहां तक कि सटीक मॉडल, संपूर्ण और त्रुटि रहित माप की काल्पनिक दुनिया में भी। यदि वैन डेर लान का उद्देश्य अनुचित संदेह से हमें छुटकारा दिलाना है तो वह आग से खेल रहा है। पूर्णता पर भरोसा करके, हम जो अच्छा काम कर सकते हैं, वह हमारी उंगलियों के माध्यम से होगा; हम एक अनंत दुनिया में विद्यमान परिमित प्राणी हैं, जिसका अर्थ है कि पूर्ण और पूरी तरह से निश्चित ज्ञान वान डेर लाॅन का तर्क स्थायी रूप से हमारी समझ से परे है। जिस तरह से हम उस तरह की निश्चितता तक पहुँच सकते हैं उस दुनिया से पीछे हटने के द्वारा हम पूरी तरह से सार "शुद्ध गणित" कहते हैं। हालांकि, इसका मतलब यह नहीं है कि शुद्ध गणित में एक वापसी अनिश्चितता को खत्म करने का उपाय है। यह अनिवार्य रूप से लुडविग विट्गेन्स्टाइन (1889-1951) के उत्तराधिकारियों द्वारा लिया गया दृष्टिकोण था, जिसने मेटाफिजिक्स को पूरी तरह से खारिज करने और पूरी तरह से शुद्ध गणित और वैज्ञानिकता के साथ-साथ चरम संशयवाद को पूरी तरह से पीछे हटने के द्वारा जो कुछ भी सामान्य ज्ञान के तार्किक प्रत्यक्षवाद के अपने दर्शन को सूखा दिया था। ओवरस्पीपलाइजेशन और ओवरपेन्हासिस उपयोगिता पर सटीकता पर। इस प्रक्रिया में, उन्होंने इसे परिभाषाओं और नाभि-टकटकी पर नाइटपैकिंग के एक नैतिकता में भंग करके दर्शन के अनुशासन को नष्ट कर दिया, जिससे यह बाकी शिक्षाविदों के लिए अप्रासंगिक हो गया। इसने अनिवार्य रूप से पूरे अनुशासन को मार दिया, जो अभी भी 20 वीं शताब्दी की शुरुआत तक शैक्षणिक बहस में सबसे आगे था, इस बिंदु पर जहां इसने अभी भी मीडिया का ध्यान आकर्षित किया था और इसके कुछ नेता घरेलू नाम थे। वे दुनिया के एक परिपूर्ण, पॉलिश स्पष्टीकरण पर गर्व करते हैं और यह उनकी उंगलियों के माध्यम से फिसल जाता है - ठीक उसी तरह जैसे कि मानसिक रोगियों के माध्यम से जीकेसी ने बात की थी। यह वैन डेर लान की समझ से बाहर निकल जाएगा, जिसने पहले से ही अपनी बात को खारिज कर दिया है, जैसा कि नीचे चर्चा की गई है। मॉडल की खोज जो बहुत सटीक है, असंभव नहीं है; यह खतरनाक हो सकता है, अगर इसे आत्म-पराजित जुनून के बिंदु पर ले जाया जाए। उस तरह की शुद्धता का पीछा शायद ही कभी समाप्त होता है; यह अक्सर उन जर्मोफोब्स के रूप में आत्म-पराजित होता है जो अपने हाथों को इतनी गहराई से रगड़ते हैं कि वे संक्रमित होने वाले घावों के साथ समाप्त हो जाते हैं। यह सूर्य से आग चुराने की कोशिश करने वाले इकारस की याद ताजा करती है: परिमित प्राणियों के रूप में, हम केवल चीजों की एक सीमित समझ रख सकते हैं। जैसा कि चेस्टर्टन रूढ़िवादी में भी कहते हैं, "यह तर्कशास्त्री है जो आकाश को अपने सिर में लाना चाहता है। और यह उसका सिर है जो फूट जाता है।"
उपरोक्त के प्रकाश में, मुझे rvl द्वारा सूचीबद्ध कुछ विशिष्ट प्रश्नों से निपटने दें:
1) कोई भी ऐसा मॉडल जिसकी कोई मान्यता नहीं है) अपनी स्वयं की मान्यताओं के बारे में नहीं जानता है या b) स्पष्टता से अनिश्चितता का परिचय देने वाले विचारों से तलाकशुदा होना चाहिए, जैसे माप त्रुटियां, हर एक संभव भ्रमित चर के लिए लेखांकन, पूरी तरह से माप तराजू और पसंद।
