-
题名卡尔纳普式的归纳逻辑的局限与所罗门诺夫先验的优势
被引量：2
- 1
-
-
作者
李熙
-
机构
中南大学哲学系
-
出处
《自然辩证法研究》
CSSCI
北大核心
2018年第12期23-28,共6页
-
基金
国家社科基金项目"通用人工智能的哲学基础研究"(17CZX020)
国家社科基金重大招标项目"现代归纳逻辑的新发展
理论前沿与应用研究"(2015ZDB018)
-
文摘
20世纪50年代,卡尔纳普发展了归纳逻辑来表示证据相对于假设的"确证度"。随后,利斯塔、古德-图灵等人提出了各种平滑方法,这些平滑方法可以看作广义的卡尔纳普式的归纳逻辑。这些方法虽然都可以从某个层次的"无差别原则"导出,但这并不能构成其理论基础。"无差别原则"无论作用在这里的哪一层都不合适,根据机器学习领域的无免费午餐定理,都不具有通用性,只有作用在可能世界的产生方式这一层次上导出的所罗门诺夫先验才具有通用性,能够逼近任何可计算的模式。而且,不仅如此,在同时满足奥卡姆剃刀原则和最大熵原则的意义上,所罗门诺夫先验具有最优性。
-
关键词
归纳逻辑
古德-图灵估计
无免费午餐定理
所罗门诺夫先验
-
Keywords
inductive logic
Good - Turing estimate
no - free - lunch theorem
solomonoff's prior
-
分类号
N031
[自然科学总论—科学技术哲学]
-
