Kompiuterių Modeliavimas Moksle

Turinys:

Kompiuterių Modeliavimas Moksle
Kompiuterių Modeliavimas Moksle

Video: Kompiuterių Modeliavimas Moksle

Video: Kompiuterių Modeliavimas Moksle
Video: "Puskalnio" 3D modeliavimas | Taškų masyvas (Point Cloud) 2024, Kovo
Anonim

Įėjimas Navigacija

  • Įstojimo turinys
  • Bibliografija
  • Akademinės priemonės
  • Draugai PDF peržiūra
  • Informacija apie autorius ir citata
  • Atgal į viršų

Kompiuterių modeliavimas moksle

Pirmą kartą paskelbta 2013 m. Gegužės 6 d. esminė peržiūra 2019 m. rugsėjo 26 d

Kompiuterinis modeliavimas buvo pradėtas kaip mokslinis meteorologijos ir branduolinės fizikos įrankis iškart po Antrojo pasaulinio karo ir nuo to laiko tapo būtinas vis daugiau disciplinų. Mokslų, plačiai naudojančių kompiuterinį modeliavimą, sąrašas išaugo ir apima astrofiziką, dalelių fiziką, medžiagų mokslą, inžineriją, skysčių mechaniką, klimato mokslą, evoliucijos biologiją, ekologiją, ekonomiką, sprendimų teoriją, mediciną, sociologiją, epidemiologiją ir daugelį kitų.. Yra net kelios disciplinos, tokios kaip chaoso teorija ir sudėtingumo teorija, kurių egzistavimas išryškėjo plėtojant jų studijuojamus skaičiavimo modelius.

Po lėto starto mokslo filosofai pradėjo skirti daugiau dėmesio kompiuterinio modeliavimo vaidmeniui moksle. Atsirado kelios filosofinio susidomėjimo kompiuteriniu modeliavimu sritys: kokia yra kompiuterinio modeliavimo epistemologijos struktūra? Koks yra ryšys tarp kompiuterio modeliavimo ir eksperimento? Ar kompiuterinis modeliavimas iškelia mokslo filosofijos problemas, kurios apskritai nėra išsamiai aptariamos pastaruoju metu dirbant su modeliais? Ko kompiuterinis modeliavimas mus moko apie atsiradimą? Apie mokslo teorijų struktūrą? Apie fikcijų vaidmenį (jei yra) moksliniame modeliavime?

  • 1. Kas yra kompiuterinis modeliavimas?

    • 1.1 Siauras apibrėžimas
    • 1.2. Plati apibrėžtis
    • 1.3 Alternatyvus požiūris
  • 2. Kompiuterinio modeliavimo tipai

    • 2.1 Lygtys pagrįstos modeliavimas
    • 2.2 Agentų modeliavimas
    • 2.3 Įvairių sričių modeliavimas
    • 2.4 Monte Karlo modeliavimas
  • 3. Modeliavimo tikslai
  • 4. Kompiuterinio modeliavimo epistemologija

    • 4.1 Naujos EOCS savybės
    • 4.2 EOCS ir eksperimento epistemologija
    • 4.3 Patikrinimas ir patvirtinimas
    • 4.4 EOCS ir episteminė teisė
    • 4.5 Pragmatiškas požiūris į EOCS
  • 5. Modeliavimas ir eksperimentas
  • 6. Kompiuterinis modeliavimas ir mokslinių teorijų struktūra
  • 7. Atsiradimas
  • 8. Fikcijos
  • Bibliografija
  • Akademinės priemonės
  • Kiti interneto šaltiniai
  • Susiję įrašai

1. Kas yra kompiuterinis modeliavimas?

Nėra tikslinga apibrėžti vieno kompiuterio modeliavimo. Visų pirma, terminas vartojamas tiek siaurąja, tiek plačiąja prasme. Antra, galbūt norėsite suprasti šį terminą daugiau nei vienu požiūriu.

1.1 Siauras apibrėžimas

Siauriausia prasme kompiuterinis modeliavimas yra programa, vykdoma kompiuteryje ir naudojant laipsniškus metodus, norint ištirti apytikslį matematinio modelio elgesį. Paprastai tai yra realaus pasaulio sistemos modelis (nors nagrinėjama sistema gali būti įsivaizduojama ar hipotetinė). Tokia kompiuterio programa yra kompiuterio modeliavimo modelis. Vienas programos paleidimas kompiuteryje yra kompiuterinis sistemos modeliavimas. Kaip algoritmas įvestas sistemos būsenos (visų jos kintamųjų vertės) apibrėžimas tam tikru metu t. Tada jis apskaičiuoja sistemos būseną laiku t + 1. Iš antrąją būseną apibūdinančių verčių jis apskaičiuoja sistemos būseną laiko momentu t + 2 ir pan. Kai algoritmas veikia kompiuteriu, jis sukuria skaitmeninį sistemos būsenos raidos vaizdą,kaip tai suprantama modelyje.

Šią modelio kintamųjų verčių seką galima išsaugoti kaip didelę „duomenų“kolekciją ir dažnai žiūrima į kompiuterio ekraną naudojant vizualizacijos metodus. Dažnai, bet tikrai ne visada, vizualizacijos metodai yra sukurti tam, kad būtų imituojamas tam tikro mokslinio instrumento rezultatas, kad modeliavimas matuoja dominančią sistemą.

Kartais naudojami žingsnis po žingsnio kompiuterinio modeliavimo metodai, nes dominančiame modelyje yra ištisinės (diferencialinės) lygtys (kurios nurodo nuolatinius laiko kitimo tempus), kurių neįmanoma išspręsti analitiškai - nei iš principo, nei galbūt tik praktiškai. Tai patvirtina šio Pauliaus Humphreys pateikto apibrėžimo esmę: „bet koks kompiuteriu įdiegtas metodas matematinių modelių savybėms ištirti, kai nėra analitinių metodų“(1991, 500). Tačiau net ir siaurą apibrėžimą reikėtų atidžiai perskaityti, o ne manyti, kad modeliavimas naudojamas tik tada, kai modelyje yra analitiškai neišsprendžiamų lygčių. Kompiuteriniai modeliavimai dažnai naudojami arba todėl, kad pačiame originaliame modelyje yra diskrečiosios lygtys, kurias galima tiesiogiai įdiegti modeliavimui tinkamu algoritmu, arba todėl, kad originalų modelį sudaro kažkas, geriau apibūdinamas kaip evoliucijos taisyklės, o ne kaip lygtys.

Pirmuoju atveju, kai lygtys yra „diskretizuojamos“(lygtis, kurios apibūdina nuolatinius pokyčių tempus, paverčiant diskrečiomis lygtimis), reikėtų pabrėžti, kad nors įprasta kalbėti apie modeliavimą, „išsprendžiantį“šias lygtis, diskretizacija. geriausiu atveju gali rasti tik tai, kas tam tikru norimu tikslumu prilygsta ištisinių lygčių sprendimui. Galiausiai, kalbėdami apie „kompiuterinį modeliavimą“siaurąja prasme, turėtume kalbėti apie tam tikrą algoritmo įgyvendinimą tam tikrame skaitmeniniame kompiuteryje, parašytą tam tikra kalba, naudojant tam tikrą kompiliatorių ir pan. Yra atvejų, kai dėl bet kurios iš šių duomenų variacijų galima gauti skirtingus rezultatus.

1.2. Plati apibrėžtis

Plačiau kalbant, kompiuterinį modeliavimą galime laikyti išsamiu sistemų tyrimo metodu. Plačiąja šio žodžio prasme tai reiškia visą procesą. Šis procesas apima modelio pasirinkimą; rasti būdą, kaip tą modelį įgyvendinti tokia forma, kurią galima paleisti kompiuteryje; algoritmo išvesties skaičiavimas; ir gautų duomenų vizualizavimas ir tyrimas. Į šį metodą įeina visas šis procesas, naudojamas daryti išvadas apie tikslinę sistemą, kurią bandoma modeliuoti, taip pat procedūras, naudojamas toms išvadoms sankcionuoti. Tai daugiau ar mažiau yra kompiuterio modeliavimo tyrimų apibrėžimas, pateiktas Winsberg 2003 (111). „Sėkmingi modeliavimo tyrimai ne tik apskaičiuoja skaičius. Jie daro daugybę metodų, kad padarytų išvadas iš šių skaičių. Imitacijose kūrybiškai naudojamos skaičiavimo metodikos, kurios gali būti motyvuojamos tik matematikos ir papildomos teorijos pagrindu. Taigi, skirtingai nuo paprastų skaičiavimų, kuriuos galima atlikti kompiuteryje, modeliavimo rezultatai nėra automatiškai patikimi. Daug pastangų ir kompetencijos reikia norint nuspręsti, kurie modeliavimo rezultatai yra patikimi, o kurie ne. “Kai mokslo filosofai rašo apie kompiuterinį modeliavimą ir tvirtina, kokias epistemologines ar metodines savybes turi „kompiuterinis modeliavimas“, jie paprastai reiškia terminą, suprantamą šia plačiąja kompiuterinio modeliavimo tyrimo prasme. Daug pastangų ir kompetencijos reikia norint nuspręsti, kurie modeliavimo rezultatai yra patikimi, o kurie ne. “Kai mokslo filosofai rašo apie kompiuterinį modeliavimą ir tvirtina, kokias epistemologines ar metodines savybes turi „kompiuterinis modeliavimas“, jie paprastai reiškia terminą, suprantamą šia plačiąja kompiuterinio modeliavimo tyrimo prasme. Daug pastangų ir kompetencijos reikia norint nuspręsti, kurie modeliavimo rezultatai yra patikimi, o kurie ne. “Kai mokslo filosofai rašo apie kompiuterinį modeliavimą ir tvirtina, kokias epistemologines ar metodines savybes turi „kompiuterinis modeliavimas“, jie paprastai reiškia terminą, suprantamą šia plačiąja kompiuterinio modeliavimo tyrimo prasme.

1.3 Alternatyvus požiūris

Abiejų aukščiau pateiktų apibrėžimų metu kompiuterinis modeliavimas iš esmės susijęs su kompiuterio naudojimu, norint išspręsti arba apytiksliai išspręsti modelio, kuris skirtas atvaizduoti kokią nors realią ar hipotetinę sistemą, matematines lygtis. Kitas metodas yra bandymas apibrėžti „modeliavimą“nepriklausomai nuo kompiuterinio modeliavimo sąvokos, o tada „kompiuterinį modeliavimą“apibrėžti kompoziciškai: kaip simuliacija, kurią vykdo užprogramuotas skaitmeninis kompiuteris. Taikant šį metodą, modeliavimas yra bet kokia sistema, kurios manoma ar tikimasi turėti dinamišką elgesį, pakankamai panašų į kai kurias kitas sistemas, kad pirmąją būtų galima ištirti norint sužinoti apie antrąją.

Pvz., Jei tiriame kokį nors objektą, nes manome, kad jis yra pakankamai dinamiškai panašus į skysčio baseiną, kad galėtume sužinoti apie skysčio baseinus, tyrinėdami jį, tada jis pateikia skysčio baseinų modeliavimą. Tai atitinka Hartmano pateiktą modeliavimo apibrėžimą: tai yra kažkas, kas „imituoja vieną procesą kitu procesu. Šiame apibrėžime terminas „procesas“reiškia tik tam tikrą objektą ar sistemą, kurio būsena keičiasi laikui bėgant “(1996, 83). Hughesas (1999) nesutiko, kad Hartmano apibrėžimas atmetė modeliavimą, imituojantį sistemos struktūrą, o ne jos dinamiką. Humphreysas pakeitė savo modeliavimo apibrėžimą, kad atitiktų Hartmanno ir Hugheso pastabas:

S sistema S pateikia pagrindinį objekto ar proceso B modeliavimą tuo atveju, jei S yra konkretus skaičiavimo įtaisas, kuris laikino proceso metu sukuria skaičiavimo modelio sprendimus, … kurie teisingai atvaizduoja B dinamiškai arba statiškai. Jei papildomai S naudojamas skaičiavimo modelis teisingai parodo tikrosios sistemos R struktūrą, tada S pateikia pagrindinį sistemos R modelį B atžvilgiu (2004, p. 110).

(Atkreipkite dėmesį, kad Humphreys čia apibrėžia kompiuterinį modeliavimą, o ne modeliavimą paprastai, tačiau jis tai daro apibrėždamas kompozicinį terminą.) Reikėtų pažymėti, kad Humphreys apibrėžimai rodo, kad modeliavimas yra sėkmės terminas, ir tai atrodo apgailėtinai.. Geresnis apibrėžimas būtų tas, kuris, kaip ir paskutiniame skyriuje, įtrauktų tokį žodį kaip „manoma“arba „tikėtasi“, kad išspręstų šią problemą.

