Računalne Simulacije U Znanosti

Sadržaj:

Računalne Simulacije U Znanosti
Računalne Simulacije U Znanosti

Video: Računalne Simulacije U Znanosti

Video: Računalne Simulacije U Znanosti
Video: Racunarske simulacije 2024, Ožujak
Anonim

Ulazna navigacija

  • Sadržaj unosa
  • Bibliografija
  • Akademske alate
  • Prijatelji PDF pregled
  • Podaci o autoru i citiranju
  • Povratak na vrh

Računalne simulacije u znanosti

Prvo objavljeno u pon 6. svibnja 2013; suštinska revizija Čet 26. rujna 2019

Računalna simulacija uvrštena je kao znanstveni alat u meteorologiji i nuklearnoj fizici u razdoblju neposredno nakon Drugog svjetskog rata, a od tada postaje nezamjenjiva u sve većem broju disciplina. Popis znanosti koje uvelike koriste računalnu simulaciju porastao je uključujući astrofiziku, fiziku čestica, znanost o materijalima, inženjerstvo, mehaniku fluida, klimatske znanosti, evolucijsku biologiju, ekologiju, ekonomiju, teoriju odluka, medicinu, sociologiju, epidemiologiju i mnoge druge, Postoji čak nekoliko disciplina, poput teorije haosa i teorije složenosti, čije se samo postojanje pojavilo usporedo s razvojem računalnih modela koji proučavaju.

Nakon sporog početka, filozofi znanosti počeli su više pažnje posvetiti ulozi računalne simulacije u znanosti. Pojavilo se nekoliko područja filozofskog interesa za računalnu simulaciju: Kakva je struktura epistemologije računalne simulacije? Kakav je odnos između računalne simulacije i eksperimenta? Postavlja li računalna simulacija filozofiju znanosti koja u cijelosti nije potpuno pokrivena nedavnim radom na modelima? Što nas računalna simulacija uči o nastanku? O strukturi znanstvenih teorija? O ulozi (ako postoje) fikcije u znanstvenom modeliranju?

  • 1. Što je računalna simulacija?

    • 1.1 Uska definicija
    • 1.2 Široka definicija
    • 1.3 Alternativno gledište
  • 2. Vrste računalnih simulacija

    • 2.1 Simulacije temeljene na jednadžbi
    • 2.2 Simulacije temeljene na agentima
    • 2.3 Simulacije s višestrukim skali
    • 2.4 Simulacije Monte Carla
  • 3. Svrha simulacije
  • 4. Epistemologija računalnih simulacija

    • 4.1 Nove značajke EOCS-a
    • 4.2 EOCS i epistemologija eksperimenta
    • 4.3 Provjera i provjera valjanosti
    • 4.4. EOCS i epiztemsko pravo
    • 4.5 Pragmatični pristupi EOCS-u
  • 5. Simulacija i eksperiment
  • 6. Računalna simulacija i struktura znanstvenih teorija
  • 7. Pojava
  • 8. izmišljotine
  • Bibliografija
  • Akademske alate
  • Ostali internetski resursi
  • Povezani unosi

1. Što je računalna simulacija?

Nijedna pojedinačna definicija računalne simulacije nije prikladna. Na prvom mjestu, pojam se koristi u užem i širokom smislu. Na drugom mjestu, čovjek bi mogao razumjeti pojam s više stajališta.

1.1 Uska definicija

Računalna simulacija u svom najužem smislu je program koji se izvodi na računalu i koji koristi postupne metode za istraživanje približnog ponašanja matematičkog modela. Obično je to model sustava iz stvarnog svijeta (premda bi dotični sustav mogao biti imaginarni ili hipotetički). Takav je računalni program model računalne simulacije. Jedno pokretanje programa na računalu je računalna simulacija sustava. Algoritam uzima kao svoj ulaz specifikaciju stanja sustava (vrijednost svih njegovih varijabli) u određenom trenutku t. Zatim izračunava stanje sustava u trenutku t + 1. Iz vrijednosti koje karakteriziraju to drugo stanje, izračunava tada stanje sustava u vremenu t + 2, i tako dalje. Kad se pokreće na računalu, algoritam stvara numeričku sliku evolucije stanja sustava,kako je konceptualizirano u modelu.

Taj slijed vrijednosti za varijable modela može se spremiti kao velika zbirka "podataka" i često se prikazuje na zaslonu računala koristeći metode vizualizacije. Metode vizualizacije često su, ali sigurno ne uvijek, osmišljene tako da oponašaju rezultat nekog znanstvenog instrumenta, tako da se čini da simulacija mjeri sustav od interesa.

Ponekad se koriste postupne metode računalne simulacije jer interesni model sadrži kontinuirane (diferencijalne) jednadžbe (koje određuju kontinuirane stope promjene vremena) koje se ne mogu riješiti analitički - bilo u principu ili možda samo u praksi. To podvlači duh sljedeće definicije koju je dao Paul Humphreys: "svaka računalno implementirana metoda istraživanja svojstava matematičkih modela gdje analitičke metode nisu dostupne" (1991, 500). No, čak i kao uska definicija, ovo treba pažljivo pročitati, a ne uzeti ga u obzir da sugerira da se simulacije koriste samo ako postoje analitički nerešive jednadžbe u modelu. Računalne simulacije često se koriste ili zato što sam izvorni model sadrži diskretne jednadžbe - koje se mogu izravno implementirati u algoritam pogodan za simulaciju - ili zato što se originalni model sastoji od nečega što je bolje opisano kao evolucijska pravila nego kao jednadžbi.

U prvom slučaju, kada se jednadžbe „diskretiziraju“(pretvaranje jednadžbi koje opisuju kontinuirane stope promjene u diskretne jednadžbe), treba naglasiti da, iako je uobičajeno govoriti o simulacijama „rješavanja“tih jednadžbi, jedna diskrecija može u najboljem slučaju pronaći samo nešto što približava rješenje kontinuiranih jednadžbi do određenog stupnja točnosti. Konačno, kada govorimo o "računalnoj simulaciji" u užem smislu, trebali bismo govoriti o određenoj implementaciji algoritma na određenom digitalnom računalu, napisanom na određenom jeziku, koristeći određeni prevodilac itd. Postoje slučajevi u kojima različiti rezultati mogu se dobiti kao rezultat varijacija u bilo kojoj od tih podataka.

1.2 Široka definicija

Šire gledano, računalnu simulaciju možemo smatrati sveobuhvatnom metodom proučavanja sustava. U širem smislu pojma odnosi se na čitav proces. Ovaj postupak uključuje odabir modela; pronalaženje načina implementacije tog modela u obliku koji se može izvoditi na računalu; izračunavanje izlaza algoritma; te vizualiziranje i proučavanje rezultirajućih podataka. Metoda uključuje cijeli ovaj postupak koji se koristi za donošenje zaključaka o ciljanom sustavu koji se pokušava modelirati - kao i postupke koji se koriste za sankcioniranje tih zaključaka. Ovo je manje ili više definicija studija računalne simulacije u Winsbergu 2003 (111). „Uspješne simulacijske studije čine više od izračunavanja brojeva. Koriste se raznim tehnikama za izvlačenje zaključaka iz tih brojeva. Simulacije kreativno koriste računske tehnike koje se mogu motivirati samo ekstra matematički i ekstrateoretski. Kao takav, za razliku od jednostavnih izračuna koji se mogu provesti na računalu, rezultati simulacija nisu automatski pouzdani. Puno truda i stručnosti ulaže se u odlučivanje koji su rezultati simulacije pouzdani, a koji nisu. " Kad filozofi znanosti pišu o računalnoj simulaciji i tvrde o epistemološkim ili metodološkim svojstvima „računalne simulacije“, oni obično znače pojam koji treba razumjeti u ovom širokom smislu studija računalne simulacije. Puno truda i stručnosti ulaže se u odlučivanje koji su rezultati simulacije pouzdani, a koji nisu. " Kad filozofi znanosti pišu o računalnoj simulaciji i tvrde o epistemološkim ili metodološkim svojstvima „računalne simulacije“, oni obično znače pojam koji treba razumjeti u ovom širokom smislu studija računalne simulacije. Puno truda i stručnosti ulaže se u odlučivanje koji su rezultati simulacije pouzdani, a koji nisu. " Kad filozofi znanosti pišu o računalnoj simulaciji i tvrde o epistemološkim ili metodološkim svojstvima „računalne simulacije“, oni obično znače pojam koji treba razumjeti u ovom širokom smislu studija računalne simulacije.

1.3 Alternativno gledište

Obje gore navedene definicije uzimaju računalnu simulaciju u osnovi korištenja računala za rješavanje ili približno rješavanje matematičkih jednadžbi modela koji bi trebali predstavljati neki sustav - bilo stvarni ili hipotetički. Drugi je pristup pokušati definirati „simulaciju“neovisno o pojmu računalne simulacije, a zatim kompozicijsko definirati „računalnu simulaciju“: kao simulaciju koju provodi programirano digitalno računalo. Prema ovom pristupu, simulacija je svaki sustav za koji se vjeruje ili kojem se nada da ima dinamičko ponašanje dovoljno slično kao neki drugi sustav, tako da se prvi može proučiti da bi se saznao za drugi.

Na primjer, ako proučavamo neki objekt jer vjerujemo da je dovoljno dinamički sličan bazenu tekućine da bismo proučavali bazene tekućine, proučavajući ga, tada on omogućava simulaciju bazena tekućine. To je u skladu s definicijom simulacije koju nalazimo u Hartmannu: ona je nešto što „imitira jedan proces drugim procesom. U ovoj se definiciji pojam 'proces' odnosi isključivo na neki objekt ili sustav čije se stanje vremenom mijenja «(1996, 83). Hughes (1999) prigovorio je da je Hartmannova definicija odbacila simulacije koje oponašaju strukturu sustava, a ne njegovu dinamiku. Humphreys je revidirao svoju definiciju simulacije u skladu s napomenama Hartmanna i Hughesa kako slijedi:

Sustav S pruža jezgru simulaciju objekta ili procesa B samo u slučaju da je S konkretni računski uređaj koji pomoću vremenskog procesa proizvodi rješenja za računski model… koji ispravno predstavlja B, bilo dinamički ili statički. Ako pored toga, računski model koji koristi S ispravno predstavlja strukturu stvarnog sustava R, tada S pruža simulaciju jezgre sustava R u odnosu na B. (2004, str. 110)

(Imajte na umu da Humphreys ovdje definira računalnu simulaciju, a ne simulaciju općenito, ali on to radi u duhu definiranja kompozicijskog izraza.) Treba napomenuti da Humphreysove definicije čine simulaciju uspješnim pojmom, a to se čini nesretnim., Bolja bi definicija bila ona koja je, poput one u prošlom odjeljku, sadržavala riječ poput „vjerovali“ili „nadali se“da će riješiti ovo pitanje.

