“《超越学科的认知基础》2015孙一乔学习报告”版本间的差异

来自iCenter Wiki
跳转至: 导航搜索
第四周
第38行: 第38行:
  
 
==第四周==
 
==第四周==
 
 
===命名空间的使用===
 
 
====输入====
 
 
#Namespace maagement讲解
 
#命名空间的价值;探寻一种可能:基于命名空间的知识库。举例:软件工程,最多的时候就是在学习别人的API,命名空间,弄明白如函数名等的意义,然后使用。
 
 
====输出====
 
 
基本技能,如何做链接,如何来管理别人的知识,达到群体的认知能力。
 
 
===数字社会研讨学习报告===
 
 
====数字化社会====
 
#背景:gartner公布的未来十大趋势
 
## By 2018, 20%的商业内容将被机器完成 (腾讯已经发布了专门写经济类文章的软件)
 
## 60亿 X智能设备 被 connected
 
## by 2020,
 
## 3 million 员工向机器人老板报告
 
#简介
 
##它是一个计算架构,可运行的,涉及到信任,声誉,区块链,数据库,机械学习,货币和可执行的法律。
 
##它设计到现实生活中的实体
 
##和电子游戏不同的是,他是真实的,合法的
 
====计算法律学====
 
#IBM waston 世界第一个能解决有“常识”问题的软件,之前被认为是不可能的
 
 
 
DP reed law  以后团体多了以后,内部的法律会变得非常多,需要标准化?
 
  
 
==第五周==
 
==第五周==

2015年10月21日 (三) 04:33的版本

《超越学科的认知基础》2015孙一乔学习报告

第一周

未选课,没有参加。

第二周

背景

  1. 因未选课缘故缺席第一周,故本课为实际上的第一节课。
  2. 新加入的6名学生
  3. 已经按照找要求观看了量子力学视频及相应文献。
  4. 开始使用维基并知道简单的操作方式及语法规则
  5. 已经修读过信息论及量子力学的专业课程

目的

  1. 完成分组
  2. 按照老师的要求,讨论所预习的学科内容,提出在预习中面对的问题


预期效果

深化对量子力学和信息论的学习

学习感悟

  1. 韩博士提出了一个很有趣的话题,及随机性和因果律,以及其体现在量子力学的争论上。我也认为韩博士在回答某同学的提问:“既然现在的随机数是无法模拟的,那么量子中的随机性是否也可能是隐含条件的缺失(EInstein观点)导致的”此问题中讨论的不够严谨,“随机现象的可预测性”这一点,确实也完全有可能只是因为现有条件的缺失(equation shortage)而无法得到严谨的论证。诚然,这样的想法,从科学哲学和波普尔的观点出发,是不严谨的。因为“随机性是否可以预测”这一点,作为整个命题讨论的最核心的根本,是很难证伪的。而难以证伪的东西,本质上和“世界上有上帝”存在一样,是难以作为科学理论的根据的。接着课上的那位同学的问题“现在的随机数都是由算法产生的,有迹可循的”,我想接着讨论的是,假设我们在没有先验性的情况下,去得到这种已知算法的随机数,然后利用归纳法,最后反推演绎出这一套算法,显而易见的是,其难度是非常大的,而且,我们完全有可能在得到正确的结论之前,先得到一些错误的观点,直到这个观点被证伪之前,都被认为是科学。这个过程是痛苦而艰难的,但我认为,不能因为这个过程是痛苦而艰难的,就早早的为随机性这个问题盖棺定论,说不确定性就是本质的东西,这种做法不严谨,也不符合科学探究的精神。
  2. 我认为随机性这个问题或许终有一天会成为一个由演绎法堆砌起来的自洽理论。与此同时,量子力学的不确定性也将得到解决。

第三周

标题:法律学初探与交叉学习之我司

关键词:归纳法证伪主义


链接:第三周


第四周

第五周

第六周

第七周

第八周

第九周

第十周

第十一周

第十二周

第十三周

第十四周

第十五周