Daugelyje filosofinių diskusijų apie kompiuterinį modeliavimą naudingesnė sąvoka yra apibrėžta 1.2 punkte. Išimtis yra tada, kai aiškus diskusijos tikslas yra suprasti kompiuterinį modeliavimą kaip modeliavimo pavyzdį plačiau (žr. 5 skyrių). Simuliacijų, kurios nėra kompiuterinės simuliacijos, pavyzdžiai yra garsusis San Fransisko įlankos fizinis modelis (Huggins & Schultz 1973). Tai yra darbinis San Fransisko įlankos ir Sakramento-San Joaquin upės deltos sistemos hidraulinio modelio modelis, kurį šeštajame dešimtmetyje pastatė armijos korpuso inžinieriai, norėdami ištirti galimas inžinerines intervencijas įlankoje. Kitas gražus pavyzdys, išsamiai aptariamas (Dardashti et al., 2015, 2019), yra akustinių „kvaišalų skylių“, pagamintų iš Bose-Einšteino kondensatų, panaudojimas juodųjų skylių elgesiui tirti. Fizikas Billas Unruhas pažymėjo, kad tam tikruose skysčiuose kažkas panašaus į juodąją skylę atsirastų, jei skysčio sritys juda taip greitai, kad bangos turėtų judėti greičiau nei garso greitis (kažkas, ko jie negali padaryti). pabėgti nuo jų (Unruh 1981). Iš tikrųjų tokie regionai turėtų garsinį įvykių horizontą. Unruhas tokią fizinę sąranką pavadino „kvaila skyle“(„kvaila“, kaip „nutildyta“) ir pasiūlė, kad ją būtų galima ištirti, norint išmokti dalykų, kurių mes nežinome apie juodąsias skyles. Kurį laiką į šį pasiūlymą buvo žiūrima ne kaip į protingą idėją, tačiau pastaruoju metu fizikai suprato, kad naudojant Bose-Einšteino kondensatus, jie iš tikrųjų gali pastatyti ir ištirti kvailas skyles laboratorijoje. Aišku, kodėl tokią sąranką turėtume galvoti kaip apie modeliavimą: kvaila skylė imituoja juodąją skylę. Užuot radę kompiuterinę programą, skirtą juodosioms skylėms imituoti, fizikai randa dinamišką skysčių sąranką, kuri, jų manymu, turi gerą modelį ir kuriai tas modelis turi esminių matematinių panašumų su dominančios sistemos modeliu. Jie stebi skysčių nustatymą laboratorijoje, kad padarytų išvadas apie juodąsias skyles. Taigi, šiame skyriuje pateikiami modeliavimo apibrėžimai yra bandyti suprasti, kokia prasme kompiuterinis modeliavimas ir tokios veiklos rūšys yra tos pačios genties rūšys. Tuomet galime atsidurti geresnėje situacijoje, kad suprastumėte, kodėl modeliavimas 1.3 prasme, kuris turi būti vykdomas kompiuteriu, sutampa su simuliacija 1.2 prasme. Mes grįšime prie to 5 skyriuje.fizikai randa dinamišką dinaminę sąranką, kuri, jų manymu, turi gerą modelį ir kuriai šis modelis turi esminių matematinių panašumų su dominančios sistemos modeliu. Jie stebi skysčių nustatymą laboratorijoje, kad padarytų išvadas apie juodąsias skyles. Taigi, šiame skyriuje pateikiami modeliavimo apibrėžimai yra bandyti suprasti, kokia prasme kompiuterinis modeliavimas ir tokios veiklos rūšys yra tos pačios genties rūšys. Tuomet galime atsidurti geresnėje situacijoje, kad suprastumėte, kodėl modeliavimas 1.3 prasme, kuris turi būti vykdomas kompiuteriu, sutampa su simuliacija 1.2 prasme. Mes grįšime prie to 5 skyriuje.fizikai randa dinamišką dinaminę sąranką, kuri, jų manymu, turi gerą modelį ir kuriai šis modelis turi esminių matematinių panašumų su dominančios sistemos modeliu. Jie stebi skysčių nustatymą laboratorijoje, kad padarytų išvadas apie juodąsias skyles. Taigi, šiame skyriuje pateikiami modeliavimo apibrėžimai yra bandyti suprasti, kokia prasme kompiuterinis modeliavimas ir tokios veiklos rūšys yra tos pačios genties rūšys. Tuomet galime atsidurti geresnėje situacijoje, kad suprastumėte, kodėl modeliavimas 1.3 prasme, kuris turi būti vykdomas kompiuteriu, sutampa su simuliacija 1.2 prasme. Mes grįšime prie to 5 skyriuje.

Barberousse ir kt. (2009), tačiau kritiškai vertino šią analogiją. Jie pabrėžia, kad kompiuterinis modeliavimas neveikia taip, kaip veikia Unruho modeliavimas. Taip nėra, kad kompiuteris kaip materialus objektas ir tikslinė sistema vadovaujasi tomis pačiomis diferencialinėmis lygtimis. Gera nuoroda apie simuliacijas, kurios nėra kompiuterinės simuliacijos, yra „Trenholme 1994“.

2. Kompiuterinio modeliavimo tipai

Dažnai išskiriami du kompiuterinio modeliavimo tipai: lygčių modeliavimas ir agento (arba individualus) modeliavimas. Abiejų tipų kompiuteriniai modeliavimai naudojami trims skirtingiems tikslams: numatymui (tiek taškiniu, tiek visuotiniu / kokybiniu), supratimui ir tiriamajam ar euristiniam tikslui.

2.1 Lygtys pagrįstos modeliavimas

Lygtys grindžiamos modeliavimas dažniausiai naudojamas fiziniuose ir kituose moksluose, kur egzistuoja valdančioji teorija, kuri gali padėti sudaryti matematinius modelius, pagrįstus diferencialinėmis lygtimis. Aš čia naudoju terminą „lygtimi pagrįstas“, kad galėčiau nurodyti modeliavimą, pagrįstą visuotinėmis lygčių rūšimis, kurias mes susiejame su fizikinėmis teorijomis, o ne „evoliucijos taisyklėmis“(kurios aptariamos kitame skyriuje). dalelių pagrindu, kai yra n daug diskrečių kūnų ir diferencialinių lygčių rinkinio, reguliuojančio jų sąveiką, arba jie gali būti pagrįsti lauku, kur yra lygčių rinkinys, reguliuojantis nenutrūkstamos terpės ar lauko raidą laike. Ankstesniojo pavyzdys yra galaktikų susidarymo modeliavimas,kuriame gravitacinė sąveika tarp baigtinių diskrečių kūnų kolekcijos yra diskretizuota laike ir erdvėje. Pastarojo pavyzdys yra skysčio, tokio kaip meteorologinė sistema, kaip stipri audra, modeliavimas. Čia sistema traktuojama kaip ištisinė terpė - skystis, o laukas, vaizduojantis jos atitinkamų kintamųjų pasiskirstymą erdvėje, yra diskretizuotas erdvėje ir po to atnaujinamas diskrečiais laiko intervalais.

2.2 Agentų modeliavimas

Agentų modeliavimas yra labiausiai paplitęs socialiniuose ir elgesio moksluose, nors mes taip pat juos randame tokiose disciplinose kaip dirbtinis gyvenimas, epidemiologija, ekologija ir bet kuri disciplina, kurioje tiriama daugelio asmenų tinklo sąveika. Agentų modeliavimas yra panašus į dalelių modeliavimą tuo, kad parodo daugybės n-jų asmenų elgesį. Tačiau skirtingai nei dalelių, kurių pagrindą sudaro lygtys, dalelės, nėra globalių diferencialinių lygčių, kurios reguliuotų individų judesius. Agentų simuliacijose veikiau individų elgesį diktuoja jų pačių vietos taisyklės

Pateiksiu vieną pavyzdį: garsus ir novatoriškas agentų modeliavimas buvo Thomaso Schellingo (1971) „segregacijos“modelis. Agentai jo modeliavime buvo asmenys, kurie „gyveno“ant šachmatų lentos. Asmenys buvo suskirstyti į dvi visuomenės grupes (pvz., Dvi skirtingos rasės, berniukai ir mergaitės, rūkantys ir nerūkantys ir tt). Kiekviena lentos aikštė vaizdavo namą, kuriame buvo ne daugiau kaip vienas asmuo. Žmogus yra laimingas, jei turi tam tikrą procentą savo grupės kaimynų. Laimingi agentai lieka ten, kur yra, nelaimingi agentai persikelia į laisvas vietas. Schellingas nustatė, kad lenta greitai išsivystė į stipriai atskirtą vietos modelį, jei agentų „laimės taisyklės“buvo nurodytos taip, kad segregacijai buvo teikiama pirmenybė. Keista, tačiaujis taip pat nustatė, kad iš pradžių integruotos lentos visiškai atsiskyrė, net jei agento laimės taisyklėse buvo tik švelniai teikiama pirmenybė turėti savo tipo kaimynus.

2.3 Įvairių sričių modeliavimas

2.1 skyriuje aptarėme lygtimis pagrįstus modelius, kurie grindžiami dalelių metodais, ir modelius, kurie grindžiami lauko metodais. Tačiau kai kurie modeliavimo modeliai yra įvairių modeliavimo metodų hibridai. Visų pirma, daugialypiai modeliavimo modeliai sujungia modeliavimo elementus iš skirtingų aprašymo skalių. Puikus to pavyzdys būtų modelis, imituojantis birių medžiagų dinamiką, traktuojant medžiagą kaip lauką, kuriame patiriamas įtempis ir įtempis, palyginti apytiksliai, tačiau jis nukreipiamas į tam tikrus medžiagos regionus, kur yra svarbus nedidelio masto poveikis. įvykusį modelį ir modeliuoti tuos mažesnius regionus, turinčius palyginti smulkesnių modelių metodus. Tokie metodai gali remtis molekuline dinamika arba kvantine mechanika,arba abu iš jų yra tikslesnis medžiagos aprašymas, nei siūloma medžiagą traktuojant kaip lauką. Multiskalės modeliavimo metodus galima dar suskaidyti į nuosekliuosius daugiapakopius ir lygiagrečius daugiapakopius metodus. Tradiciškesnis metodas yra nuoseklus daugialypis modeliavimas. Idėja yra pasirinkti regioną, jį modeliuoti žemesniame aprašymo lygyje, apibendrinti rezultatus į parametrų rinkinį, suvirškinamą pagal aukštesnio lygio modelį, ir perduoti juos aukščiau esančiai algoritmo daliai.apibendrinkite rezultatus į parametrų rinkinį, suvirškinamą pagal aukštesnio lygio modelį, ir perkelkite juos į aukštesnio lygio algoritmo dalį.apibendrinkite rezultatus į parametrų rinkinį, suvirškinamą pagal aukštesnio lygio modelį, ir perkelkite juos į aukštesnio lygio algoritmo dalį.

Daugybiniai nuoseklieji metodai nėra veiksmingi, kai skirtingos skalės yra stipriai sujungtos. Kai skirtingos skalės stipriai sąveikauja, kad būtų sukurtas stebimas elgesys, reikia požiūrio, kuris vienu metu imituoja kiekvieną regioną. Tai vadinama lygiagrečiu daugiapakopiu modeliavimu. Lygiagretus daugialypis modeliavimas yra beveik visur vykstančio modeliavimo metodo pagrindas: vadinamasis „sub-grid“modeliavimas. Potinklinis grotelių modeliavimas reiškia svarbių nedidelio masto fizinių procesų, vykstančių ilgio masteliais, kurie negali būti tinkamai išspręsti atsižvelgiant į konkretaus modeliavimo tinklelio dydį, vaizdavimą. (Atminkite, kad daugelis modeliavimų diskretizuoja ištisines lygtis, todėl jie turi palyginti savavališką baigtinį „tinklelio dydį“.) Pavyzdžiui, tiriant skysčių turbulenciją,bendra praktinė skaičiavimo strategija yra atsižvelgti į trūkstamus smulkius sūkurius (arba sūkurius), kurie patenka į tinklo langelius. Tai atliekama pridedant prie didelio masto judesio sūkurinį klampumą, kuris apibūdina energijos pernešimą ir išsisklaidymą mažesnio masto sraute, arba bet kokią kitą tokią savybę, kuri atsiranda per mažu mastu, kad ją būtų galima užfiksuoti tinklelyje.

Klimato moksle ir panašiose disciplinose sub-tinklelio modeliavimas vadinamas „parametravimu“. Tai vėlgi reiškia procesą, kuris yra per mažas arba sudėtingas, kad būtų fiziškai pavaizduotas modelyje, pakeičiant paprastesnį matematinį aprašą. Tai priešingai nei kiti procesai, pvz., Didelio masto atmosferos srautas, kurie apskaičiuojami tinklelio lygiu pagal pagrindinę teoriją. Tai vadinama „parametravimu“, nes reikalingi įvairūs nefiziniai parametrai, norint valdyti labai apytikslius algoritmus, kurie apskaičiuoja antrinio tinklo reikšmes. Parametravimo pavyzdžiai, imituojant klimato modeliavimą, yra lietaus lašų nusileidimo greitis, atmosferos radiacijos perdavimo laipsnis ir debesų susidarymo greitis. Pavyzdžiui, vidutinis debesuotumas daugiau nei 100 km 2tinklelio dėžutė nėra tiksliai susijusi su vidutine drėgme virš dėžutės. Nepaisant to, didėjant vidutinei drėgmei, padidės ir vidutinis debesuotumas, taigi galėtų būti parametras, susiejantis vidutinį debesuotumą su vidutine drėgme tinklelio dėžutėje. Nors šiuolaikiniai debesų formavimo parametrai yra sudėtingesni nei ši, pagrindinę idėją gerai iliustruoja pavyzdys. Sub-grid modeliavimo metodų taikymas simuliacijoje turi svarbių pasekmių modeliuojant epistemologijos struktūrą. Tai bus išsamiau aptarta 4 skyriuje.

Potinklinių tinklelių modeliavimo metodai gali būti kontrastingi su kito tipo lygiagretaus daugialypio modelio modeliais, kur antrinio tinklo algoritmai yra labiau teoriškai pagrįsti, tačiau juos motyvuoja kitokio aprašymo lygio teorija. Pavyzdžiui, aukščiau paminėtame birių medžiagų modeliavimo pavyzdyje mažesnio aprašymo lygio algoritmas nėra pastatytas ant kelnių sėdynės. Mažesnį lygį vedantis algoritmas iš tikrųjų yra teoriškai principingesnis nei aukštesnis, nes fizika yra fundamentalesnė: kvantinė mechanika arba molekulinė dinamika prieš kontinuumo mechaniką. Kitaip tariant, tokio tipo įvairiaspalviai modeliai telkia teorijų išteklius skirtingais aprašymo lygiais. Taigi jie pateikia įdomių pavyzdžių, kurie provokuoja mūsų mąstymą apie tarpteorinius santykius,ir tai ginčija plačiai nusistovėjusią nuomonę, kad nenuoseklus įstatymų rinkinys negali turėti modelių.

2.4 Monte Karlo modeliavimas

Mokslinėje literatūroje yra dar viena didelė kompiuterinių modelių klasė, vadinama Monte Karlo (MC) modeliavimu. MC modeliavimas yra kompiuteriniai algoritmai, kurie naudoja atsitiktinumą matematinio modelio savybėms apskaičiuoti ir kur algoritmo atsitiktinumas nėra tikslinio modelio ypatybė. Puikus pavyzdys yra atsitiktinio algoritmo naudojimas apskaičiuojant π vertę. Jei ant popieriaus lapo nubraižysite kvadrato vienetą ir jame užrašysite apskritimą, o atsitiktinai išmesite objektų kolekciją aikštės viduje, objektų, kurie nusileidžia apskritime, dalis būtų maždaug lygi π / 4. Kompiuterinis modeliavimas, imituojantis tokią procedūrą, bus vadinamas MC simuliacija apskaičiuojant π.