U većini filozofskih rasprava o računalnoj simulaciji korisniji je koncept definiran u 1.2. Izuzetak je kada je izrijekom cilj rasprave razumjeti računalnu simulaciju kao primjer simulacije općenitije (vidjeti odjeljak 5). Primjeri simulacija koje nisu računalne simulacije uključuju poznati fizički model zaljeva San Francisco (Huggins & Schultz 1973). Ovo je radni model hidrauličke vage u zaljevu San Francisco i sustavu delte rijeke Sacramento-San Joaquin koji je 1950. godine izgradio vojni inženjerski korpus da prouče moguće inženjerske intervencije u zaljevu. Drugi lijepi primjer, o kojem se opširno govori (Dardashti i sur., 2015, 2019), je upotreba akustičnih „glupih rupa“načinjenih od Bose-Einsteinovih kondenzata za proučavanje ponašanja crnih rupa. Fizičar Bill Unruh primjetio je da bi u određenim fluidima došlo do nečeg sličnog crnoj rupi ako postoje područja fluida koja se kreću tako brzo da bi se valovi morali kretati brže od brzine zvuka (nešto što ne mogu učiniti) da bi bijeg od njih (Unruh 1981). Takve bi regije zapravo imale zvučne uzore. Unruh je takvu fizičku postavku nazvao "glupom rupom" ("glupom" kao u "nemi") i predložio je da se to može proučiti kako bismo naučili stvari koje ne znamo o crnim rupama. Neko je vrijeme ovaj prijedlog promatran kao ništa više od pametne ideje, ali fizičari su nedavno shvatili da, koristeći Bose-Einstein kondenzate, oni zapravo mogu izgraditi i proučavati neispravne rupe u laboratoriju. Jasno je zašto trebamo razmišljati o takvom postavljanju kao simulaciji: glupa rupa simulira crnu rupu. Umjesto da pronađu računalni program za simulaciju crnih rupa, fizičari pronalaze dinamičku postavku fluida za koju vjeruju da imaju dobar model i za koju taj model ima temeljne matematičke sličnosti s modelom sustava koji su od interesa. Oni promatraju ponašanje postrojenja za tekućinu u laboratoriju kako bi se zaključile o crnim rupama. Smisao, dakle, definicija simulacije u ovom odjeljku je pokušati shvatiti u kojem su smislu računalna simulacija i ove vrste aktivnosti vrste istog roda. Tada bismo možda u boljoj situaciji da shvatimo zašto se simulacija u smislu 1.3 koja se izvodi na računalu preklapa sa simulacijom u smislu 1.2. To ćemo se vratiti u odjeljku 5.fizičari pronalaze fluidno dinamičko postavljanje za koje vjeruju da imaju dobar model i za koje taj model ima temeljne matematičke sličnosti s modelom sustava koji su od interesa. Oni promatraju ponašanje postrojenja za tekućinu u laboratoriju kako bi se zaključile o crnim rupama. Smisao, dakle, definicija simulacije u ovom odjeljku je pokušati shvatiti u kojem su smislu računalna simulacija i ove vrste aktivnosti vrste istog roda. Tada bismo možda u boljoj situaciji da shvatimo zašto se simulacija u smislu 1.3 koja se izvodi na računalu preklapa sa simulacijom u smislu 1.2. To ćemo se vratiti u odjeljku 5.fizičari pronalaze fluidno dinamičko postavljanje za koje vjeruju da imaju dobar model i za koje taj model ima temeljne matematičke sličnosti s modelom sustava koji su od interesa. Oni promatraju ponašanje postrojenja za tekućinu u laboratoriju kako bi se zaključile o crnim rupama. Smisao, dakle, definicija simulacije u ovom odjeljku je pokušati shvatiti u kojem su smislu računalna simulacija i ove vrste aktivnosti vrste istog roda. Tada bismo možda u boljoj situaciji da shvatimo zašto se simulacija u smislu 1.3 koja se izvodi na računalu preklapa sa simulacijom u smislu 1.2. To ćemo se vratiti u odjeljku 5.

Barberousse i sur. (2009), međutim, bili su kritični prema toj analogiji. Oni ističu da računalne simulacije ne funkcioniraju onako kako funkcionira Unruhova simulacija. Nije slučaj da računalo kao materijalni objekt i ciljni sustav slijede iste diferencijalne jednadžbe. Dobra referenca o simulacijama koje nisu računalne simulacije je Trenholme 1994.

2. Vrste računalnih simulacija

Često se razlikuju dvije vrste računalne simulacije: simulacije temeljene na jednadžbi i simulacije temeljene na agentima (ili na pojedincima). Računalne simulacije obje vrste koriste se za tri različite opće svrhe: predviđanje (u točkama i globalno / kvalitativno), razumijevanje i istraživačke ili heurističke svrhe.

2.1 Simulacije temeljene na jednadžbi

Simulacije temeljene na jednadžbi najčešće se koriste u fizičkim i drugim znanostima gdje postoji teorija upravljanja koja može voditi konstrukciju matematičkih modela na temelju diferencijalnih jednadžbi. Ovdje koristim termin "zasnovan na jednadžbi" da bih se odnosio na simulacije temeljene na vrstama globalnih jednadžbi koje povezujemo s fizičkim teorijama - za razliku od "pravila evolucije" (o kojima se govori u sljedećem odjeljku.) Simulacije temeljene na jednadžbi mogu biti zasnovane na česticama, gdje postoji mnogo diskretnih tijela i skup diferencijalnih jednadžbi koje upravljaju njihovom interakcijom, ili mogu biti utemeljene na terenu, gdje postoji skup jednadžbi koje upravljaju vremenskim razvojem kontinuiranog medija ili polja. Primjer je simulacija stvaranja galaksije,u kojem je gravitacijska interakcija između konačne zbirke diskretnih tijela diskretizirana u vremenu i prostoru. Primjer potonjeg je simulacija fluida, poput meteorološkog sustava poput jake oluje. Ovdje se sustav tretira kao kontinuirani medij - fluid - a polje koje predstavlja njegovu raspodjelu relevantnih varijabli u prostoru discizira se u prostoru i zatim se ažurira u diskretnim intervalima.

2.2 Simulacije temeljene na agentima

Simulacije temeljene na agentima najčešće su u društvenim i bihevioralnim znanostima, iako ih nalazimo i u disciplinama poput umjetnog života, epidemiologije, ekologije i bilo koje discipline u kojoj se proučava umrežena interakcija mnogih pojedinaca. Simulacije temeljene na agentima slične su simulacijama na temelju čestica po tome što predstavljaju ponašanje n-mnogih diskretnih pojedinaca. Ali za razliku od simulacija koje se temelje na česticama, ne postoje globalne diferencijalne jednadžbe koje bi upravljale kretanjem pojedinaca. Umjesto toga, u simulacijama utemeljenim na agentima, ponašanje pojedinaca diktiraju vlastita lokalna pravila

Da navedemo jedan primjer: poznata i revolucionarna simulacija utemeljena na agentima bio je model „segregacije“Thomasa Schellinga (1971). Agenti njegove simulacije bili su pojedinci koji su "živjeli" na šahovskoj ploči. Pojedinci su bili podijeljeni u dvije skupine u društvu (npr. Dvije različite rase, dječaci i djevojčice, pušači i nepušači, itd.) Svaki je kvadrat na ploči predstavljao kuću, s najviše jednom osobom u kući. Pojedinac je sretan ako ima određeni postotak susjeda iz vlastite grupe. Sretni agenti ostaju tamo gdje jesu, nesretni agenti prelaze na besplatne lokacije. Schelling je otkrio da se ploča brzo razvila u snažno segregirani obrazac lokacije ako su specificirana „pravila sreće“agenata tako da je segregaciji snažno pogodovalo. Iznenađujuće, međutimtakođer je otkrio da su prvobitno integrirane ploče nagoveštavale potpunu segregaciju, čak i ako su pravila sreće agenata izrazila samo blagu sklonost prema susjedima vlastitog tipa.

2.3 Simulacije s višestrukim skali

U odjeljku 2.1. Raspravljali smo se o modelima na jednadžbi koji se temelje na metodama čestica i onima koji se temelje na poljskim metodama. No neki su simulacijski modeli hibridi različitih vrsta modeliranja. Simulacijski modeli s višestrukim skaliranjem, zajedno, spajaju modele elemenata iz različitih opisa. Dobar primjer za to bi bio model koji simulira dinamiku rasute tvari tretirajući materijal kao polje koje je pod stresom i naprezanjem na relativno gruboj razini opisa, ali koji zumira u određene dijelove materijala u kojima su važni mali efekti se odvija i modelira one manje regije s relativno više sitnozrnim metodama modeliranja. Takve metode mogu se osloniti na molekularnu dinamiku ili kvantnu mehaniku,ili oboje od kojih je svaki detaljniji opis materije nego što se nudi tretiranjem materijala kao polja. Metode višesmjerne simulacije mogu se dalje raščlaniti na metode serijske višesmjerne i paralelne višesmjerne skali. Tradicionalnija metoda je serijsko višestruko modeliranje. Ideja ovdje je odabrati regiju, simulirati je na nižoj razini opisa, rezimirati rezultate u skup parametara probavljivih modelom više razine i proslijediti ih u dio algoritma koji se izračunava na višoj razini.sažeti rezultate u skup parametara probavljivih modelom više razine i proslijediti ih u dio algoritma koji se izračunava na višoj razini.sažeti rezultate u skup parametara probavljivih modelom više razine i proslijediti ih u dio algoritma koji se izračunava na višoj razini.

Metode serijskih višesmjernih skali nisu učinkovite kada su različite ljestvice čvrsto spojene zajedno. Kada različite ljestvice snažno djeluju kako bi se proizvelo promatrano ponašanje, potreban je pristup koji simulira svaku regiju istovremeno. To se naziva paralelno višestruko modeliranje. Paralelno višesmjerno modeliranje temelj je gotovo sveprisutne metode simulacije: tzv. Modeliranje podsustava odnosi se na predstavljanje važnih fizičkih procesa malih razmjera koji se događaju na duljini ljestvice koja se ne može adekvatno razriješiti na veličini rešetke određene simulacije. (Sjetite se da mnoge simulacije diskretiraju kontinuirane jednadžbe, tako da imaju relativno proizvoljnu konačnu "veličinu rešetke".) U studiji turbulencije u fluidima, na primjer,uobičajena je praktična strategija izračuna računati za nestale vrtloge male veličine (ili vrtložne vrtloge) koji se nalaze u ćeliji rešetke. To se postiže dodavanjem vrtložnog opsega vrtložne viskoznosti koja karakterizira transport i raspršivanje energije u protoku manjeg opsega - ili bilo koje takvo svojstvo koje se javlja u premalim razmjerima da bi ga mogla zarobiti mreža.

U znanosti o klimi i srodnim disciplinama, modeliranje podsistema naziva se „parametrizacija“. Ovo se, opet, odnosi na metodu zamjene procesa koji su premali ili složeni da bi se fizički mogli predstaviti u modelu jednostavnijim matematičkim opisom. To je za razliku od drugih procesa - npr. Protoka atmosfere velikih razmjera - koji se izračunavaju na razini mreže u skladu s osnovnom teorijom. To se naziva „parametrizacija“jer su potrebni različiti nefizički parametri za pokretanje vrlo približnih algoritama koji računaju vrijednosti podsustava. Primjeri parametrizacije u simulacijama klime uključuju brzinu spuštanja kišnih kapi, brzinu prijenosa atmosferskog zračenja i brzinu stvaranja oblaka. Na primjer, prosječna oblačnost iznad 100 km 2kutija za mrežu nije čisto povezana s prosječnom vlagom u kutiji. No, kako se prosječna vlaga povećava, povećavat će se i prosječna oblačnost - stoga bi mogao postojati parametar koji povezuje prosječnu oblačnost sa prosječnom vlagom unutar rešetkaste mreže. Iako su moderne parametrizacije formiranja oblaka složenije od ove, osnovna ideja dobro je prikazana na primjeru. Korištenje metoda modeliranja podsustava u simulaciji ima važne posljedice za razumijevanje strukture epistemologije simulacije. O ovome će se detaljnije govoriti u odjeljku 4.

Metode modeliranja podsustava mogu se usporediti s drugom vrstom paralelnih višesmjernih modela u kojima su algoritmi potrežnih mreža teoretski principijelniji, ali motivirani teorijom na različitoj razini opisa. Na primjer, gore spomenutog simulacija rasutih tvari, na primjer, algoritam pokretanja manjeg nivoa opisa nije izgrađen u sjedištu hlača. Algoritam koji vodi manju razinu zapravo je teoretski principijelniji od više razine u smislu da je fizika temeljnija: kvantna mehanika ili molekularna dinamika naspram mehanike kontinuuma. Ove vrste višesmjernih modela, drugim riječima, objedinjuju resurse teorija na različitim razinama opisa. Tako pružaju zanimljive primjere koji izazivaju naše razmišljanje o interteoretskim odnosima,i osporava rašireno gledište da nedosljedni skup zakona ne može imati modele.

2.4 Simulacije Monte Carla

U znanstvenoj literaturi postoji još jedan veliki razred računalnih simulacija koji se zove Monte Carlo (MC) Simulacije. MC simulacije su računalni algoritmi koji koriste slučajnost za izračunavanje svojstava matematičkog modela i gdje slučajnost algoritma nije značajka ciljnog modela. Lijep primjer je upotreba slučajnog algoritma za izračunavanje vrijednosti π. Ako na papiru nacrtate jedinični kvadrat i u njega upišete krug, a zatim nasumično ispustite zbirku predmeta unutar kvadrata, udio predmeta koji sleću u krug bio bi otprilike jednak π / 4. Računalna simulacija koja je simulirala postupak poput onoga koji bi se nazvao MC simulacija za izračunavanje π.

