Archivo de la etiqueta: información

La banda de Möbius y la paradoja de la abuela

mobComo ayer se cumplió un natalicio del matemático August Ferdinand Möbius (1790-1868),  encontré esta interesante solución a la paradoja de la abuela y los viajes en el tiempo,,,The Mobius Time Loop:

http://www.cix.co.uk/~antcom/mtl.html

La paradoja,,, Supongamos que Juan puede viajar al pasado y matar a su abuela antes de que ésta conciba a su madre (la madre de Juan). Si la abuela no está viva, no puede tener a la niña que más adelante engendraría a Juan, el viajero en el tiempo… así que Juan no podrá nacer nunca, y por lo tanto no podría viajar en el tiempo.

La solución de la cinta de Möbius: En primer lugar, debe recortarse esta banda de papel… (ver el enlace) … doblarla por la línea punteada central, encolarla y pegar la nueva tira así obtenida en forma de banda de Möbius. Se comienza en el punto A, momento en el que la abuela tiene 40 años. Nos vamos moviendo sobre la banda de Möbius hacia la derecha hasta 1990, momento en el que  la abuela muere a los 70 años. En 1999, Juan viaja a 1930 y mata a su abuela. Seguimos viajando y pasamos por 1940, 1950, 1960, … hasta 1999; pero en este viaje, ya no hay abuela (porque Juan la ha matado). Y al llegar a 1999, ya no hay viaje en el tiempo, porque Juan no existe: no ha nacido, porque su abuela no estaba viva para concebir a su madre. Como Juan no ha podido viajar en el tiempo, regresamos a 1930,  momento en el que la abuela tenía 10 años… seguimos viajando a lo largo de la banda de Möbius y volvemos a encontrar el punto A, en el año 1960, cuando la abuela de Juan tiene 40 años… y la historia, leída sobre la banda de Möbius, comienza de nuevo de manera inevitable…

Interesante no?

 

Diffusion Geometry

La diffusion geometry o DG es usada mayormente en minería de datos y análisis de textos. Se define a la norma entre puntos del espacio de datos a (1) donde t es un factor de escala y (x,y) son pares de puntos en dicho espacio de N puntos. En si A(,) es una matriz de NxN que es la representación matricial de la norma en dicho espacio. Esta conecta cada par de puntos con una arista ponderada con pesos mayores que cierto umbral.
Se puede normalizar A(,) para obtener una matriz de Markov P(,), la cual representa un paseo aleatorio en el espacio de datos y se la interpreta como la probabilidad de transición entre el punto x e y. En DG P(,) y sus potencias son usadas para explorar la geometría de datos. Un ejemplo concreto es el análisis de textos.
Si se considera una cantidad de k-textos (libros) se puede representar cada texto como un vector vocabulario (2) donde cada componente representa la frecuencia relativa de aparición de una palabra del diccionario de las 10000 palabras más frecuentes de la lengua castellana. Entonces cada vector V_k representa un punto sobre el espacio de libros y sobre estos calculo P(,) ver (3). Entonces se puede usar los autovectores de autovalores dominantes para construir un espacio m-dimensional (menor dimensión) para encajar el espacio de datos (spectral data embeding)(4). El proyector P^l(x,y) (3 superior) no es más que la probabilidad de que por medio de un camino de longitud l; x pase a y esto se lo conoce como distancia de difusión en tiempo l.

Inductive narrow conception.

Un error que se incurre frecuentemente en varios libros de texto secundarios y de algunos profesores universitarios, es sostener que las premisas de una inferencia inductiva implican la conclusión de una teoría. La investigación científica se reduce a cuatro estadios:

  1. Observación y recolección de datos.
  2. Análisis y clasificación de estos.
  3. Derivación inductiva de la generalización.
  4. Contrastación ulterior de la generalización.

Pero esto es insostenible por las siguientes razones:

  • No se puede superar el primer paso, pues para reunir todos los habrá que esperar hasta el fin del universo ya que son infinitos.
  • Uno puede ganar tiempo reuniendo datos relevantes pero relevantes respecto de que? y respecto de que los clasificaría? El problema no dice como resolverlo.

Entonces como el tipo de datos concreto a reunir no está determinado por el problema que se está estudiando, sino por el intento de respuesta, el investigador da una conjetura o una hipótesis. Entonces los hechos relevantes por lo tanto sólo se pueden cuantificar como lógicamente relevantes o irrelevantes respecto a una hipótesis de solución dada, y nunca por referencia a un problema dado.
Por otro lado un conjunto de hechos empíricos se pueden clasificar de diversos modos, la mayoría de los cuales no será de ninguna utilidad para la investigación científica. Por lo tanto las conjeturas felices que dan una teoría que luego será aceptada es cuestión de intuición, pensamiento lateral y suerte. No existe una regla mecánica por medio de la cual se pueda inferir una teoría a partir de datos empíricos.

Modus Tollens

Evidentemente es imposible determinar por inspección u observación directa si una hipótesis es correcta pues: Si H es verdadera, entonces lo es I1, I2, …, In aún cuando se verifiquen todas las consecuencias I uno no está seguro que la hipótesis sea verdadera. Entonces el menester saber que papel cumple la inducción en la investigación científica. Es decir: Como se llega en un principio a la hipótesis adecuada? antes de continuar conviene hacer una aclaración de dos mecanismos muy diferentes de inferencia.
  1. Inferencia deductiva, de lo general (una teoría) a lo particular (solución de un problema).
  2. Inferencia inductiva, de lo particular (conjunto de hipótesis) a lo general (una teoría).
En una argumentación deductiva, la conclusión está relacionada de tal modo con las premisas que si las premisas son verdaderas también lo será la conclusión. Es decir la lógica deductiva es reducible a la forma Modus Tollens la cual es:

Si P, entonces Q. No verifica Q tampoco verifica P.

Por el contrario una argumentación inductiva parte de premisas que se refieren a casos particulares y lleva a una conclusión cuya carácter es de una ley o principio general. Pero a diferencia de la anterior la veracidad de las premisas no garantiza la veracidad de la conclusión. Por eso una inferencia inductiva implica que la conclusión es veraz con un cierto grado de probabilidad, mientras que la inferencia deductiva implica la conclusión con certeza.

That is the theoretical reductionism in biology

Para entender el reduccionismo teórico, basta con analizar el siguiente paradigma: Los organismo vivos son o no son sistemas meramente o exclusivamente físico químicos (FQ)? Pero, que se querría decir al afirmar que lo son? Entonces uno podría interpretar todo análisis biológico como una visión mecanicista bajo las siguientes dos afirmaciones:
  1. Todas las características de los organismos vivos son características FQ (M1).
  2. Todos los aspectos de la conducta de los organismos vivos que se pueden explicar, se pueden explicar por medio de leyes y teorías FQ (M2).
En lo referente a M1, está claro que, al menos la descripción de los fenómenos biológicos requiere el uso de términos FQ. Pero la tesis M1 va más allá, esta garantiza que las entidades y procesos biológicos como: huevo, célula, núcleo, cromosoma, mitosis; puede ser caracterizado por términos FQ. Es decir célula puede ser definida con la ayuda de términos físico químicos que llamaremos MB1. De manera análoga todos los aspectos de la conducta también deben ser derivadas de las teorías FQ que llamaremos MB2.
Tomando los enunciados MB1 y MB2, estos expresan lo que se conoce como reductibilidad de la biología a la FQ. Pero se puede entonces afirmar que el mecanicismo sostiene la reductibilidad de la biología a la FQ. Si uno niega esta afirmación entonces asume la autonomía de la Biología como tal.
Tonemos otro ejemplo, la informática. Esta está sostenida sobre un álgebra de Bole de ceros y unos los cuales puede ser reducido a un análisis electrónico de conmutadores, moduladores, etc. Más aún el modelo OSI permite hacer un análisis de capas de manera tal de independizar el análisis lógico del electrónico; por lo que es efectivamente reducible la infomática a la Electrónica y a la Física. Y la Electrónica es reducible a la FQ. Entonces como todo código que se ejecuta en una o varias computadoras es reducible a un conjunto de algoritmos, estos serán reducibles por carácter transitivo a la FQ. Ergo todo sistema experto o sistema de Inteligencia Artificial, no es más que una complicación de la articulación de las leyes FQ.
Esta última tesis, es la que permite afirmar que la psicología también pude reducirse a un complejo articulado de leyes FQ. Pero acá hay un pequeño problema. La mente humana como software del cerebro no opera de manera algorítmica. Más aún no hay forma algorítmica que modele el razonamiento lateral, que permite al hombre en general cambiar abruptamente el punto de vista para resolver un problema.
Esto permite afirmar que todo objeto abstracto creado por el hombre se encuadre dentro del teorema de Godel: por muy potente que sea un sistema lógico, siempre existirá la posibilidad de plantear proposiciones o enunciados que ni pueden ser probados, ni pueden ser refutados dentro del propio sistema. Esto llevó a afirmar lo siguiente: resulta imposible construir una máquina que opere como la inteligencia al cerebro humano. Esto es interesante pues, por ahora da por tierra cualquier intento de reduccionismo de la psicología y la conducta a la FQ. Ergo la psicología tiene por ahora autonomía como tal.

That is the fallacy of affirmation consistent in science

Una pregunta que uno puede hacer es: Que efectos observables, si los hubiera, se producirían si la hipótesis fuese verdadera? Esta forma de razonar presupone la verificación si la hipótesis (H) fuese verdadera entonces ocurrirá tal fenómeno. A tal fenómeno se lo llama implicación contrastadora (I). Entonces de manera más simple: Si H es verdadera entonces lo es I. Pero basta recordar que el operador entonces puede ser verdadero si H es falso e I es verdadero la implicación será verdadera, a esto se lo conoce como falacia de afirmación consecuente. Por lo que se puede asegurar que una hipótesis sea falsa, es decir:

de H entonces I, ergo, si I es falsa luego H lo será.

A este tipo de inferencia se la llama modus tollens, es decir si los experimentos muestran que nuestra hipótesis se cumple esto no basta para asegurar que H sea verdadera, pues sino, entraríamos en la trampa de las falacias. Este también es un ejemplo de falacia, muy común aún en el ámbito científico.

Si H es verdadera, entonces lo es I1, I2, …, In

Si se verifica empíricamente I1, I2, …, In como verdaderas

luego H es verdadera

Es decir uno nunca tiene un conjunto completo de observables en ciencias para asegurar que una hipótesis sea correcta. Es decir la ciencia tiene dos caminos uno deductivo (pos-teoría) y otro inductivo (pre-teoría). El modus tollens está en el ámbito inductivo de una teoría a la cual debe verificarse.

Galileo structure and measure distances

El hecho de poder medir distancias en el espacio implica poder hacerlo de manera simultánea o considerar que el intervalo de tiempo permite decir que lo estoy haciendo de esa manera. En un espacio con estructura de Galileo (no necesariamente inerciales), en el cual la estructura es invariante ante las transformaciones de Galileo, la distancia solo se la pude definir entre sucesos simultáneos.
Más aún como toda transformada de Galileo debe dejar invariante la simultaneidad entre sucesos, esto implica que la medición de distancias también resulta invariante. Esto permite proponer que: Todos los espacios con estructura de Galileo son isomorfos entres si. Es decir siempre he de encontrar una translación seguida de una rotación que me permita conectar uno con el otro.