Warum sind Homologien Beweis für Evolution statt gemeinsames Design?

Ich habe einige Kreationisten argumentieren sehen, dass Evolutionsbiologen, wenn sie (anatomische oder genetische) Homologien als Beweis für die Evolution verwenden, den Irrtum begehen, die Konsequenz zu bestätigen. Also würden sowohl Evolutionisten als auch Kreationisten darin übereinstimmen, dass wir Homologien erwarten würden, wenn die Evolution wahr wäre/ist. Wir sehen Homologien, also ist Evolution wahr. Nun, das ist natürlich ein Beispiel für den Trugschluss, die Konsequenz zu bejahen.

Eine Möglichkeit, dieses Problem zu lösen, ist die Verwendung des Bayes-Theorems. Wenn wir also zwei sich gegenseitig ausschließende und gemeinsam erschöpfende Hypothesen haben, mit gleichen vorherigen Wahrscheinlichkeiten, sagen wir, Evolution und Schöpfung ("E" und "C"), und eine Beobachtung, sagen wir, Homologien (H), dann wenn eine der Hypothesen die beinhaltet Beobachtung, ist diese Hypothese angesichts der Beobachtung wahrscheinlicher als die Hypothese, die die Beobachtung nicht beinhaltet. Formeller:

1) P(E oder C)=1

2) P(E)=P(C)

3) (E->H)->P(H|E)=1 (da E H impliziert), (C-/->H)->P(H|C)=x;0

4) P(E|H)=p(H|E)P(E)/P(H), P(C|H)=P(H|C)P(C)/P(H) (Satz von Bayes )

5) Da P(H|E)=1, P(E|H)=P(E)/P(H), und da P(H|C) ein Bruch ist und P(H|C) ein Sein ist multipliziert mit P(C), und für beliebige Zahlen x und y, wobei y ein Bruch ist, x multipliziert mit y kleiner als x ist, folgt daraus, dass P(H|E)P(E)>P(H|C) P(C).

Daher unsere Schlussfolgerung: P(E|H)>P(C|H)

Meine Fragen sind also: 1. Ist dieser Beweis korrekt? 2. Löst dies das Problem der Konsequenzbehauptung, nicht nur im Fall der Evolution, sondern auch im Umgang mit anderen Theorien/Hypothesen?

Das ist nicht wirklich anders als "Wir sehen, dass Menschen und Schwämme genetische Informationen teilen, also ist die Evolution wahr." Natürlich könnte ein Kreationist genauso rational sagen, dass der Schöpfer nur dieselben Gene wiederverwendet hat. Andererseits sind, wenn man Homologien aus genetischer Perspektive betrachtet, viele Strukturen, die ähnlich erscheinen, tatsächlich das Produkt eines drastisch unterschiedlichen genetischen Codes. Das untergräbt die bereits ungültige Logik weiter.
@BenPiper ja, aber damit sie behaupten können, dass der Schöpfer sich für die Wiederverwendung von Genen entschieden hat, und daher Homologien zu einer Vorhersage des Kreationismus machen, müssten sie dies zur Schöpfungshypothese hinzufügen, die ihre vorherige / intrinsische Wahrscheinlichkeit verringern würde.

Antworten (6)

Die Folge bestätigen

Wissenschaftler unterscheiden zwischen dem Wert von Erklärungen danach, (a) wie genau und (b) wie weit sie experimentell verifizierte Vorhersagen treffen.

Dies bedeutet, dass der Empirismus grundsätzlich auf der Bestätigung der Konsequenz basiert (und induktive Argumente verwendet), sodass Sie argumentieren könnten, dass der Empirismus logisch eher schwach ist. A => BSie sollten jedoch beachten, dass, nachdem und verwendet wurde B, die Wissenschaft nicht behauptet, Adass es wahrA ist, sondern ein gutes Modell für bezeichnet B.

Leider neigen die Medien und die öffentliche Meinung zu dem Schluss, dass „Wissenschaftler entdeckt haben, dass A wahr ist“. Dieser verbreitete Irrtum („Wissenschaft ist alles wahr“) führt zu Ernüchterung, wenn mehr Daten zu einer anderen Schlussfolgerung führen.


Bei der Wissenschaft geht es im Grunde nicht um Wahrheit, es geht im Grunde um den Grad der statistischen Übereinstimmung.

Aus diesem Grund gilt Newton als herausragender Wissenschaftler, obwohl seine Theorie der Mechanik nachweislich falsch ist. Die Wissenschaft kümmert sich nicht um Korrektheit, sie kümmert sich um den Grad der Genauigkeit der Vorhersage, und Newton war sehr genau.

Statistisch argumentieren

Ja, deine Herleitung ist richtig. Ich hätte (5) dargestellt als:

P(H|E)=1, also gilt nach dem Satz von Bayes P(E|H) = P(H|E)P(E)/P(H) P(E|H) = P(E
) /P(H), aber ebenso P(H|C)=x<1, also
P(C|H) = x P(C)/P(H), aber P(C)=P(E) durch vorherige Annahme, also
P(C|H) = x P(E)/P(H) < P(E)/P(H) = P(E|H). Damit haben wir P(C|H) < P(E|H) gezeigt
.

aber deine hat das Verdienst, (a) kürzer und (b) erklärender zu sein.

Empirisch validierte Modelle

Dieses Argument aus dem Satz von Bayes erklärt, warum einfache Erklärungen, die sichere Vorhersagen treffen, gegenüber solchen validiert werden, die bei ähnlicher Genauigkeit zweideutigere Vorhersagen treffen. Allgemeiner bevorzugt der statistische Ansatz des Empirismus Theorien, die leicht (vorzugsweise numerische) spezifische und universelle deterministische Vorhersagen aus messbaren Eingaben machen, gegenüber Theorien, die nicht-deterministische Vorhersagen treffen oder bei denen es schwierig ist, herauszufinden, was die Theorie vorhersagt.

Dies ist absolut der richtige Ansatz für eine wissenschaftliche Arbeit, da von Experten begutachtete Empirie das Validierungsinstrument für die Wissenschaft ist - nicht Logik, nicht "die Wahrheit", sondern statistische Vorhersagegenauigkeit.

Aus diesem Grund ist „Kinder ziehen es vor, ihre Spielsachen unordentlich als ordentlich zu lassen“ kein Teil eines großen wissenschaftlichen Modells, wohingegen „das Higgs-Boson existiert“ Teil eines großen wissenschaftlichen Modells ist. Die empirischen Beweise für die Spielzeuge sind überwältigend, aber schwer zu quantifizieren und nur nahezu universell, während die Beweise für das Higgs-Boson sehr lokalisiert und von vergleichsweise unglaublich seltener Häufigkeit, aber einfach numerisch zu analysieren sind.

Daher ist eine andere allzu verbreitete Überzeugung „alle Wahrheit ist Wissenschaft“ ebenfalls ein Trugschluss.
Es ist eines, das amüsanterweise tendenziell durch empirische Studien bestätigt werden würde (weil nicht-numerische, multiple Optionen und im Allgemeinen schwer statistisch zu analysierende Wahrheiten bereits als Teil des wissenschaftlichen Modells umgangen wurden)!

Können wir diese Methode verwenden, um zwischen Theorien zu entscheiden?

Sie haben ein nettes statistisches Argument zugunsten einer wissenschaftlichen Theorie (Evolution) gegenüber einer konkurrierenden Theorie (Kreationismus der jungen Erde). Wie immer bei Wissenschaft und Statistik sollten Sie jedoch vorsichtig sein, Ihre Schlussfolgerungen nicht zu verallgemeinern oder falsch zu formulieren.

Es sollte nicht überraschen, dass eine statistische Analyse eine deterministische Theorie bevorzugt, da wir gerade bewiesen haben, dass P(E|H)>P(C|H) keine andere Annahme als E->H und C-/->H verwendet. Lassen Sie nicht zu, dass Ihr Glaube an die Evolution Sie dazu ermutigt, diese Art von Argumentation als Beweis zu akzeptieren, da Sie sonst den Irrtum begehen würden, die Konsequenz zu bejahen, die Konsequenz zu bejahen!

Um Sie davon abzubringen, gebe ich ein umgekehrtes Beispiel. Ich könnte den Beweis E einer Kreditkartenrechnung ungleich Null mit Theorie G vergleichen: „Die bösen grünen Kobolde werden immer dafür sorgen, dass die Zahlen auf meiner Kreditkartenrechnung ungleich Null sind“ und Theorie C: „Ich ziehe es vor, getätigte Einkäufe auf Null zu setzen -Kleinunternehmer auf meiner Kreditkarte, um die Zahlung mit "Cashback"-Abzug aufzuschieben, generell einen höheren Girokontostand zu führen und das daraus resultierende überschüssige Geld auf ein verzinsliches Sparkonto zu legen". Jeden Monat, unter Verwendung des Satzes von Bayes, P(E|C)<1 (wenn auch geringfügig) und P(Geld in Ersparnisse verschieben)<1 (deutlich weniger geringfügig!), aber P(E|G)=1, so finde ich dass nach ein oder zwei Jahren P(G|EEEEEEEEEEEE)>P(C|EEEEEEEEEEEE) mit einem ausreichend breiten Rand ist, um statistisch signifikant zu sein, also sollte ich das Koboldmodell akzeptieren, um mich empirisch zu verhalten.

Was können wir daraus schließen?

Lassen Sie die grünen Kobolde nicht in die Nähe Ihrer Kreditkarte.

Nein, nein, das ist es nicht!

Auf diese Weise zu argumentieren hat logische Lücken (wie Sie bemerkt haben, plus allgemeines induktives Denken, einschließlich Annahmen über die Unveränderlichkeit und Einheitlichkeit des Universums), bevorzugt bestimmte Arten von Aussagen gegenüber anderen (Higgs vs. Spielzeug), was zu einer Fehldiagnose der Wahrheit führen kann ( Kreditkarte).

Es ist jedoch vollkommen gültig, empirische statistische Argumente zu verwenden, um zwischen zwei wissenschaftlichen Modellen zu entscheiden. Auf diese Weise bevorzugen Sie bewusst die statistisch am besten vorhersagbare Theorie, aber denken Sie daran, dass Sie ein gutes Modell haben , nicht unbedingt die Wahrheit . (Ihre Schulbildung sollte Sie mit ein paar Modellen vertraut gemacht haben, die die beste Erklärung waren, die wir hatten, aber später übertroffen wurden. Seien Sie besonders skeptisch gegenüber "grundlegendsten Teilchen"!)

Es verstößt gegen den Geist des Empirismus, an seine Modelle zu glauben, insbesondere weil die Wahrscheinlichkeit geringer ist, dass Sie in diesem Fall ein neues Modell entwickeln. Wir sind jedoch alle Menschen, und wir glauben sofort an Dinge, deren Klang uns gefällt.

So entkräften Sie Ihr Bayes'sches Argument

Wir haben angesprochen, wie das Testen der Konsequenz an sich logisch fehlerhaft ist (was es nicht zu schlechter Wissenschaft macht), so dass wir niemals die Wahrheit testen, wir testen die Genauigkeit, und an einigen Beispielen, wo diese voneinander abweichen. Schauen wir uns nun einige beliebte andere Möglichkeiten an, um Ihre Schlussfolgerungen logisch zu entkräften.

Die numerische Bayes'sche Schlussfolgerung nach einer Anwendung hängt stark von den angenommenen Wahrscheinlichkeiten für Ihre konkurrierenden Theorien ab. Aus diesem Grund verfeinern bayessche Statistiker ihr Modell gerne immer wieder und beziehen neue Beweise (ob sie mit früheren Daten nicht übereinstimmen oder nicht) in die Berechnung ein. Sie können zu radikal falschen Schlussfolgerungen kommen, indem Sie von Anfang an radikal falsche Annahmen treffen.

Selbst geringfügige oder subtile Fehler können Ihre Schlussfolgerungen umkehren. Im wirklichen Leben wurde bei ersten Versuchen, einen Flugzeugabsturz zu finden, viel Zeit und Geld verschwendet, weil man fälschlicherweise angenommen hatte, dass eine Blackbox normal senden würde. Während spätere Suchvorgänge gründlich waren, hatte das Modell nicht aufgezeichnet, dass der erste Pass über nahe gelegene Gebiete nur nach dem Signal gesucht hatte, um die Dinge zu beschleunigen. Durch die Korrektur wurde die Wahrscheinlichkeitskarte erheblich verändert, und das Wrack wurde schnell in einem der neuen Bayes-Hotspots gefunden.

Leider treffen viele Leute, die versuchen, anhand von Beweisen zu argumentieren, fälschlicherweise drastische anfängliche Annahmen wie P(Y)=0. (z. B. "Ich weigere mich, das als Möglichkeit in Betracht zu ziehen, ohne vorher direkte Beweise zu sehen" klingt für viele vernünftig.) Dies ist sowohl unnötig als auch kontraproduktiv, da es das statistische Argument, das sie zu machen versuchen, entkräftet und ihre Argumentation zum Kochen bringt es auf "nein, das ist Unsinn" als Annahme und Schlussfolgerung reduziert.

Ein weiterer Fallstrick besteht darin, mögliche Überschneidungen und damit probabilistische Wechselwirkungen zwischen Ihren Theorien nicht zu berücksichtigen. Chris Lively gebührt diese Antwort , die darauf hinweist.

Zusammenfassung:

In der Wissenschaft geht es nicht um Wahrheit, sondern um Genauigkeit. Empirisches Denken macht großartige Wissenschaft und kommt zu dem Schluss, dass Wissenschaft normalerweise am genauesten ist, aber das ist Zirkelschluss.

... was nicht unbedingt bedeutet, dass die Schlussfolgerung falsch ist! ((A-/->B)-/->nicht B) Beachten Sie, dass der Empirismus zu dem Schluss kommt, dass sich das aktuelle wissenschaftliche Modell wahrscheinlich irgendwann in möglicherweise ferner Zukunft als nachweislich falsch herausstellt und durch etwas Genaueres ersetzt wird, aber nicht unbedingt näher an der Wahrheit.

"Bei der Wissenschaft geht es im Grunde nicht um Wahrheit, es geht im Grunde um den Grad der statistischen Übereinstimmung." <- Das. In der Wissenschaft geht es darum, die einfachsten (Occams Rasiermesser) übereinstimmenden Modelle der Realität auf der Grundlage der Daten zu erstellen, die Sie haben, es hat überhaupt nichts mit der Wahrheit zu tun. Wenn die Leute anfangen würden, dies zu erkennen, was für ein großartiger Tag wäre das.
@DavidMulder - Das wäre ein sehr ärgerlicher Tag, da das, was wir in der Praxis mit "wahr" meinen, "statistisch überwältigend wahrscheinlich nach mentalen Modellen" ist. Jeder, der "realisiert", was Sie gesagt haben, würde in den Nihilismus gezwungen, was kein lustiger (oder weiser) Ort ist.
@RexKerr: Nun, das würde davon abhängen, ob Sie einen Anspruch auf "übernatürliche" Offenbarung der Wahrheit (das klingt so schrecklich billig) für plausibel / akzeptabel / erwägenswert halten. Aber all diese Behauptungen abzulehnen, würde tatsächlich logisch und vernünftigerweise beim Nihilismus enden, egal ob das Spaß macht oder nicht. Und nur fürs Protokoll, in der Praxis betrachtet „wir“ (wie die Mehrheit) die Wahrheit als etwas Absolutes, ungeachtet aller modernistischen Bewegungen. Und das Problem liegt darin, dass den Leuten gesagt wird, dass die Wissenschaft solche absoluten Wahrheiten liefert, was aus Angst vor dem Nihilismus bereitwillig akzeptiert wird.
@RexKerr Nein, Sie können zwei radikal unterschiedliche Modelle haben, eines wahr, eines falsch, bei denen die Ergebnisse beider zu einem guten Grad mit experimentellen Daten übereinstimmen, aber das falsche in der statistischen Analyse die Nase vorn hat. Es ist in Ordnung, empirisch zu schlussfolgern, dass die grünen Kobolde ein besseres Modell sind, um vorherzusagen, ob mein Guthaben nicht Null ist, aber es ist nicht in Ordnung, zu schlussfolgern, dass dies die Wahrheit ist. Wahrheit und Genauigkeit in Einklang zu bringen, ist schlechte Wissenschaft. Sie getrennt zu halten bedeutet nicht Nihilismus. Ich habe meine Antwort zwei Mal bearbeitet und versucht, diese zentrale Unterscheidung in der Zusammenfassung stärker hervorzuheben. Entschuldigung, wenn ich sie verdeckt habe.
Ich glaube, du verfehlst meinen Punkt. Zu Ende geführt bedeutet dies, dass es keine Wahrheit über irgendeine empirische Angelegenheit gibt . Was bedeutet, dass wir das Wort Wahrheit genauso gut für etwas weniger Unerreichbares (außerhalb der mathematischen Logik) zurückfordern können. Nur weil ein Prozess die Wahrheit nicht garantiert , bedeutet das nicht, dass er völlig ohne Bezug zur Wahrheit ist (wie @DavidMulder behauptete).
@RexKerr Nein, es bedeutet nur, dass Empirismus die Wahrheit nicht beweist. Das Wort Wahrheit neu zu definieren, hilft Ihnen hier nicht, und ich bin nicht bereit, die Koboldtheorie als wahr zu bezeichnen, wenn ich weiß, dass die andere Theorie wahr ist. Wenn Sie das Wort so umdefinieren, dass es statistisch gültig bedeutet, muss ich diese Runde tauschen. Außerdem führt die Verwendung des Wortes „wahr“ anstelle von „genau“ dazu, dass mehr und nicht weniger Menschen die beiden Konzepte verwechseln. Es gibt Wahrheiten über wissenschaftliche Fragen, aber aus den oben genannten Gründen beweist der Empirismus sie nicht. Das ist in Ordnung, denn die Wissenschaft ist brillant für ihre Genauigkeit und braucht keine Wahrheit. Spitzenwissenschaftler zweifeln.
Sie wissen absolut nicht, dass die andere Theorie wahr ist. Sie könnten sich in Ihren Motiven irren, Ihre Erinnerungen könnten fehlerhaft sein usw. Sie haben eine Menge Beweise gesammelt, die Letzteres zu einem guten Modell machen. Das ist es . Wenn Sie "true" dafür nicht verwenden möchten, tun Sie es nicht, aber es macht Konversationen umständlich. (Im Grunde bedeutet es nur, dass Sie es vermeiden, das Wort „wahr“ zu verwenden, außer wenn Sie über Mathematik sprechen, genauso wie Sie es vermeiden, das Wort „Theorem“ zu verwenden.)
Wenn Sie statistisch verifizierte „wahr“ nennen, dann war die Newtonsche Mechanik früher wahr, ist es aber heute nicht mehr. Das macht die Wahrheit nicht konstant, trotz des unveränderlichen zugrunde liegenden physikalischen Systems, was unsinnig ist, oder Sie geben zu, dass es sowohl Newtonisch als auch relativistisch ist, was die Wissenschaft widersprüchlich macht. Die gute Nachricht ist, dass beides nicht notwendig ist, denn die Wissenschaft vermeidet Falschheit, indem sie es versäumt, die Wahrheit anzusprechen, und ist stattdessen ein fantastisch nützliches Gebäude mit immer genaueren Modellen. Warum sollten Sie Genauigkeit als Wahrheit umbenennen wollen, wenn Genauigkeit so erfolgreich ist?
@RexKerr Jetzt argumentierst du vom Nihilismus! Natürlich weiß ich, dass die andere Theorie stimmt. Ich bin ich, und es ging nur um meine Gewohnheiten und Gründe dafür. Ich habe keine Beweise gesammelt, ich war da, ich selbst! Sie haben vielleicht nur meine plausiblen Behauptungen, aber ich habe Wissen. Wenn Sie sich weigern, irgendein Wissen zuzugeben, sogar Wissen über sich selbst, warum werfen Sie dann so gerne das Wort „Wahrheit“ so frei herum?
Dass alle empirischen Dinge vorläufig sind, ist eines der großen philosophischen Ergebnisse. Aber viele sind so spärlich zaghaft, dass es keinen Sinn macht, die Sprache zu ändern, wenn man von ihnen spricht. Du warst da und warst du, sagst du. Woher weißt du das? Vielleicht war das Ganze ein Traum oder eine Halluzination. Sie haben ein gewisses Gefühl, dass es real war, aber täuschen sich Ihre Gefühle nie (und wie beweisen Sie dies mit nur einer endlichen Anzahl von Beispielen)? Aber der Nihilismus ist ein dummes (ein sehr schlechtes Modell; falsch), weil wir unglaublich gute und zuverlässige Modelle erstellen können und uns keine Gedanken mehr über p-Werte machen müssen.
@RexKerr Eigentlich stimme ich dem gesamten Kommentar zu (abgesehen von dem Bit zur Neudefinition der Sprache). Ich hätte sagen sollen, dass mein Beispiel eine Demonstration war, dass empirische Schlussfolgerungen eher falsch als wahr sein können, also habe ich unnötigerweise die Wahrheit behauptet. (Mehr Ironie!) Ich nehme an, wir werden uns nicht gegenseitig davon überzeugen, ob die Unterscheidung zwischen Genauigkeit und Wahrheit wichtig ist, aber ich hoffe, wir sind uns einig, dass Wissenschaft nützlich ist und dass die Diskussion unterhaltsam war.
Den letzten beiden Punkten stimme ich voll und ganz zu.
@AndrewC Ihr Gegenbeispiel "Green-Goblins" erfüllt eine der Bedingungen nicht. Die vorherige Wahrscheinlichkeit von G und C ist nämlich nicht gleich. Der Grund, warum dies der Fall ist, ist, dass Sie Fälle kennen, in denen C gilt, während Sie (nehme ich an) noch nie grüne Kobolde gesehen haben.
@user8083 Die grünen Kobolde können unsichtbar sein, wenn sie wollen. Ich habe es im Fernsehen gesehen. Ernsthafter habe ich auf das Problem hingewiesen, die vorherigen Wahrscheinlichkeiten so festzulegen, dass sie Ihren Überzeugungen im Abschnitt "Wie Sie Ihr Bayes'sches Argument entkräften" entsprechen. Wenn Sie die anfänglichen Wahrscheinlichkeiten festlegen, berücksichtigen Sie die Beweise nicht. Ein guter bayesianischer Ansatz wiederholt Experimente mehrmals, und schnell beginnen die Beweise, jede ungerechtfertigte anfängliche Fairness zu dominieren. Es ist nur ein humorvolles krasses Beispiel, um die mathematische Abhängigkeit von der Gewissheit des Modells zu demonstrieren.
Wie würden Sie dann die vorherige Wahrscheinlichkeit einer Hypothese messen? Insbesondere im Fall von Schöpfung und Evolution. Übrigens ist die Hypothese der grünen Kobolde unwiderlegbar und ad hoc. Das ist eine große Warnung, dass Sie es nicht ernst nehmen sollten.
@ user8083 Überarbeitetes Modell: Die grünen Kobolde können nicht unsichtbar sein, der einzige Grund, warum ich sie nie gesehen habe, ist, dass sie ihre Zeit im Rechenzentrum meiner Kreditkartenfirma verbringen, anstatt in der allgemeinen Gesellschaft. Jeder Satz, der mit „Ich bevorzuge …“ beginnt, ist sehr schwer zu falsifizieren, genauso wie es schwer ist, empirisch zu falsifizieren, dass ich meine Frau liebe. Ob ich mich körperlich zu meiner Frau hingezogen fühle, ist eine beantwortbare wissenschaftliche Frage, aber ob ich sie liebe, ist es nicht. Der Schlüssel zum Bayes'schen Ansatz ist nicht die anfängliche Wahrscheinlichkeit, sondern die wiederholte Aufnahme neuer Daten in das Modell. Der Fehler bestand darin, nur ein Ergebnis zu testen.
@user8083 Vielleicht bevorzugen Sie das zB: Bayes bevorzugt den selbstbewussten Colin, der 1960 lautstark voraussagte, dass es in den nächsten 50 Jahren definitiv einen schwarzen US-Präsidenten geben würde, gegenüber dem probabilistischen Pete, der sagte, dass die Wahrscheinlichkeit, dass die USA jemanden Schwarzen wählen würden, hoch sei 50 Jahre lang jeweils 8 %. Diese Wahrscheinlichkeit stimmt sehr gut mit den Tatsachen überein (1/12 Wahlen), aber Petes Theorie ergibt nur eine Wahrscheinlichkeit von etwa 64 %, dass es tatsächlich in dieser Zeit passieren würde, also sagt Bayes, dass Colin gewinnt. Bayes bevorzugt Theorien, die korrekte, zuverlässige Vorhersagen unwahrscheinlicher Ergebnisse machen. P(T|O)=P(O|T)P(T)/P(O)
Nur um das klarzustellen, ich verwende in dieser Statistik das Wort unwahrscheinlich synonym mit selten .
Bitte erwägen Sie, längere Diskussionen zu führen, um zu chatten! :)
+1 für "Wissenschaft behauptet nicht, dass A wahr ist, sie bezeichnet A als gutes Modell für B." Der Rest der Antwort ist genau richtig, aber dieser Satz leistet hervorragende Arbeit, um eine sehr wichtige und schwierige Nuance der Wissenschaft in Sprache zu erfassen, die für einen Laien zugänglich ist.
"Bei der Wissenschaft geht es nicht um Wahrheit, es geht um Genauigkeit." - Genauigkeit in Bezug auf was? Wenn es in der Wissenschaft „nicht um Wahrheit“ geht, dann spielt Genauigkeit auch keine Rolle.
@BenPiper Ein wissenschaftliches Modell ist besser als ein anderes, wenn es Vorhersagen trifft, die mit den beobachteten Daten auf eine höhere Anzahl von Dezimalstellen übereinstimmen. Das ist Genauigkeit. Ob das Modell der Wahrheit entspricht oder nicht, ist irrelevant – es kommt nur darauf an, wie genau es ist. Sowohl die Relativitätstheorie als auch die Quantenmechanik klingen ziemlich unplausibel und werden in dem Sinne als unbefriedigend angesehen, dass es kein konsistentes Modell gibt, das beide abdeckt, also scheint es, dass mindestens eines von ihnen nicht die Wahrheit ist, aber das spielt keine Rolle, da sie passen die Daten in der Tat sehr genau und sind die besten Modelle, die wir haben.
Verstanden. Ich habe versucht, den Kommentar im Lichte einiger Aussagen aus der wissenschaftlichen Gemeinschaft zu verstehen, z. B. "Die Theorie der Schwerkraft ist eine Tatsache". Wenn sich die Wissenschaft nur mit der Genauigkeit eines Modells im Vergleich zu einem anderen befasst, dann kann niemand die Wissenschaft verwenden, um etwas als „Tatsache“ zu verkünden.
@BenPiper In der Tat. Obwohl forschungsaktive Wissenschaftler selbst normalerweise besser vertraut sind mit der auf Peer-Approval beruhenden konsensbasierten statistischen Überprüfungsnatur der tatsächlichen Wissenschaft, scheinen viele Anhänger der Wissenschaft dies zu beschönigen und die Wissenschaft als die Wahrheit, die ganze Wahrheit und nichts als die Wahrheit zu behandeln. Es ist eine erstaunliche, faszinierende, wachsende und sich verändernde, kompliziert detaillierte Reihe von Modellen, die bis zu einem Grad genau sind, der eines der krönenden Unterfangen der Menschheit ist. Wir müssen es nicht zu einer Geisel zukünftiger bemerkenswerter Entdeckungen machen, indem wir behaupten, dass es die Wahrheit ist.

AndrewC hatte eine sehr gute Antwort; jedoch wollte ich ein paar Dinge hinzufügen.

Wenn Sie anfangen, Theorien zu vergleichen, ist es am besten, damit zu beginnen, sich Ihre Annahmen anzusehen. In diesem Fall gehen Sie davon aus, dass sowohl Schöpfungs- als auch Evolutionstheorien sich gegenseitig ausschließen. Die zweite Hauptannahme ist, dass sie gleiche Wahrscheinlichkeiten haben.

Um den ersten Punkt abzudecken, gibt es kreationistische Theorien, die die Evolution nicht ausschließen. Es gibt auch Evolutionstheorien, die die Möglichkeit einer anfänglichen Schöpfung nicht ausschließen. Mit anderen Worten, es gibt einen Mittelweg zwischen den beiden, der in Ihrer Anwendung des Bayes-Theorems nicht berücksichtigt wird, weil Sie von einem stark vereinfachten Standpunkt ausgehen.

Abgesehen davon hat das zweite Problem mit der Annahme zu tun, dass jede Option die gleiche Wahrscheinlichkeit hat. Das lässt sich einfach nicht feststellen. Auf der evolutionären Seite haben wir eine gewisse Menge an physikalischen Beweisen, die so interpretiert werden, dass sie eine bestimmte Bedeutung haben. Diese Bedeutung mag richtig sein, vielleicht auch nicht. Wir hatten sicherlich viele Fälle in der Geschichte, in denen eine wissenschaftliche „Entdeckung“ gemacht wurde, die sich als völlig falsch herausstellte, als neue Informationen auftauchten, und wir hatten viele Fälle, in denen sich herausstellte, dass die anfängliche Hypothese so nah an „festgelegt“ war „wie es kommt. In diesem speziellen Fall lernt die Wissenschaft jedoch immer noch etwas über unsere Vergangenheit: und es gibt Lücken. Die Lücken bedeuten nicht, dass die Evolution weniger gültig ist, aber es bedeutet sicherlich, dass es Punkte gibt, die weiterer Entdeckung bedürfen.

Welchen „Beweis“ könnte es auf Seiten der Kreationisten geben, außer dass der Schöpfer herunterkommt und vor einem weltweiten Publikum demonstriert, wie der Mensch geformt wurde? Vielleicht finden Sie einen Strichcode, der auf atomarer Ebene geschrieben ist? Selbst wenn eines von beiden passieren würde, wäre es immer noch umstritten. Mit anderen Worten, wir haben keine wirkliche Möglichkeit, das zu identifizieren, was geschaffen wurde, und das, was sich möglicherweise „natürlich“ gebildet hat. Das Fehlen eines Beweises ist jedoch bedeutungslos. Nun gibt es Argumente wegen nicht reduzierbarer Komplexität , zu denen ich ehrlich gesagt nicht einmal im Entferntesten qualifiziert bin, mir eine Meinung zu bilden.

Wie groß ist die Wahrscheinlichkeit, dass die Evolution das einzige Mittel ist, durch das das Leben auf der Erde entstanden ist? Ist es immer noch nur „Evolution“, wenn es von einer externen Quelle unterstützt wurde – sogar von etwas so Harmlosem wie einem Asteroiden, der den Planeten trifft? Was wäre, wenn dieser Asteroid von einer superintelligenten Rasse (oder einem superintelligenten Wesen) geschleudert würde, die wussten, dass er ein Katalysator sein würde, um Leben zu beginnen? Wo ziehen wir überhaupt die Grenze? Hier gibt es einfach zu viele Fragen.

Der Punkt ist, dass wir nicht davon ausgehen können, dass beide Optionen anfangs die gleiche Wahrscheinlichkeit haben, da es tatsächlich mehr als zwei Optionen gibt und diese Graubereiche sich nicht gegenseitig ausschließen. Wir können auch nicht davon ausgehen, dass die Wahrscheinlichkeiten gleich sind, weil es eine enorme Menge gibt, die wir nicht wissen; was durch die Extreme beider Seiten, die versuchen, die Argumente ihrer Gegner einzuengen, noch mehrdeutig wird.


  1. Ist dieser Beweis richtig?

Ich muss nein sagen, da der Vergleich, den Sie anzustellen versuchen, von falschen Annahmen ausgeht.

  1. Löst dies das Problem der Konsequenzbehauptung nicht nur im Falle der Evolution, sondern auch im Umgang mit anderen Theorien/Hypothesen?

Wieder nein. Wenn "andere Theorien" beinhalten, von falschen Annahmen auszugehen, wird Bayes Ihnen nicht helfen. Ehrlich gesagt können wir genauso gut „mein großer Zeh“ für „E“ und eine „Spam-Dose“ für „C“ ersetzen und in der Lage sein, genau die gleiche Menge an Bedeutung aus der Gleichung abzuleiten.

+1 In der Tat, ja, ich habe jede Art von geschaffenem / geführtem Evolutionsprozess vollständig beschönigt, ein (weiteres) Loch im Argument.
Die Verwendung von anfänglichen Wahrscheinlichkeiten, die bei der Verwendung von Bayes'schen Methoden aus dem Nichts kommen, ist einer der Hauptkritikpunkte der Frequentisten-Statistiker an den Bayes'schen Statistikern, ein weiteres Argument, das keine Anzeichen einer Lösung zeigt, das ich aber hätte ansprechen können/müssen.
Wenn ich Zeit habe, möchte ich den Punkt aufgreifen, auf den Sie im vorherigen Kommentar angespielt haben, und ihn unter den häufigeren Fehlern auflisten, die im Kontext der Bayes'schen Methode als fälschlicherweise unter der Annahme von P (E und C) = 0 erklärt werden. zusammen mit ungültig beginnend mit P(E)=0 oder P(C)=0. Ich denke, Sie könnten sagen, dass sie nur ungültig sind, wenn Sie statistisch argumentieren. Um fair zu sein, ist dies also eher ein Problem für jemanden, der versucht, Nicht-C zu beweisen, zumal es scheint, dass Präsentationen dieses Arguments diese Annahmen sowieso häufiger verwenden .
Frühere Wahrscheinlichkeiten werden durch Einfachheit bestimmt. In dem von Ihnen erwähnten Fall von kreationistischen Theorien, die Evolution beinhalten; Diese Hypothesen haben den Nachteil, dass sie weniger einfach sind als nur Schöpfung und nur Evolution. Wir weisen beiden Hypothesen gleiche vorherige Wahrscheinlichkeiten zu, einfach weil wir keinen Grund haben zu glauben, dass eine Hypothese intrinsisch wahrscheinlicher ist als die andere.
Sie verfehlen den Punkt in Bezug auf den Beweis. Ich habe Evolution und Schöpfung nur als Beispiel verwendet. Die Idee war jedoch, ein statistisches Modell bereitzustellen, um zu bestimmen, welche Hypothese bei einer vollständigen Disjunktion von Hypothesen eine größere Wahrscheinlichkeit hat. Dies erfordert Folgendes: 1. Wir haben für einige Beobachtungen eine vollständige Disjunktion der Hypothese. 2. Die wahrscheinlichere Hypothese ist diejenige, die die Beobachtung impliziert und deren Wahrscheinlichkeit größer oder gleich der Wahrscheinlichkeit aller anderen Hypothesen ist.
@ user8083: Ich bin mir ziemlich sicher, dass ich sehe, was los ist. Sie beginnen damit, ein Beispiel für einen Trugschluss zu geben, die Konsequenz zu bejahen. Darauf folgt die Angabe, dass Sie dieses Problem mit Bayes lösen möchten. Dann begehen Sie genau den gleichen Irrtum innerhalb des Satzes von Bayes, indem Sie den obigen Irrtum anwenden und das vollständig erwartete Ergebnis erhalten. Dies wird dann als Beweis dafür angeboten, dass Sie etwas irgendwie gelöst haben.
Was ich zu zeigen versuchte, ist, dass, wenn man auf dem falschen Fuß beginnt, indem man bekannte Möglichkeiten künstlich ignoriert (dh: C kann auch H implizieren; was bedeutet, dass H keine nützliche Determinante ist), keine noch so große mathematische Argumentation das Problem beheben kann.
Ich behaupte nie, etwas gelöst zu haben. Dies ist ein Versuch, ein Problem zu lösen. Wenn wir C als die Behauptung definieren, dass "ein allmächtiges, allwissendes Wesen Leben und Vielfalt auf der Erde geschaffen hat", sehe ich nicht, wie dies H implizieren könnte, da (per Definition von Allmacht: Gott kann wählen, was logisch möglich ist, zu tun oder nicht zu tun) Dieses Wesen kann entweder wählen, Homologien zu schaffen oder nicht.

„Intelligentes Design“ und „Evolution“ als philosophische Hypothesen über den Ursprung des Lebens zu nehmen; dann sind Homologien in der Natur Beweise für beide Hypothesen; aber natürlich ist dies nicht der einzige Beweis, der verwendet wird.

Warum sind Homologien Beweis für Evolution statt gemeinsames Design?

Bessere Frage: Warum sind Homologien ein stärkerer Beweis für Evolution als gemeinsames Design?

Kurze Antwort: Die Evolution (Abstammung mit Modifikation) sagt aktiv homologe Strukturen voraus und erklärt sie , und ein Mangel an homologen Strukturen unter verwandten Organismen wäre ein Beweis gegen die Evolution. Im besten Fall ist eine Theorie des gemeinsamen Designs mit Homologien kompatibel, sagt aber weder deren Existenz oder Fehlen voraus noch erfordert sie (da es einem Designer freisteht, Muster entweder wiederzuverwenden oder von vorne zu beginnen). Daher gelten die umfangreichen Homologien, die wir in der Natur finden, als Beweis für die Evolution und sind neutral gegenüber einem gemeinsamen Designer.

Längere Antwort:

In den letzten Milliarden Jahren gab es viele Arten auf unserem Planeten. [ Zitieren erforderlich ] Vor mehreren hundert Jahren entdeckten Menschen , die Pflanzen und Tiere studierten, etwas wirklich Bizarres: eine verschachtelte Hierarchie von Merkmalen, die darauf hindeutete, dass es eine objektive Möglichkeit gab, Tiere und Pflanzen zu gruppieren.

Zum Beispiel: Wussten Sie, dass, wenn Sie ein Tier mit Haaren oder Fell betrachten, der Schädel dieses Tieres ein Schläfenfenster hat - aber wenn das Tier Schuppen oder Federn hat , hat der Schädel entweder zwei oder (im speziellen Fall von Schildkröten & Schildkröten) gar keine?

Die Evolution hängt von der Vererbung ab – der Weitergabe von Eigenschaften von einer Generation an die nächste . Jede Generation einer Art wird weitgehend wie die vorherige sein, mit nur geringfügigen Unterschieden. Ein neuartiges Merkmal, das in einer Population auftritt, wird nur in dieser Population und ihren Nachkommen gesehen – es wird und kann nicht auf die gleiche Weise in einer vollständig separaten Linie auftreten, selbst wenn eine Konvergenz eine oberflächliche Ähnlichkeit fördern würde.

Zum Beispiel: Fledermäuse sind Säugetiere (insbesondere Nagetiere) und haben die grundlegende Anzahl und Anordnung von Knochen geerbt, die alle anderen Säugetiere haben. Jeder einzelne Knochen kann größer oder kleiner sein als der entsprechende Knochen im Skelett eines anderen Säugetiers, aber wir sollten weitaus mehr Ähnlichkeiten als Unterschiede finden, und die Ähnlichkeiten sollten zwischen Arten, die näher verwandt sind, am stärksten sein . Das finden wir tatsächlich – die Fledermausflügel aus Knochen sind homolog zu denen in unseren Armen und Händen.

Der Grundbauplan, den Fledermäuse, Ratten und Menschen gemeinsam haben, stammt von den frühesten Tetrapoden, und wenn wir uns umschauen, können wir sehen, dass der Grundbauplan weitgehend erhalten geblieben ist. Wenn wir uns jedoch ein Merkmal ansehen würden, das unabhängig voneinander in verschiedenen Abstammungslinien entstanden ist – sagen wir Flügel/Flug – sagt die Evolution voraus:

  1. Jede Gruppe, die den Flug entwickelt hat (Fledermäuse, Vögel und die jetzt ausgestorbenen Flugsaurier), wird eine Skelettstruktur haben, die aus Knochen besteht, die homolog zu den anderen Gruppen sind – Fledermäuse, Vögel und Flugsaurier haben alle das gleiche grundlegende Tetrapoden-Skelett-Toolkit geerbt.
  2. Es wird erhebliche Unterschiede geben, wie jede Linie sich im Flug verfeinert hat – jede Linie wird ihr eigenes Vermächtnis von Mutationen und Selektionsdruck geerbt haben, um ihr aktuelles Flügeldesign zu erreichen – es gibt kein „Zurückgehen“, „Wiederholen“ oder „von vorne anfangen“. Option verfügbar, wenn die Evolution die einzige Kraft im Spiel ist.

Wenn wir uns die verschiedenen Flügelstrukturen ansehen, sehen wir tatsächlich genau das! Auch wenn alle 3 Linien Flügel haben , steckt der Teufel, wie man so schön sagt, im Detail :

  • Flugsaurier haben Flügel, die aus einer Verlängerung des 5. Fingers („kleiner Finger“) bestehen, um einen Flügel zu bilden.
  • Die 3. und 4. Ziffer in der „Hand“ eines Vogels sind miteinander verschmolzen und haben sich verlängert, um ihren Flügelrahmen zu bilden, und Vögel drücken die 1. und 5. Ziffer nicht mehr aus.
  • Fledermäuse behalten alle 5 „verschiedenen“ Ziffern, wobei die Ziffern 2 bis 5 verlängert sind und zur Herstellung ihrer Flügel verwendet werden.

Diese Vorhersage der Homologie ist ziemlich einzigartig in der Evolution . Wenn stattdessen biologische Kreaturen in einer Art Werkstatt entworfen und hergestellt würden, gibt es keinen Grund, warum der Designer gezwungen wäre, innerhalb der Grenzen der Vererbung zu arbeiten.

Im Vergleich dazu sind Autos ganz klar entworfene und hergestellte Objekte. Designer können Ideen von anderen Modellen übernehmen (was in der Biologie als „ horizontale Übertragung “ bezeichnet würde ) oder so gut wie alles am Fahrzeug radikal neu erfinden. Wenn sich die Ingenieure hinsetzen, um den Volkswagen Beetle 2016 zu konstruieren, steht dem Einbau des Motors von vorne nach hinten nichts mehr im Wege . Würden Autos stattdessen der Evolution unterliegen, wäre ein solch radikaler Wandel unmöglich .

Um auf die Idee eines gemeinsamen Designers als Alternativhypothese zurückzukommen: Unser Wissen über Design aus anderen Bereichen macht die beobachtete strikte Abhängigkeit von homologen Strukturen und das gleichzeitige Fehlen von horizontalem Transfer und Neugestaltungen von vorn zum Zeichenbrett schwach Beweise gegen diese Hypothese. Dieser „gewöhnliche Designer“ verhält sich in keiner Weise wie irgendwelche Designer, die wir alle kennen.

Homologie ist nur eine der vielen Beweisführungen , die uns zu dem Schluss führen, dass die Evolutionstheorie eine weitgehend korrekte Beschreibung der biologischen Vielfalt ist.

Einige Anmerkungen zu Ihrer Frage.

(1) Sie ordnen Theorien Wahrscheinlichkeiten zu, was keinen Sinn ergibt. Wahrscheinlichkeiten sind bestimmte Zahlen, die der Wahrscheinlichkeitsrechnung gehorchen. Sie werden im Lichte von Erklärungen gemacht, die erklären, warum die Wahrscheinlichkeiten die spezifischen Werte haben, die sie haben. Folglich haben Erklärungen keine Wahrscheinlichkeiten. Eine Erklärung ist entweder wahr oder falsch. Eine Erklärung könnte lauten, dass ein bestimmtes Ereignis E eine gewisse Wahrscheinlichkeit p(E) hat und wenn die relative Häufigkeit von E von p(E) abweicht, ist dies ein Problem für die Theorie.

(2) Viele Befürworter der Evolution mögen denken, dass strukturelle und genetische Homologien ihre Theorien stützen. Sie liegen falsch, weil es keine Unterstützung gibt. In Wirklichkeit können Sie keine Position beweisen oder zeigen, dass sie wahrscheinlich ist, dh - sie unterstützen. Jedes Argument erfordert Prämissen und Schlußregeln und beweist (oder macht) diese Prämissen oder Schlußregeln nicht. Wenn Sie sagen, dass sie selbstverständlich sind, handeln Sie auf dogmatische Weise, die Sie daran hindert, einige Fehler zu erkennen. Wenn Sie nicht sagen, dass sie selbstverständlich sind, müssten Sie diese Prämissen und Schlussregeln durch ein anderes Argument beweisen, das ein ähnliches Problem in Bezug auf seine Prämissen und Schlussregeln aufwerfen würde.

(3) Wissen entsteht, indem man ein Problem mit einer aktuellen Idee entdeckt, Lösungen für dieses Problem errät, die Vermutungen kritisiert, bis nur noch eine übrig bleibt, und dann mit dieser Lösung nach einem neuen Problem sucht. Vor diesem Hintergrund sind Homologien relevant, um zu beurteilen, ob man Evolution oder intelligentes Design wählen sollte.

Wenn die biologische Evolution wahr ist, dann sollte es strukturelle und genetische Homologien geben, und wenn solche Homologien nicht existieren, ist die Theorie falsch. Die Suche nach solchen Homologien testet also die Evolution, und die Evolution hat diesen Test bestanden. Die Existenz solcher Homologien ist ein Problem, das die Evolution gelöst hat.

Was ist mit Designtheorien? Designtheorien sagen überhaupt nichts über strukturelle oder genetische Homologien aus. Der Designer hätte jede Art mit einem anderen genetischen Code entwerfen können, einige Arten könnten DNA verwenden, andere könnten Informationen verwenden, die auf einem Flash-Laufwerk in Form einer Textdatei gespeichert sind, wieder andere könnten die Informationen in Form eines eingeschriebenen Programms speichern Clojure oder Common Lisp oder Ruby oder Python oder C++. Er hätte jedes Exemplar jeder Art mit Blaupausen machen können, die er besitzt, so dass keine Art einen genetischen Code hätte. Ein Designer hätte Straßen bauen und jede Art mit Rädern herstellen können. Und das ist nur ein Designer, der nach den Gesetzen der Physik handelt. Wenn wir postulieren, dass Gott der Designer war, wird die Situation noch schlimmer. Gott hätte die Gesetze der Physik so gestalten können, wie er es wollte. Es gibt also keine Einschränkung dessen, was Gott tun könnte. Designtheorien greifen keinen bestimmten Sachverhalt als den einzig möglichen Sachverhalt heraus und erklären daher nichts. Infolgedessen sagen sie auch nichts voraus und keine Vorhersage kann als Test irgendeiner Designtheorie angesehen werden.

Mehr zur Erkenntnistheorie siehe „Realismus und das Ziel der Wissenschaft“ von Karl Popper. Weitere Informationen zu vielen Themen dieser Frage finden Sie in „The Beginning of Infinity“ von David Deutsch, insbesondere in den Kapiteln 1, 4 und 13.

„Sie weisen Theorien Wahrscheinlichkeiten zu, was keinen Sinn ergibt. Wahrscheinlichkeiten sind spezifische Zahlen, die der Wahrscheinlichkeitsrechnung gehorchen. Sie werden im Lichte von Erklärungen gemacht, die erklären, warum die Wahrscheinlichkeiten die spezifischen Werte haben, die sie haben.“ Nein. Ich weise Hypothesen Wahrscheinlichkeiten zu.
Ich verwende den Begriff Theorie als Synonym für Hypothese. Sie können die Hypothese ersetzen, wenn Sie dies bevorzugen.
Okay. Ich verstehe nicht, warum wir Hypothesen keine Wahrscheinlichkeiten zuordnen können. Jede Hypothese hat eine vorherige Plausibilität (Wahrscheinlichkeit). Sie haben definiert, was eine Wahrscheinlichkeit ist, aber ich sehe nicht, wie das die Zuordnung von Wahrscheinlichkeiten zu Hypothesen unsinnig machen würde.
@alanf Sie scheinen grundsätzlich Einwände gegen die bayessche iterative Methode zur Verfeinerung von Wahrscheinlichkeiten zu erheben. Die frequentistische Bewegung (einschließlich Fisher) protestiert aus ähnlichen Gründen. Die Frequentisten mögen "richtiger" sein, aber die Bayesianer sind empirischer.
Der Satz von Bayes ist eine korrekte Aussage über Wahrscheinlichkeiten von Ereignissen, nicht von Theorien. Wenn Sie die Wahrscheinlichkeit einer bestimmten Art von Ereignis nicht kennen und sie finden möchten, kann das Theorem von Bayes hilfreich sein, wenn Sie die entsprechende Erklärung haben. Aber es ist unmöglich, Erklärungen Wahrscheinlichkeiten zuzuordnen, weil eine Erklärung eine Erklärung darüber ist, wie die Realität funktioniert, und eine solche Erklärung notwendig ist, um Wahrscheinlichkeiten zu finden. Ich bin kein Frequentist. Siehe „The Beginning of Infinity“ von David Deutsch, Kapitel 8, oder diese vimeo.com/5490979 , die einen Teil über Wahrscheinlichkeit enthält.
Erklärungen sind Ursachen. Ursachen sind Ereignisse. Daher sehe ich kein Problem darin, Erklärungen Wahrscheinlichkeiten zuzuordnen.
Erklärungen sind keine Ursachen: Sie sind Berichte darüber, was in Wirklichkeit gilt und warum. Bei einer kausalen Erklärung geht es um Ursachen: Es geht darum, was kausale Beziehungen beinhalten und warum. Ein Ereignis kann ein anderes Ereignis verursachen, aber es würde dies nicht tun, es sei denn, bestimmte kausale Beziehungen gelten und solche Beziehungen sind keine Ereignisse, so dass die Behauptung, dass Ursachen Ereignisse sind, ein Fudge ist. Wahrscheinlichkeiten sind Beschreibungen einiger Aspekte dessen, was in der Realität gilt, daher kann eine Wahrscheinlichkeit nur im Lichte einer Erklärung zugewiesen werden, sie kann keiner Erklärung zugewiesen werden.
Hm, nein... Bitte geben Sie mir ein Beispiel für eine nicht kausale Erklärung. Und selbst wenn es nicht kausale Erklärungen gibt, ist Evolution eine kausale Erklärung, dh Evolution verursacht Homologien. Und Evolution ist ein Ereignis. Dasselbe gilt für die Schöpfung.
Ein Beispiel für eine nichtkausale Erklärung 1+1=2.
Evolution ist kein Ereignis oder eine Ursache. Überall im Universum, wo Gene variiert und selektiert werden, findet Evolution statt. Es gibt also keine begrenzte Region der Raumzeit, auf die Sie zeigen können, die die einzige Region ist, in der Evolution stattgefunden hat, da sie woanders stattfinden könnte, also ist es kein Ereignis. Evolution ist auch keine Ursache, sie ist eine Erklärung der Ursachen, die zu biologischer Komplexität führen können. Schöpfung wäre auch kein Ereignis, weil sie auch vorgibt, die Bedingungen zu erklären, unter denen biologische Komplexität entstehen kann.
Wie ist 1+1=2 eine Erklärung?
Zwei Probleme. Erstens ist 1+1=2 ein Ersatz für jedes mathematische Ergebnis. Mathematik verursacht nichts, es geht lediglich darum, bestimmte abstrakte Beziehungen zu erklären, und es beinhaltet nicht kausale Erklärungen. Zweitens ist 1 + 1 = 2 eine höchst nicht triviale Erklärung, weshalb den Menschen beigebracht werden muss, dass 1 + 1 = 2 ist, und warum manche Menschen Schwierigkeiten haben, es zu lernen. Zum Beispiel müssen Sie etwas über die Idee einer Zahl verstehen, über die Zahl 1, die Zahl 2, die Operation der Addition und wie diese Ideen miteinander in Beziehung stehen.
Ja, aber das beantwortet die Frage nicht. Wenn 1+1=2 eine Erklärung ist, wovon ist es dann eine Erklärung? Eine Erklärung ist eine Antwort auf eine Warum-Frage. Es würde keinen Sinn machen zu fragen „Warum ist 1+1?“. oder 'warum ist 1+1=2.' Also sag mir, was erklärt 1+1=2?
Es macht Sinn zu fragen, warum 1+1=2. Die Antwort hat mit Eigenschaften von ganzen Zahlen im Allgemeinen, Eigenschaften von 1 und 2 im Besonderen und Eigenschaften der Operation + zu tun.
Ja, aber in diesem Fall ist "1 + 1 = 2" nicht die Erklärung, sondern Ihre Erklärung (durch die Eigenschaften von 1 und 2 und die Eigenschaften der Operation).
Das könnte man sagen, aber die Erklärung, warum 1+1=2 ist, wäre immer noch nicht kausal.
Okay, ich gebe Ihnen zu, dass es nicht kausale Erklärungen gibt. Das macht es aber nicht unsinnig, Hypothesen Wahrscheinlichkeiten zuzuordnen. Sehen Sie sich dieses Papier von Elliot Sober an joelvelasco.net/teaching/3865/sober-bayesianepistemology.pdf Sie müssen Hypothesen Wahrscheinlichkeiten zuweisen, um Begriffe wie nachweisliche Bestätigung, nachweisliche Widerlegung und nachweisliche Irrelevanz zu verstehen.
Beweise belegen nicht, dass Ideen wahr sind, oder erhöhen ihre Wahrscheinlichkeit, daher ist eine Bestätigung unmöglich. Beweise können für eine Idee relevant sein, indem sie ihr einfach widersprechen, ohne den beteiligten Theorien Wahrscheinlichkeiten zuzuordnen. Beweise können irrelevant sein, da Ihre Idee keine Vorhersagen darüber macht. Die Evolutionstheorie macht keine Vorhersagen über die Masse des Higgs-Bosons. Da die Zuordnung von Wahrscheinlichkeiten zu Theorien für deren Bewertung unnötig ist und kritisiert wurde, sollten Sie sie verwerfen.
Das ist eine bloße Behauptung. Da die Evolutionstheorie keine Vorhersage über die Masse des Higgs-Bosons macht, wird seine Wahrscheinlichkeit durch das Higgs-Boson nicht beeinflusst, also p(E|HB)=P(E) (wobei ‚E‘ für irgendeine Aussage über steht Evolution, und 'HB' jede Aussage über die Masse des Higgs-Bosons) und umgekehrt P(HB|E)=P(HB). Eine Bestätigung ist nur dann unmöglich, wenn Sie Hypothesen keine Wahrscheinlichkeiten zuordnen können, aber das haben Sie noch nicht bewiesen.
Wenn die Hypothese der Beobachtung widerspricht, können wir sagen, dass die Hypothese die Negation der Beobachtung zur Folge hat. also P(H|O)<P(H) (vorausgesetzt, dass P(H)>0), was per Definition bedeutet, dass O offensichtlich relevant für H ist.
Die Wahrscheinlichkeiten sind Zahlen. Woher die Zahlen kommen, muss bekannt sein. Aber diese Zahlen sollen an Abstraktionen angehängt werden, die Aussagen über die gesamte physikalische Realität machen. (Sogar die Mathematik tut dies, da physikalische Objekte mathematische Wahrheiten nicht verletzen können.) Also können die Zahlen nirgendwo herkommen. Und in jedem Fall sind sie angesichts der Rechtfertigungskritik, auf die Sie nicht eingegangen sind, unnötig und unerwünscht.
Wenn Sie glauben, dass Rechtfertigung nicht binär ist, dh es gibt Grade der Rechtfertigung, und daher einige Hypothesen MEHR Rechtfertigung haben können als andere Hypothesen, dann weisen Sie dieser Hypothese automatisch eine Wahrscheinlichkeit zu. Darüber hinaus besteht eine Möglichkeit, Hypothesen Wahrscheinlichkeiten zuzuordnen, darin, ihre Einfachheit im Vergleich zu anderen zu „messen“ und zu sehen, welche weniger Ansprüche erheben. Es gibt keine Möglichkeit, Begründungsgrade ohne die Verwendung von Wahrscheinlichkeiten zu verstehen.
Eine Begründung ist unmöglich, siehe philosophie.stackexchange.com/questions/77/…
Wenn Rechtfertigung unmöglich ist, warum halten Sie dann am Rechtfertigungismus fest? (wenn Sie tun).
Ich tu nicht. Siehe die Antwort, auf die ich mich bezogen habe, um einen kurzen Bericht darüber zu erhalten, wie Wissen entsteht.

Das Hauptproblem mit dem Argument liegt in der ersten Zeile:

Wenn wir also zwei sich gegenseitig ausschließende und gemeinsam erschöpfende Hypothesen haben, mit gleichen vorherigen Wahrscheinlichkeiten, sagen wir, Evolution und Schöpfung ("E" und "C"), und eine Beobachtung, sagen wir, Homologien (H), wenn eine der Hypothesen die Beobachtung beinhaltet , ist diese Hypothese angesichts der Beobachtung wahrscheinlicher als die Hypothese, die die Beobachtung nicht beinhaltet. Formeller:

1) P(E oder C)=1 [meine Betonung]

Alvin Plantinga bezweifelt, dass „E“ und „C“ „sich gegenseitig ausschließende und gemeinsam erschöpfende Hypothesen“ sind. Anstatt dass die Evolution mit dem christlichen Glauben unvereinbar ist, behauptet er: (Seite 12)

Was jedoch nicht mit dem christlichen Glauben übereinstimmt, ist die Behauptung, dass dieser Evolutionsprozess ungesteuert ist – dass kein persönlicher Agent, nicht einmal Gott, ihn geleitet, geleitet, orchestriert oder geformt hat.

Es ist also zweifelhaft, dass P(E oder C) = 1 ist. Wir bräuchten zwei widersprüchliche Hypothesen wie die folgende:

  • Evolution wird geführt.
  • Es ist nicht so, dass die Evolution gelenkt wird.

Diese beiden Hypothesen würden jedoch denselben Homologiebeweis implizieren .


Plantinga, A. (2011). Wo der Konflikt wirklich liegt: Wissenschaft, Religion und Naturalismus. OUP USA.