Mnogi filozofi znanosti odstupili su ovdje od uobičajenog znanstvenog jezika i odustali su od razmišljanja MC simulacija kao istinskih simulacija. Grüne-Yanoff i Weirich (2010) nude slijedeće obrazloženje: „Monte Carlo pristup nema mimetičku svrhu: Imitira determinirani sustav ne zato da služi kao surogat koji se ispituje umjesto njega, već samo kako bi ponudio alternativno izračunavanje svojstava determiniranog sustava”(str. 30). To pokazuje da MC simulacije primjereno ne odgovaraju nijednoj od gornjih definicija. S druge strane, razlika između filozofa i običnog jezika može se ukloniti primjenom da MC simulacije simuliraju imaginarni proces koji bi se mogao koristiti za izračunavanje nečega što je važno za proučavanje nekog drugog procesa. Pretpostavimo da modeliram planetarnu orbitu i da bih za svoj izračun trebao znati vrijednost π. Ako radim MC simulaciju spomenutu u posljednjem odlomku, simuliram postupak nasumičnih bacanja predmeta u kvadrat, ali ono što modeliram je planetarna orbita. Ovo je smisao u kojem su MC simulacije simulacije, ali nisu simulacije sustava koji se koriste za proučavanje. Međutim, kako ističu Beisbart i Norton (2012), neke MC simulacije (tj. One koje koriste MC tehnike za rješavanje stohastičkih dinamičkih jednadžbi koje se odnose na fizički sustav) u stvari su simulacije sustava koje proučavaju. Ovo je smisao u kojem su MC simulacije simulacije, ali nisu simulacije sustava koji se koriste za proučavanje. Međutim, kako ističu Beisbart i Norton (2012), neke MC simulacije (tj. One koje koriste MC tehnike za rješavanje stohastičkih dinamičkih jednadžbi koje se odnose na fizički sustav) u stvari su simulacije sustava koje proučavaju. Ovo je smisao u kojem su MC simulacije simulacije, ali nisu simulacije sustava koji se koriste za proučavanje. Međutim, kako ističu Beisbart i Norton (2012), neke MC simulacije (tj. One koje koriste MC tehnike za rješavanje stohastičkih dinamičkih jednadžbi koje se odnose na fizički sustav) u stvari su simulacije sustava koje proučavaju.

3. Svrha simulacije

Postoje tri opće kategorije svrhe u koje se mogu staviti računalne simulacije. Simulacije se mogu koristiti u heurističke svrhe, u svrhu predviđanja podataka koje nemamo i za stvaranje razumijevanja podataka koje već imamo.

Pod kategorijom heurističkih modela simulacije možemo dalje podijeliti na one koji se koriste za prenošenje znanja drugima i one koji se koriste za predstavljanje informacija nama samima. Kad su se Watson i Crick igrali s limenim pločicama i žicom, isprva su radili drugi, a prvi kada su drugima pokazali rezultate. Kad je vojni korpus izgradio model zaljeva San Francisco kako bi uvjerio glasačko stanovništvo da je određena intervencija opasna, oni su je koristili u ovu heurističku svrhu. Računalne simulacije mogu se koristiti za obje svrhe - za ispitivanje značajki mogućih reprezentacijskih struktura; ili prenijeti znanje drugima. Na primjer: računalne simulacije prirodnih procesa, poput bakterijske reprodukcije, tektonskog pomaka, kemijskih reakcija,i evolucija su svi korišteni u učionicama kako bi pomogli učenicima da vizualiziraju skrivenu strukturu u pojavama i procesima koje je nepraktično, nemoguće ili skupo prikazati u "mokrom" laboratorijskom okruženju.

Druga široka klasa svrha u koju se mogu staviti računalne simulacije jest da nam kaže kako treba očekivati da će se neki sustav u stvarnom svijetu ponašati pod određenim spletom okolnosti. Slobodno rečeno: računalna simulacija može se koristiti za predviđanje. Možemo koristiti modele za predviđanje budućnosti ili retrogradnu prošlost; možemo ih koristiti za precizna predviđanja ili labave i općenite. S obzirom na relativnu preciznost predviđanja koja dajemo simulacijama, možemo biti malo preciznije definirani u svojoj taksonomiji. Postoje a) Predviđanja točke: Gdje će biti planet Mars 21. listopada 2300.? b) „Kvalitativna“ili globalna ili sistemska predviđanja:Je li orbita ovog planeta stabilna? Koji se zakon o skaliranju pojavljuje u ovakvim sustavima? Koja je fraktalna dimenzija atraktora za takve sustave? i c) Prognoze raspona: vjerojatnost je 66% da će se srednja globalna temperatura na površini povećati za 2–5 stupnjeva C do 2100.; "vrlo je vjerojatno" da će se razina mora povećati za najmanje dva metra; „Nevjerojatno je“da će se termohalin ugasiti u narednih 50 godina.

Konačno, simulacije se mogu koristiti za razumijevanje sustava i njihovog ponašanja. Ako već imamo podatke koji nam govore kako se neki sustav ponaša, pomoću računalne simulacije možemo odgovoriti na pitanja kako su se ovi događaji eventualno mogli dogoditi; ili o tome kako su se zapravo dogodili ti događaji.

Kada razmišljamo o temi sljedećeg odjeljka, epistemologiji računalnih simulacija, trebali bismo također imati na umu da će postupci potrebni za sankcioniranje rezultata simulacija uvelike ovisiti o tome koja od gore navedenih vrsta svrhe ili svrhe simulacija će se staviti na.

4. Epistemologija računalnih simulacija

Kako su metode računalne simulacije dobile na značaju u sve više disciplina, postalo je sve veće pitanje njihove pouzdanosti za stjecanje novih znanja, posebno kad se očekuje da se simulacije smatraju epiztematskim vršnjacima s eksperimentima i tradicionalnim analitičkim teorijskim metodama. Uvijek je važno pitanje jesu li rezultati određene računalne simulacije dovoljno točni za njihovu svrhu. Ako se simulacija koristi za predviđanje vremena, predviđa li predviđaju varijable koje nas zanimaju do stupnja točnosti dovoljne da udovolje potrebama svojih potrošača? Ako se simulacija atmosfere iznad srednjozapadne ravnice koristi za razumijevanje strukture jake grmljavinske oluje,jesmo li sigurni da se strukture u toku - one koje će igrati objašnjevajuću ulogu u našem računu zašto se oluja ponekad razdvaja na dva ili zašto ponekad formira tornada - prikazuju dovoljno precizno da podupru naše povjerenje u objašnjenje ? Ako se simulacija koristi u inženjerstvu i dizajnu, jesu li predviđanja napravljena simulacijom dovoljno pouzdana da sankcionira određeni izbor konstrukcijskih parametara ili da sankcionira naše uvjerenje da će određeni dizajn krila aviona funkcionirati? Pretpostavljajući da je odgovor na ta pitanja ponekad „da“, tj. Da su takve vrste zaključaka barem ponekad opravdane, središnje je filozofsko pitanje: što ih opravdava? Općenitije,kako se može procijeniti tvrdnja da je simulacija dovoljno dobra za predviđenu svrhu? Ovo su središnja pitanja epistemologije računalne simulacije (EOCS).

S obzirom da je teorija potvrde jedna od tradicionalnih tema filozofije znanosti, može se činiti očiglednim da bi ona imala resurse da počne pristupiti tim pitanjima. Winsberg (1999), međutim, tvrdio je da se, kada je riječ o temama vezanim za vjerodostojnost tvrdnji o znanju, filozofija znanosti tradicionalno bavila opravdanjem teorija, a ne njihovom primjenom. S druge strane, većina simulacija, u mjeri u kojoj se koristi teorijom, ima tendenciju da koristi dobro utvrđenu teoriju. EOCS, drugim riječima, rijetko se bavi testiranjem osnovnih teorija koje mogu ići u simulaciju, a najčešće o uspostavljanju vjerodostojnosti hipoteza koje su, dijelom, rezultat primjene tih teorija.

4.1 Nove značajke EOCS-a

Winsberg (2001) je tvrdio da, za razliku od epistemoloških pitanja koja zauzimaju središnje mjesto u tradicionalnoj teoriji potvrđivanja, odgovarajući EOCS mora ispunjavati tri uvjeta. Osobito mora uzeti u obzir činjenicu da je znanje dobiveno računalnim simulacijama rezultat zaključaka koji su silazni, raznoliki i autonomni.

Dolje. EOCS mora odražavati činjenicu da su u velikom broju slučajeva prihvaćene znanstvene teorije polazna točka za izgradnju računalnih modela simulacije i igrati važnu ulogu u opravdanju zaključaka iz simulacijskih rezultata do zaključaka o stvarnim ciljnim sustavima. Riječ "prema dolje" trebala je signalizirati činjenicu da, za razliku od većine znanstvenih zaključaka koji su tradicionalno zainteresirani filozofi, a koji se kreću od primjera promatranja do teorija, ovdje imamo zaključke koji su izvučeni (dijelom) od visoke teorije, pa sve do posebne obilježja pojava.

Motley. EOCS mora uzeti u obzir da rezultati simulacije, međutim, obično ne ovise samo o teoriji već i o mnogim drugim sastojcima i resursima modela, uključujući parametrizaciju (raspravljeno gore), numeričke metode rješenja, matematičke trikove, aproksimacije i idealizacije, izravne fikcije, ad hoc pretpostavke, funkcionalne biblioteke, sastavljače i računalni hardver, a možda i najvažnije, krv, znoj i suze mnogih pokušaja i pogrešaka.

Autonomni. EOCS mora uzeti u obzir autonomiju znanja dobivenih simulacijom u smislu da se znanje proizvedeno simulacijom ne može u potpunosti sankcionirati u usporedbi s promatranjem. Simulacije se obično koriste za proučavanje fenomena gdje su podaci rijetki. U tim je okolnostima simulacija zamijenjena eksperimentima i opažanjima kao izvorima podataka o svijetu jer su relevantni eksperimenti ili opažanja izvan dosega, iz principijelnih, praktičnih ili etičkih razloga.

Parker (2013) je naglasio da je korisnost ovih uvjeta donekle ugrožena činjenicom da je pretjerano usredotočena na simulaciju u fizikalnim znanostima i drugim disciplinama u kojima se simulacija temelji na teoriji i temelji se na jednadžbi. To se čini ispravnim. U društvenim i bihevioralnim znanostima i drugim disciplinama u kojima je simulacija utemeljena na agentima (vidi 2.2) više norma, a gdje se modeli grade bez nedostatka utvrđenih i kvantitativnih teorija, EOCS bi se vjerojatno trebao okarakterizirati u drugim terminima.

Na primjer, neki društveni znanstvenici koji koriste simulaciju utemeljenu na agentima koriste metodologiju u kojoj su društveni fenomeni (na primjer opaženi obrazac poput segregacije) objašnjeni ili obračunavani generiranjem sličnih fenomena u njihovim simulacijama (Epstein i Axtell 1996; Epstein 1999). Ali to postavlja vlastite vrste epistemoloških pitanja. Što je točno postignuto, kakvo je znanje stečeno kada se promatrani društveni fenomen manje-više reproducira simulacijom utemeljenom na agentima? Smatra li to objašnjenjem pojave? Moguće objašnjenje? (vidi npr. Grüne-Yanoff 2007). Giuseppe Primiero (2019) tvrdi da postoji čitav domen "umjetnih znanosti" izgrađen oko simulacija temeljenih na agentima i na više agentima,i da zahtijeva vlastitu epistemologiju - onu u kojoj se validacija ne može definirati usporedbom s postojećim sustavom iz stvarnog svijeta, već se mora definirati u odnosu na predviđeni sustav.

Također je pošteno reći, kao što to čini Parker (2013), da gore navedeni uvjeti ne pridaju dovoljno pozornosti različitim i različitim svrhama za koje se koriste simulacije (kao što je raspravljeno u 2.4). Ako pomoću simulacije napravimo detaljna kvantitativna predviđanja o budućem ponašanju ciljnog sustava, epistemologija takvih zaključaka može zahtijevati strože standarde od onih koji su uključeni kad se zaključci odnose na opće, kvalitativno ponašanje cjeline. klasa sustava. Zapravo, također je pošteno reći da bi se moglo učiniti mnogo više na klasifikaciji vrsta svrhe u koje se računalne simulacije stavljaju i ograničenja koja ta svrha postavlja na strukturu njihove epistemologije.

Frigg i Reiss (2009) tvrdili su da nijedan od ova tri uvjeta nije nov za računalnu simulaciju. Ustvrdili su da obično modeliranje 'papira i olovke' uključuje ove značajke. Doista, tvrdili su da računalna simulacija ne bi mogla stvoriti nova epistemološka pitanja, jer se epistemološka pitanja mogu jasno podijeliti s pitanjem prikladnosti modela na kojem se temelji simulacija, što je pitanje identično epistemološkim pitanjima koja se javljaju u uobičajenim modeliranje i pitanje ispravnosti rješenja jednadžbi modela isporučenih simulacijom, što je matematičko pitanje, a ne ono koje se odnosi na epistemologiju znanosti. U prvom je trenutku Winsberg (2009b) odgovorio da je simultano spajanje sve tri značajke novo za simulaciju. Vratit ćemo se drugoj točki u odjeljku 4.3

4.2 EOCS i epistemologija eksperimenta

Neki su radovi na EOCS-u razvili analogije između računalne simulacije kako bi se izvukao na nedavni rad u epistemologiji eksperimenta, posebno na rad Allana Franklina; pogledajte unos o eksperimentima iz fizike.

