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

гість
1 / ?
назад до уроків

Ландшафт парадигм

Змоделюйте наукову галузь як ландшафт втрат: функція L(p) над простором парадигм P, де L(p) = необяснені дані під парадигмою p. Парадигма, яка пояснює все, має L = 0 (ідеально). Парадигма, яка залишає багато необясненого, має високе L.

Поточна парадигма знаходиться в локальному мінімумі: вона пояснює більшість відомих даних, тому невеликі відхилення від неї збільшують L. Ось чому парадигми стійкі — градієнтний спуск постійно повертається до них.

Експертне знання поглиблює градієнт навколо поточного мінімуму: десятиліття роботи з заповнення деталей, розширення охоплення парадигми та пояснення аномалій все гостріше загострюють стіни локального мінімуму. Градієнт навколо поточної парадигми стає крутішим.

Це створює парадокс експерта: чим глибша експертиза, тим складніше вийти з поточного мінімуму. Саме ті якості, що роблять когось великим експертом — глибоке знання поточної парадигми — роблять його менш імовірним досягненням іншого, можливо глибшого мінімуму.

Зміна парадигми = вихід з локального мінімуму: нова парадигма може бути глибшим мінімумом (краще пояснення) де-небудь в просторі. Але щоб її досягти, спочатку потрібно рухатися в гору — тимчасово збільшуючи необяснені дані — перш ніж спускатися до нового мінімуму. Це період «кризи» в термінології Куна.

Простір парадигм: локальні мінімуми & топологія знання

Градієнтний спуск & інвестиція експерта

Розглянемо парадигму p, що знаходиться в локальному мінімумі L(p). Нове аномальне спостереження створює дані E, які поточна парадигма не може пояснити, трохи збільшуючи L(p).

Поясніть, чому глибокий експерт парадигми p* відповідав би на аномальні дані E, знаходячи допоміжне пояснення («заплатку»), а не відмовляючись від p* на користь нової парадигми. Використовуйте модель ландшафту втрат: як виглядає заплатка геометрично та чому це раціональна реакція, що слідує градієнту?

Басейни притягання в просторі парадигм

Кожен локальний мінімум в L(p) має басейн притягання: регіон простору парадигм, з якого градієнтний спуск веде до цього мінімуму.

Експерт парадигми p провів роки всередину басейну p. Вони знають локальну топологію в надзвичайних деталях. Вони можуть ефективно навігувати басейн — це їхня експертиза.

Аутсайдер приходить у різну точку простору парадигм. Вони можуть починати з точки, повністю поза басейном p — можливо, в басейні іншої парадигми, або на сідловій точці, або в плоському регіоні з малими градієнтами. Вони не мають сильного градієнта, що тягне їх до p.

Це геометричне пояснення переваги аутсайдера: вони не були градієнтно спущені в поточний мінімум. Їхня стартова позиція в просторі парадигм менш обмежена.

Два режими відмови експерта в термінах ландшафту:

- Хибнонегативний результат (спротив дійсній новій ідеї): нова ідея відповідає іншому локальному мінімуму. Експерт, глибоко в своєму басейні, сприймає напрямок до нового мінімуму як в гору (збільшення L) і відхиляє його.

- Хибнопозитивний результат (просування недійсної ідеї): нова ідея заплатує невелику аномалію, рухаючись вниз всередину поточного басейну. Сприйняття градієнта експертом говорить «так, це зменшує L» — але це може рухатися до плішчого локального мінімуму, а не до глибшого.

Цикли Куна як динаміка градієнта

Томас Кун описав цикл: нормальна наука (градієнтний спуск в поточному басейні) → накопичення аномалій (L піднімається при p*) → криза → зміна парадигми (стрибок до нового басейну) → нова нормальна наука.

У моделі ландшафту втрат опишіть, як виглядає ландшафт під час кожної з чотирьох фаз Куна. Для кожної фази вкажіть: (a) де система знаходиться в ландшафті, (b) що робить градієнтний спуск, та (c) як геометрично виглядає накопичення аномалій.

Неможливість як межа можливої області

Доказ неможливості в математиці чи інженерії можна моделювати геометрично як можлива область у якому-небудь просторі параметрів.

Приклад: результат підняття води на 33 фути. Параметр h = висота підйому. Механізм всмоктувального насоса визначає обмеження: h ≤ P_atm/ρg ≈ 10.3 м. Це обмеження визначає можливу область F = {h : h ≤ 10.3 м}. Доказ неможливості говорить: для всмоктувальних насосів, що працюють через цей механізм, можлива область не включає h > 10.3 м.

Насос стоячої хвилі працює в іншому просторі параметрів. Він не використовує всмоктування; він використовує динамічний тиск. Обмеження можливості відрізняється; можлива область більша.

Приховане припущення докази неможливості еквівалентне припущенню, що проблема живе в першому просторі параметрів (механізми всмоктування). Коли це припущення не дотримується — коли рішенню дозволяється використовувати інший механізм — ви працюєте в іншому просторі параметрів з іншою можливою областю.

Геометрично: доказ неможливості доводить, що h > 10.3 м лежить поза можливою областю всмоктувальних насосів. Він нічого не говорить про h в можливій області пристроїв з хвилями, що стоять.

Визначте приховане обмеження

Розглянемо твердження: 'Ви не можете передавати інформацію зі швидкістю вище смуги пропускання каналу.' Це було широко вірено до роботи Шеннона.

Шеннон показав у 1948 році, що пропускна спроможність каналу C = B log₂(1 + S/N), де B — смуга пропускання і S/N — відношення сигналу до шуму. Яке було приховане припущення в допущенні неможливості перед Шенноном — обмеження, яке визначало 'можливу область', до якої експерти вважали обмеженою швидкість інформації? І що доказ Шеннона показав про це обмеження геометрично?