English· Español· Deutsch· Nederlands· Français· 日本語· ქართული· 繁體中文· 简体中文· Português· Русский· العربية· हिन्दी· Italiano· 한국어· Polski· Svenska· Türkçe· Українська· Tiếng Việt· Bahasa Indonesia

un

gość
1 / ?
powrót do lekcji

Krajobraz paradygmatów

Modeluj pole naukowe jako krajobraz straty: funkcję L(p) nad przestrzenią paradygmatów P, gdzie L(p) = niewyjaśnione dowody w paradygmacie p. Paradygmat, który wyjaśnia wszystko, ma L = 0 (doskonały). Paradygmat, który pozostawia wiele niewyjaśnionych, ma wysokie L.

Aktualny paradygmat siedzi w lokalnym minimum: wyjaśnia większość znanych dowodów, więc małe odchylenia od niego zwiększają L. Dlatego paradygmaty są stabilne — opadanie gradientowe ciągle do nich powraca.

Wiedza ekspertów pogłębia gradient wokół aktualnego minimum: dziesięciolecia pracy wypełniającej szczegóły, rozszerzającej zasięg paradygmatu i wyjaśniającej anomalie, wszystko to zaostrzają ściany lokalnego minimum. Gradient wokół aktualnego paradygmatu staje się bardziej stromy.

Prodzieje to paradoks eksperta: im głębsza wiedza, tym trudniej uniknąć aktualnego minimum. Właśnie te cechy, które czynią kogoś świetnym ekspertem — głęboką wiedzę o aktualnym paradygmacie — czynią go mniej skłonnym do osiągnięcia innego, być może głębszego minimum.

Przesunięcie paradygmatu = ucieczka z lokalnego minimum: nowy paradygmat może być głębszym minimum (lepszym wyjaśnieniem) gdzie indziej w przestrzeni. Ale by go osiągnąć, musisz najpierw iść w górę — tymczasowo zwiększając niewyjaśnione dowody — przed schodzeniem do nowego minimum. To jest okres 'kryzysu' w terminologii Kuhna.

Paradigm Space: Local Minima & Knowledge Topology

Opadanie gradientowe & inwestycja ekspertów

Rozważ paradygmat p siedzący w lokalnym minimum L(p). Nowa obserwacja anomalna dająca dowody E, które aktualny paradygmat nie może wyjaśnić, lekko podnoszą L(p).

Wyjaśnij, dlaczego głęboki ekspert w paradygmacie p* odpowiadałby na anomaliczne dowody E poprzez znalezienie pomocniczego wyjaśnienia ('łatki') zamiast porzucenia p* dla nowego paradygmatu. Użyj modelu krajobrazu straty: jak łatkowanie wygląda geometrycznie i dlaczego jest to racjonalna odpowiedź następująca za gradientem?

Zlewnie przyciągania w przestrzeni paradygmatów

Każde lokalne minimum w L(p) ma zlewnię przyciągania: region przestrzeni paradygmatów, z którego opadanie gradientowe prowadzi do tego minimum.

Ekspert w paradygmacie p spędził lata w zlewni p. Znają lokalną topologię niezwykle szczegółowo. Mogą nawigować zlewnię efektywnie — to jest ich wiedza.

Osoba z zewnątrz przybywa w innym punkcie przestrzeni paradygmatów. Mogą zaczynać z punktu poza zlewnią p całkowicie — być może w zlewni innego paradygmatu, lub na punkcie siodłowym, lub w płaskim regionie z małymi gradientami. Nie mają silnego gradientu ciągnącego ich do p.

To jest geometryczne wyjaśnienie przewagi osoby z zewnątrz: nie zostali opadaniem gradientowym wciśnięci w aktualnym minimum. Ich pozycja początkowa w przestrzeni paradygmatów jest mniej ograniczona.

Dwa tryby błędu eksperta w terminach krajobrazu:

- Fałszywy negatyw (opierz się ważnej nowej idezie): nowa idea odpowiada innemu lokalnemu minimum. Ekspert, głęboko w ich zlewni, postrzega kierunek do nowego minimum jako w górę (zwiększając L) i odrzuca go.

- Fałszywy pozytyw (promuj nieważną ideę): nowa idea łata małą anomalię, przechodząc w dół w aktualnej zlewni. Percepcja gradientu eksperta mówi 'tak, to zmniejsza L' — ale może przechodzić do płytszego lokalnego minimum, nie głębszego.

Cykle Kuhna jako dynamika gradientowa

Thomas Kuhn opisał cykl: nauka normalna (opadanie gradientowe w aktualnej zlewni) → akumulacja anomalii (L rośnie w p*) → kryzys → przesunięcie paradygmatu (skok do nowej zlewni) → nowa nauka normalna.

W modelu krajobrazu straty opisz, jak krajobraz wygląda podczas każdej z czterech faz Kuhna. Dla każdej fazy podaj: (a) gdzie system jest w krajobrazie, (b) co robi opadanie gradientowe, oraz (c) jak akumulacja anomalii wygląda geometrycznie.

Niemożliwość jako granica regionu wykonalnego

Dowód niemożliwości w matematyce lub inżynierii można modelować geometrycznie jako region wykonalny w pewnej przestrzeni parametrów.

Przykład: wynik podnoszenia wody na 33 stopy. Parametrem jest h = wysokość podnoszenia. Mechanizm pompy ssącej definiuje ograniczenie: h ≤ P_atm/ρg ≈ 10,3 m. To ograniczenie definiuje region wykonalny F = {h : h ≤ 10,3 m}. Dowód niemożliwości mówi: dla pomp ssących operujących poprzez ten mechanizm, region wykonalny nie zawiera h > 10,3 m.

Pompa ze stojącą falą operuje w innej przestrzeni parametrów. Nie używa ssania; używa ciśnienia dynamicznego. Ograniczenie wykonalności jest inne; region wykonalny jest większy.

Ukryte założenie dowodu niemożliwości jest równoważne założeniu, że problem żyje w pierwszej przestrzeni parametrów (mechanizmy ssące). Gdy to założenie zawodzi — gdy rozwiązanie dozwolone jest używać inny mechanizm — pracujesz w innej przestrzeni parametrów z innym regionem wykonalnym.

Geometrycznie: dowód niemożliwości dowodzi, że h > 10,3 m leży poza regionem wykonalnym pomp ssących. Nic nie mówi o h w regionie wykonalnym urządzeń ze stojącą falą.

Zidentyfikuj ukryte ograniczenie

Rozważ twierdzenie: 'Nie możesz komunikować informacji z prędkością powyżej szerokości pasma kanału.' To było szeroko wierzono przed pracą Shannona.

Shannon pokazał w 1948, że przepustowość kanału C = B log₂(1 + S/N), gdzie B jest szerokością pasma a S/N jest stosunkiem sygnału do szumu. Jakie było ukryte założenie w przedshannonowskim twierdzeniu niemożliwości — ograniczenie, które definiowało 'region wykonalny', którym eksperci wierzyli, że tempo informacji było ograniczone? I co pokazał dowód Shannona o tym ograniczeniu geometrycznie?