U svom radu na epistemologiji eksperimenta, Franklin (1986, 1989) identificirao je niz strategija koje eksperimentalisti koriste kako bi povećali racionalno povjerenje u svoje rezultate. Weissart (1997) i Parker (2008a) tvrdili su se za različite oblike analogije između ovih strategija i niza strategija na raspolaganju simulatorima da sankcionišu njihove rezultate. Naj detaljnija analiza ovih odnosa nalazi se u Parker 2008a, gdje ona također koristi ove analogije kako bi istakla slabosti postojećih pristupa evaluaciji simulacijskog modela.

Winsberg (2003) također koristi rad Iana Hackinga (1983, 1988, 1992) o filozofiji eksperimenta. Jedna od glavnih Hackingovih spoznaja o eksperimentu zarobljena je u njegovom sloganu da eksperimenti imaju svoj život '(1992: 306). Hakanje je ovim sloganom željelo prenijeti dvije stvari. Prva je bila reakcija protiv nestabilne slike znanosti koja dolazi, na primjer, iz Kuhna. Hakanje (1992.) sugerira da eksperimentalni rezultati mogu ostati stabilni čak i u slučaju dramatičnih promjena u ostalim dijelovima znanosti. Druga, s tim povezana točka, koju je želio prenijeti je da su „eksperimenti organski, razvijaju se, mijenjaju, a ipak zadržavaju određeni dugoročni razvoj zbog čega moramo razgovarati o ponavljanju i ponavljanju eksperimenata“(1992: 307). Neke od tehnika koje simulator koriste za konstruiranje svojih modela dobivaju vjerodostojnost na isti način kao što Hacking kaže da instrumenti i eksperimentalni postupci i metode rade; vjerodajnice se razvijaju kroz duže vremensko razdoblje i postaju duboko vezane tradicijom. U Hackingovom jeziku tehnike i skupovi pretpostavki koje simulatoristi koriste postaju "samo-osvetoljubive". Možda bi bio bolji izraz da nose vlastite vjerodajnice. To daje odgovor na problem postavljen u 4.1. Razumijevanja kako simulacija može imati održivu epistemologiju usprkos raznolikosti i autonomnosti njezinih zaključaka.tehnike i skupovi pretpostavki koje simulatoristi koriste postaju 'samo-osvetoljubive'. Možda bi bio bolji izraz da nose vlastite vjerodajnice. To daje odgovor na problem postavljen u 4.1. Razumijevanja kako simulacija može imati održivu epistemologiju usprkos raznolikosti i autonomnosti njezinih zaključaka.tehnike i skupovi pretpostavki koje simulatoristi koriste postaju 'samo-osvetoljubive'. Možda bi bio bolji izraz da nose vlastite vjerodajnice. To daje odgovor na problem postavljen u 4.1. Razumijevanja kako simulacija može imati održivu epistemologiju usprkos raznolikosti i autonomnosti njezinih zaključaka.

Crpeći inspiraciju drugog filozofa eksperimenta (Mayo 1996), Parker (2008b) sugerira lijek za neke nedostatke u trenutnim pristupima evaluaciji simulacijskog modela. U ovom radu Parker sugerira da bi Mayov statistički pristup pogreškama za razumijevanje tradicionalnog eksperimenta - koji koristi pojam "teškog testa" - mogao osvijetliti epistemologiju simulacije. Središnje pitanje epistemologije simulacije iz statističke perspektive pogrešaka postaje: „Što jamči da je uzimanje računalne simulacije ozbiljan test neke hipoteze o prirodnom svijetu? To je ono što opravdava naš zaključak da simulacija vjerojatno neće dati rezultate koje je ustvari dala, ako bi hipoteza interesa bila lažna (2008b,380)? Parker vjeruje da previše toga što prolazi za procjenu simulacijskog modela nedostaje strogosti i strukture jer:

sastoji se od malo više od sporednih usporedbi podataka o simulaciji izlaznih podataka i podataka o promatranju, s malo ili nimalo izričite argumentacije o tome što, ako ništa drugo, ove usporedbe ukazuju na sposobnost modela da pruži dokaze za posebne znanstvene hipoteze od interesa. (2008b, 381)

Oslanjajući se izričito na Mayov rad (1996.), ona tvrdi da ono što epistemologija simulacije treba raditi, umjesto toga, nudi određeni prikaz „kanonskih pogrešaka“koje mogu nastati, kao i strategije provjere njihove prisutnosti.

4.3 Provjera i provjera valjanosti

Stručnjaci simulacije, posebno u tehničkom kontekstu, u ispitivanju oružja i u klimatskim znanostima, skloni su konceptualizaciji EOCS-a u smislu provjere i validacije. Kaže se da je verifikacija postupak određivanja da li izlaz simulacije odgovara istinskim rješenjima diferencijalnim jednadžbama izvornog modela. S druge strane, validacija je postupak utvrđivanja je li odabrani model dovoljno dobar prikaz sustava u stvarnom svijetu u svrhu simulacije. Literatura o inženjerima i znanstvenicima o verifikaciji i potvrđivanju je ogromna i filozofi počinju dobivati određenu pozornost.

Verifikacija se može podijeliti na provjeru rješenja i provjeru koda. Prva potvrđuje da izlaz planiranog algoritma približava istinska rješenja diferencijalnim jednadžbama izvornog modela. Potonji potvrđuje da kôd, kako je napisano, izvršava predviđeni algoritam. Filozofi znanosti uglavnom su zanemarili provjeru koda; vjerojatno zato što se u računalnoj znanosti to više smatra problemom nego empirijskom znanošću - možda greškom. Dio provjere rješenja sastoji se u usporedbi izračunatog izlaza s analitičkim rješenjima (tzv. „Referentna rješenja“). Iako ova metoda može, naravno, pomoći u postizanju rezultata računalne simulacije, ona je sama po sebi neadekvatna,budući da se simulacije često koriste upravo zato što analitičko rješenje nije dostupno za područja područja rješenja koja su od interesa. Dostupne su i druge neizravne tehnike: od kojih je najznačajnija provjera može li se i kojom brzinom izračunati izlaz pretvoriti u stabilno rješenje kako vrijeme i prostorna razlučivost diskretizacijske mreže postaju sve finiji.

Glavna strategija validacije uključuje usporedbu rezultata modela s promatranim podacima. Opet, naravno, ova je strategija u većini slučajeva ograničena, gdje se izvode simulacije jer su vidljivi podaci rijetki. No mogu se primijeniti složene strategije, uključujući usporedbu rezultata podsustava simulacije s relevantnim eksperimentima (Parker, 2013; Oberkampf i Roy 2010).

Koncepti provjere i potvrđivanja filozofa su izvukli neke kritike. Oreskes i sur. 1994., vrlo citirani članak, uglavnom je bio kritičan prema terminologiji, tvrdeći da je "valjanost", osobito, svojstvo koje se odnosi samo na logičke argumente i da bi zbog toga taj izraz, kada se primjenjuje na modele, mogao dovesti do prevelike samopouzdanja, Winsberg (2010, 2018, str. 555) tvrdi da konceptualna podjela između provjere i potvrđivanja može biti zabludna, ako se uzme u obzir da postoji jedan skup metoda koji mogu, po sebi, pokazati da smo riješili jednadžbe ispravno, i da postoji još jedan skup metoda, koji sam po sebi može pokazati da smo dobili prave jednadžbe. Također je tvrdio da je pogrešno misliti da je epistemologija simulacije čisto podijeljena na empirijski dio (provjera) i matematički (i informatički) dio (validacija.), Ali ova pogrešna ideja često slijedi raspravu o verifikaciji i validaciji. To nalazimo i u radu praktičara i filozofa.

Evo standardnog retka praktičara, Roya: „Provjera se bavi matematikom i odnosi se na ispravnost numeričkog rješenja određenog modela. Validacija se, s druge strane, bavi fizikom i bavi se primjerenošću modela pri reprodukciji eksperimentalnih podataka. Verifikacija se može smatrati ispravnim rješavanjem odabranih jednadžbi, a valjanošću se u prvom redu odabire ispravna jednadžba “(Roy 2005).

Neki su filozofi ovu razliku postavili argumentima o filozofskoj novosti simulacije. Prvo smo ovo pitanje pokrenuli u odjeljku 4.1. Gdje su Frigg i Reiss tvrdili da simulacija ne može imati epistemološki nove značajke, budući da sadrži dvije različite komponente: komponentu koja je identična epistemologiji uobičajenog modeliranja i komponentu koja je u potpunosti matematička. “Ovdje bismo trebali razlikovati dva različita pojma pouzdanosti, odgovarajući na dva različita pitanja. Prvo, jesu li rješenja koja računalo pruža dovoljno bliska stvarnim (ali nedostupnim) rješenjima da budu korisna? … ovo je čisto matematičko pitanje i spada u klasu problema koju smo upravo spomenuli. Dakle, nema ništa novo s filozofskog stajališta i pitanje je zaista jedno od brojnih lomljenja. Drugi,da li računski modeli koji su osnova simulacija pravilno predstavljaju ciljni sustav? Odnosno, vrijede li rezultati simulacije izvana? Ovo je ozbiljno pitanje, ali ono koje nije neovisno o prvom problemu i koje se jednako pojavljuje u vezi s modelima koji ne uključuju neuništivu matematiku i obične eksperimente”(Frigg i Reiss, 2009).

Ali, provjera i potvrđivanje nisu, strogo govoreći, tako odvojivi. To je zato što je većina metoda validacije sama po sebi previše slaba da bi utvrdila valjanost simulacije. I većina jednadžbi modela odabranih za simulaciju nisu u bilo kojem pravom smislu "prave jednadžbe"; oni nisu jednadžbe modela koje bismo odabrali u idealnom svijetu. Imamo dobar razlog da mislimo, drugim riječima, da postoje vani jednadžbe modela koji uživaju bolju empirijsku potporu, apstraktno. Jednadžbe koje odaberemo često odražavaju kompromis između onog za što mislimo da najbolje opisuje pojave i računalne prohodnosti. Dakle, odabrane jednadžbe rijetko su dobro "potvrđene". Ako želimo razumjeti zašto se rezultati simulacije smatraju vjerodostojnim,epistemologiju simulacije moramo gledati kao integriranu cjelinu, a ne kao čisto podijeljenu na provjeru i validaciju - od kojih bi svaka sama sebi izgledala neprimjereno.

Dakle, jedna točka je da provjera i validacija nisu nezavisno uspješne i odvojive aktivnosti. Ali druga je poanta da ne postoje dva neovisna entiteta na koja se mogu usmjeriti ove aktivnosti: model izabran za diskretizaciju i metoda za njegovo diskretiziranje. Jednom kada prepoznamo da se jednadžbe koje se trebaju riješiti ponekad se biraju tako da se ponište pogreške diskretizacije itd. (Lenhard 2007 ima vrlo lijep primjer toga u vezi s operatorom Arakawa), tu kasniju razliku sve je teže održati. Dakle, uspjeh se postiže u simulaciji s vrstom unatrag, pokušajem i pogreškama, dijelom prilagođavanjem modela i metode izračuna. A kad je to slučaj, teško je čak i znati što znači reći da se simulacija zasebno provjerava i potvrđuje.

Nitko nije tvrdio da V&V nije korisna razlika, već da znanstvenici ne bi trebali pretjerano pragmatično razlikovati u čist metodološki diktat koji pogrešno predstavlja zbrku njihove vlastite prakse. Nasuprot tome, Frigg i Reissov argument za nepostojanje epistemološke novosti u simulaciji propadaju upravo iz ovog razloga. Nije „čisto matematičko pitanje“jesu li rješenja koja računalo pruža dovoljno bliska stvarnim (ali nedostupnim) rješenjima da budu korisna. Barem ne u tom pogledu: nije pitanje na koje je moguće odgovoriti, kao pragmatično, u potpunosti koristeći matematičke metode. I stoga je to empirijsko / epistemološko pitanje koje se ne javlja kod običnog modeliranja.

4.4. EOCS i epiztemsko pravo

Glavni smjer uobičajene (izvan filozofije znanosti) epistemologije je naglasiti stupanj u kojem je uvjet za mogućnost saznanja da se oslanjamo na svoja osjetila i svjedočanstvo drugih ljudi na način koji sami ne možemo opravdati, Prema Tyler Burgeu (1993, 1998), vjerovanje u rezultate ova dva procesa je opravdano, ali nije opravdano. Umjesto toga, prema Burgeu, imamo pravo na ta uvjerenja. "Mi se možemo osloniti na druge stvari jednake, na percepciju, pamćenje, deduktivne i induktivne zaključke i na … riječ drugih" (1993, str. 458). Uvjerenja u koja vjernik ima pravo su ona koja nisu podržana dokazima koji su dostupni vjerniku, ali za koja vjernik ipak jamči vjerovanje.

