计算哲学（一）
计算理念是使用机械化计算技术来实例化，扩展和放大哲学研究。 计算理念不是计算机或计算技术的理念; 它是使用计算机和计算技术的哲学。 这个想法只是为了在任何哲学领域施加计算机技术和技术的进步，以推进发现，探索和论证。
在触摸历史前体之后，本文讨论了各种领域的当代计算理念：认识论，形而上学，科学哲学，道德和社会哲学，语言哲学和哲学的哲学，往往操作软件的示例。 远远缩短任何彻底治疗的尝试，意图是通过使用一些代表性来介绍每个申请的精神。
1.简介
2. Leibniz的预期
3.按示例计算哲学
3.1社会认识论和基于代理的建模
3.1.1信仰变革和意见极化
3.1.2论证的社会动态
3.2科学计算哲学
3.2.1科学理论网络模型
3.2.2科学通信网络模型
3.2.3分工，多样性和勘探
3.3道德和社会政治哲学
3.3.1博弈论与合作的演变
3.3.2建模民主
3.3.3作为复杂系统的社会成果
3.4语言的计算哲学
3.4.1语义网，类比和隐喻
3.4.2信令游戏和沟通的出现
3.5从定理 - 普通的伦理推理，形而上学和宗教哲学
3.6人工智能和心灵的哲学
4.评估计算哲学
4.1批评
4.2前景和未开发的方面
参考书目
学术工具
其他互联网资源
计算模型示例
其他互联网资源
相关条目
1.简介
计算哲学不是哲学的一个区域或临时主义，而是一套适用于许多哲学领域的计算技术。 这个想法只是应用计算建模和技术来推进哲学发现，探索和论证。 因此，不应期望计算和非计算哲学之间的急剧突破，计算哲学与其他计算学科之间的急剧突破。
过去的半个世纪已经看到了原始计算机力量的令人印象深刻的进步，以及自动定理的理论进步，代理为基础的建模，因果和系统动态，神经网络，机器学习和数据挖掘。 当代计算技术和技术有什么可能提供推进我们对认识论，道德，社会和政治哲学的问题，语言哲学，思想哲学，科学哲学的理解，或宗教哲学的理解莱布尼兹建议和在正式逻辑历史中的重要前体建议，这个想法是在哲学兴趣的长期领域应用新的计算进步。
计算理念不是计算哲学，一个询问计算本身的性质。 虽然适用和信息性有关人工智能，但计算哲学不是人工智能的哲学。 关于计算机使用的社会影响的问题，也不是伞术语，例如在信息哲学，技术哲学和计算机伦理中。 更一般地，没有“”可以说的计算理念是哲学的。 计算哲学不是一个孤立的主题领域，但在整个哲学主题中可以获得任何计算机技术的广泛应用。 计算哲学中使用的技术可以从标准计算机编程和软件工程中汲取，包括人工智能，神经网络，系统科学，复杂自适应系统的方面以及各种计算机建模方法。 作为一种越来越多的方法，它也包括计算文本分析，大数据分析和其他技术的前景。 它的申请领域同样广泛，在传统的纪律和哲学领域内不受限制。
本文是计算哲学的介绍，而不是完整的调查。 目标是提供跨哲学应用的计算技术和领域的少数暗示示例。
2. Leibniz的预期
纠正我们的推理的唯一方法是使它们与数学家一样有切，因此我们可以一目了然地找到我们的错误，并且当人们之间存在纠纷时，我们可以简单地说：让我们计算，无需进一步的ADO，看谁是对的。
-Leibniz，发现艺术（1685 [1951：51]）
哲学论证的形式化具有历史，与逻辑一样古老。[2] 逻辑是当代计算的历史来源和基础。[3] 我们这里的主题更具体：当代计算在一系列哲学问题中的应用。 但这也是历史，在莱布尼兹对计算力量的愿景中明显。
莱布尼兹众所周知，哲学中正式技术的发展和实际计算机械的设计和生产。 1642年，哲学家Blaise Pascal发明了Pacaline，旨在加入携带和减去。 在1673年至1720之间，Leibniz设计了一系列计算机器，旨在实例化乘法和划分：阶梯式再次推翻，采用仍然称为Leibniz轮（Martin 1925）。 唯一幸存的Leibniz Step Reckoner于1879年发现，因为工人在哥廷根大学固定泄漏屋顶。 在通信中，Leibniz使用相同的机械原理提出到加密编码器和解码器。 在那些描述的基础上，尼古拉斯重新安置制作了一个工作的推测重建（Rescher 2012）。
