淘客熙熙

主题:【原创】和晨老大,具体阐述中医科学性的一个方面 -- DongGua

共:💬66 🌺82
分页树展主题 · 全看首页 上页
/ 5
下页 末页
                  • 家园 另外,为什么不回答最简单的问题

                    是你能不能给出一个明确的判据,如果怎么怎么样做,而得到了什么样的结果,那么,中医的基本假设(比如金木水火土)就是错的?

                    • 家园 你证伪了人工神经元,我就证伪了五行。

                      判据我已经说过无数遍了,是针对整个神经网络的输出

                      • 家园 你的判据只是是否有效

                        与科学性无关.

                        如果要说"人工"神经网络与真的神经网络对应,那么这是可以证伪的.

                        如果只说它是个解决问题的数学方法,那么它仅仅是个数学工具而已,与实践毫无关系,你要用它治病,请给出一个可证伪的有关病症的假设.

                        你的说法

                        你证伪了人工神经元,我就证伪了五行
                        和"你证伪了逻辑,我就证伪了占卜"是一样的

                        • 家园 另贴已说,人工神经网络就是为解决实际问题才应运而生的

                          实践是其推动力。它没什么革命性的理论,可以说只是个建模以及优化的策略而已。

                          治病是实践。疗效是判据。

                  • 家园 单个神经原的激发模型的证伪很简单

                    只需要做一个实验就行了,拿真的神经元看一看是不是只有刺激加到阈值神经元就/才激发,还是别的激发方式。前不久还有人propose说这个事不一定的,在多个树突上的固定pattern的小信号也可能使神经原激发,如果他说的成立,那么现在神经元激发的模型就错了。

                    推算当然是用数学,可是要做那些没法证伪的假设,不管是否有效,都不能叫科学。链接出处里面说的很清楚。

                    • 家园 单个“人工”神经原的激发模型如何证伪?

                      我问的是人工神经元。

                      • 家园 更仔细的回答

                        如果发现真实的神经元和“人工”神经元工作原理不一样,那么,你的整个人工神经网络就和真的神经网络不一样,于是现在这个“网络”就仅仅是一个数学结构,与实际问题毫无关系。你要么只能用它来解决纯算法的问题,要么就添上可证伪的假设来解决实际问题,才能称得上科学。

                        • 家园 不同意。人工神经网络和生物神经网络当然不一样

                          没错,是一个数学结构。

                          与实际问题毫无关系

                          不对! 人工神经网络的内部参数设置,包括神经元个数、层数、连接拓扑、连接强度、阈值,都是根据某个实际问题的数据的统计分布而学习出来的。

                          关于学习之理论是个纯算法问题。但学习的结果,即这个具体的神经网络,就是用来解决实际问题的。

    • 家园 An application

      占卜就象这样一个神经网络。它的目标函数是要能避凶趋吉;它的configuration包括:所含节点数、连接的拓扑,等等;它所收到的训练数据是从甲骨文时代到现在历代积累的个案;它的具体的学习算法不是几句话可以说清楚的,但这一点不是很重要,姑且可以假设它采用了笨笨的trial-and-error的办法,或者是瞎猜的也好,瞎凑的也好。总之,最后的结果是我们得到一个训练好了的神经网络,它能在一定(或很大?具体待议)程度上达到避凶趋吉的目的。(假设没人否定占卜的功效。)

      请问,回顾这整个approach,哪个地方不科学呢?

      中医就象这样一个神经网络。它的目标函数是要能治好病;它的configuration包括:所含节点数、连接的拓扑,等等;它所收到的训练数据是历代积累的医案;它的具体的学习算法不是几句话可以说清楚的,但这一点不是很重要,姑且可以假设它采用了笨笨的trial-and-error的办法,或者是瞎猜的也好,瞎凑的也好。总之,最后的结果是我们得到一个训练好了的神经网络,它能在一定(或很大?具体待议)程度上达到治病的目的。(假设没人否定中医的疗效。)

      请问,回顾这整个approach,哪个地方不科学呢?

      • 家园 关键就在于您这个神经网络是否真的能达到目的?

        如果您的神经网络所产生的输出相对一个简单的统计模型(例如,按各变元的marginal histogram采样)的输出而言,没有优越性可言,那么您的神经网络就没有任何意义,虽然您的approach是科学的。

        假使您的神经网络被训练用来占卜,如果统计检测的结果(譬如p<0.01)显示,您的神经网络确实能作出符合实际事件的预测,那就可以说,您的神经网络捕捉到/反应了/某种underlining规律which so far has not been embodied by the default model H0.

        比如一个 fair coin,正反两面出现的几率都是1/2。对每一次的toss,H0只能作出一半对一半的猜测。譬如这样一个序列『HHTHTTTTHTHH.....』H0大概能猜对一半,而如果您的模型能猜对55%的outcome,只要序列很长很长,您的猜对率一直保持在55%,那么就是statistically significant。 那我就诚挚地恭贺您:您的占卜确实体现了某种扔硬币的时序规律。但何院士会大声叱责您在搞伪科学。

        这也回答了鲁皮皮 的疑问。

        我和何院士的根本差别在于:我要看您的结果与实践的对比是怎样的?而何院士先看您的建模架构,在他看来,不用管其结果怎么样,某些架构就是伪科学,period!只有合他口味的架构才是科学。

        • 家园 如果序列很长很长

          预测还能保持55%,那么占卜确实体现了某种扔硬币的时序规律,没错,但是你要说占卜是科学,这种说法还是伪科学。

          科学的说法是

          A:由于1、硬币质量分布不均匀,或者2、抛硬币的设备存在某种不均匀性,使得可以找到一种算法,大于50%的猜对硬币的方向。

          于是你可以检验硬币的质量分布,也可以去检查抛硬币的设备。如果两者都不成立,那么这样的说法就错了,就需要做别的假设。

          或者退而求其次,不作任何假设,只做数学,把这个留给其他人。

          B:我们不知道是什么原因使硬币分布偏离50%,但是我们可以分析抛硬币结果的历史,找到某个算法,使得预测概率是55%

          中医正好是两者都不是,对于某个占卜算法做了无法检验的假设,所以虽然有效,但是不是科学。不是科学没什么关系,但是如果非要宣称它是科学,这就是典型的伪科学


          本帖一共被 2 帖 引用 (帖内工具实现)
          • 家园 这就是我们的分歧所在。另外,你没仔细读我前面的贴

            科学的说法是

            A:由于1、硬币质量分布不均匀,或者2、抛硬币的设备存在某种不均匀性,使得可以找到一种算法,大于50%的猜对硬币的方向。

            于是你可以检验硬币的质量分布,也可以去检查抛硬币的设备。如果两者都不成立,那么这样的说法就错了,就需要做别的假设。

            这点不用你提醒,这是任何一个研究者都会做的。

            B:我们不知道是什么原因使硬币分布偏离50%,但是我们可以分析抛硬币结果的历史,找到某个算法,使得预测概率是55%

            我前文已经提过了,每个coin toss的marginal的分布是两面各占50%, 这没有偏离,这是可以检测的。(问题是在于相关性,不是marginal分布有偏离。)

            找到某个算法

            算法有现成的了,就是那个‘神奇’的神经网络,用五行八卦的规则来作运算。为什么这种运算会给出与貌似独立的coin toss发生关联的预测结果,这是需要解决的问题。

            根据前面的实验数据,我们能作的结论是:占卜能给出与事实有统计关联的预测。

            这就是科学的结论。至于其机理如何?目前还不清楚,这是未来的课题。

            若你硬要说,以上结论是伪科学,那我认为你的思维方式是反科学。

            再请你证伪人工神经元。你能证伪这个,那我也一样地证伪阴阳五行。

分页树展主题 · 全看首页 上页
/ 5
下页 末页


有趣有益,互惠互利;开阔视野,博采众长。
虚拟的网络,真实的人。天南地北客,相逢皆朋友

Copyright © cchere 西西河