Neki rad u EOCS-u razvio je analogije između računalne simulacije i vrste prakse stvaranja znanja s kojima Burge suradnici ostvaruju pravo. (Vidi posebno Barberousse i Vorms, 2014., i Beisbart, 2017.) Ovo je, na neki način, prirodni rast Burgeovih argumenata da na ovaj način gledamo računalno potpomognute dokaze (1998.). Računalne simulacije izuzetno su složene, često rezultat epiztemskog rada različitih znanstvenika i drugih stručnjaka, a možda i najvažnije, epizmatično neprozirne (Humphreys, 2004). Zbog ovih značajki Beisbart tvrdi da je razumno tretirati računalne simulacije na isti način kao da tretiramo naša osjetila i svjedočenja drugih: jednostavno kao stvari kojima se može vjerovati pod pretpostavkom da sve funkcionira bez problema. (Beisbart, 2017).

Symons i Alvarado (2019.) tvrde da postoji temeljni problem s tim pristupom EOCS-u i da ima veze s značajkom računalnog dokaza koji je bio ključan za Burgeov izvorni račun: to što je biće "transparentan transporter". "Na primjer, vrlo je važno napomenuti da Burgeov račun očuvanja sadržaja i transparentnog prijenosa zahtijeva da primatelj već ima razloga ne sumnjati u izvor" (str. 13). Ali Symons i Alvarado ukazuju na mnoga svojstva računalnih simulacija (crtanje iz Winsberga 2010 i Ruphy 2015) zbog kojih oni nemaju takva svojstva. Lenhard i Küster 2019 su također bitni ovdje,jer tvrde da postoje mnoge značajke računalne simulacije koje ih otežavaju reprodukciju i da stoga narušavaju neku stabilnost koja bi im bila potrebna da budu transparentni transporteri. Iz tih razloga i drugih koji imaju veze s mnogim značajkama o kojima se govori u 4.2 i 4.3, Symons i Alvarado tvrde da je nemoguće da računalnu simulaciju trebamo promatrati kao osnovnu epiztemsku praksu usporedo s osjetilnom percepcijom, pamćenjem, svjedočenjem ili slično.

4.5 Pragmatični pristupi EOCS-u

Drugi pristup EOCS-u jest usmjeriti ga u praktične aspekte umijeća modeliranja i simulacije. Prema ovom stajalištu, drugim riječima, najbolji razlog koji možemo dati iz razloga koji vjerujemo u rezultate računalnih simulacija studija je povjerenje u praktične vještine i stručnost modelara koji ih koriste. Dobar primjer ove vrste računa je (Hubig i Kaminski, 2017). Epistemološki cilj ove vrste rada je identificirati mjesto našeg povjerenja u simulacije u praktičnim aspektima zanata modeliranja i simulacije, a ne u bilo koje značajke samih modela. (Resch i sur., 2017.) tvrde da dobar dio razloga zašto bismo trebali vjerovati simulacijama nije zbog samih simulacija,ali zbog interpretacijske umjetnosti onih koji svoju umjetnost i vještinu koriste za interpretaciju simulacijskih rezultata. Symons i Alvarado (2019) također su kritični prema ovom pristupu, tvrdeći da je "dio zadaće epistemologije računalne simulacije objasniti razliku između stava suvremenog znanstvenika u odnosu na eppistemski neprozirne računalne simulacije" (str.7) i vjernici u mehaničkom odnosu proročanstva prema svojim proročicama. Pragmatična i epiztemska razmatranja, prema Symonsu i Alvaradu, postoje, a oni nisu mogući konkurenti za ispravno objašnjenje našeg povjerenja u simulacije - epiztemski su razlozi konačni ono što objašnjavaju i utemeljuju pragmatična.tvrdeći da je "dio zadatka epistemologije računalne simulacije objasniti razliku između položaja suvremenog znanstvenika u odnosu na epiztemično neprozirne računalne simulacije …" (str. 7) i vjernika u odnosu mehaničkog proročišta prema njihovim proročicama. Pragmatična i epiztemska razmatranja, prema Symonsu i Alvaradu, postoje, a oni nisu mogući konkurenti za ispravno objašnjenje našeg povjerenja u simulacije - epiztemski su razlozi konačni ono što objašnjavaju i utemeljuju pragmatična.tvrdeći da je "dio zadatka epistemologije računalne simulacije objasniti razliku između položaja suvremenog znanstvenika u odnosu na epiztemično neprozirne računalne simulacije …" (str. 7) i vjernika u odnosu mehaničkog proročišta prema njihovim proročicama. Pragmatična i epiztemska razmatranja, prema Symonsu i Alvaradu, postoje, a oni nisu mogući konkurenti za ispravno objašnjenje našeg povjerenja u simulacije - epiztemski su razlozi konačni ono što objašnjavaju i utemeljuju pragmatična.i nisu mogući konkurenti za ispravno objašnjenje našeg povjerenja u simulacije - epiztemski su razlozi konačni ono što objašnjavaju i utemeljuju pragmatične.i nisu mogući konkurenti za ispravno objašnjenje našeg povjerenja u simulacije - epiztemski su razlozi konačni ono što objašnjavaju i utemeljuju pragmatične.

5. Simulacija i eksperiment

Radni znanstvenici ponekad eksperimentalno opisuju simulacijske studije. Povezanost simulacije i eksperimenta vjerojatno seže sve do von Neumanna, koji je, zalažući se vrlo rano za upotrebu računala u fizici, primijetio da se mnogi teški eksperimenti moraju provesti samo kako bi se utvrdile činjenice koje bi, u načelu, trebale utvrditi izvodi se iz teorije. Jednom kada je vizija von Neumanna postala stvarnost, a neki su se eksperimenti počeli zamijeniti simulacijama, postalo je nekako prirodno gledati ih kao verzije eksperimenta. Reprezentativni odlomak može se naći u popularnoj knjizi o simulaciji:

Simulacija koja točno oponaša složen fenomen sadrži mnoštvo informacija o toj pojavi. Varijable kao što su temperatura, tlak, vlaga i brzina vjetra superračunalo procjenjuju na tisuće točaka jer, primjerice, simulira razvoj oluje. Takvi podaci, koji daleko premašuju sve što bi se moglo dobiti od lansiranja flote vremenskih balona, otkrivaju intimne detalje onoga što se događa u olujnom oblaku. (Kaufmann i Smarr 1993, 4)

Ideja eksperimenata „in silico“postaje još uvjerljivija kada je dizajnirana simulacijska studija kako bi se naučilo što se događa sa sustavom kao posljedica različitih mogućih intervencija: Što bi se dogodilo s globalnom klimom kada bi u atmosferu bila dodana x količina ugljika ? Što će se dogoditi s ovim krilom aviona ako je podložno takvim i takvim naprezanjima? Kako bi se prometni obrasci promijenili ako se na ovu lokaciju doda ovjes?

Filozofi su, prema tome, počeli razmatrati u kojem su smislu, ako postoje, računalne simulacije poput eksperimenata i u kojem se smislu razlikuju. Povezano pitanje je pitanje kada se postupak koji u osnovi uključuje računalnu simulaciju može računati kao mjerenje (Parker, 2017) U literaturi se pojavilo mnoštvo stavova usredotočenih na obranu i kritiku dviju teza:

Teza identiteta. Studije računalne simulacije doslovno su slučajevi eksperimenata.

Teza epistemološke ovisnosti. Teza o identitetu bila bi (ako je istina) dobar razlog (slaba inačica), ili najbolji razlog (jača verzija), ili jedini razlog (najjača verzija; to je neophodan uvjet) vjerovati da simulacije mogu dati nalog za vjerovanje u hipoteze koje podržavaju. Posljedica najjače verzije je da samo ako je teza o identitetu istinita, postoji razlog za vjerovanje da simulacije mogu dati nalog za vjerovanje u hipoteze.

Središnja ideja iza teze epistemološke ovisnosti je da su eksperimenti kanonski entiteti koji igraju središnju ulogu u jamčenju našeg vjerovanja u znanstvene hipoteze, te da je stoga stupanj do kojeg bismo trebali misliti da simulacije također mogu igrati ulogu u opravdavanju takvih uvjerenja. ovisi u kojoj se mjeri mogu identificirati kao vrsta eksperimenta.

Filozofi se mogu boriti za tezu identiteta još u Humphreys 1995. i Hughes 1999. A barem je implicitna podrška (jače) verzije epistemološke teze ovisnosti u Hughesu. Najraniji eksplicitni argument u prilog epistemološkoj tezi ovisnosti je, međutim, u Nortonu i Suppeu 2001. Prema Nortonu i Suppeu, simulacije mogu opravdati uvjerenje upravo zato što su doslovno eksperimenti. Imaju detaljnu priču koja im govori o tome u kakvom su smislu eksperimenti i kako to sve treba raditi. Prema Nortonu i Suppeu, valjana simulacija je ona u kojoj se određeni formalni odnosi (ono što nazivaju 'realizacija') održavaju između baznog modela, samog modeliranog fizičkog sustava i računala koje pokreće algoritam. Kada se ispune odgovarajući uvjeti,'simulacija se može koristiti kao instrument za ispitivanje ili otkrivanje pojava iz stvarnog svijeta. Empirijski podaci o stvarnim pojavama dobivaju se u uvjetima eksperimentalne kontrole '(str. 73).

Jedan problem ove priče je taj što su formalni uvjeti koje su postavili previše strogi. Malo je vjerojatno da postoji jako puno stvarnih primjera računalnih simulacija koje udovoljavaju njihovim strogim standardima. Simulacija je gotovo uvijek daleko idealiziranije i približavajuće poduzeće. Dakle, ako su simulacije eksperimenti, vjerojatno nije na način na koji su to zamislili Norton i Suppe.

Općenito govoreći, teza o identitetu povukla je vatru iz drugih četvrti.

Gilbert i Troitzsch su tvrdili da je "glavna razlika u tome što dok je u eksperimentu jedan koji kontrolira stvarne zanimljive objekte (na primjer, u kemijskom eksperimentu, kemikalije koje se istražuju), u simulaciji se eksperimentira sa model, a ne sam fenomen. " (Gilbert i Troitzsch 1999, 13). Ali to se ne čini u redu. Mnogi (Guala 2002, 2008, Morgan 2003, Parker 2009a, Winsberg 2009a) ukazali su na probleme s tvrdnjom. Ako Gilbert i Troitzsch znače da simulacionisti manipuliraju modelima u smislu apstraktnih objekata, onda je tvrdnju teško razumjeti - kako manipuliramo apstraktnim entitetom? Ako, s druge strane, oni jednostavno žele ukazati na činjenicu da fizički objekt koji simulacijski manipuliraju - digitalno računalo - nije stvarni predmet interesa,tada nije jasno zašto se to razlikuje od običnih pokusa.

Lažno je da stvarni eksperimenti uvijek manipuliraju točno njihovim ciljevima interesa. U stvari, i u stvarnim eksperimentima i u simulacijama postoji složen odnos između onoga što se manipulira u istrazi s jedne strane, i sustava u stvarnom svijetu koji su ciljevi istrage s druge strane. U slučajevima eksperimenta i simulacije, potreban je argument neke tvari da bi se utvrdila „vanjska valjanost“istrage - kako bi se utvrdilo da je ono što se sazna o sustavu kojim se manipulira primjenjivo na sustav od interesa. Mendel je, primjerice, manipulirao biljkama graška, ali zanimalo ga je općenito o fenomenu nasljednosti. Ideja organizma modela u biologiji čini ovu ideju upadljivom. Eksperimentiramo na Caenorhabditis elegans, jer nas zanima kako organizam općenito koristi gene za kontrolu razvoja i genealogije. Eksperimentiramo na drosophila melanogasteru jer on pruža koristan model mutacija i genetskog nasljeđivanja. Ali ideja se ne ograničava na biologiju. Galileo je eksperimentirao s nagnutim ravninama, jer ga je zanimalo kako objekti padaju i kako će se ponašati u nedostatku interferirajućih sila - pojava koje eksperimenti s nagnutim ravninama zapravo nisu ni pokazali. Galileo je eksperimentirao s nagnutim ravninama, jer ga je zanimalo kako objekti padaju i kako će se ponašati u nedostatku interferirajućih sila - pojava koje eksperimenti s nagnutim ravninama zapravo nisu ni pokazali. Galileo je eksperimentirao s nagnutim ravninama, jer ga je zanimalo kako objekti padaju i kako će se ponašati u nedostatku interferirajućih sila - pojava koje eksperimenti s nagnutim ravninama zapravo nisu ni pokazali.