2) मैं अभी भी एक नौसिखिया हूँ जब यह अधिकतम संभावना अनुमान (MLE) की बात आती है, तो मैं लक्ष्य संभावना के यांत्रिकी पर टिप्पणी नहीं कर सकता, स्पष्ट को इंगित करने के अलावा: संभावना सिर्फ इतनी है कि, एक संभावना, एक निश्चितता नहीं । एक सटीक मॉडल प्राप्त करने के लिए अनिश्चितता के पूर्ण उन्मूलन की आवश्यकता होती है, जो संभाव्य तर्क शायद ही कभी कर सकता है।
3) बेशक नहीं। चूँकि सभी मॉडल कुछ अनिश्चितता बनाए रखते हैं और इस तरह अक्षम होते हैं (शुद्ध गणित के मामलों को छोड़कर, वास्तविक दुनिया के भौतिक माप से तलाकशुदा), मानव जाति आज तक कोई तकनीकी प्रगति नहीं कर पाई है - या वास्तव में, कोई अन्य प्रगति सब। यदि अनुभवहीन मॉडल हमेशा बेकार होते थे, तो हम इंटरनेट नामक प्रौद्योगिकी के इस अविश्वसनीय कारनामे के बजाय, एक गुफा में यह वार्तालाप कर रहे होते थे, जो सभी को अक्षम मॉडलिंग के माध्यम से संभव बनाया गया था।
विडंबना यह है कि वैन डेर लान का अपना मॉडल अनुभवहीनता का एक प्राथमिक उदाहरण है। अपने स्वयं के लेख सटीक मॉडल की ओर एक उद्देश्य के साथ, आंकड़ों के क्षेत्र को कैसे प्रबंधित किया जाना चाहिए, इसके प्रकारों का एक मॉडल रेखाचित्र; इस "मॉडल" से जुड़ी कोई संख्या अभी तक नहीं है, सिर्फ इस बात का कोई मापदण्ड नहीं है कि अधिकांश मॉडल कितने बेकार या बेकार हैं, अब उनके विचार में, उनकी दृष्टि से हम कितनी दूर हैं, इसका कोई परिमाण नहीं है, लेकिन मुझे लगता है कि कोई उन चीजों के लिए परीक्षण कर सकता है । हालांकि, यह खड़ा है, हालांकि, उसका मॉडल अक्षम है। यदि यह उपयोगी नहीं है, तो इसका मतलब है कि उसकी बात गलत है; यदि यह उपयोगी है, तो यह उनके मुख्य बिंदु को हरा देता है कि अक्षम मॉडल उपयोगी नहीं हैं। किसी भी तरह से, वह अपने स्वयं के तर्क को खारिज कर देता है।
4) शायद नहीं, क्योंकि हमारे पास अपने मॉडल का परीक्षण करने के लिए पूरी जानकारी नहीं हो सकती है, उन्हीं कारणों से जो हम पहली बार में एक सटीक मॉडल प्राप्त नहीं कर सकते हैं। परिभाषा के अनुसार एक सटीक मॉडल के लिए सही भविष्यवाणी की आवश्यकता होती है, लेकिन भले ही पहले 100 परीक्षण 100 प्रतिशत सटीक हों, 101 वां नहीं हो सकता है। तो फिर वहाँ infinitesimal माप तराजू का पूरा मुद्दा है। उसके बाद, हम अनिश्चितता के अन्य स्रोतों में प्रवेश करते हैं, जो हमारे आइवरी टॉवर मॉडल के किसी भी आइवरी टॉवर मूल्यांकन को दूषित करेगा।
5) इस मुद्दे को हल करने के लिए, मुझे इसे बहुत बड़े दार्शनिक मुद्दों के व्यापक संदर्भ में रखना पड़ा, जो अक्सर विवादास्पद होते हैं, इसलिए मुझे नहीं लगता कि इस पर विचार किए बिना इस पर चर्चा संभव है (ध्यान दें कि कैसे और खुद में एक और है अनिश्चितता का स्रोत) लेकिन आप सही हैं, यह लेख एक उत्तर के हकदार हैं। अन्य विषयों पर वह जो कहता है, उसका बहुत कुछ सही रास्ते पर है, जैसे कि बिग डेटा से संबंधित आंकड़े बनाने की आवश्यकता है, लेकिन वहां कुछ अव्यवहारिक अतिवाद मिला हुआ है जिसे सही किया जाना चाहिए।