但是莱布尼兹对计算远远超出算术和加密的愿景。 Leibniz的1666本周论坛组合Arte Combinatoria小号为“组合艺术”，作为制作新颖的思想和发明的方法，以及分析复杂的想法进入更简单的元素（Leibniz 1666 [1923]）。 莱布尼兹将其描述为“发明母亲”，这将导致“发现所有事物”，在逻辑，法律，医学和物理学中的应用。 愿景是一套正式方法，适用于纯粹概念的完美语言，这将使原因的一般机械化（灰色2016）。[4]
Leibniz的组合愿景的具体情况可以追溯到雷蒙德·施伦大约1308年的神秘机制，在Jonathan Swift的Gulliver's Travels为1726年允许一个
在理念，诗歌，政治，数学和神学中写作书籍，没有天才或学习的援助。 （SWIFT 1726：174，LEM 1964 [2013：359]）
然而，组合细节除了Leibniz的愿景仍然存在对实质性问题的应用。 它是计算物理，计算生物学，计算社会科学，申请到多年生地区的哲学哲学中的愿景。
3.按示例计算哲学
尽管Leibniz希望作为一个计算方法，其作为发现的普遍关键，但今天的计算理念的特点是各种哲学问题的许多不同的计算方法。 特定问题和特定区域似乎对各种模型，方法或技术似乎成熟。 因此，尝试和结果都分散在一系列不同的区域。 在下文中，我们对计算哲学的各种探索提供了调查。
3.1社会认识论和基于代理的建模
通过专注于基于代理的建模对社会认识论，社会认识论，社会认识论，科学哲学和语言哲学的哲学的题材，可能是最容易引入的。 因此，部分3.1至3.3在这些区域中的基于代理的建模的实例周围构成。 其他重要的计算方法和其他领域在3.4至3.6中讨论。
传统认识论 - 柏拉图，休谟，笛卡尔和康德的认识论 - 对待个人层面的获取和验证知识。 传统认识学的问题始终是我作为个人可以获得客观世界的知识，当我必须使用的是我的主观经历。 个人认识论的多年生问题仍然存在，但过去几十年已经看到了一种非常不同形式的认识论的兴起。 艾尔文I.高级工作预期，高盛龙口诺，菲利普·厨房，菲利普·厨房，社会认识论在历史上的历史和哲学中，一般来说（Goldman 1987; Longino 1990; Kitchiner 1993年;所罗门1994A，1994B; Goldman＆Whitcomb 2011; Goldman＆O'Connor 2001 [2019]; Longino 2019）。 我以社会团体的成员获得了我对世界的了解：例如，包括构成科学企业的探究者的小组。 为了了解知识的获取和验证，我们必须超越个人认识论的水平：我们需要了解科学调查的社会结构，动态和过程。 它在这种社交转向中，特别是基于计算模拟 - 代理的模型的工具特别有用（Klein，Marx和Fischbach 2018）。
以下两部分使用对信仰变化的计算工作作为对社会认识论中基于代理的建模的介绍。 关于科学沟通的密切相关问题将留给3.2.2和3.2.3节。
3.1.1信仰变革和意见极化
我们应该如何预期信仰和意见在社会群体中改变？ 他们如何合理地改变？ 这些类型问题的计算方法试图通过构建，运行和分析模拟来了解目标现象的基本动态。 模拟可以从交互式动态和初始条件的模型开始，这可能包括例如单个代理的初始信念以及如何易于这些代理商分享信息并倾听他人。 计算机计算模型的连续状态（“步骤”）作为前一级的函数（通常是随机）。 研究人员收集和分析模拟输出，这可能包括例如在一定回合的沟通后模拟社会中的信仰分布。 因为仿真通常涉及许多随机元素（与模拟中的哪个代理商在模拟中的哪些代理，具体的信仰特定代理商开始等），通常在大量模拟运行中收集和分析数据。
一种信仰变革和意见极化模型，具有广泛兴趣的是Hegselmann和KRAUE（2002,2005,2006），它提供了一个明确而简单的应用基于代理的技术的例子。
Hegselmann-Krause模型中的意见映射为[0,1]间隔中的数字，初始意见在人工人群中随机均匀地分布。 个人通过平均为代理人“足够”的意见来更新他们的信仰。 随着代理商的信念变化，可以预期不同一套不同的代理商或不同的价值观，以进一步更新。 模型中的一个关键参数是阈值，以用于实际影响的“足够接近”。[5]
图1显示了在单个运行中随时间的代理意见的变化分别设置为0.01,0.15和0.25的阈值ε。 阈值为0.01，个体仍然孤立在大量小型本地组中。 阈值为0.15，药剂形成两个永久性组。 阈值为0.25，该组融合成单一共识意见。 这些是典型的代表性案例，并且跑步略有不同。 可能预期，所有结果都依赖于个人代理的数量及其在意见空间的初始随机位置。 请参阅下面其他Internet Resources部分的Hegselmann和KRAUA绑定置信模型的交互式模拟。
三个图表：链接到下面的扩展说明
图1：使用不同阈值的单次运行的时间内发生示例
ε
∈
{
0.01
，
0.15
，
0.25
}
�
∈
{
0.01
，
0.15
，
0.25
}
在Hegselmann和Krause（2002）的模型中。 [图1的扩展描述在补充中。]
不同阈值的平均结果的图示出现为图2.此处所示的内容随时间而不改变，而是给出不同阈值的最终观点位置。 随着阈值从0到大约0.20升高，随着分布的外边缘处的浓度越来越多的结果，它们本身正在向内移动。 在0.22和0.26之间，从两种最终组的结果快速过渡，并用单个决赛组产生。 对于价值仍然较高，双方在达到的范围内足够达到它们在核心共识上结合，尽管该最终整体群体的确切位置从奔跑到运行创建所示的脂肪中央尖峰时。 Hegselmann和Krause描述了随着三个阶段的阈值增加的结果的进展：“从碎片（多个）过度（极性）到共识（符合性）。” （2002：11，作者的斜体）
一个3-D图：链接到下面的扩展说明
图2：Hegselmann中不同阈值的平衡意见位置的频率和Krause模型缩放到[0,100]（如轴上的原始轴; Hegselmann和Krause 2002）。 [图2的扩展描述在补充中。]
许多模型进一步优化了Hegselmann Krause模型的“有界置信”机制。 例如，Deffuant等人。例如，用连续影响值取代Hegselmann-Krause的影响力的急剧截止值（Deffuant等人2002; Deffuant 2006; Meadows＆Cliff 2012）。 代理商再次分配了意见价值和阈值（“不确定性”）范围，但代理商I对代理J的影响的程度与其范围（意见加或减去阈值）的范围的重叠比例成正比。 相应地更新了意见中心和阈值范围，导致个人具有较窄和更广泛的范围的可能性。 鉴于更新算法，影响也可能是不对称的：具有较窄范围的容差范围的个体，Deffuant等人。 解释为更高的置信度或更低的不确定性，对具有更广泛的个人更具影响力，比反之亦然。 还研究了对不改变的“顽固”个体的极化的影响，并对极端的药剂进行了研究，对本集团的信仰变化的动态显示出明显影响。[6]
Eric Olsson和Sofi Angere开发了一种复杂的程序，其中代理的相互作用在信息和信任的贝叶斯网络中建模（Olsson 2011）。 Laputa的计划具有广泛的应用，其中一个是在心理学中有说服力的论点理论方面解释的极化模型，并复制了实证研究中的效果：偏振群体的发散增加（主，罗斯，＆lepper 1979; isenberg 1986;奥尔斯森2013）。 奥尔森提出了各地是否可能具有认识论的问题，提供了积极的答案。 O'Connor和WeatherAll（2018）和Singer等人。 （2019年）还认为，使用不同的模型，极化可以是合理的，也许是不同的极化感觉（Bramson等，2017）。 Kevin Dorst使用模拟作为偏振可以是可预测的结果，如果完全合理的代理，同时旨在准确，选择性地发现与当前视图相反的证据中的缺陷。 他争辩，初始分歧，可以成为迭代贝叶斯更新关于模糊证据的结果（DORST 2023）。
在Robert Axelrod发起的蜂窝自动机模型的早期传统中，预计极化主题是预期的。 Axelrod（1997）的基本前提是人们倾向于与自己的人更多，往往会变得更像是他们互动的人。 但如果人们随着时间的推移分享彼此的信仰（或其他文化特征），为什么我们不观察到完全的文化趋同？ 在Axelrod的模型的核心是一种空间实例化的模拟机制，在局部组内产生文化会聚，但也导致逐步分化和组之间的文化分离。
100代理商安排在a上
10
×
10
10
×
10
诸如图3中所示的格子。每个代理都连接到另外四个：顶部，底部，左右。 例外是阵列的边缘或角落的例外，分别连接到仅三个和两个邻居。 模型中的代理具有多种文化“功能”，每个文化“功能”都具有多种可能的“特征”之一。 人们可以将特征视为分类变量以及每个类别中的选项或值的特征。 例如，第一个特征可能代表烹饪传统，第二个衣服风格，第三音乐等。 在基础配置中，代理的“文化”由五个特征定义
（
f
=
5
）
（
�
=
5
）
每个具有10个特征中的一个
（
q
=
10
）
，
（
�
=
10
）
，
编号为0到9.代理X可能有
⟨
8
，
7
，
2
，
5
，
4
⟩
⟨
8
，
7
，
2
，
5
，
4
⟩
作为文化签名，而代理人y的特征
⟨
1
，
4
，
4
，
8
，
4
⟩
⟨
1
，
4
，
4
，
8
，
4
⟩
。 代理人在他们的格子位置固定，因此他们的互动伙伴。 代理交互和仿制率由邻居相似度确定，其中相似度被测量为携带相同性状的特征位置的百分比。 有五个功能，如果一对代理商分享它们的一个这样的元素，它们是20％的20％; 如果两个元素匹配，那么它们是40％相似的，等等。 在刚刚给定的示例中，代理x和y并具有20％的相似性，因为它们仅共享一个功能。
41846 09617 06227 73975 78196 98865 67856 39579 46292 39070
95667 34557 85463 49129 83446 31042 78640 70518 61745 96211
47298 86948 54261 75923 02665 97330 67790 69719 45520 37354
09575 72785 94991 70805 04952 52299 99741 12929 18932 81593
02029 94602 14852 94392 83121 84309 33260 44121 19166 73581
84484 93579 09052 12567 72371 08352 25212 39743 45785 55341
69263 94414 25246 68061 12208 44813 02717 90699 94938 05728
98129 44971 86427 26499 05885 45788 40317 08520 35527 73303
18261 18215 70977 15211 92822 74561 60786 34255 07420 42317
30487 23057 24656 03204 60418 56359 57759 01783 21967 84773
图3：用于基本Axelrod式模型的典型初始初始“文化”组成，包括100个代理商
10
×
10
10
×
10
晶格有五个特征和每代10种可能的特征。 标记的景点与其中的网站分享了五种特征，使其成为40％的文化相似度得分（Axelrod 1997）。
