|
先说一句，这是胡侃性质，侃得不对甚至离谱的地方，兔子海涵。我不懂哲学，对此也无多大的兴趣，所以我时常将“哲学”戏称为“折学”，将某种学问用嘴 (口) 曲折地表达出来，就是“哲学”：)
众所周知，兔子 (hare，bunny，stinger 等 ID) 凭“范例哲学”而名动万维，说兔子是万维头号哲学家，并不为过，至少从发文数量上考察是如此。最早接触到“范例哲学”，应该就是在大约两年前的教坛，只是因为我对哲学没兴趣，再加上兔子阐述他的范例哲学所用的范例本身，似乎有诸多违背科学的地方，所以以后看到兔子阐述范例哲学，通常以飘过的时候为多。记得后来留过一两次言，问兔子到底啥是范例哲学，能否用几句简单的话概括。好像兔子是回答了，只是我似乎没看懂，总是得不到要领。
好在最近兔子码了篇文章，“范例是什么意思？”(http://blog.creaders.net/Bunny/user_blog_diary.php?did=159200)，总算直接解释了“范例哲学”，尽管这还是有点难懂。用兔子的话说，“范例的概念，如果用一句话说，就是：你我和一个自由电子基本没区别，都是自然界的一个‘范例’，既 (疑为即的笔误--紫鸟注)，‘Instance’”。文章后面有三十多个 comments，貌似是慕容青草对兔子多以飘扬维护鼓励，嘎拉哈则以批评为主。这篇文章大约是概括性质的，所以我算是认真读了一遍......
想了想，如果将兔子的范例哲学和统计扯上关系，亦即将 Instance 理解成 Sample，那么我觉得比较明显的是，范例哲学的数学基础应该就是最大似然估计。或者更可能的，“范例哲学”更像是更为一般的最大后验估计。
这是因为兔子的意思无非就是给出一些例子来试图得出一些客观规律，因为是从个体到一般，演绎推理的作用有限，所以这些客观规律一般是些统计意义上的，比如说炒股票，这样的量 (记为 d，某种分布参数) 可以是赚钱的概率 p = d，赚多少钱的期望值 m = d，赚钱的风险或者方差 a = d，或者这些统计量的组合，例如 (m，a) = d。现在我们的任务是从一些“范例”，和这些范例所遵循的分布，来确定分布参数 d 的值。当然你可以人为地规定用什么方法去计算 d 的值，但是从兔子一系列帖子去看，他无疑使用的是最大似然估计，来论证、解释这些范例存在/出现的“可能性”最大化。记得哪位折学大拿说过，存在就是合理的，可能也能从这里找到一些依据。
如果将兔子的“范例哲学”和最大似然估计一一对应得这么死，那我这里可能已经惹得兔子不高兴了，因为一一对应得这么丝丝入扣的话，“范例哲学”就谈不上有多大的“思想”，因为它的核心就是计算。但是我们可以将问题拓展一下，并不假设上面所讲的分布参数 d 本身为常量，而在更一般意义下假设它本身也服从某种概率分布，d = g(d)，亦即假设“范例哲学”和所谓的最大后验估计挂钩，那么这时就可以将范例哲学和历史上著名的贝叶斯分析结合起来。概率论中的贝叶斯公式很简单：
P (B|A) = P (AB)/P(A) = P(A|B)P(B) / P(A)
这样“范例哲学”的内涵就丰富多了。熟悉哲学历史的都应该知道有个著名的哲学流派，称为贝叶斯学派，这个学派和传统的概率学派或者说频率学派是针锋相对的。这种针锋相对不是数值、计算上的差别，而是涉及到对世界观和认识论上的差别。这种差别来自哪里？简单地说就是来自 g (d)，也就是说，你的分布参数 d 所服从的分布 (例如高斯正态分布) 到底是如何得来的。经典的频率派认为，g (d) 是先验的、既定的，就算我们不知道它到底是什么，但是它却是客观存在的，不以咱们的意志为转移的；而贝叶斯学派则认为 g(d) 不是先验的而是后验的，和个人的、主观的取舍有关。
用兔子经常用的现代物理中的“范例”为例，频率派和爱因斯坦的哲学观念是对应的，而贝叶斯学派的哲学观念是和波尔的哥本哈根学派对应的。却不知兔子如何选择站队。
|