Daugelis mokslo filosofų nukrypo nuo įprastos mokslinės kalbos ir vengė mąstyti MC modeliais kaip tikrais modeliavimais. Grüne-Yanoff ir Weirich (2010) siūlo šiuos samprotavimus: „Montekarlo požiūris neturi mimetinio tikslo: jis imituoja deterministinę sistemą ne tam, kad tarnautų kaip surogatas, kuris tiriamas jos vietoje, bet tik tam, kad pasiūlytų alternatyvus deterministinės sistemos savybių apskaičiavimas “(p. 30). Tai rodo, kad MC modeliavimas netinka nė vienai iš aukščiau pateiktų apibrėžimų. Kita vertus, atotrūkį tarp filosofų ir įprastos kalbos galbūt galima suskaidyti pažymint, kad MC modeliavimas imituoja įsivaizduojamą procesą, kuris gali būti naudojamas apskaičiuojant ką nors reikšmingo tiriant kitą procesą. Tarkime, aš modeliuoju planetinę orbitą ir skaičiavimui turiu žinoti π vertę. Jei darau paskutinėje pastraipoje minėtą MC modeliavimą, imituoju atsitiktinio objektų kritimo į kvadratą procesą, bet tai, ką modeliuoju, yra planetinė orbita. Šiuo požiūriu MC modeliavimas yra modeliavimas, tačiau tai nėra sistemų, kurios yra naudojamos tyrinėti, modeliavimas. Tačiau, kaip pabrėžia Beisbartas ir Nortonas (2012), kai kurie MC modeliavimai (būtent tie, kurie naudoja MC metodus, kad išspręstų stochastines dinamines lygtis, susijusius su fizine sistema) iš tikrųjų yra jų tiriamų sistemų modeliavimas. Šiuo požiūriu MC modeliavimas yra modeliavimas, tačiau tai nėra sistemų, kurios yra naudojamos tyrinėti, modeliavimas. Tačiau, kaip pabrėžia Beisbartas ir Nortonas (2012), kai kurie MC modeliavimai (būtent tie, kurie naudoja MC metodus, kad išspręstų stochastines dinamines lygtis, susijusius su fizine sistema) iš tikrųjų yra jų tiriamų sistemų modeliavimas. Šiuo požiūriu MC modeliavimas yra modeliavimas, tačiau tai nėra sistemų, kurios yra naudojamos tyrinėti, modeliavimas. Tačiau, kaip pabrėžia Beisbartas ir Nortonas (2012), kai kurie MC modeliavimai (būtent tie, kurie naudoja MC metodus, kad išspręstų stochastines dinamines lygtis, susijusius su fizine sistema) iš tikrųjų yra jų tiriamų sistemų modeliavimas.

3. Modeliavimo tikslai

Yra trys bendros kategorijos tikslų, kuriems gali būti pritaikytos kompiuterinės simuliacijos. Modeliavimas gali būti naudojamas euristiniams tikslams numatyti duomenis, kurių neturime, ir suprasti jau turimus duomenis.

Pagal euristinių modelių kategoriją modeliavimą galima dar suskirstyti į modelius, naudojamus žinioms perduoti kitiems, ir tuos, kurie naudojami informacijai pačiam vaizduoti. Kai Watsonas ir Crickas žaidė su alavo plokštėmis ir viela, jie iš pradžių darė pastarąją, o pirmąją, kai rodė rezultatus kitiems. Kai armijos korpusas sukūrė San Fransisko įlankos modelį, kad įtikintų balsavusį gyventojus, kad tam tikra intervencija yra pavojinga, jie tai naudojosi tokiu euristiniu tikslu. Kompiuterinis modeliavimas gali būti naudojamas abiem šių rūšių tikslams - ištirti galimų reprezentacinių struktūrų ypatybes; arba perduoti žinias kitiems. Pavyzdžiui: kompiuterinis natūralių procesų, tokių kaip bakterijų dauginimasis, tektoninis poslinkis, cheminės reakcijos, modeliavimas,Visi pokyčiai ir evoliucija buvo naudojami klasėje, siekiant padėti mokiniams įsivaizduoti paslėptą reiškinių ir procesų struktūrą, kuri yra nepraktiška, neįmanoma ar brangi iliustruoti „šlapioje“laboratorijoje.

Kita plati tikslų, kuriems gali būti pritaikyta kompiuterinė simuliacija, klasė yra mums papasakoti apie tai, kaip mes turėtume tikėtis, kad realiame pasaulyje kokia nors sistema elgsis tam tikromis aplinkybėmis. Kalbant silpnai: numatymui gali būti naudojamas kompiuterinis modeliavimas. Mes galime naudoti modelius, norėdami numatyti ateitį arba iš naujo apibrėžti praeitį; mes galime juos panaudoti tikslioms prognozėms arba laisvoms, ir bendroms prognozėms. Kalbant apie santykinį prognozių, kurias darome imituodami, tikslumą, galime būti šiek tiek smulkesni savo taksonomijoje. Yra:) Taškų prognozės: Kur bus Marso planeta 2300 m. Spalio 21 d.? b) „Kokybinės“arba visuotinės ar sisteminės prognozės:Ar stabili šios planetos orbita? Koks mastelio dėsnis atsiranda tokiose sistemose? Koks yra fraktalinis tokio tipo atraktoriaus matmuo? ir c) diapazono prognozės: 66% tikimybė, kad vidutinė paviršiaus temperatūra iki 2100 m. padidės 2–5 laipsniais C; „labai tikėtina“, kad jūros lygis pakils mažiausiai dviem pėdomis; „neįtikėtina“, kad termohalinas bus uždarytas per ateinančius 50 metų.

Galiausiai, norint suprasti sistemas ir jų elgesį, galima panaudoti modeliavimą. Jei jau turime duomenų, pasakojančių, kaip elgiasi kažkokia sistema, galime naudoti kompiuterinį modeliavimą, kad atsakytume į klausimus apie tai, kaip šie įvykiai galėjo įvykti; arba apie tai, kaip iš tikrųjų įvyko šie įvykiai.

Galvodami apie kito skyriaus temą, kompiuterinio modeliavimo epistemologiją, taip pat turėtume nepamiršti, kad procedūros, reikalingos sankcionuoti modeliavimo rezultatus, didele dalimi priklausys nuo to, kuris iš aukščiau nurodytų tikslų ar tikslų yra bus imituojamas.

4. Kompiuterinio modeliavimo epistemologija

Kadangi kompiuterinio modeliavimo metodai įgauna vis didesnę reikšmę vis daugiau disciplinų, išaugo jų patikimumo kuriant naujas žinias klausimas, ypač kai modeliavimas turėtų būti laikomas episteminiu bendraamžiu su eksperimentais ir tradiciniais analitiniais teoriniais metodais. Svarbus klausimas visada yra tas, ar tam tikro kompiuterio modeliavimo rezultatai yra pakankamai tikslūs pagal numatytą paskirtį. Jei orų prognozavimui naudojamas modeliavimas, ar jis nuspėja mus dominančius kintamuosius tokiu tikslumu, kurio pakanka patenkinti jo vartotojų poreikius? Jei norint suprasti stiprios perkūnijos struktūrą naudojamas atmosferos virš Vidurio Vakarų lygumos modeliavimas,Ar mes tikime, kad tėkmės struktūros, kurios atliks aiškinamąjį vaidmenį mūsų pasakojime, kodėl audra kartais suskaidoma į dvi dalis arba kodėl ji kartais sudaro tornadus, yra vaizduojamos pakankamai tiksliai, kad palaikytų mūsų pasitikėjimą aiškinimu ? Jei inžinerijoje ir projektavime naudojamas modeliavimas, ar modeliavimo pateiktos prognozės yra pakankamai patikimos, kad būtų galima sankcionuoti tam tikrą pasirinktą projektavimo parametrą, ar patvirtinti mūsų tikėjimą, kad konkretus lėktuvo sparno dizainas veiks? Darant prielaidą, kad atsakymas į šiuos klausimus kartais yra „taip“, ty kad tokios išvados bent kartais yra pateisinamos, pagrindinis filosofinis klausimas yra: kas juos pateisina? Plačiau,Kaip galima įvertinti teiginį, kad modeliavimas yra pakankamai geras numatytam tikslui? Tai yra pagrindiniai kompiuterinio modeliavimo epistemologijos (EOCS) klausimai.

Atsižvelgiant į tai, kad patvirtinimo teorija yra viena iš tradicinių mokslo filosofijos temų, gali atrodyti akivaizdu, kad pastaroji turėtų išteklių pradėti nagrinėti šiuos klausimus. Tačiau Winsbergas (1999) tvirtino, kad kai kalbama apie temų, susijusių su žinių teiginių patvirtinimu, mokslo filosofija tradiciškai rūpinasi teorijų pagrindimu, o ne jų taikymu. Kita vertus, dauguma modeliavimo atvejų, kuriais pasinaudojama teorija, yra linkę naudotis nusistovėjusia teorija. EOCS, kitaip tariant, retai tiria pagrindines teorijas, kurios gali patekti į modeliavimą, ir dažniausiai apie hipotezių, kurios iš dalies yra tų teorijų taikymo rezultatas, patikimumo nustatymą.

4.1 Naujos EOCS savybės

Winsbergas (2001) teigė, kad skirtingai nuo epistemologinių klausimų, kurie tradicinėje patvirtinimo teorijoje užima svarbiausią vietą, tinkamas EOKS turi atitikti tris sąlygas. Visų pirma turi būti atsižvelgiama į tai, kad kompiuterinio modeliavimo metu gautos žinios yra žemyn esančių, motyvuotų ir autonominių padarinių rezultatas.

Žemyn. EOKS turi atspindėti tai, kad daugeliu atvejų priimtos mokslinės teorijos yra atskaitos taškas kuriant kompiuterinius modeliavimo modelius ir vaidina svarbų vaidmenį pagrindžiant išvadas nuo modeliavimo rezultatų iki išvadų apie realaus pasaulio taikinių sistemas. Žodis „žemyn“turėjo reikšti faktą, kad skirtingai nuo daugelio mokslo išvadų, kurios tradiciškai domina filosofus ir kurios pereina nuo stebėjimo pavyzdžių prie teorijų, čia mes turime išvadas, kurios (iš dalies) daromos iš aukštosios teorijos, žemyn, į konkrečią reiškinių bruožai.

Motley. EOCS turi atsižvelgti į tai, kad modeliavimo rezultatai vis dėlto paprastai priklauso ne tik nuo teorijos, bet ir nuo daugelio kitų modelio ingredientų ir išteklių, įskaitant parametravimą (aptarta aukščiau), skaitinio sprendimo metodus, matematinius triukus, aproksimacijas ir idealizacijas, tiesiogines fikcijas, ad hoc prielaidas., funkcijų bibliotekos, kompiliatoriai ir kompiuterinė įranga, o galbūt svarbiausia - kraujas, prakaitas ir daugybės bandymų ir klaidų ašaros.

Autonominis. EOCS turi atsižvelgti į modeliavimo metu gautų žinių savarankiškumą ta prasme, kad modeliavimo metu gautų žinių negalima visiškai sankcionuoti, palyginti su stebėjimu. Paprastai modeliavimas naudojamas tiriant reiškinius, kai duomenų yra nedaug. Šiomis aplinkybėmis modeliavimas yra skirtas eksperimentams ir stebėjimams, kaip duomenų apie pasaulį šaltiniui, pakeisti, nes atitinkami eksperimentai ar stebėjimai yra neprieinami dėl principinių, praktinių ar etinių priežasčių.

Parkeris (2013) atkreipė dėmesį į tai, kad šių sąlygų naudingumą šiek tiek sumažina tai, kad ji per daug orientuota į fizinių mokslų modeliavimą ir kitas disciplinas, kuriose modeliavimas grindžiamas teorija ir grindžiamas lygtimis. Tai atrodo teisinga. Socialiniuose ir elgesio moksluose bei kitose disciplinose, kur agentų modeliavimas (žr. 2.2 skyrių) yra labiau norma, o kai modeliai kuriami nesant nustatytų ir kiekybinių teorijų, EOKS turbūt turėtų būti apibūdinama kitais terminais.

Pavyzdžiui, kai kurie socialiniais tyrinėtojais, kurie naudojasi agentais pagrįstu modeliavimu, siekia metodikos, kurioje socialiniai reiškiniai (pavyzdžiui, stebimas modelis, pavyzdžiui, segregacija) yra paaiškinami arba į juos atsižvelgiama generuojant panašius išvaizdos reiškinius jų modeliavime (Epstein ir Axtell 1996; Epstein). 1999). Tačiau tai kelia savų epistemologinių klausimų. Kas tiksliai buvo padaryta, kokios žinios buvo įgytos, kai stebimas socialinis reiškinys daugiau ar mažiau atkuriamas agentų modeliavimu? Ar tai laikoma reiškinio paaiškinimu? Galimas paaiškinimas? (žr., pvz., Grüne-Yanoff 2007). Giuseppe Primiero (2019) teigia, kad egzistuoja visa „dirbtinių mokslų“sritis, paremta agentų ir daugelio agentų sistemų modeliavimu,ir kad tam reikia savo epistemologijos - tokios, kurios patvirtinimo negalima apibrėžti palyginus su esama realaus pasaulio sistema, tačiau jis turi būti apibrėžtas atsižvelgiant į numatytą sistemą.

Taip pat teisinga sakyti, kaip tai daro Parkeris (2013), kad aukščiau nurodytoms sąlygoms nepakankamai atsižvelgiama į įvairius ir skirtingus tikslus, kuriems naudojami modeliai (kaip aptarta 2.4 punkte). Jei mes naudojame modeliavimą, kad pateiktume tikslius kiekybinius numatomus tikslinės sistemos elgesio planus, tokių išvadų epistemologijai gali prireikti griežtesnių standartų nei tie, kurie taikomi, kai daromos išvados yra susijusios su bendru, kokybiniu visumos elgesiu. sistemų klasė. Iš tiesų, taip pat teisinga sakyti, kad būtų galima nuveikti kur kas daugiau darbų klasifikuojant tikslus, kuriems keliami kompiuteriniai modeliavimai, ir apribojimus, kuriuos tie tikslai daro jų epistemologijos struktūrai.

Friggas ir Reissas (2009) teigė, kad nė viena iš šių trijų sąlygų kompiuterio modeliavimui nėra nauja. Jie teigė, kad įprastas „popieriaus ir pieštuko“modeliavimas turi šias savybes. Jie iš tikrųjų teigė, kad kompiuterinis modeliavimas negalėjo iškelti naujų epistemologinių problemų, nes epistemologinius klausimus buvo galima aiškiai suskirstyti į modeliavimo, kuriuo grindžiamas modeliavimas, tinkamumo klausimą, kuris yra identiškas epistemologiniams klausimams, kylantiems įprastais atvejais. modeliavimas, ir modeliavimo pateiktų modelio lygčių sprendimo teisingumo klausimas, kuris yra matematinis klausimas, o ne susijęs su mokslo epistemologija. Pirmuoju klausimu Winsbergas (2009b) atsakė, kad modeliavimas buvo naujas visų trijų požymių tuo pačiu metu. Mes grįšime prie antrojo punkto 4.3 skyriuje

4.2 EOCS ir eksperimento epistemologija

Kai kuriuose EOCS darbuose buvo sukurtos kompiuterinio modeliavimo analogijos, kad būtų galima remtis naujausiu eksperimento epistemologijos darbu, ypač Allano Franklino darbu; žiūrėti įrašą apie fizikos eksperimentus.