Naravno, ovo gledište o eksperimentima nije nesporno. Točno je da eksperimentalisti vrlo često zaključuju nešto o sustavu različitom od sustava u koji utječu. Međutim, nije jasno je li taj zaključak pravi dio izvornog eksperimenta. Peschard (2010) postavlja kritiku prema tome, pa je stoga moguće gledati kao branitelja Gilberta i Troitzscha. Peschard tvrdi da je temeljna pretpostavka njihovih kritičara - da je u eksperimentu, baš kao i u simulaciji, onime što se manipulira sustavom koji stoji za ciljni sustav - zbunjena. Zbunjuje, tvrdi Peschard, epiztemsku metu eksperimenta s njegovom epiztemičkom motivacijom. Tvrdi da bi, iako bi epiztemska motivacija za eksperimentiranje na C. eleganima mogla biti dalekosežna,pravi epiztemični cilj za svaki takav eksperiment je sam crv. Međutim, u simulaciji, prema Peschard-u, epiztemska meta nikada nije samo digitalno računalo. Prema tome, simulacija se razlikuje od eksperimenta, prema njoj, po tome što je njena epiztemska meta (nasuprot samo epizemičkoj motivaciji) različita od objekta kojim se manipulira. Roush (2017) se također može smatrati braniteljem linije Gilbert i Troitzsch, ali Roush apelira na istovjetnost prirodnih vrsta kao ključnu osobinu koja razdvaja eksperimente i simulacije. Ostali protivnici teze o identitetu su Giere (2009) i Beisbart i Norton (2012, Drugi internetski resursi).po tome što se njegova epiztemska meta (nasuprot samo epiztemičkoj motivaciji) razlikuje od predmeta kojim se manipulira. Roush (2017) se također može smatrati braniteljem linije Gilbert i Troitzsch, ali Roush apelira na istovjetnost prirodnih vrsta kao ključnu osobinu koja razdvaja eksperimente i simulacije. Ostali protivnici teze o identitetu su Giere (2009) i Beisbart i Norton (2012, Drugi internetski resursi).po tome što se njegova epiztemska meta (nasuprot samo epiztemičkoj motivaciji) razlikuje od predmeta kojim se manipulira. Roush (2017) se također može smatrati braniteljem linije Gilbert i Troitzsch, ali Roush apelira na istovjetnost prirodnih vrsta kao ključnu osobinu koja razdvaja eksperimente i simulacije. Ostali protivnici teze o identitetu su Giere (2009) i Beisbart i Norton (2012, Drugi internetski resursi). Ostali internetski resursi). Ostali internetski resursi).

Nije jasno kako presuditi ovaj spor, a čini se da se vrti prvenstveno oko razlike u naglašavanju. Može se naglasiti razlika između eksperimenta i simulacije, slijedeći Gilberta i Troitzscha i Pescharda, inzistirajući na tome da nas eksperimenti prvo podučavaju o njihovim epiztemskim ciljevima i tek drugo dopuštaju zaključke o ponašanju drugih sustava. (Tj. Pokusi na crvima nauče nas, u prvom redu, o crvima, a tek nam drugo dopuštaju da donesemo zaključke o genetskoj kontroli općenitije.) To bi ih konceptualno razlikovalo od računalnih simulacija, za koje se ne misli da nas uče, u prvom stupnju o ponašanju računala, a tek u drugom stupnju o olujama, galaksijama ili što već.

Ili se može naglasiti sličnost na suprotan način. Može se naglasiti stupanj do kojeg se eksperimentalni ciljevi uvijek biraju kao surogati za ono što je stvarno zanimljivo. Morrison, 2009. vjerojatno je najsnažniji branitelj isticanja ovog aspekta sličnosti eksperimenta i simulacije. Ona tvrdi da većina eksperimentalnih praksi, kao i većina mjernih praksi, uključuju iste vrste modeliranja kao i simulacije. U svakom slučaju, tempom Peschard, ništa osim rasprave o nomenklaturi - i možda žalba na uobičajenu upotrebu znanstvenika u jeziku; ne uvijek najsnažnija vrsta argumenata - spriječila bi nas da kažemo da je epitetna meta simulacije oluje računalo, a da je oluja samo epiztemska motivacija za proučavanje računala.

Bilo kako bilo, mnogi filozofi simulacije, uključujući one o kojima se raspravlja u ovom odjeljku, odabrali su potonji put - dijelom i kao način skretanja pažnje na načine na koje poruka koja stoji iza Gilberta i Troitzschova citiranog zahtjeva slika prekomjerno pojednostavljivu sliku eksperiment. Čini se pretjerano jednostavnim slikati sliku prema kojoj eksperiment ima direktan dodir s svijetom, dok je situacija simulacije upravo suprotna. A ovo je slika za koju se čini da je dobijena iz navoda Gilber i Troitzsch. Peschardsova sofisticiranija slika koja uključuje razliku između eppistemskih ciljeva i epiztemskih motivacija ide dug put prema uglađivanju tih briga, a da nas ne gura na područje razmišljanja da su simulacija i eksperiment u tom pogledu potpuno isti.

Ipak, usprkos odbacivanju Gilbertove i Troitzscheve karakterizacije razlike između simulacije i eksperimenta, Guala i Morgan odbacuju tezu identiteta. Oslanjajući se na Sajmonovo djelo (1969.), Guala tvrdi da se simulacije bitno razlikuju od eksperimenata po tome što predmet manipulacije u pokusu ima materijalnu sličnost cilja koji zanima, ali u simulaciji, sličnost objekta i cilja je samo formalna. Zanimljivo je da dok Morgan prihvaća ovaj argument protiv teze identiteta, čini se da se drži verzije epistemološke teze ovisnosti. Ona tvrdi, drugim riječima,da razlika između eksperimenata i simulacija koje je identificirao Guala podrazumijeva da su simulacije epistemološki inferiorne stvarnim eksperimentima - da imaju intrinzično manje snage da opravdavaju vjerovanje u hipoteze o stvarnom svijetu jer nisu eksperimenti.

Obrana epiztemske moći simulacija protiv Morganove (2002) argumentacije mogla bi doći u obliku obrane teze identiteta ili u obliku odbacivanja teze epistemološke ovisnosti. Na bivšoj se fronti čini da postoje dva problema s argumentom Guala (2002) protiv teze identiteta. Prvo je da je pojam materijalne sličnosti ovdje previše slab, a drugi da je pojam puke formalne sličnosti previše nejasan da bi mogao tražiti posao. Uzmimo u obzir činjenicu da nije rijetkost da se u inženjerskim znanostima koriste simulacijske metode za proučavanje ponašanja sustava proizvedenih od silicija. Inženjer želi upoznati svojstva različitih mogućnosti dizajna za silikonski uređaj,pa ona razvija računski model uređaja i pokreće simulaciju njegovog ponašanja na digitalnom računalu. Postoje duboke sličnosti između materijala, a neki od istih uzroka materijala djeluju u središnjem procesoru računala i silikonskom uređaju koji se proučava. Prema Guala-ovom obrazloženju, ovo bi trebalo označiti kao primjer pravog eksperimenta, ali to se čini pogrešno. Osobitosti ovog primjera ilustriraju problem prilično oštro, ali problem je zapravo prilično općenit: bilo koja dva sustava nose neke materijalne sličnosti jedan s drugim i neke razlike.ovo bi trebalo označiti kao primjer pravog eksperimenta, ali to se čini pogrešno. Osobitosti ovog primjera ilustriraju problem prilično oštro, ali problem je zapravo prilično općenit: bilo koja dva sustava nose neke materijalne sličnosti jedan s drugim i neke razlike.ovo bi trebalo označiti kao primjer pravog eksperimenta, ali to se čini pogrešno. Osobitosti ovog primjera ilustriraju problem prilično oštro, ali problem je zapravo prilično općenit: bilo koja dva sustava nose neke materijalne sličnosti jedan s drugim i neke razlike.

Parke (2014) argumentira protiv epistemološke teze ovisnosti podrivajući dvije pretpostavke za koje vjeruje da ih podržavaju: šaku, da eksperimenti stvaraju veću infektivnu snagu od simulacija, i drugo, da nas simulacije ne mogu iznenaditi na isti način kao što to mogu eksperimenti.

Sa druge strane, ideja da bi postojanje formalne sličnosti dvaju materijalnih cjelina moglo označiti bilo što zanimljivo konceptualno je zbunjena. S obzirom na bilo koja dva dovoljno složena cjelina, postoji mnogo načina na koji su formalno identični, da ne spominjemo slične. Postoje i načini na koji su oni formalno potpuno različiti. Sada možemo govoriti lagano i reći da dvije stvari imaju formalnu sličnost, ali ono što stvarno mislimo je da naše najbolje formalne reprezentacije dvaju entiteta imaju formalne sličnosti. U svakom slučaju, čini se da postoje dobri razlozi za odbacivanje i razloga Gilberta i Troitzscha i Morgana i Guale za razlikovanje eksperimenata i simulacija.

Vraćajući se obrani epiztemske moći simulacija, također postoje razlozi za odbacivanje epistemološke teze ovisnosti. Kao što Parker (2009a) ističe, i u eksperimentu i u simulaciji možemo imati relevantne sličnosti između računalnih simulacija i ciljnih sustava i to je ono što je važno. Kad postoji odgovarajuće pozadinsko znanje, simulacija može pružiti pouzdanije znanje o sustavu nego eksperiment. Računalna simulacija Sunčevog sustava, zasnovana na našim najsofisticiranijim modelima nebeske dinamike, stvorit će bolje predodžbe orbite planeta nego bilo koji eksperiment.

Parke (2014) argumentira protiv epistemološke teze ovisnosti podrivajući dvije pretpostavke za koje vjeruje da ih podržavaju: šaku, da eksperimenti stvaraju veću infektivnu snagu od simulacija, i drugo, da nas simulacije ne mogu iznenaditi na isti način kao što to mogu eksperimenti. Argument da nas simulacije ne mogu iznenaditi dolazi od Morgan (2005). Pace Morgan, Parke tvrdi da su simulateri često iznenađeni svojim simulacijama, kako zato što nisu računski sveznajući, i zato što nisu uvijek jedini tvorci modela i koda koji koriste. Štoviše, ona tvrdi da se „[d] razlike u epistemičkim stanjima istraživača, same po sebi, čine kao pogrešni razlozi za praćenje razlike između eksperimenta i simulacije“(258). Adrian Curry (2017) brani Morganovu izvornu intuiciju unoseći dva prijateljska amandmana. On tvrdi da je Morgan uistinu imao razliku između dvije različite vrste iznenađenja, a posebice u onome što je izvor iznenađenja: iznenađenje zbog dovođenja teorijskog znanja u kontakt sa svijetom razlikuje se od eksperimenta. On je također pažljivije definirao iznenađenje na nepsihološki način tako da je "kvaliteta njegova postignuća istinski epistemički napredak" (str. 640).

6. Računalna simulacija i struktura znanstvenih teorija

Paul Humphreys (2004) tvrdi da računalne simulacije imaju duboke posljedice za naše razumijevanje strukture teorija; on tvrdi da otkrivaju nepodudarnosti i sa semantičkim i sintaktičkim prikazima znanstvenih teorija. Ova je tvrdnja izvukla oštru vatru Romana Friggsa i Juliana Reissa (2009). Frigg i Reiss tvrde da model priznaje li analitičko rješenje ili nema veze s tim kako se odnosi na svijet. Da bi to pokazali, koriste primjer dvostrukog klatna. Bez obzira drži li se unutarnji klatno klatna fiksirano ili ne (činjenica koja će odrediti je li relevantni model analitički rješiva) nema utjecaja na semantiku elemenata modela. Iz toga zaključuju da na semantiku modela, ili na to kako se odnosi na svijet, ne utječe to da li je model analitički rješiv.

To, međutim, nije reagiralo na najradosnije čitanje onoga na što je Humphreys ukazivao. Sintaktički i semantički pogledi na teorije, na kraju, nisu samo prikazi kako se naša apstraktna znanstvena predstavljanja odnose na svijet. Točnije, nisu bile priče o odnosu između pojedinih modela i svijeta, već o odnosu teorija i svijeta i, ako postoje, uloge tih modela u tom odnosu.

Bile su to i priče koje su imale puno toga za reći o tome gdje je filozofski zanimljiva radnja kada je u pitanju znanstveno teoretiziranje. Sintaktički pogled sugerirao je da se znanstvena praksa može adekvatno racionalno rekonstruirati razmišljanjem o teorijama kao aksiomatskim sustavima, i što je još važnije, ta logička dedukcija je koristan regulatorni ideal za razmišljanje o tome kako se izvlače zaključci iz teorije u svijet. Sintaktički je pogled, također, izostavio, ako je prilično jasno da je modeliranje igralo, ako ništa drugo, samo heurističku ulogu u znanosti. (To je bilo obilježje sintaktičkog pogleda na teorije na koje je Frederick Suppe, jedan od njegovih najoštrijih kritičara, često se suprotstavljao.) Teorije same po sebi nisu imale nikakve veze s modelima, a teorije se mogu uspoređivati izravno sa svijetom, bez ikakve važne uloge za modeliranje za igranje.

Semantički prikaz teorija, s druge strane, isticao je važnu ulogu za modele, ali je također pozvao da teorije nisu jezičke cjeline. Apelirao je na filozofe da ne ometaju izvanredne situacije određenog oblika jezičnog izraza kakva se teorija može naći u, recimo, određenom udžbeniku.

Međutim, računalne simulacije ilustriraju da su obje ove teme bile pogrešno vođene. Bilo je potpuno pogrešno mišljenje da je logička dedukcija pravi alat za racionalnu rekonstrukciju procesa primjene teorije. Računalne simulacije pokazuju da postoje metode primjene teorije koje uvelike nadmašuju zaraznu snagu logičkog dedukcije. Prostor rješenja, na primjer, dostupan logičkim zaključivanjem iz teorije fluida, mikroskopski je u usporedbi s prostorom aplikacija koje se mogu istražiti računalnom simulacijom. S druge strane, računalne simulacije otkrivaju da je, kao što je Humphreys (2004) nagovarao, sintaksa bitna. Ispada da je pogrešno sugerirati, kao što je to činio semantički pogled, da je određeni jezični oblik u kojem se izražava znanstvena teorija filozofski nezanimljiv. Sintaksa teorijskog izraza imat će dubok utjecaj na to što se iz toga mogu izvući zaključci, koje će ideje idealizirati, itd. Humphreys je stavio točku na sljedeći način: upotrebljeni specifični sintaktički prikaz često je presudan za rješivost jednadžbi teorije”(Humphreys 2009, str.620). Teorija fluida može se upotrijebiti za naglašavanje ove točke: izrazimo li tu teoriju u eulerijskom ili lagrangijskom obliku duboko će utjecati na to što u praksi možemo izračunati i kako; to će utjecati na to koje će idealizacije, aproksimacije i tehnike proračuna biti učinkovite i pouzdane u kojim okolnostima. Dakle, epistemologija računalne simulacije mora biti osjetljiva na određeni sintaktički pripravak teorije i koliko je ta formulacija vjerodostojna. Stoga,čini se ispravnim naglasiti, kao što je to učinio Humphreys (2004), da su računalne simulacije otkrile nepodudarnosti i sa sintaktičkom i sa semantičkom teorijom.

7. Pojava

Paul Humphreys (2004) i Mark Bedau (1997, 2011) tvrdili su da filozofi zainteresirani za temu nastanka mogu puno naučiti gledajući računalnu simulaciju. Filozofi koji su zainteresirani za ovu temu trebali bi se savjetovati s člankom o novonastalim svojstvima, gdje se razgovaralo o doprinosima svih tih filozofa.

Vezu između nastajanja i simulacije možda je najbolje artikulirao Bedau u svojoj (2011). Bedau je tvrdio da svaka koncepcija nastanka mora ispunjavati blizanačke crte objašnjenja kako cjelina ovisi o njezinim dijelovima i kako je cjelina neovisna o njezinim dijelovima. Tvrdi da se filozofi često usredotočuju na ono što naziva "snažnim" nastankom, što postavlja grubu uzročno dolje koja je u principu neprimjenjiva. Ali tvrdi da je to pogreška. Umjesto toga, on se usredotočuje na ono što naziva "slabim" pojavom, što omogućuje umanjivanje cjelina na dijelove, a ne u praksi. Sustavi koji stvaraju nova svojstva su puki mehanizmi, ali mehanizmi su vrlo složeni (imaju vrlo mnogo neovisno međusobno povezanih dijelova). Kao rezultat,ne postoji način da se točno utvrdi što će se dogoditi s obzirom na određeni skup početnih i graničnih uvjeta, osim da se "provuče kauzalna mreža". Upravo tu dolazi do veze s računalnom simulacijom. Slabo nastala svojstva karakteristična su za složene sustave u prirodi. A karakteristično je i za složene računalne simulacije da nema načina predvidjeti što će raditi osim pustiti ih da se pokreću. Slaba pojava objašnjava, prema Bedauu, zašto računalne simulacije igraju središnju ulogu u znanosti o složenim sustavima. Najbolji način da shvatite i predvidite kako se ponašaju stvarni složeni sustavi je simulirati ih pretraživanjem mikro-uzročne mreže i vidjeti što se događa. Slabo nastala svojstva karakteristična su za složene sustave u prirodi. A karakteristično je i za složene računalne simulacije da nema načina predvidjeti što će raditi osim pustiti ih da se pokreću. Slaba pojava objašnjava, prema Bedauu, zašto računalne simulacije igraju središnju ulogu u znanosti o složenim sustavima. Najbolji način da shvatite i predvidite kako se ponašaju stvarni složeni sustavi je simulirati ih pretraživanjem mikro-uzročne mreže i vidjeti što se događa. Slabo nastala svojstva karakteristična su za složene sustave u prirodi. A karakteristično je i za složene računalne simulacije da nema načina predvidjeti što će raditi osim pustiti ih da se pokreću. Slaba pojava objašnjava, prema Bedauu, zašto računalne simulacije igraju središnju ulogu u znanosti o složenim sustavima. Najbolji način da shvatite i predvidite kako se ponašaju stvarni složeni sustavi je simulirati ih pretraživanjem mikro-uzročne mreže i vidjeti što se događa. Najbolji način da shvatite i predvidite kako se ponašaju stvarni složeni sustavi je simulirati ih pretraživanjem mikro-uzročne mreže i vidjeti što se događa. Najbolji način da shvatite i predvidite kako se ponašaju stvarni složeni sustavi je simulirati ih pretraživanjem mikro-uzročne mreže i vidjeti što se događa.

8. izmišljotine

Modeli naravno uključuju idealizacije. Ali tvrdi se da su neke vrste idealizacija, koje imaju posebno istaknutu ulogu u modelima koji se bave računalnom simulacijom, posebne - do te mjere da zaslužuju naslov "fikcije". Ovaj će odjeljak raspravljati o pokušajima definiranja fikcija i istražiti njihovu ulogu u računalnoj simulaciji.

Postoje dvije različite linije razmišljanja o ulozi fikcije u znanosti. Prema jednom, svi su modeli fikcija. Ova linija razmišljanja motivirana je razmatranjem uloge, primjerice, "idealnog klatna" u znanosti. Znanstvenici, tvrde, često iznose tvrdnje o takvim vrstama entiteta (npr. „Idealno klatno ima razdoblje proporcionalno kvadratnom korijenu njegove dužine“), ali ih nigdje ne možete pronaći u stvarnom svijetu; stoga moraju biti izmišljeni entiteti. Ova tvrdnja o izmišljenim entitetima u znanosti ne povezuje se na bilo koji poseban način s računalnim simulacijama - čitatelji zainteresirani za ovu temu trebali bi se savjetovati s člankom o znanstvenom predstavljanju [nadolazeće].

Druga crta razmišljanja o fikcijama bavi se pitanjem kakve bi vrste reprezentacija u znanosti trebalo smatrati izmišljenim. Ovdje se ne radi toliko o ontologiji entiteta znanstvenih modela, već o reprezentativnom karakteru različitih postuliranih entiteta modela. Ovdje je Winsberg (2009c) tvrdio da fikcije imaju posebnu vezu s računalnim simulacijama. Ili bolje rečeno, da neke računalne simulacije sadrže elemente koji najbolje opisuju ono što u znanosti možemo nazvati fiktivnim reprezentacijama, čak i ako ti prikazi nisu jedinstveno prisutni u simulacijama.

Napominje da prva koncepcija gore spomenute fikcije, koja „svako predstavljanje koje je u suprotnosti sa stvarnošću, predstavlja fikciju“(str. 179), ne odgovara našem uobičajenom korištenju termina: gruba karta nije fikcija. Zatim predlaže alternativnu definiciju: nefikcija se nudi kao "dovoljno dobar" vodič za neki dio svijeta (str. 181); fikcija nije. Ali definiciju treba doraditi. Uzmi fabu kobilu i mrav. Iako fabula nudi lekcije o tome kakav je svijet, ona je i dalje fikcija jer je "koristan vodič o svijetu u nekom općem smislu", a ne specifičan vodič o načinu na koji je dio svijeta, " prima facie reprezentativni cilj”, pjevajući skakavac i mračni mrav. S druge strane, neznanske strane,"Upućuju na određeni dio svijeta" i vodič su po tom dijelu svijeta (str. 181).

Ove su vrste fiktivnih komponenti modela paradigmatično prikazane u određenim računalnim simulacijama. Dva su njegova primjera "atom silogena" i "umjetna viskoznost." Silogeni atomi pojavljuju se u određenim nanomehaničkim modelima pukotina silicijuma - vrste iz višerazrednih modela koji spajaju kvantnu mehaniku i molekularnu mehaniku spomenutu u odjeljku 2.3. Modeli širenja pukotina u silikonu koji sadrže silogene opisuju samu pukotinu koristeći kvantnu mehaniku i područje koje neposredno okružuje pukotinu koristeći klasičnu molekularnu dinamiku. Kako bi spojili okvire za modeliranje u dvije regije, granica se tretira kao da sadrži 'silogene' atome koji imaju mješavinu svojstava silicija i onih vodika. Silogeni atomi su fikcija. Ne nude se kao "dovoljno dobar" opis atoma na granici - njihova prima facie reprezentativna meta. Ali koriste se tako da se cjelokupni model može nadati kako će stvari ispraviti. Stoga cjelokupni model nije fikcija, ali jedna je od njegovih komponenti. Umjetna viskoznost je sličan primjer. Tekućine s naglim udarcima teško je modelirati na računalnoj mreži jer se nagli šok skriva unutar jedne ćelije rešetke i takav algoritam se ne može riješiti. Umjetna viskoznost je tehnika koja pretvara da je tekućina izrazito viskozna - fikcija je u pravu kad je šok tako da šok postaje manje nagli i zamagljuje se u nekoliko ćelija rešetke. Pogrešno dobivanje viskoznosti, a samim tim i debljina udara, pomaže da cjelokupni model funkcionira „dovoljno dobro“. Opet,cjelokupni model tekućine nije fikcija, već je dovoljno pouzdan vodič za ponašanje tečnosti. Ali komponenta koja se naziva umjetna viskoznost je fikcija - ne koristi se za pouzdano modeliranje šoka. On je ugrađen u širi okvir modeliranja kako bi taj veći okvir bio "dovoljno pouzdan".

Ovaj je račun izazvao dvije vrste kritika. Toon (2010) je tvrdio da je ta definicija fikcije preuska. On daje primjere povijesnih izmišljotina poput Ja, Klaudija i Schindlerove arke, za koje tvrdi da su izmišljotine, usprkos činjenici da se „nude u određenom pogledu„ dovoljno dobri “vodiči tim ljudima, mjestima i događajima i na njih imamo pravo uzmi ih kao takve. (str. 286–7). Toon, pretpostavlja se, podržava šire shvaćanje uloge fikcija u znanosti, prema kojem one ne igraju posebno istaknutu ili pojačanu ulogu u računalnoj simulaciji.

Gordon Purves (nadolazeći) tvrdi da postoje primjeri fikcija u računskim modelima (njegov primjer su takozvane „imaginarne pukotine“) i drugdje koji ne ispunjavaju gore navedene stroge zahtjeve. Za razliku od Toona, on također želi razgraničiti fiktivne modele modeliranja od nefiktivnih. Njegova glavna kritika odnosi se na kriterij fiktivnosti u smislu društvenih normi upotrebe - a Purves tvrdi da bismo trebali biti sposobni riješiti je li neki komad modeliranja fikcija ili ne u nedostatku takvih normi. Stoga želi pronaći unutarnju karakterizaciju znanstvene fantastike. Njegov prijedlog uzima kao fiktivne modele fikcije da nemaju svojstvo koje je Laymon (1985) nazvao "djelimično nemogućnost" (PI). PI je karakteristika mnogih modela koji su idealizacije;ona kaže da, kako de idealizirate, vaš model postaje sve precizniji. No, kako de-idealizirate silogen atom, ne dobijate sve točniju i simulaciju silikonske pukotine. No Purves smatra da ovaj neuspjeh PI-a tvori fikciju, a ne da je samo simptomatska za njih.

Bibliografija

  • Barberousse, A. i P. Ludwig, 2009. „Modeli kao fikcije“, u Fikcije u znanosti. Filozofski eseji za modeliranje i idealizacije, London: Routledge, 56–73.
  • Barberousse, A. i Vorms, M. 2014. „O potjernicama računalno utemeljenog empirijskog znanja“, Synthese, 191 (15): 3595–3620.
  • Bedau, MA, 2011. „Slabo nastajanje i računalna simulacija“, u P. Humphreys i C. Imbert (ur.), Modeli, simulacije i prikazivanja, New York: Routledge, 91–114.
  • –––, 1997. „Slabo pojavljivanje“, Noûs (Dodatak 11), 31: 375–399.
  • Beisbart, C. i J. Norton, 2012. "Zašto Monte Carlo simulacije su zaključci, a ne eksperimenti", u Međunarodnim studijama filozofije znanosti, 26: 403–422.
  • Beisbart, C., 2017. „Unapređenje znanja pomoću računalnih simulacija? Sokratska vježba “, u M. Reschu, A. Kaminskom, P. P. Gehringu (ur.), Znanost i umjetnost simulacije (svezak I), Cham: Springer, str. 153–174./
  • Burge, T., 1993. "Čuvanje sadržaja", Filozofski zbornik, 102 (4): 457–488.
  • –––, 1998. „Računalni dokaz, apriori znanje i drugi umovi: Šesto predavanje o filozofskoj perspektivi“, Noûs, 32 (S12): 1–37.
  • Currie, Adrian, 2018. „Argument iznenađenja“, Kanadski časopis za filozofiju, 48 (5): 639–661
  • Dardashti, R., Thebault, K. i Winsberg, E., 2015. „Potvrda analognom simulacijom: koje bi nas glupe rupe mogle reći o gravitaciji“, u britanskom časopisu za filozofiju znanosti, 68 (1): 55– 89
  • Dardashti, R., Hartmann, S., Thebault, K. i Winsberg, E., 2019. "Hawkingova zračenja i analogni eksperimenti: Bayesova analiza", u studijama povijesti i filozofije moderne fizike, 67: 1–11,
  • Epstein, J. i R. Axtell, 1996. Rastuća umjetna društva: Društvena znanost odozdo prema gore, Cambridge, MA: MIT Press.
  • Epstein, J., 1999. „Računalni modeli temeljeni na agentima i generativna društvena znanost”, Složenost, 4 (5): 41–57.
  • Franklin, A., 1996. Zanemarivanje eksperimenta, Cambridge: Cambridge University Press.
  • –––, 1989. „Epistemologija eksperimenta“, Upotreba eksperimenta, D. Gooding, T. Pinch i S. Schaffer (ur.), Cambridge: Cambridge University Press, 437–60.
  • Frigg, R. i J. Reiss, 2009. „Filozofija simulacije: nova izdanja ili isti stari ražnjići“, Synthese, 169: 593–613.
  • Giere, RN, 2009. „Je li računalna simulacija promijenila lice eksperimentiranja?“, Filozofske studije, 143: 59–62
  • Gilbert, N. i K. Troitzsch, 1999. Simulacija za socijalnog znanstvenika, Philadelphia, PA: Otvoreno University Press.
  • Grüne-Yanoff, T., 2007. „Ograničena racionalnost“, Filozofski kompas, 2 (3): 534–563.
  • Grüne-Yanoff, T. i Weirich, P., 2010. „Filozofija simulacije“, Simulacija i igranje: Interdisciplinarni časopis, 41 (1): 1–31.
  • Guala, F., 2002. „Modeli, simulacije i eksperimenti“, utemeljenje na modelu: Znanost, tehnologija, vrijednosti, L. Magnani i N. Nersessian (ur.), New York: Kluwer, 59–74.
  • –––, 2008. „Paradigmatični eksperimenti: Ultimatumova igra od ispitivanja do mjernih uređaja“, Filozofija znanosti, 75: 658–669.
  • Sjeckanje, I., 1983. Predstavljanje i interveniranje: uvodne teme u filozofiji prirodnih znanosti, Cambridge: Cambridge University Press.
  • –––, 1988. „O stabilnosti laboratorijskih znanosti“, časopis za filozofiju, 85: 507–15.
  • –––, 1992. „Imaju li misaoni eksperimenti vlastiti život?“PSA (svezak 2), A. Fine, M. Forbes i K. Okruhlik (ur.), East Lansing: Udruga Filozofija znanosti, 302–10.
  • Hartmann, S., 1996. "Svijet kao proces: Simulacije u prirodnim i društvenim znanostima", u R. Hegselmann, i sur. (ur.), Modeliranje i simulacija društvenih znanosti s gledišta filozofije znanosti, Dordrecht: Kluwer, 77–100.
  • Hubig, C i Kaminski, A., 2017. „Izgledi pragmatične teorije istine i pogreške u računalnoj simulaciji“, u: M. Resch, A. Kaminski, P. Gehring (ur.), The Science and Art of Simulacija (svezak I), Cham: Springer, str. 121–136.
  • Hughes, R., 1999. "Model Isinga, računalna simulacija i univerzalna fizika", u: M. Morgan i M. Morrison (ur.), Modeli kao posrednici, Cambridge: Cambridge University Press.
  • Huggins, EM i EA Schultz, 1967. "Uvala San Francisca u skladištu", časopis Instituta za okolišne znanosti i tehnologiju, 10 (5): 9–16.
  • Humphreys, P., 1990. "Computer Simulacija", u A. Fine, M. Forbes i L. Wessels (ur.), PSA 1990 (svezak 2), East Lansing, MI: The Philosophy of Science Association, 497– 506.
  • –––, 1995. „Računarska znanost i znanstvena metoda“, u Minds and Machines, 5 (1): 499–512.
  • –––, 2004. Proširivanje sebe: Računalna znanost, empirizam i znanstvena metoda, New York: Oxford University Press.
  • –––, 2009. „Filozofska novost računalnih metoda simulacije“, Synthese, 169: 615–626.
  • Kaufmann, WJ, i LL Smarr, 1993. Superračunanje i transformacija znanosti, New York: Scientific American Library.
  • Laymon, R., 1985. „Idealizacije i testiranje teorija eksperimentiranjem“, u Observations, Experiment and Hypothesis in Modern Physical Science, P. Achinstein i O. Hannaway (ur.), Cambridge, MA: MIT Press, 147– 73.
  • Lenhard, J., 2007. „Računarska simulacija: Suradnja između eksperimentiranja i modeliranja“, Filozofija znanosti, 74: 176–94.
  • –––, 2019. Izračunana iznenađenja: filozofija računalne simulacije, Oxford: Oxford University Press
  • Lenhard, J. i Küster, U., 2019. Minds & Machines. 29: 19.
  • Morgan, M., 2003. „Eksperimenti bez materijalne intervencije: Modeli eksperimenata, virtualni eksperimenti i gotovo eksperimenti“, u The Philosophy of Scientific Experimentation, H. Radder (ur.), Pittsburgh, PA: Sveučilište u Pittsburgh Pressu, 216–35,
  • Morrison, M., 2012. „Modeli, mjerenje i računalna simulacija: promjenjivo lice eksperimentiranja“, Filozofske studije, 143: 33–57.
  • Norton, S. i F. Suppe, 2001. "Zašto je modeliranje atmosfere dobra nauka", u Promjeni atmosfere: stručno znanje i upravljanje okolišem, C. Miller i P. Edwards (ur.), Cambridge, MA: MIT Press, 88–133.
  • Oberkampf, W. i C. Roy, 2010. Verifikacija i validacija u znanstvenom računarstvu, Cambridge: Cambridge University Press.
  • Oreskes, N., s K. Shrader-Frechette i K. Belitz, 1994. "Provjera, provjera i potvrda numeričkih modela u znanosti o zemlji", Science, 263 (5147): 641–646.
  • Parke, E., 2014. „Eksperimenti, simulacije i epiztemska privilegija“, Filozofija znanosti, 81 (4): 516–36.
  • Parker, W., 2008a. "Franklin, Holmes i epistemologija računalne simulacije", Međunarodne studije filozofije znanosti, 22 (2): 165–83.
  • –––, 2008b. „Računarska simulacija putem pogreške-statističkog objektiva”, Synthese, 163 (3): 371–84.
  • –––, 2009a. "Je li stvar zaista važna? Računalne simulacije, eksperimenti i materijalnost,”Synthese, 169 (3): 483–96.
  • –––, 2013. „Računarska simulacija“, u S. Psillos i M. Curd (ur.), The Routledge Companion to Philosophy of Science, drugo izdanje, London: Routledge.
  • –––, 2017. „Računarska simulacija, mjerenje i asimilacija podataka“, Britanski časopis za filozofiju znanosti, 68 (1): 273–304.
  • Peschard, I., 2010. „Modeliranje i eksperimentiranje“, u P. Humphreys i C. Imbert (ur.), Modeli, simulacije i prikazi, London: Routledge, 42–61.
  • Primiero, G., 2019. „Minimalistička epistemologija za simulacije zasnovane na agensima u umjetnim znanostima“, Minds and Machines, 29 (1): 127–148.
  • Purves, GM, predstojeće. "Pronalaženje istine u fikcijama: prepoznavanje nefikcije u zamišljenim pukotinama", Synthese.
  • Resch, MM, Kaminski, A., i Gehring, P. (ur.), 2017. Nauka i umjetnost simulacije I: Istraživanje-razumijevanje-znanje, Berlin: Springer.
  • Roush, S., 2015. „Epistemska superiornost eksperimenta nad simulacijom“, Synthese, 169: 1–24.
  • Roy, S., 2005. „Najnoviji napredak numeričkih metoda za dinamiku fluida i prijenos topline“, Journal of Fluid Engineering, 127 (4): 629–30.
  • Ruphy, S., 2015. "Kompjuterske simulacije: novi način znanstvenog istraživanja?" u SO Hansen (ur.), Uloga tehnologije u znanosti: filozofske perspektive, Dordrecht: Springer, str. 131–149
  • Schelling, TC, 1971. „Dinamički modeli segregacije“, časopis za matematičku sociologiju, 1: 143–186.
  • Simon, H., 1969. The Sciences of the Artificial, Boston, MA: MIT Press.
  • Symons, J., i Alvarado, R., 2019. „Epistemijska prava i praksa računalne simulacije“, Minds and Machines, 29 (1): 37–60.
  • Toon, A., 2010. „Novi pristupi modelima“, Metascience, 19 (2): 285–288.
  • Trenholme R., 1994. „Analogna simulacija“, Filozofija znanosti, 61: 115–131.
  • Unruh, WG, 1981. "Eksperimentalno isparavanje crnih rupa?" Pisma fizičkog pregleda, 46 (21): 1351–53.
  • Winsberg, E., 2018. Filozofija i klimatska znanost, Cambridge: Cambridge University Press
  • –––, 2010. Znanost u doba računalne simulacije, Chicago: University of Chicago Press.
  • –––, 2009a. „Priča o dvije metode“, Synthese, 169 (3): 575–92
  • –––, 2009b. „Računarska simulacija i filozofija znanosti“, Filozofski kompas, 4/5: 835–845.
  • –––, 2009c. „Funkcija za fikcije: Proširenje opsega znanosti“, u Fiktions of Science: Filozofski eseji o modeliranju i idealizaciji, M. Suarez (ur.), London: Routledge.
  • –––, 2006. „Rukovanje svojim putem do vrha: Nedosljednost i krivotvorenje u interteoretskom redukciji“, Filozofija znanosti, 73: 582–594.
  • –––, 2003. „Simulirani eksperimenti: Metodologija za virtualni svijet“, Filozofija znanosti, 70: 105–125.
  • –––, 2001. „Simulacije, modeli i teorije: Složeni fizički sustavi i njihovi prikazi“, Filozofija znanosti, 68: S442 – S454.
  • –––, 1999. „Modeli sankcioniranja: epistemologija simulacije“, Znanost u kontekstu, 12 (3): 275–92.

Akademske alate

sep man ikona
sep man ikona
Kako navesti ovaj unos.
sep man ikona
sep man ikona
Pregledajte PDF verziju ovog unosa na Društvu prijatelja SEP-a.
inpho ikona
inpho ikona
Pogledajte ovu temu unosa na projektu Internet Filozofska ontologija (InPhO).
ikona papira phil
ikona papira phil
Poboljšana bibliografija za ovaj unos na PhilPapersu, s vezama na njegovu bazu podataka.

Ostali internetski resursi

  • Phys.org - računalne simulacije.
  • Računarska simulacija, na sciencedaily.com.
  • IPPC - Međuvladin panel za klimatske promjene.

Preporučeno: