Наука и лженаука в чем отличие?
 

Как их можно отличить?

Как утверждал Менделеев - "Наука там, где начинают измерять". А вы попробуйте измерить что-то в психологии или философии. Или это не науки?

Наука и лженаука в чем отличие?
 

Soft
Думаю, не совсем корректно так ставить вопрос. Гораздо важнее было бы задуматься о том, что среди математиков появляются лжеученые. А насчет значения психологии и философии, думаю, не нам, современникам и неспециалистам, рассуждать об этом. ИМХО время покажет...

Наука и лженаука в чем отличие?
 

Так вот я и о том же. Как определить лженаучность чего-либо? Есть ли четко определенный метод, кроме Попперовского?

Наука и лженаука в чем отличие?
 

О-о, у нас была тема Борьба с лженаукой,
кончилась плохо, не без моей помощи :)

Как в одной книге хорошо было написано по уровню ценности
и глубины, наука - это как музыка Баха, Моцарта, Бетховена, а
Лженаука - это как современная попса типа Глюкозы, Тату и т.п.
Тем не менее, несмотря на сверхнизкое художественную ценность,
музыкальную глубину попсы, ее, тем не менее, слушают, и есть кто
даже реально тащится с нее :) Точно также с Лженаукой, наука -
она же сложная, скучная и одни лишь запреты накладывает, а вот
лженаука все может, за все берется и все там блестит и сверкает.

В той же книге выделены основные признаки лженаучности:

1) Недостоверность демонстрируемых знаний. Расхождение теории с
*данными эксперимента и хроническое игнорирование этого факта.

2) Несистематичность. Я раньше писал, что истинные знания в какой-
*либо отрасли науки - это как правильные слова в кроссворде - они *
*должны вписываться и не противоречить другим словам как из той
*же области науки, так и словам из других областей наук. В лженауке
*это не считается модным, противоречия в ней принято не замечать.

Лжеученые любят жаловаться и попрекать, типа современная наука
слишком закостеневшая и не понимает их "блестящих идей" в силу ее
ограниченности по определению, они обожают прибегать к избитому
аргументу типа сколько раз новая теория отменяла старую. На самом
любой мало-мальски грамотный человек знает, что у каждой теории
есть своя область применимости, новая теория вовсе не отменяет ста-
рую, а расширяет область применимости. Новая теория хорошо рабо-
тает и в старой области и в новой области, старая теория работает
только в старой области. Обычно старая теория частный случай новой.

Классический пример, механика Ньютона для скоростей гораздо мень-
ших скоростей света используется до сих пор и никто ее не отменял. А
то, что открыл Эйнштейн оно работает и для околосветовых скоростей
и для маленьких скоростей, просто при малых скоростях можно игнори-
ровать очень-очень несущественно малые релятивистские эффекты и
пользоваться обычной Ньютоновской механикой. Взглянем на преобра-
зования Лоренца, есть инерциальная система отсчета I и другая инер-
циальная система отсчета I'. Пусть система I' двигается с постоянной
скоростью V вдоль *оси X. Кроме того начала координат обеих систем в
начальный момент времени совпадают. Преобразования Лоренца поз-
воляют пересчитать координаты и время заданные во второй системе в
координаты и время в первой системе и имеют вид:

x = ( x' + v*t' ) / b, y = y', z = z', t = (t' + (v/(c^2))*x') / b;

b = (1 - (v^2)/(c^2))^0.5

Нетрудно заметить, что при v << с (скорость гораздо меньше световой)
b стремиться к 1 и приближенно его можно принять за 1. Также в чис-
лителе для преобразования времени второе слагаемое стремится к 0.

Тогда получаем,

x = x&#39; + v*t&#39; ; y = y&#39;, z = z&#39;, t = t&#39; ; Старая добрая классика...

Наука и лженаука в чем отличие?
 

Это если мы имеем дело со старыми науками. А если мы рассматриваем новейшие науки, как кибернетику, где теория и дынные эксперимента довольно слабо связаны и обладают плохой повторяемостью. Ну или методы решения NP-полных задач.

Как тогда определить степень достоверности и &#34;качество&#34; метода. Пока в этом случае работают только статистические методы экспериментальной проверки.


Гм... а если некие знания сильно зависят от субъективного восприятия реальности. Например, в том же программировании, где все построено на абстракциях и их восприятии. Чаще всего даже специальные разделы математики создаются под какую-либо абстракцию, например, реляционная алгебра. Здесь часто новая теория просто уходит в сторону от основной, никак на нее не влияя. То как определить критерий научности в этом случае?

Ну, например, я занимаюсь построением модели файловой системы на основе реляционной базы данных. Как определить, не занимаюсь ли я шаманскими премудростями, хотя практически эта тема довольно востребована, но может получиться паровоз с вертикальным взлетом...

И что здесь является наукой, методы построения прототипа такой системы или сама теоретическая часть модели?

Наука и лженаука в чем отличие?
 

Кроме недостоверности и несистематичности, предложу еще такой признак лженауки:
отсутствие практической значимости;

Наука и лженаука в чем отличие?
 

Как пример, W-преобразования (вейвлеты), разработанные в 1910 году. До необходимости кодирования видеопотока были полностью бесполезны. Сейчас это вся линейка MPEG.

Как определить практическую значимость, если исследование оптимальной формы презерватива сейчас наиболее практически ценно?

Наука и лженаука в чем отличие?
 

Soft,
Неудачный пример.
Во-первых, в 1910 году был лишь первый прецедент построения простейшей вейвлетообразующей функции. Более менее стройная теория вейвлет-преобразования была разработана лишь лет 20-30 назад и до сих пор, кстати, разрабатывается. А то таким же образом можно сказать, что и сравнительно молодой функциональный анализ был разработан еще в 18-м веке Эйлером, ведь он уже тогда рассматривал функционалы в своем вариационном исчислении.
Во-вторых, огромный практический потенциал вейвлетов был ясен практически сразу, и до необходимости кодирования видеопотока он был весьма полезным и в других приложениях, например, в сейсмологии или медицине.
Хотя в целом согласен: практическая значимость - не есть критерий науки-лженауки. Потому как довольно большое число разделов математики этому критерию пока не соответствует. И многие математические разделы, которые сейчас очень активно используются на практике, например, десятки лет назад казались совершенно далекими от реальной жизни. Однако считать математику, самую &#34;научную&#34; из всех наук лженаукой - это просто, по-моему, кощунство :)

Наука и лженаука в чем отличие?
 

Soft
Окей, тогда портновское дело = *наука

PavelAR
Да, отличная была тема, жаль, что ее закрыли :)

Maruska
С этим тоже не соглашусь.
Пример - мусорная корзина. Практической значимости - масса. Но это не наука :)

gav

Наука и лженаука в чем отличие?
 

Наука, лженаука... бла-бла-бла
Какая разница, какого цвета кошка, если ... ?

Наука и лженаука в чем отличие?
 

>>Окей, тогда портновское дело = наука

оптимальное решение NP-полной задачи раскройки листа ткани в студию. Уже есть более 300 методов, но разрабатывают постоянно новые.

Наука и лженаука в чем отличие?
 

Soft
Хотя бы 90%-ная кластеризация животных по их отряду - актуальная задача нейронауки.
Так что, дети в детском саду наукой занимаются, безошибочно различая кошек и собак?:)
Задача попадания каким либо предметом в заданную цель - серьезная научная проблема. Выходит, мой племянник - ученый, раз так ловко попадает снежком в столб?:)

Наука и лженаука в чем отличие?
 

Soft
Ну и на здоровье! :)
Но это не более, чем одно из приложений старой доброй математики.

gav

Наука и лженаука в чем отличие?
 

Soft

Под такое определение точно попадает астрология, но никак не
кибернетика и специальные методы решения NP-полных задач.

Относительно недвано занимался поиском компромиссного метода
решения задачи условной булевой оптимизации - она является NP-
полной, так как точный (глобальный оптимиум) можно найти только
полным перебором, и объем перебора экспоненциально зависит от
размерности задачи. Для задачи о рюкзаке это составляет 2^N, где
N - размерность задачи о рюкзаке. Компромиссный метод решения
- это компромисс между объемом перебора и точностью решения
(отношение значения целевой функции в тех решениях, который
дает нам метод к отношению значения функции в глоб. оптимуме).
Основными качественными показателями метода решения являются
как раз, объем перебора и точность субоптимальных решений. Эти
два показателя - не просто какие-то усредненные числа, а обычно
требуются аналитические функции объема перебора и точности
решений в зависимости от размерности (размерностей) задачи.

Аналитические функции обычно получаются путем долгих экспери-
ментов, индуктивных обобщений и это весьма трудоемкое занятие.
Тем не менее, эти функции тоже знания и цифры которые дают они
для тех иных условий, подтверждаюся экспериментально, пусть даже
не с абсолютной точностью, но вполне с достаточной, более того,
повторяемость результата железная, и отклонения &#34;вправо-влево&#34;
вполне держатся в пределах заданной некоторой погрешности.

Можете посмотреть мою статью про анализ объем перебора.
http://icc.mpei.ru/lang/rus/docs/articles/article10.pdf
Так что, насчет плохой повторяемости и расхождением теории и дан-
ных эксперимента в методах решения NP-полных задач - вы неправы.
Бывает трудно и лень искать, придумывать какие-то формулы, модели,
более менее адекватные реальности, подтверждаемые экспериментом,
особенно в малознакомой области, но это вовсе не значит, что в этой
области ничего нельзя сделать, ничего достоверного нельзя получить.

Кибернетика относительно молодая наука, сложная потому что опи-
рается на дискретную математику, комбинаторику, теории графов,
где масса своих сложностей именно из-за дискретности, но это не
значит, что в ней ничего не сделано и ничего нет достоверного.

Посмотрите хотя бы книгу &#34;Модели распределенных вычислений&#34;.
Издательство ФИЗМАЛИТ, автор: Топорков В.В., Москва, 2004 г.

А теория расписаний, теория автоматов, теория надежности систем,
теория информации, методы кодирования и передачи информации
- все это сборники шаманских рекомендаций, недостоверных знаний?

P.S. Многие вещи нам непонятны не потому что наши понятия слабы,
а потому что они не входят в круг наших понятий - К. Прутков (с).

Научные знания не зависят от субъективного восприятия реальности.

В науке нет места субъективности, ему место только в искусстве.
А программирование - это искусство. Это дело по большему счету
мало чем отличается от сочинения музыки. Хотя и в музыке и в про-
граммировании есть определенные правила, подходы, язык и т.п.,
но и там и там результат определяется субъективной фантазией.

Другое дело что вы программно реализуете некоторую матмодель,
и все же само программирование все равно остается искусством.

P.S. Программирование - это так же не наука, как и разработка
программы - это не научная диссертация, а курсовая работа.

Наука и лженаука в чем отличие?
 

PavelAR
Я бы сказал, что программирование - наукоемкое искусство :) Имея в виду, конечно, программирование в широком смысле: придумывание алгоритмов, их реализация, а не только непосредственный &#34;кодинг&#34;. Последнее же - ремесло. В котором искусства, не многим более чем в наборе готового текста на пишущей машинке.