Savo darbe, susijusiame su eksperimento epistemologija, Franklinas (1986, 1989) nustatė keletą strategijų, kurias eksperimentatoriai naudoja siekdami padidinti racionalų pasitikėjimą savo rezultatais. Weissart (1997) ir Parker (2008a) įrodinėjo įvairių formų analogijas tarp šių strategijų ir daugelio strategijų, prieinamų simuliatoriams, kad būtų galima sankcionuoti jų rezultatus. Išsamiausią šių santykių analizę galima rasti Parker 2008a, kur ji taip pat naudoja šias analogijas, kad pabrėžtų dabartinių modeliavimo modelio vertinimo trūkumų.

Winsbergas (2003) taip pat remiasi Iano Hackingo (1983, 1988, 1992) eksperimento filosofijos darbais. Viena pagrindinių Hackingo įžvalgų apie eksperimentą yra užfiksuota jo šūkyje, kad eksperimentai turi savo gyvenimą “(1992: 306). Šiuo įsilaužimu ketino perteikti du dalykus. Pirmoji buvo reakcija į nestabilų mokslo vaizdą, kilusį, pavyzdžiui, iš Kuhn. Hacking (1992) rodo, kad eksperimentiniai rezultatai gali išlikti stabilūs net ir dramatiškai pasikeitus kitoms mokslo dalims. Antrasis susijęs punktas, kurį jis ketino pasakyti, buvo tas, kad „eksperimentai yra natūralūs, jie vystosi, keičiasi ir vis tiek išlaiko tam tikrą ilgalaikį vystymąsi, verčiantį kalbėti apie eksperimentų kartojimą ir pakartojimą“(1992: 307). Kai kurie modeliai, kuriuos modeliuodami naudoja savo modeliams, įgyja kvalifikaciją panašiai kaip ir Hackingas, sako instrumentai bei eksperimentinės procedūros ir metodai; kredencialai vystosi ilgą laiką ir tampa giliai susieti su tradicijomis. Hackingo kalba, modeliavimo metodai ir prielaidų rinkiniai tampa „savaime suprantami“. Galbūt geresnė išraiška būtų tai, kad jie nešiojasi savo įgaliojimus. Tai yra atsakas į 4.1 punkte nurodytą problemą, suprantant, kaip modeliavimas galėtų turėti perspektyvią epistemologiją, nepaisant motyvų ir autonominių jo išvadų pobūdžio.metodai ir prielaidų rinkiniai, kuriuos naudoja simuliatoriai, tampa „savaime pagrįsti“. Galbūt geresnė išraiška būtų tai, kad jie nešiojasi savo įgaliojimus. Tai yra atsakas į 4.1 punkte nurodytą problemą, suprantant, kaip modeliavimas galėtų turėti perspektyvią epistemologiją, nepaisant motyvų ir autonominių jo išvadų pobūdžio.metodai ir prielaidų rinkiniai, kuriuos naudoja simuliatoriai, tampa „savaime pagrįsti“. Galbūt geresnė išraiška būtų tai, kad jie nešiojasi savo įgaliojimus. Tai yra atsakas į 4.1 punkte nurodytą problemą, suprantant, kaip modeliavimas galėtų turėti perspektyvią epistemologiją, nepaisant motyvų ir autonominių jo išvadų pobūdžio.

Parkeris (2008b), remdamasis kito eksperimento filosofo (Mayo 1996) įkvėpimu, siūlo ištaisyti kai kuriuos dabartinių modeliavimo modelio vertinimo metodų trūkumus. Šiame darbe Parkeris siūlo Mayo klaidų statistikos metodą tradiciniam eksperimentui suprasti, kuriame naudojama „sunkaus testo“sąvoka, ir tai galėtų parodyti modeliavimo epistemologiją. Pagrindiniu modeliavimo epistemologijos klausimu iš klaidų statistinės perspektyvos tampa: „Kas pateisina tai, kad kompiuterinį modeliavimą turime laikyti sunkiu tam tikros gamtos gamtos hipotezės išbandymu? Tai yra, kas leidžia daryti išvadą, kad modeliavimas greičiausiai neduos rezultatų, kuriuos iš tikrųjų davė, jei interesų hipotezė būtų klaidinga (2008b,380)? Parkeris mano, kad per daug tam, kas reikalinga modeliavimo modeliui įvertinti, trūksta griežtumo ir struktūros, nes:

susideda iš šiek tiek daugiau nei šalutinis modeliavimo rezultatų ir stebimų duomenų palyginimas, pateikiant mažai aiškių argumentų apie tai, ar šie duomenys rodo modelio gebėjimą pateikti įrodymų apie konkrečias dominančias mokslo hipotezes, arba visai jų nereikia. (2008b, 381)

Aiškiai remdamasi Mayo (1996) darbu, ji tvirtina, kad, užuot tai dariusi modeliavimo epistemologija, ji pateikia tam tikrų „kanoninių klaidų“, kurios gali atsirasti, aprašą ir jų buvimo vietos nustatymo strategijas.

4.3 Patikrinimas ir patvirtinimas

Modeliavimo praktikai, ypač inžinerijos, ginklų bandymo ir klimato mokslo srityse, linkę suprasti EOCS tikrinimo ir patvirtinimo prasme. Sakoma, kad tikrinimas yra procesas, kurio metu nustatoma, ar modeliavimo rezultatas atitinka pirminio modelio diferencialinių lygčių tikruosius sprendimus. Kita vertus, tvirtinimas, kaip teigiama, yra procesas, kurio metu nustatoma, ar pasirinktas modelis yra pakankamai geras realaus pasaulio sistemos vaizdas modeliavimui. Inžinierių ir mokslininkų patikrinta ir patvirtinta literatūra yra didžiulė ir ji pradeda sulaukti tam tikro filosofų dėmesio.

Patikrinimą galima suskirstyti į sprendimo tikrinimą ir kodo tikrinimą. Pirmasis patikrina, ar numatyto algoritmo išvestis atitinka pirminio modelio diferencialinių lygčių tikruosius sprendimus. Pastaroji patikrina, ar parašytas kodas vykdo numatytą algoritmą. Kodo tikrinimą dažniausiai nepaisė mokslo filosofai; tikriausiai todėl, kad ji buvo laikoma labiau kompiuterių, o ne empirinio mokslo problema, galbūt klaida. Dalį tirpalo patikrinimo sudaro apskaičiuotos išvesties palyginimas su analitiniais sprendimais (vadinamaisiais etaloniniais sprendimais). Nors šis metodas, be abejo, gali padėti įvertinti kompiuterinio modeliavimo rezultatus, jis pats savaime yra nepakankamas,nes modeliavimas dažnai naudojamas būtent todėl, kad analitinis sprendimas nėra prieinamas dominančioms tirpalo erdvės sritims. Galimi ir kiti netiesioginiai metodai: svarbiausias iš jų tikriausiai yra patikrinti, ar ir kokiu greičiu apskaičiuotas išėjimas virsta stabiliu sprendimu, nes diskreteravimo tinklelio laikas ir erdvinė skiriamoji geba tampa tikslesni.

Pagrindinė patvirtinimo strategija apima modelio išvesties palyginimą su stebimais duomenimis. Be abejo, ši strategija daugeliu atvejų yra ribota, kai modeliavimas vykdomas, nes stebimų duomenų yra nedaug. Tačiau galima naudoti sudėtingas strategijas, įskaitant modeliavimo posistemių išvesties palyginimą su atitinkamais eksperimentais (Parker, 2013; Oberkampf ir Roy 2010).

Patikrinimo ir įteisinimo sąvokos sukėlė tam tikrą filosofų kritiką. Oreskes ir kt. 1994 m., Labai plačiai cituojamas straipsnis, daugiausia kritikavo terminologiją, teigdamas, kad „pagrįstumas“, visų pirma, yra savybė, taikoma tik loginiams argumentams, ir todėl terminas, kai jis taikomas modeliams, gali sukelti per daug pasitikėjimo savimi..

Winsbergas (2010, 2018, p. 155) teigė, kad koncepcinis padalijimas tarp patikrinimo ir patvirtinimo gali būti klaidinantis, jei imama manyti, kad yra vienas metodų rinkinys, kuris pats savaime gali parodyti, kad mes išsprendėme lygtis. teisingai, ir kad yra dar vienas metodų rinkinys, kuris pats savaime gali parodyti, kad turime teisingas lygtis. Jis taip pat teigė, kad klaidinga manyti, jog modeliavimo epistemologija yra aiškiai padalinta į empirinę dalį (patikra) ir matematinę (ir informatikos) dalį (įteisinimas). Tačiau ši klaidinanti idėja dažnai seka patikrinimo ir įteisinimo diskusiją. Tai randame tiek praktikų, tiek filosofų darbe.

Čia yra standartinė praktikuojančio gydytojo Roy eilutė: „Patikrinimas susijęs su matematika ir nurodo skaitmeninio sprendimo teisingumą tam tikram modeliui. Kita vertus, patvirtinimas susijęs su fizika ir nagrinėja modelio tinkamumą atkuriant eksperimentinius duomenis. Galima patvirtinti, kad patikrinimas yra teisingas pasirinktų lygčių išsprendimas, o patvirtinimas pirmiausia pasirenka teisingas lygtis “(Roy 2005).

Kai kurie filosofai šį skirtumą įtraukė į argumentus apie modeliavimo filosofinę naujovę. Pirmiausia šį klausimą iškėlėme 4.1 skyriuje, kur Friggas ir Reissas teigė, kad modeliavimas negalėjo turėti jokių epistemologiškai naujų požymių, nes jame buvo du atskiri komponentai: komponentas, identiškas įprasto modeliavimo epistemologijai, ir komponentas, kuris yra visiškai matematinis. „Čia turėtume atskirti dvi skirtingas patikimumo sąvokas, atsakydami į du skirtingus klausimus. Pirma, ar sprendimai, kuriuos kompiuteris teikia pakankamai arti realių (bet neprieinamų) sprendimų, yra naudingi?… Tai yra visiškai matematinis klausimas ir jis patenka į ką tik paminėtų problemų klasę. Taigi, čia nėra nieko naujo filosofiniu požiūriu ir klausimas iš tikrųjų yra vienas iš skaičių gniuždančių. Antra,ar skaičiavimo modeliai, kurie yra modeliavimo pagrindas, teisingai atspindi tikslinę sistemą? Tai yra, ar modeliavimo rezultatai yra galiojantys išorėje? Tai yra rimtas klausimas, kuris nepriklauso nuo pirmosios problemos, ir tas pats kyla dėl modelių, kurie neapima nenusakomos matematikos ir įprastų eksperimentų “(Frigg ir Reiss 2009).

Tačiau griežtai tariant, tikrinimas ir patvirtinimas nėra taip aiškiai atskirtas. Taip yra todėl, kad dauguma patvirtinimo metodų patys savaime yra per silpni, kad būtų galima nustatyti modeliavimo pagrįstumą. Ir dauguma modeliavimui pasirinktų lygčių nėra tiesiogine prasme „teisingos lygtys“; Tai nėra pavyzdinės lygtys, kurias pasirinktume idealiame pasaulyje. Kitaip tariant, turime rimtų priežasčių manyti, kad egzistuoja pavyzdinės lygtys, kurioms abstrakčiai suteikiama geresnė empirinė parama. Mūsų pasirinktos lygtys dažnai atspindi kompromisą tarp to, kas, mūsų manymu, geriausiai apibūdina reiškinius ir skaičiavimo traukos. Taigi pasirinktos lygtys retai būna gerai „patvirtinamos“. Jei norime suprasti, kodėl imitavimo rezultatai laikomi patikimais,mes turime žiūrėti į modeliavimo epistemologiją kaip į integruotą visumą, ne taip aiškiai suskirstytą į patikrinimą ir patvirtinimą, kurie kiekvienas atskirai atrodytų netinkamas užduočiai.

Taigi vienas dalykas yra tai, kad patikrinimas ir patvirtinimas nėra savarankiškai sėkminga ir atskirta veikla. Bet kitas dalykas yra tai, kad nėra dviejų nepriklausomų subjektų, į kuriuos būtų nukreipta ši veikla: modelis, pasirinktas diskretizuoti, ir metodas, kuris jį diskretizuoja. Kai suprantama, kad lygtys, kurios turi būti „išspręstos“, kartais pasirenkamos taip, kad būtų pašalintos diskretiškumo klaidos ir pan. (Lenhard 2007 yra labai gražus to pavyzdys, susijęs su „Arakawa“operatoriumi), šį vėlesnį skirtumą išlaikyti sunku. Taigi, sėkmė pasiekiama modeliuojant savotišką pirmyn ir atgal bandymą ir klaidą, pavienį modelio ir skaičiavimo metodo pritaikymą. Tokiu atveju sunku net žinoti, ką reiškia pasakyti, kad modeliavimas yra atskirai patikrintas ir patvirtintas.

Niekas neginčijo, kad V&V nėra naudingas skirtumas, o veikiau tai, kad mokslininkai neturėtų perpildyti pragmatiškai naudingo skirtumo į švarų metodinį diktatą, kuris klaidingai atspindi jų pačių praktikos netvarkingumą. Be to, Friggo ir Reisso argumentai, kad simuliacijoje nėra epistemologinio naujumo, žlunga tik dėl šios priežasties. Tai, ar sprendimai, kuriuos kompiuteris pateikia pakankamai arti faktinių (bet neprieinamų), nėra „visiškai matematinis klausimas“, kad jie būtų naudingi. Bent jau ne šiuo atžvilgiu: į klausimą, į kurį galima atsakyti kaip į praktinį dalyką, visiškai naudojant matematinius metodus. Taigi tai yra empirinis / epistemologinis klausimas, kuris nekyla įprasto modeliavimo metu.

4.4 EOCS ir episteminė teisė

Pagrindinė įprastos (už mokslo filosofijos ribų) epistemologijos kryptis yra pabrėžti, kokia yra žinių galimybės sąlyga, kad mes remiamės savo pojūčiais ir kitų žmonių liudijimais tokiu būdu, kurio negalime pagrįsti patys.. Pasak Tylerio Burge'io (1993 m., 1998 m.), Tikėjimas šių dviejų procesų rezultatais yra pagrįstas, tačiau nepateisinamas. Anot Burge'io, mes turime teisę į šiuos įsitikinimus. „Visi kiti dalykai turi teisę remtis suvokimu, atmintimi, dedukciniu ir indukciniu samprotavimais ir… kitų žodžiu“(1993, p. 458). Tikėjimas, kurį turi tikintysis, yra tas, kurio neparemia tikinčiojo turimi įrodymai, tačiau kuriuo įsitikinti vis dėlto pateisinama.

Kai kurie EOCS darbai sukūrė analogijas tarp kompiuterinio modeliavimo ir žinių kaupimo praktikos, kurią „Burge“sieja su teise. (Žr. Ypač „Barberousse and Vorms“, 2014 ir Beisbart, 2017.) Tai tam tikra prasme yra natūralus Burge'io argumentų, kad mes tokiu būdu žiūrime į kompiuterinius įrodymus, užuomazgos (1998). Kompiuterinės simuliacijos yra nepaprastai sudėtingos, dažnai tai yra įvairių mokslininkų ir kitų ekspertų grupių atliktos episteminės darbo rezultatas, ir, kas svarbiausia, epistemiškai nepermatomos (Humphreys, 2004). Dėl šių savybių Beisbartas teigia, kad protinga kompiuterines simuliacijas vertinti taip, kaip traktuojame savo pojūčius ir kitų liudijimus: tiesiog kaip dalykus, kuriais galima pasitikėti darant prielaidą, kad viskas veikia sklandžiai. (Beisbartas, 2017 m.).

Symonsas ir Alvarado (2019 m.) Tvirtina, kad dėl šio požiūrio į EOCS yra pagrindinė problema ir tai turi bendro su kompiuteriu pagrįsto įrodymo, kuris turėjo lemiamą reikšmę pradinei Burge'io sąskaitai, ypatybė: buvimas „skaidriu konvejeriu“. „Labai svarbu atkreipti dėmesį, pavyzdžiui, į tai, kad Burge'io turinio išsaugojimo ir skaidraus perteikimo ataskaita reikalauja, kad gavėjas jau turėtų pagrindo neabejoti šaltiniu“(p. 13). Tačiau Symonsas ir Alvarado nurodo daugelį kompiuterinio modeliavimo savybių (brėžinys iš Winsberg 2010 ir Ruphy 2015), dėl kurių jie šių savybių neturi. Lenhard ir Küster 2019 metai taip pat yra aktualūs,nes jie tvirtina, kad yra daugybė kompiuterinio modeliavimo ypatybių, dėl kurių juos sunku atkurti, ir dėl to kenkia stabilumui, kurio jiems prireiks, kad būtų skaidrūs konvejeriai. Dėl šių priežasčių ir kitų, susijusių su daugeliu 4.2 ir 4.3 punktuose aptartų bruožų, Symons ir Alvarado tvirtina, kad neįtikėtina, jog kompiuterinį modeliavimą turėtume vertinti kaip pagrindinę episteminę praktiką, lygiavertę jausmo suvokimui, atminčiai, liudijimui ar panašiai.

4.5 Pragmatiškas požiūris į EOCS

Kitas požiūris į EOKS yra pagrįsti jį praktiniais modeliavimo ir modeliavimo priemonių aspektais. Remiantis šia nuomone, kitaip tariant, geriausia priežastis, dėl kurių galime tikėti kompiuterinio modeliavimo studijų rezultatais, yra pasitikėjimas praktikuojančiais modeliuotojais, kurie juos naudoja. Puikus tokios rūšies sąskaitos pavyzdys yra (Hubig ir Kaminski, 2017). Tokio darbo epistemologinis tikslas yra nustatyti mūsų pasitikėjimo modeliavimu lokalizaciją praktiniuose modeliavimo ir modeliavimo kūrimo aspektuose, o ne pačiose modelių ypatybėse. (Resch ir kt., 2017) teigia, kad nemaža priežastis, dėl kurios turėtume pasitikėti modeliavimu, yra ne dėl pačių modeliavimo,bet dėl interpretuojančiojo meniškumo tiems, kurie naudojasi savo menu ir įgūdžiais interpretuoti modeliavimo rezultatus. Symonsas ir Alvarado (2019) taip pat kritiškai vertina šį požiūrį, teigdami, kad „kompiuterinio modeliavimo epistemologijos uždavinys yra paaiškinti skirtumą tarp šiuolaikinio mokslininko pozicijos, palyginti su epistemiškai nepermatomais kompiuteriniais modeliavimais..“(p. 7).) ir tikinčiųjų mechaniniu orakulo santykiu su savo orakulais. Anot Symonso ir Alvarado, kartu egzistuoja pragmatiški ir episteminiai samprotavimai, ir jie nėra galimi konkurentai teisingam mūsų pasitikėjimo modeliavimu paaiškinimui - episteminės priežastys yra pagrindinės priežastys, paaiškinančios ir pagrindžiančios pragmatiškas.teigdamas, kad „kompiuterinio modeliavimo epistemologijos uždavinys yra paaiškinti skirtumą tarp šiuolaikinio mokslininko pozicijos, palyginti su epistemiškai nepermatomais kompiuteriniais modeliavimais..“(p. 7) ir tikinčiųjų mechaninio orakulo santykio su savo orakulais. Anot Symonso ir Alvarado, kartu egzistuoja pragmatiški ir episteminiai samprotavimai, ir jie nėra galimi konkurentai teisingam mūsų pasitikėjimo modeliavimu paaiškinimui - episteminės priežastys yra pagrindinės priežastys, paaiškinančios ir pagrindžiančios pragmatiškas.teigdamas, kad „kompiuterinio modeliavimo epistemologijos uždavinys yra paaiškinti skirtumą tarp šiuolaikinio mokslininko pozicijos, palyginti su epistemiškai nepermatomais kompiuteriniais modeliavimais..“(p. 7) ir tikinčiųjų mechaninio orakulo santykio su savo orakulais. Anot Symonso ir Alvarado, kartu egzistuoja pragmatiški ir episteminiai samprotavimai, ir jie nėra galimi konkurentai teisingam mūsų pasitikėjimo modeliavimu paaiškinimui - episteminės priežastys yra pagrindinės priežastys, paaiškinančios ir pagrindžiančios pragmatiškas.ir jie nėra galimi konkurentai dėl teisingo mūsų pasitikėjimo modeliavimu paaiškinimo - episteminės priežastys yra pagrindinės priežastys, paaiškinančios ir pagrindžiančios pragmatiškas.ir jie nėra galimi konkurentai dėl teisingo mūsų pasitikėjimo modeliavimu paaiškinimo - episteminės priežastys yra pagrindinės priežastys, paaiškinančios ir pagrindžiančios pragmatiškas.

5. Modeliavimas ir eksperimentas

Dirbantys mokslininkai modeliavimo tyrimus kartais apibūdina eksperimentais. Ryšys tarp modeliavimo ir eksperimento tikriausiai atsirado dar tada, kai von Neumannas, kuris, labai anksti pasisakydamas dėl kompiuterių naudojimo fizikoje, pažymėjo, kad reikia atlikti daug sunkių eksperimentų vien tam, kad būtų nustatyti faktai, kurie iš principo turėtų būti būti išvedamas iš teorijos. Kai von Neumanno vizija tapo realybe, o kai kuriuos iš šių eksperimentų pradėjo pakeisti modeliavimai, tapo natūralu juos laikyti eksperimento versijomis. Tipišką ištrauką galima rasti populiarioje knygoje apie modeliavimą:

Modeliavime, kuris tiksliai imituoja sudėtingą reiškinį, yra daugybė informacijos apie tą reiškinį. Superkompiuteris tūkstančius taškų įvertina tokius kintamuosius kaip temperatūra, slėgis, drėgmė ir vėjo greitis, nes tai, pavyzdžiui, imituoja audros vystymąsi. Tokie duomenys, kurie žymiai viršija viską, ką buvo galima gauti paleidus orų oro balionų parką, atskleidžia intymią informaciją apie tai, kas vyksta audros debesyje. (Kaufmann ir Smarr 1993, 4)

„In silico“eksperimentų idėja tampa dar patikimesnė, kai imitavimo tyrimas yra skirtas sužinoti, kas nutinka sistemai dėl įvairių galimų intervencijų: Kas nutiktų pasauliniam klimatui, jei į atmosferą būtų pridėta x anglies kiekio? ? Kas nutiks su šiuo lėktuvo sparnu, jei jis bus paveiktas tokio ir tokio? Kaip pasikeistų srauto įpročiai, jei šioje vietoje būtų pridedamas antžeminis žemėlapis?

Todėl filosofai pradėjo svarstyti, kokia prasme, jei tokia yra, kompiuterio modeliavimas yra kaip eksperimentas ir kokia prasme jie skiriasi. Susijusi problema yra klausimas, kada procesas, iš esmės apimantis kompiuterinį modeliavimą, gali būti laikomas matavimu (Parker, 2017). Literatūroje atsirado keletas nuomonių, kuriomis siekiama apginti ir kritikuoti dvi tezes:

Tapatybės tezė. Kompiuterinio modeliavimo tyrimai yra tiesioginiai eksperimentų pavyzdžiai.

Epistemologinė priklausomybės tezė. Tapatybės tezė (jei ji būtų teisinga) būtų gera priežastis (silpna versija) arba geriausia priežastis (stipresnė versija) arba vienintelė priežastis (stipriausia versija; tai būtina sąlyga) manyti, kad modeliavimas gali suteikti garantijų tikėjimas hipotezėmis, kurias jos palaiko. Stipriausios versijos pasekmė yra ta, kad tik tuo atveju, jei tapatybės tezė yra teisinga, yra pagrindo manyti, kad modeliavimas gali suteikti pagrindą tikėti hipotezėmis.

Pagrindinė epistemologinės priklausomybės tezės idėja yra ta, kad eksperimentai yra kanoniniai dariniai, vaidinantys pagrindinį vaidmenį pagrindžiant mūsų tikėjimą mokslinėmis hipotezėmis, ir kad todėl turėtume galvoti, kad modeliavimas taip pat gali vaidinti pagrindimą tokiems įsitikinimams pagrįsti. priklauso nuo to, kiek jie gali būti identifikuoti kaip tam tikras eksperimentas.

Filosofų, ginančių identiteto tezes, galima rasti jau Humphreys 1995 ir Hughes 1999. Ir bent jau numanomas palaikymas (stipresnei) epistemologinės priklausomybės tezės versijai Hughes'e yra. Ankstyviausias aiškus epistemologinės priklausomybės tezės argumentas yra Norton and Suppe 2001. Pasak Norton ir Suppe, modeliavimas gali pateisinti įsitikinimą būtent todėl, kad jie tiesiog yra eksperimentai. Jie papasakoja išsamią istoriją apie tai, kokia prasme jie yra eksperimentai ir kaip visa tai turėtų veikti. Anot Nortono ir Suppe'o, tinkamas modeliavimas yra toks, kai tam tikri formalūs ryšiai (tai, ką jie vadina „įgyvendinimu“) yra tarp bazinio modelio, pačios modeliuojamos fizinės sistemos ir kompiuterio, kuriame vykdomas algoritmas. Kai bus įvykdytos tinkamos sąlygos,„modeliavimas gali būti naudojamas kaip priemonė tikriems pasaulio reiškiniams tirti ar aptikti. Empiriniai duomenys apie tikrus reiškinius gaunami eksperimentinės kontrolės sąlygomis “(p. 73).

Viena šios istorijos problemų yra ta, kad jų išdėstytos formalios sąlygos yra per griežtos. Vargu, ar yra labai daug realių kompiuterio modeliavimo pavyzdžių, kurie atitinka griežtus jų standartus. Imitacija beveik visada yra daug idealizuojanti ir labiau suderinanti įmonė. Taigi, jei modeliavimas yra eksperimentas, greičiausiai tai nėra tas būdas, kokį įsivaizdavo Nortonas ir Suppe.

Apskritai tapatybės tezė sukėlė ugnį iš kitų kvartalų.

Gilbertas ir Troitzschas tvirtino, kad „pagrindinis skirtumas yra tas, kad eksperimento metu kontroliuojamas tikrasis dominantis objektas (pavyzdžiui, chemijos eksperimente tiriamos cheminės medžiagos), o simuliacijoje eksperimentuojama su modelį, o ne patį reiškinį. “(Gilbert ir Troitzsch 1999, 13). Bet tai neatrodo teisinga. Daugelis („Guala 2002“, 2008, „Morgan 2003“, „Parker 2009a“, „Winsberg 2009a“) atkreipė dėmesį į ieškinio problemas. Jei Gilbertas ir Troitzschas reiškia, kad simuliatoriai manipuliuoja modeliais abstrakčių objektų prasme, tada teiginį sunku suprasti - kaip mes galime manipuliuoti abstrakčiu subjektu? Jei, kita vertus, jie tiesiog reiškia atkreipti dėmesį į tai, kad fizinis objektas, kuriuo simuliatoriai manipuliuoja, - skaitmeninis kompiuteris, nėra tikrasis dominantis objektas,tada neaišku, kodėl tai skiriasi nuo įprastų eksperimentų.

Netiesa, kad tikri eksperimentai visada manipuliuoja tiksliai savo dominančiais tikslais. Tiesą sakant, tiek realiuose eksperimentuose, tiek imitacijose yra sudėtingas ryšys tarp to, kas, viena vertus, manipuliuojama tyrimu, ir su realaus pasaulio sistemomis, kurios yra tyrimo objektas. Taigi tiek eksperimento, tiek modeliavimo atvejais reikia pagrįsti tam tikros medžiagos esmę, kad būtų nustatytas „išorinis pagrįstumas“- kad būtų įsitikinta, jog tai, kas išmokta apie manipuliuojamą sistemą, taikoma ir dominančiai sistemai. Pavyzdžiui, Mendelis manipuliavo žirnių augalais, tačiau jam buvo įdomu sužinoti apie paveldimumo reiškinį apskritai. Modelio organizmo idėja biologijoje daro šią idėją patrauklią. Mes eksperimentuojame su Caenorhabditis elegancija, nes norime suprasti, kaip organizmas apskritai naudoja genus vystymosi ir genealogijos kontrolei. Mes eksperimentuojame su Drosophila melanogaster, nes jis pateikia naudingą mutacijų ir genetinio paveldėjimo modelį. Tačiau idėja neapsiriboja biologija. „Galileo“eksperimentavo su pasvirusiomis plokštumomis, nes domėjosi, kaip objektai krenta ir kaip jie elgsis nesant trukdančioms jėgoms - reiškiniams, kurių pasvirę plokštumos eksperimentai iš tikrųjų net neakcentavo.„Galileo“eksperimentavo su pasvirusiomis plokštumomis, nes domėjosi, kaip objektai krenta ir kaip jie elgsis nesant trukdančioms jėgoms - reiškiniams, kurių pasvirę plokštumos eksperimentai iš tikrųjų net neakcentavo.„Galileo“eksperimentavo su pasvirusiomis plokštumomis, nes domėjosi, kaip objektai krenta ir kaip jie elgsis nesant trukdančioms jėgoms - reiškiniams, kurių pasvirę plokštumos eksperimentai iš tikrųjų net neakcentavo.

Žinoma, ši nuomonė apie eksperimentus neginčijama. Tiesa, kad eksperimentatoriai gana dažnai daro išvadą apie sistemą, kuri skiriasi nuo sistemos, kuriai jie trukdo. Vis dėlto neaišku, ar šie teiginiai yra tinkama pradinio eksperimento dalis. Peschard (2010) kritikuoja šia linkme ir todėl gali būti laikomas Gilberto ir Troitzscho gynėjais. Peschard'as teigia, kad esminė jų kritikų prielaida - kad eksperimentuojant, kaip ir simuliuojant, manipuliuojama sistema, stovinčia už tikslinės sistemos, yra painiojama. Peschard tvirtina, kad tai supainioja episteminį eksperimento tikslą su jo epistemine motyvacija. Ji teigia, kad nors episteminė motyvacija daryti eksperimentus su C. elegans gali būti gana plati,tinkamas episteminis taikinys tokiam eksperimentui yra pats kirminas. Tačiau, pasak Peschardo, imitacijoje episteminis taikinys niekada nėra pats skaitmeninis kompiuteris. Taigi, pasak jos, modeliavimas skiriasi nuo eksperimento tuo, kad jo episteminis taikinys (priešingai nei vien jo episteminė motyvacija) skiriasi nuo manipuliuojamo objekto. Roush (2017) taip pat gali būti vertinamas kaip Gilbert ir Troitzsch linijos gynėjas, tačiau Roush apeliuoja į natūralių rūšių panašumą kaip esminį bruožą, atskiriantį eksperimentus ir modeliavimą. Kiti tapatybės tezės priešininkai yra Giere (2009) ir Beisbart ir Norton (2012, Kiti interneto šaltiniai).tuo, kad jo episteminis taikinys (priešingai nei vien jo episteminė motyvacija) skiriasi nuo manipuliuojamo objekto. Roush (2017) taip pat gali būti vertinamas kaip Gilbert ir Troitzsch linijos gynėjas, tačiau Roush apeliuoja į natūralių rūšių panašumą kaip esminį bruožą, atskiriantį eksperimentus ir modeliavimą. Kiti tapatybės tezės priešininkai yra Giere (2009) ir Beisbart ir Norton (2012, Kiti interneto šaltiniai).tuo, kad jo episteminis taikinys (priešingai nei vien jo episteminė motyvacija) skiriasi nuo manipuliuojamo objekto. Roush (2017) taip pat gali būti vertinamas kaip Gilbert ir Troitzsch linijos gynėjas, tačiau Roush apeliuoja į natūralių rūšių panašumą kaip esminį bruožą, atskiriantį eksperimentus ir modeliavimą. Kiti tapatybės tezės priešininkai yra Giere (2009) ir Beisbart ir Norton (2012, Kiti interneto šaltiniai). Kiti interneto šaltiniai). Kiti interneto šaltiniai).

Neaišku, kaip spręsti šį ginčą, ir atrodo, kad jis pirmiausia sukasi dėl skirtingo pabrėžimo. Galima pabrėžti skirtumą tarp eksperimento ir modeliavimo, sekant Gilbertą, Troitzschą ir Peschardą, reikalaujant, kad eksperimentai pirmiausia mus išmokytų apie jų episteminius tikslus ir tik antrą kartą leistų daryti išvadą apie kitų sistemų elgesį. (T. y., Eksperimentai su kirminais, visų pirma, moko apie kirminus ir tik antraip leidžia daryti išvadas apie genetinę kontrolę plačiau.) Tai juos konceptualiai skirtų nuo kompiuterinių modeliavimo būdų, kurie, kaip manoma, mūsų nemoko. visų pirma apie kompiuterių elgesį ir tik antrą kartą apie audras, galaktikas ar bet ką.

Arba galima pabrėžti panašumą priešingai. Galima pabrėžti, kokiu laipsniu eksperimentiniai tikslai visada pasirenkami kaip surogatiniai tam, kas iš tikrųjų domina. Morrisonas, 2009 m., Ko gero, yra pats galingiausias gynėjas, akcentuojantis šį eksperimento ir modeliavimo panašumo aspektą. Ji tvirtina, kad dauguma eksperimentinės praktikos ir iš tikrųjų dauguma matavimo praktikų apima tas pačias modeliavimo praktikas kaip ir modeliavimas. Bet kokiu atveju, paspartinkite Peschardą, ne kas kita, kaip diskusijos apie nomenklatūrą ir galbūt kreipimasis į įprastą mokslininkų kalbos vartojimą; ne visada pats įtikinamiausias argumentas trukdytų mums pasakyti, kad audros modeliavimo episteminis taikinys yra kompiuteris, o audra yra tik episteminė motyvacija studijuoti kompiuterį.

Kad ir kaip būtų, daugelis modeliavimo filosofų, įskaitant tuos, kurie aptariami šiame skyriuje, pasirinko pastarąjį kelią - iš dalies kaip būdą atkreipti dėmesį į būdus, kaip žinia, slypinti už Gilberto ir Troitzscho cituojamo teiginio, pateikia pernelyg supaprastintą vaizdą. eksperimentuoti. Panašu, kad tapyti paveikslą, pagal kurį eksperimentas tiesiogiai sugriebia pasaulį, atrodo pernelyg paprasta, tuo tarpu modeliavimo situacija yra visiškai priešinga. Štai šis paveikslas, atrodo, gautas iš Gilberio ir Troitzscho citatų. Sudėtingesnis Peschard'o paveikslas, apimantis episteminių taikinių ir episteminių motyvų atskyrimą, nueina ilgą kelią siekiant išsklaidyti tuos rūpesčius, neįstumdamas mūsų į teritoriją, galvodamas, kad modeliavimas ir eksperimentas yra visiškai tas pats.

Nepaisant to, kad atmeta Gilberto ir Troitzscho apibūdinimą skirtumu tarp modeliavimo ir eksperimento, Guala ir Morgan abu atmeta tapatybės tezes. Remdamasis Simono (1969) darbu, Guala teigia, kad modeliavimas iš esmės skiriasi nuo eksperimentų tuo, kad eksperimento manipuliacijos objektas yra materialiai panašus į dominantį objektą, tačiau modeliavimo metu objekto ir taikinio panašumas yra tik oficialus. Įdomu tai, kad nors Morgan priima šį argumentą prieš tapatybės tezę, atrodo, kad ji laikosi epistemologinės priklausomybės tezės versijos. Ji teigia, kitaip tariant,kad skirtumas tarp Guala nustatytų eksperimentų ir simuliacijų reiškia, kad modeliavimas yra epistemologiškai menkesnis už realius eksperimentus - kad jie iš esmės turi mažiau galios pagrįsti tikėjimą hipotezėmis apie tikrąjį pasaulį, nes tai nėra eksperimentai.

Ginti episteminę modeliavimo galią prieš Morgano (2002) argumentą galima tapatybės tezės gynimo arba epistemologinės priklausomybės tezės atmetimo forma. Ankstesniame fronte, atrodo, yra dvi problemos, susijusios su Guala (2002) argumentu prieš tapatybės tezę. Pirma, kad materialaus panašumo sąvoka čia per silpna, antra, kad paprasto formalaus panašumo sąvoka yra per daug neapibrėžta, kad būtų galima atlikti reikiamą darbą. Pavyzdžiui, apsvarstykite tai, kad inžinerijos moksluose nėra neįprasta naudoti iš silicio pagamintų sistemų elgsenos modeliavimo metodus. Inžinierius nori sužinoti apie skirtingų silicio įrenginio projektavimo galimybių savybes,todėl ji sukuria skaičiavimo prietaiso modelį ir imituoja jo elgesį skaitmeniniame kompiuteryje. Centrinis kompiuterio procesorius ir tiriamas silicio įtaisas yra labai panašūs tarp medžiagų ir kai kurios tos pačios priežastys yra darbe. Remiantis Guala samprotavimais, tai turėtų būti tikras eksperimento pavyzdys, tačiau tai atrodo neteisinga. Šio pavyzdžio ypatumai problemą iliustruoja gana ryškiai, tačiau problema iš tikrųjų yra gana bendro pobūdžio: bet kurios dvi sistemos turi tam tikrų esminių panašumų viena su kita ir tam tikrų skirtumų.tai turėtų parodyti kaip tikro eksperimento pavyzdį, tačiau tai atrodo neteisinga. Šio pavyzdžio ypatumai problemą iliustruoja gana ryškiai, tačiau problema iš tikrųjų yra gana bendro pobūdžio: bet kurios dvi sistemos turi tam tikrų esminių panašumų viena su kita ir tam tikrų skirtumų.tai turėtų parodyti kaip tikro eksperimento pavyzdį, tačiau tai atrodo neteisinga. Šio pavyzdžio ypatumai problemą iliustruoja gana ryškiai, tačiau problema iš tikrųjų yra gana bendro pobūdžio: bet kurios dvi sistemos turi tam tikrų esminių panašumų viena su kita ir tam tikrų skirtumų.

Parke (2014) prieštarauja epistemologinei priklausomybės tezei, paneigdama dvi prielaidas, kurios, jos manymu, ją palaiko: kumštis, kad eksperimentai sukuria didesnę įtaigos galią nei modeliavimas, ir, antra, kad modeliavimas negali mus nustebinti taip, kaip eksperimentai gali.

Apskritai, idėja, kad formalus dviejų materialių subjektų panašumas galėtų pažymėti ką nors įdomaus, konceptualiai sumišusi. Atsižvelgiant į bet kuriuos du pakankamai sudėtingus subjektus, yra daug būdų, kuriais jie formaliai yra tapatūs, jau nekalbant apie panašius. Taip pat yra būdų, kuriais jie formaliai visiškai skiriasi. Dabar galime kalbėti laisvai ir pasakyti, kad du dalykai turi formalų panašumą, bet mes iš tikrųjų turime omenyje tai, kad geriausi mūsų dviejų subjektų oficialūs vaizdai turi formalių panašumų. Bet kokiu atveju, atrodo, kad yra rimtas pagrindas atmesti ir Gilbertą, ir Troitzschą, ir Morganą, ir Gualą, kad būtų galima atskirti eksperimentus ir modeliavimą.

Grįžtant prie simuliacijų episteminės galios gynimo, taip pat yra pagrindas atmesti epistemologinę priklausomybės tezę. Kaip pabrėžia Parkeris (2009a), tiek eksperimente, tiek modeliavime galime turėti svarbių panašumų tarp kompiuterinio modeliavimo ir taikinių sistemų, ir tai yra svarbu. Kai yra tinkamos pagrindinės žinios, modeliavimas gali suteikti patikimesnių žinių apie sistemą nei eksperimentas. Kompiuterinis Saulės sistemos modeliavimas, pagrįstas mūsų pažangiausiais dangaus dinamikos modeliais, leis geriau parodyti planetų orbitas nei bet koks eksperimentas.

Parke (2014) prieštarauja epistemologinei priklausomybės tezei, paneigdama dvi prielaidas, kurios, jos manymu, ją palaiko: kumštis, kad eksperimentai sukuria didesnę įtaigos galią nei modeliavimas, ir, antra, kad modeliavimas negali mus nustebinti taip, kaip eksperimentai gali. Argumentas, kad modeliavimas negali mūsų nustebinti, pateiktas Morgano (2005). Pace Morganas, Parke'as teigia, kad simuliatoriai dažnai stebisi savo simuliacijomis tiek dėl to, kad jie nėra visa apimantys skaičiavimo būdai, tiek todėl, kad jie ne visada yra vieninteliai naudojamų modelių ir kodo kūrėjai. Be to, ji tvirtina, kad „jei tyrėjų episteminių būsenų nuorodas vien atrodo netinkamas pagrindas atskirti eksperimentą nuo modeliavimo“(258). Adrianas Curry (2017) gina originalią „Morgan“intuiciją, padarydamas dvi draugiškas pataisas. Jis teigia, kad skirtumas tarp dviejų skirtingų rūšių netikėtumų, tarp kurių buvo „Morganas“, yra būtent tas, kas ypač nustebina: netikėtumas, susijęs su teorinių žinių pateikimu kontaktui su pasauliu, yra eksperimentas. Jis taip pat kruopščiau nustebimą apibūdina ne psichologiniu būdu, nes tai yra „kokybė, kurios pasiekimas yra tikras episteminis progresas“(p. 640).

6. Kompiuterinis modeliavimas ir mokslinių teorijų struktūra

Paulius Humphreysas (2004) teigė, kad kompiuterinis modeliavimas daro didelę įtaką mūsų supratimui apie teorijų struktūrą; jis teigia, kad jie atskleidžia ne tik mokslo teorijos semantinį, bet ir sintaksinį požiūrį. Šis teiginys sukėlė aštrią ugnį iš Romano Friggo ir Juliano Reisso (2009 m.). Friggas ir Reissas tvirtina, kad tai, ar modelis pripažįsta analitinį sprendimą, ar ne, neturi įtakos tam, kaip jis susijęs su pasauliu. Norėdami tai parodyti, jie naudoja dvigubos švytuoklės pavyzdį. Tai, ar švytuoklės vidinis atrama laikoma fiksuota (faktas, kuris lems, ar atitinkamas modelis yra analiziškai išsprendžiamas), neturi įtakos modelio elementų semantikai. Remdamiesi tuo, jie daro išvadą, kad modelio semantikai ar jo santykiams su pasauliu įtakos neturi tai, ar modelis yra analiziškai išsprendžiamas, ar ne.

Tačiau tai nereagavo į labdaringiausią skaitymą apie tai, ką nurodė Humphreysas. Pagaliau sintaksiniai ir semantiniai teorijų požiūriai nebuvo tik pasakojimai apie tai, kaip mūsų abstrakčios mokslinės reprezentacijos yra susijusios su pasauliu. Konkrečiau, tai nebuvo pasakojimai apie tam tikrų modelių santykį su pasauliu, o greičiau apie teorijų ir pasaulio santykį ir apie vaidmenį, jei tokių buvo, tuo santykiu.

Tai taip pat buvo pasakojimai, kurie turėjo daug pasakyti apie tai, kur yra filosofiškai įdomus veiksmas, kai reikia mokslinės teoretikos. Sintaksinis požiūris leido manyti, kad mokslinę praktiką būtų galima tinkamai racionaliai rekonstruoti, galvojant apie teorijas kaip aksiomatines sistemas, ir, dar svarbiau, kad loginis išskaičiavimas buvo naudingas reguliavimo idealas, galvojantis apie tai, kaip daromos išvados iš teorijos į pasaulį. Be to, sintaksinis požiūris, praleistas, gana aiškiai leido suprasti, kad modeliavimas moksle vaidino tik euristinį vaidmenį. (Tai buvo sintaksinio požiūrio į teorijas bruožas, prieš kurį dažnai priešinosi vienas aršiausių jos kritikų Frederikas Suppe'as.) Pačios teorijos neturėjo nieko bendra su modeliais, o teorijas buvo galima palyginti tiesiogiai su pasauliu be jokio svarbaus vaidmens. modeliavimui žaisti.

Kita vertus, semantinis teorijų požiūris pabrėžė svarbų modelių vaidmenį, tačiau taip pat primygtinai reikalavo, kad teorijos būtų ne kalbiniai subjektai. Tai paragino filosofus nesiblaškyti dėl tam tikros kalbinės raiškos formos, kurią teorija gali rasti, tarkime, konkrečiame vadovėlyje, nenumatytų atvejų.

Tačiau atrodo, kad kompiuterinės simuliacijos iliustruoja, kad abi šios temos buvo klaidingai pritaikytos. Buvo visiškai neteisinga manyti, kad loginis išskaičiavimas buvo tinkamas įrankis racionaliai rekonstruoti teorijos taikymo procesą. Kompiuterinis modeliavimas rodo, kad yra teorijos taikymo metodų, kurie smarkiai pranoksta loginę dedukcijos išvadinę galią. Pvz., Sprendimų erdvė, kurią galima gauti logiškai atskaičius skysčių teoriją, yra mikroskopinė, palyginti su programų, kurias galima ištirti kompiuteriniu modeliavimu, erdve. Iš kitos pusės, atrodo, kad kompiuteriniai modeliai atskleidžia, kad, kaip paragino Humphreys (2004), sintaksė yra svarbi. Pasirodo, buvo klaidinga manyti, kaip tai darė semantinis požiūris, kad konkreti kalbinė forma, kuria išreiškiama mokslinė teorija, yra filosofiškai neįdomi. Teorijos išraiškos sintaksė turės didelę įtaką tam, kokias išvadas iš jos galima padaryti, kokios idealizacijos su ja derės ir tt. Humphreysas nurodo taip: „specifinis naudojamas sintaksinis vaizdas dažnai yra labai svarbus. teorijos lygčių išsprendžiamumas “(Humphreys 2009, p. 620). Skysčių teorija gali būti naudojama pabrėžti šį momentą: tai, ar tą teoriją išreikšime eulerio ar lagrango kalba, turės didelę įtaką tai, ką praktiškai galime apskaičiuoti ir kaip; tai turės įtakos tam, kokios idealizacijos, aproksimacijos ir skaičiavimo metodai bus veiksmingi ir patikimi kokiomis aplinkybėmis. Taigi kompiuterinio modeliavimo epistemologija turi būti jautri tam tikram sintaksiniam teorijos formulavimui ir tai, kaip gerai ta konkreti formuluotė buvo patvirtinta. Vadinasi,atrodo teisinga pabrėžti, kaip tai padarė Humphreys (2004), kad kompiuteriniai modeliavimai atskleidė sintaksinės ir semantinės teorijos neatitikimus.

7. Atsiradimas

Paulius Humphreysas (2004) ir Markas Bedau (1997, 2011) teigė, kad atsiradimo tema besidomintys filosofai gali daug išmokti, žiūrėdami į kompiuterinį modeliavimą. Šia tema besidomintys filosofai turėtų ieškoti įrašo apie atsirandančias savybes, kur buvo aptariami visų šių filosofų indėliai.

Ryšį tarp atsiradimo ir modeliavimo galbūt geriausiai išreiškė Bedau savo (2011). Bedau teigė, kad bet kokia atsiradimo samprata turi atitikti dvejus bruožus paaiškinti, kaip visuma priklauso nuo jos dalių ir kaip visuma yra nepriklausoma nuo jos dalių. Jis teigia, kad filosofai dažnai sutelkia dėmesį į tai, ką jis vadina „stipriu“atsiradimu, kuris iššaukia žiaurų žemyn priežastį, kuris iš principo yra neatitaisomas. Tačiau jis tvirtina, kad tai klaida. Vietoj to, jis sutelkia dėmesį į tai, ką jis vadina „silpnu“atsiradimu, kuris iš principo, bet ne praktiškai, leidžia sumažinti kūno dalis į dalis. Sistemos, kurios sukuria atsirandančias savybes, yra tik mechanizmai, tačiau mechanizmai yra labai sudėtingi (jie turi labai daug savarankiškai sąveikaujančių dalių). Kaip rezultatas,nėra galimybės tiksliai išsiaiškinti, kas nutiks, atsižvelgiant į konkrečias pradines ir ribines sąlygas, išskyrus „nuskaityti priežastinį tinklą“. Būtent čia atsiranda ryšys su kompiuteriniu modeliavimu. Silpnai atsirandančios savybės būdingos sudėtingoms sistemoms gamtoje. Be to, sudėtingam kompiuteriniam modeliavimui būdinga tai, kad nėra galimybės nuspėti, ką jie darys, išskyrus leisti jiems bėgti. Silpnas atsiradimas paaiškina, pasak Bedau, kodėl kompiuterinės simuliacijos vaidina pagrindinį vaidmenį sudėtingų sistemų moksle. Geriausias būdas suprasti ir nuspėti, kaip elgiasi realios sudėtingos sistemos, yra modeliuoti jas nuskaitydamas mikro-priežastinį internetą ir pamatyti, kas atsitiks. Silpnai atsirandančios savybės būdingos sudėtingoms sistemoms gamtoje. Be to, sudėtingam kompiuteriniam modeliavimui būdinga tai, kad nėra galimybės nuspėti, ką jie darys, išskyrus leisti jiems bėgti. Silpnas atsiradimas paaiškina, pasak Bedau, kodėl kompiuterinės simuliacijos vaidina pagrindinį vaidmenį sudėtingų sistemų moksle. Geriausias būdas suprasti ir nuspėti, kaip elgiasi realios sudėtingos sistemos, yra modeliuoti jas nuskaitydamas mikro-priežastinį internetą ir pamatyti, kas atsitiks. Silpnai atsirandančios savybės būdingos sudėtingoms sistemoms gamtoje. Be to, sudėtingam kompiuteriniam modeliavimui būdinga tai, kad nėra galimybės nuspėti, ką jie darys, išskyrus leisti jiems bėgti. Silpnas atsiradimas paaiškina, pasak Bedau, kodėl kompiuterinės simuliacijos vaidina pagrindinį vaidmenį sudėtingų sistemų moksle. Geriausias būdas suprasti ir nuspėti, kaip elgiasi realios sudėtingos sistemos, yra modeliuoti jas nuskaitydamas mikro-priežastinį internetą ir pamatyti, kas atsitiks. Geriausias būdas suprasti ir nuspėti, kaip elgiasi realios sudėtingos sistemos, yra modeliuoti jas nuskaitydamas mikro-priežastinį internetą ir pamatyti, kas atsitiks. Geriausias būdas suprasti ir nuspėti, kaip elgiasi realios sudėtingos sistemos, yra modeliuoti jas nuskaitydamas mikro-priežastinį internetą ir pamatyti, kas atsitiks.

8. Fikcijos

Žinoma, modeliai apima idealizavimą. Tačiau buvo teigiama, kad kai kurios idealizacijos, kurios vaidina ypač svarbų vaidmenį modeliuojant kompiuterinį modeliavimą, yra ypatingos tuo, kad nusipelno „grožinės literatūros“pavadinimo. Šiame skyriuje bus aptariami bandymai apibrėžti fikcijas ir ištirti jų vaidmenį kompiuteriniame modeliavime.

Yra dvi skirtingos mąstymo apie fikcijų vaidmenį moksle linijos. Anot vieno, visi modeliai yra fikcijos. Ši mąstymo kryptis motyvuota atsižvelgiant į, pavyzdžiui, „idealaus švytuoklės“vaidmenį moksle. Teigiama, kad mokslininkai dažnai tvirtina apie tokias esybes (pvz., „Idealaus švytuoklės periodas yra proporcingas jo ilgio kvadratinei šakniai“), tačiau jų niekur nėra pasaulyje. taigi jie turi būti išgalvoti subjektai. Šis argumentas apie išgalvotus mokslo subjektus niekaip nesusijęs su kompiuterio modeliavimu - skaitytojai, besidomintys šia tema, turėtų ieškoti įrašo apie mokslinį vaizdavimą [būsimasis].

Kita mąstymo apie fikciją linija yra susijusi su klausimu, kokios reprezentacijos moksle turėtų būti laikomos išgalvotomis. Čia susirūpinta ne tiek dėl mokslinio modelio subjektų ontologijos, kiek dėl įvairių postuluotų modelio subjektų reprezentacinio pobūdžio. Čia Winsbergas (2009c) teigė, kad fikcijos turi ypatingą ryšį su kompiuterio modeliavimu. Arba, kad kai kuriose kompiuterinėse simuliacijose yra elementų, kurie geriausiai apibūdina tai, ką mes galime vadinti išgalvotomis reprezentacijomis moksle, net jei tų reprezentacijų nėra vienareikšmiškai.

Jis pažymi, kad pirmoji minėtos fantastikos koncepcija, kuri „bet kokį tikrovei prieštaraujantį vaizdavimą daro fikcija“(p. 179), neatitinka mūsų įprasto termino vartojimo: grubus žemėlapis nėra fikcija. Tada jis siūlo alternatyvų apibrėžimą: literatūra siūloma kaip „pakankamai geras“vadovas į kai kurią pasaulio vietą (p. 181); grožinės literatūros nėra. Tačiau apibrėžimą reikia patikslinti. Paimkite žiogo fabulą ir skruzdėlyną. Nors fabula siūlo pamokų apie tai, koks yra pasaulis, ji vis tiek yra grožinė literatūra, nes tai yra „naudingas vadovas, koks pasaulis yra tam tikra bendrąja prasme“, o ne konkretus pasaulio dalies, jos „ prima facie reprezentacinis taikinys “, dainuojantis žiogas ir skruzdėlynas., Be kita ko,„Nukreipkite į tam tikrą pasaulio dalį“ir yra vadovas toje pasaulio dalyje (p. 181).

Tokio pobūdžio išgalvoti modelių komponentai yra paradigmatiškai iliustruojami tam tikruose kompiuteriniuose modeliavimuose. Du jo pavyzdžiai yra „silogeno atomas“ir „dirbtinis klampumas“. Silogeno atomai atsiranda tam tikruose nanomechaniniuose įtrūkimų silicyje modeliuose - tokios rūšies daugialypiuose modeliuose, kuriuose susimaišo kvantinė ir molekulinė mechanika, paminėti 2.3 skyriuje. Silogeno turinčios įtrūkimų plitimo silicyje modeliai, apibūdinant patį įtrūkimą naudojant kvantinę mechaniką ir regioną, tiesiogiai supančią plyšį, naudojant klasikinę molekulinę dinamiką. Norint sujungti abiejų regionų modeliavimo sistemas, kraštinė traktuojama taip, tarsi joje būtų „silogeno“atomai, turintys silicio ir vandenilio savybių mišinį. Silogeno atomai yra fikcijos. Jie nėra siūlomi net kaip „pakankamai geras“atomų, esančių ties riba, apibūdinimas - jų prima facie reprezentaciniai tikslai. Tačiau jie naudojami taip, kad būtų galima tikėtis, kad bendras modelis padės viską susitvarkyti. Taigi bendras modelis nėra fikcija, bet vienas iš jo komponentų yra. Dirbtinis klampumas yra panašus pavyzdys. Skysčius su staigiais smūgiais sunku modeliuoti skaičiavimo tinklelyje, nes staigus smūgis slepiasi vienoje tinklelio ląstelėje ir jų neįmanoma išspręsti tokiu algoritmu. Dirbtinis klampumas yra technika, kuri apsimeta, kad skystis yra labai klampus - fikcija-dešinėje, jei šokas yra toks, kad jis šokas tampa ne toks staigus, o neryškus per kelias tinklelio ląsteles. Netinkamas klampumo, taigi ir smūgio storio, nustatymas padeda visuotiniam modeliui veikti „pakankamai gerai“. Vėlgibendras skysčio modelis nėra fikcija, jis yra pakankamai patikimas skysčio elgesio vadovas. Bet komponentas, vadinamas dirbtiniu klampumu, yra fikcija - jis nėra naudojamas patikimai modeliuoti šoką. Ji įtraukiama į didesnį modeliavimo pagrindą, kad ši didesnė sistema būtų „pakankamai patikima“.

Ši ataskaita sulaukė dviejų rūšių kritikos. Toonas (2010) teigė, kad šis grožinės literatūros apibrėžimas yra per siauras. Jis pateikia istorinių fikcijų, tokių kaip aš, Claudijus ir Schindlerio arka, pavyzdžių, kurie, jo manymu, yra fikcijos, nepaisant to, kad „tam tikrais aspektais jie yra siūlomi kaip„ pakankamai geri “vadovai tiems žmonėms, vietoms ir įvykiams ir mes turime teisę į Priimk juos kaip tokius “. (286–7 psl.). Manoma, kad Toonas palaiko platesnį grožinės literatūros vaidmens moksle supratimą, pagal kurį jos nevaidina ypač svarbaus ar padidinto vaidmens kompiuteriniame modeliavime.

Gordonas Purvesas (būsimasis) tvirtina, kad skaičiavimo modeliuose yra fikcijų pavyzdžių (jo pavyzdys yra vadinamieji „įsivaizduojami įtrūkimai“) ir kitur, kurie neatitinka aukščiau aptartų griežtų reikalavimų. Tačiau skirtingai nuo Toono, jis taip pat nori atskirti fikcinius modeliavimo elementus nuo nefikcinių. Pagrindinė jo kritika yra fikcijos kriterijus, atsižvelgiant į socialines naudojimo normas, ir Purvesas teigia, kad mes turėtume sugebėti išspręsti, ar kažkoks modeliavimo kūrinys yra fikcija, ar nėra tokių normų. Taigi jis nori surasti būdingą mokslinės fantastikos apibūdinimą. Jo pasiūlyme laikoma modelio fikcija, kad jie neturi tos savybės, kurią Laymonas (1985) vadino „daliniu netobulumu“(PI). PI yra daugelio idealizuojamų modelių savybė;jame sakoma, kad, atmetus idealizaciją, jūsų modelis tampa vis tikslesnis. De idealizuodami silogeno atomą, negaunate vis tikslesnio silicio įtrūkio modeliavimo. Tačiau Purvesas mano, kad ši PI nesėkmė yra fikcija, o ne tik simptominė.

Bibliografija

  • Barberousse, A. ir P. Ludwig, 2009. „Modeliai kaip fikcijos“mokslo fikcijose. Filosofiniai modeliai ir idealizavimas, Londonas: Routledge, 56–73.
  • Barberousse, A., ir Vorms, M. 2014. „Apie kompiuterinių empirinių žinių pagrindus“, Synthese, 191 (15): 3595–3620.
  • Bedau, MA, 2011. „Silpnas atsiradimas ir kompiuterinis modeliavimas“, P. Humphreys ir C. Imbert (red.), Modeliai, modeliavimas ir reprezentacijos, Niujorkas: Routledge, 91–114.
  • –––, 1997. „Silpnas atsiradimas“, Noûs (11 priedas), 31: 375–399.
  • Beisbart, C. ir J. Norton, 2012. „Kodėl Monte Karlo modeliavimas yra išvados, o ne eksperimentai“, tarptautiniuose mokslo filosofijos tyrimuose, 26: 403–422.
  • Beisbartas, C., 2017. „Pažangos tobulinimas naudojant kompiuterinį modeliavimą? Sokratinis pratimas “, M. Resch, A. Kaminski ir P. Gehring (red.),„ Modeliavimo mokslas ir menas “(I tomas), Cham: Springer, p. 153–174/.
  • Burge, T., 1993. „Turinio išsaugojimas“, Filosofinė apžvalga, 102 (4): 457–488.
  • –––, 1998. „Kompiuterinis įrodymas, žinios apie prriorą ir kiti protai: Šeštoji filosofinių perspektyvų paskaita“, Noûs, 32 (S12): 1–37.
  • Currie, Adrian, 2018. „Argumentas iš nuostabos“, Canadian Philosophy Journal, 48 (5): 639–661
  • Dardashti, R., Thebault, K., ir Winsberg, E., 2015. „Patvirtinimas naudojant analoginį modeliavimą: kokios kvailos skylės gali mums pasakyti apie sunkumą“, „British Journal for the Philosophy of Science“, 68 (1): 55–. 89
  • Dardashti, R., Hartmann, S., Thebault, K., ir Winsberg, E., 2019. „Hawkingo radiacija ir analoginiai eksperimentai: Bajeso analizė“, „Šiuolaikinės fizikos istorijos ir filosofijos studijos“, 67: 1–11..
  • Epstein, J. ir R. Axtell, 1996. Augančios dirbtinės visuomenės: socialiniai mokslai iš apačios į viršų, Kembridžas, MA: MIT Press.
  • Epstein, J., 1999. „Agentų skaičiavimo modeliai ir generatyvinis socialinis mokslas“, Sudėtingumas, 4 (5): 41–57.
  • Franklin, A., 1996. Eksperimento aplaidumas, Kembridžas: Cambridge University Press.
  • –––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––– 198999. –– –– ––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––– l saat 2leistos 1982 m.
  • Frigg, R. ir J. Reiss, 2009. „Modeliavimo filosofija: nauji nauji klausimai arba tas pats senas troškinys“, Synthese, 169: 593–613.
  • Giere, RN, 2009. „Ar kompiuterinis modeliavimas keičia eksperimento veidą?“, Filosofiniai tyrimai, 143: 59–62
  • Gilbert, N. ir K. Troitzsch, 1999. Modeliavimas socialiniam mokslininkui, Filadelfija, PA: Open University Press.
  • Grüne-Yanoff, T., 2007. „Apribotas racionalumas“, Filosofijos kompasas, 2 (3): 534–563.
  • Grüne-Yanoff, T. ir Weirich, P., 2010. „Modeliavimo filosofija“, Modeliavimas ir žaidimai: tarpdisciplininis žurnalas, 41 (1): 1–31.
  • Guala, F., 2002. „Modeliai, modeliavimas ir eksperimentai“, pagrįstumas modeliu: mokslas, technologijos, vertybės, L. Magnani ir N. Nersessian (red.), Niujorkas: Kluwer, 59–74.
  • –––, 2008. „Paradigmatiniai eksperimentai: ultimatumo žaidimas nuo bandymo iki matavimo prietaiso“, Mokslo filosofija, 75: 658–669.
  • Hacking, I., 1983. Atstovavimas ir įsikišimas: įvadinės gamtos mokslų filosofijos temos, Kembridžas: Cambridge University Press.
  • ––– 1988 m. „Dėl laboratorinių mokslų stabilumo“, Žurnalas apie filosofiją, 85: 507–15.
  • –––, 1992 m. „Ar minčių eksperimentai turi savo gyvenimą?“PSA (2 tomas), A. Fine, M. Forbes ir K. Okruhlik (red.), East Lansing: Mokslo filosofijos asociacija, 302–10.
  • Hartmann, S., 1996. „Pasaulis kaip procesas: gamtos ir socialinių mokslų modeliavimas“, R. Hegselmann ir kt. (red.), Socialinių mokslų modeliavimas ir modeliavimas mokslo filosofijos požiūriu, Dordrecht: Kluwer, 77–100.
  • Hubig, C, & Kaminski, A., 2017. „Pragmatinės tiesos ir klaidų teorijos principai kompiuteriniame modeliavime“, M. Resch, A. Kaminski ir P. Gehring (red.), „Science and Art of Modeliavimas (I tomas), Cham: Springer, p. 121–136.
  • Hughes, R., 1999. „Ising modelis, kompiuterinis modeliavimas ir universali fizika“, M. Morgan ir M. Morrison (red.), Modeliai kaip tarpininkai, Kembridžas: Cambridge University Press.
  • Huggins, EM ir EA Schultz, 1967 m. „San Fransisko įlanka sandėlyje“, Aplinkos mokslų ir technologijos instituto leidinys, 10 (5): 9–16.
  • Humphreys, P., 1990. „Kompiuterinis modeliavimas“, A. Fine, M. Forbes ir L. Wessels (red.), PSA 1990 (2 tomas), East Lansing, MI: Mokslo filosofijos asociacija, 497 - 506.
  • –––, 1995. „Skaičiavimo mokslas ir mokslinis metodas“, „Minds and Machines“, 5 (1): 499–512.
  • –––, 2004. Pagiliname save: skaičiavimo mokslas, empirizmas ir mokslinis metodas, Niujorkas: Oxford University Press.
  • –––, 2009. „Filosofinis kompiuterinio modeliavimo metodų naujumas“, Synthese, 169: 615–626.
  • Kaufmann, WJ, ir LL Smarr, 1993. Superkompiuterija ir mokslo transformacija, Niujorkas: Mokslinė Amerikos biblioteka.
  • Laymon, R., 1985. „Idealizacijos ir teorijų išbandymas eksperimentuojant“, stebėjimas, eksperimentas ir hipotezė šiuolaikiniame fiziniame moksle, P. Achinstein ir O. Hannaway (red.), Cambridge, MA: MIT Press, 147– 73.
  • Lenhard, J., 2007. „Kompiuterinis modeliavimas: eksperimentų ir modeliavimo bendradarbiavimas“, Mokslo filosofija, 74: 176–94.
  • –––, 2019. Apskaičiuoti netikėtumai: Kompiuterinio modeliavimo filosofija, Oksfordas: Oxford University Press
  • Lenhard, J. ir Küster, U., 2019. Minds & Machines. 29: 19.
  • Morgan, M., 2003. „Eksperimentai be materialios intervencijos: Modeliniai eksperimentai, virtualūs eksperimentai ir faktiškai eksperimentai“, mokslinio eksperimento filosofija, H. Radderis (red.), Pitsburgas, PA: Pittsburgh University Press, 216–355.
  • Morrison, M., 2012. „Modeliai, matavimas ir kompiuterinis modeliavimas: kintantis eksperimento veidas“, Philosophical Studies, 143: 33–57.
  • Nortonas, S. ir F. Suppe, 2001. „Kodėl atmosferos modeliavimas yra geras mokslas“, keičiant atmosferą: ekspertų žinios ir aplinkos valdymas, C. Miller ir P. Edwards (red.), Kembridžas, MA: MIT Press, 88–133.
  • Oberkampf, W. ir C. Roy, 2010. Patvirtinimas ir patvirtinimas mokslinėje kompiuterijoje, Kembridžas: Cambridge University Press.
  • Oreskes, N., su K. Shrader-Frechette ir K. Belitz, 1994. „Skaitmeninių modelių žemės moksle patikrinimas, patvirtinimas ir patvirtinimas“, Science, 263 (5147): 641–646.
  • Parke, E., 2014. „Eksperimentai, modeliavimas ir episteminė privilegija“, Mokslo filosofija, 81 (4): 516–36.
  • Parkeris, W., 2008a. „Franklinas, Holmsas ir kompiuterinio modeliavimo epistemologija“, Tarptautinės mokslo filosofijos studijos, 22 (2): 165–83.
  • –––, 2008b. „Kompiuterinis modeliavimas naudojant statistinį objektyvo paklaidą“, Synthese, 163 (3): 371–84.
  • –––, 2009a. „Ar svarbu iš tikrųjų? Kompiuterinės modeliavimas, eksperimentai ir medžiagiškumas “, Synthese, 169 (3): 483–96.
  • –––, 2013. „Kompiuterinis modeliavimas“, S. Psillos ir M. Curd (red.), „Mokslo filosofijos palydovas“, 2-asis leidimas, Londonas: „Routledge“.
  • –––, 2017. „Kompiuterinis modeliavimas, matavimas ir duomenų asimiliacija“, Britanijos mokslo filosofijos žurnalas, 68 (1): 273–304.
  • Peschard, I., 2010. „Modeliavimas ir eksperimentavimas“, P. Humphreys ir C. Imbert (red.), Modeliai, modeliavimas ir reprezentacijos, Londonas: Routledge, 42–61.
  • Primiero, G., 2019. „Minimalistinė dirbtinių mokslų agentų modeliavimo epistemologija“, „Minds and Machines“, 29 (1): 127–148.
  • Kreditai, GM, būsimi. „Tiesos ieškojimas fikcijose: nefikcijų atpažinimas įsivaizduojamuose įtrūkimuose“, - teigė Synthese.
  • Resch, MM, Kaminski, A., & Gehring, P. (red.), 2017. I simuliacijos mokslas ir menas I: tyrinėti-suprasti-žinoti, Berlynas: Springeris.
  • Roush, S., 2015. „Episteminis eksperimento pranašumas prieš modeliavimą“, Synthese, 169: 1–24.
  • Roy, S., 2005. „Naujausi skysčių dinamikos ir šilumos perdavimo skaitmeninių metodų pasiekimai“, Journal of Fluid Engineering, 127 (4): 629–30.
  • Ruphy, S., 2015. „Kompiuterinės simuliacijos: naujas mokslinio tyrimo būdas?“SO Hansen (red.), „Technologijos vaidmuo moksle: filosofinės perspektyvos“, Dordrecht: Springer, p. 131–149
  • Schelling, TC, 1971. „Dinaminiai atskyrimo modeliai“, „Mathematical Sociology“žurnalas, 1: 143–186.
  • Simon, H., 1969. Dirbtinio mokslo mokslai, Bostonas, MA: MIT Press.
  • Symons, J., & Alvarado, R., 2019. „Episteminės teisės ir kompiuterinio modeliavimo praktika“, „Minds and Machines“, 29 (1): 37–60.
  • Toonas, A., 2010. „Nauji požiūriai į modelius“, Metascience, 19 (2): 285–288.
  • Trenholme R., 1994. „Analoginis modeliavimas“, Mokslo filosofija, 61: 115–131.
  • Unruh, WG, 1981. „Eksperimentinis juodųjų skylių išgarinimas?“„Physical Review Letters“, 46 (21): 1351–53.
  • Winsberg, E., 2018. Filosofija ir klimato mokslas, Kembridžas: Cambridge University Press
  • –––, 2010. Mokslas kompiuterinio modeliavimo amžiuje, Čikaga: The University of Chicago Press.
  • –––, 2009a. „Dviejų metodų pasaka“, Synthese, 169 (3): 575–92
  • –––, 2009b. „Kompiuterinis modeliavimas ir mokslo filosofija“, Filosofijos kompasas, 4/5: 835–845.
  • –––, 2009c. „Fikcijų funkcija: mokslo srities išplėtimas“, mokslo fikcijose: filosofiniai modeliai ir idealizavimas, M. Suarez (red.), London: Routledge.
  • –––, 2006 m. „Jūsų rankos pasisukimas į viršų: nenuoseklumas ir klastojimas tarpteorinėje redukcijoje“, Mokslo filosofija, 73: 582–594.
  • –––, 2003. „Imituoti eksperimentai: virtualiojo pasaulio metodika“, Mokslo filosofija, 70: 105–125.
  • –––, 2001. „Modeliavimas, modeliai ir teorijos: sudėtingos fizinės sistemos ir jų vaizdai“, Mokslo filosofija, 68: S442 – S454.
  • –––, 1999. „Sankcijų modeliai: modeliavimo epistemologija“, „Science in Context“, 12 (3): 275–92.

Akademinės priemonės

sep vyro ikona
sep vyro ikona
Kaip pacituoti šį įrašą.
sep vyro ikona
sep vyro ikona
Peržiūrėkite šio įrašo PDF versiją „Friends of the SEP“draugijoje.
info piktograma
info piktograma
Ieškokite šios įrašo temos interneto filosofijos ontologijos projekte (InPhO).
„Phil Papers“piktograma
„Phil Papers“piktograma
Patobulinta šio įrašo „PhilPapers“bibliografija su nuorodomis į jo duomenų bazę.

Kiti interneto šaltiniai

  • Phys.org - kompiuterinės simuliacijos.
  • Kompiuterinis modeliavimas, svetainėje sciencedaily.com.
  • TIPK - Tarpvyriausybinė klimato kaitos komisija.

Rekomenduojama: