Paradoks gagak: Perbedaan antara revisi
Konten dihapus Konten ditambahkan
Hidayatsrf (bicara | kontrib) |
Hidayatsrf (bicara | kontrib) +pendekatan Carnap |
||
Baris 75:
Banyak pendukung resolusi dan varian ini telah menjadi pendukung probabilitas Bayesian. Solusi ini sekarang sering disebut Solusi Bayesian, walaupun Chihara<ref>{{cite journal | last1 = Chihara | first1 = | year = 1987 | title = Some Problems for Bayesian Confirmation Theory | url = http://bjps.oxfordjournals.org/cgi/reprint/38/4/551 | journal = British Journal for the Philosophy of Science | volume = 38 | issue = 4 | page = 551 | doi=10.1093/bjps/38.4.551}}</ref> mengamati bahwa, "tidak ada yang namanya ''solusi Bayesian''. Ada banyak 'solusi' berbeda yang telah diajukan, Bayesian mengemukakannya menggunakan teknik Bayesian." Pendekatan yang patut diperhatikan dengan menggunakan teknik Bayesian antara lain Earman,<ref>Earman, 1992 ''Bayes or Bust? A Critical Examination of Bayesian Confirmation Theory'', MIT Press, Cambridge, MA.</ref> Eells,<ref>Eells, 1982 ''Rational Decision and Causality''. New York: Cambridge University Press</ref> Gibson,<ref>Gibson, 1969 [https://www.jstor.org/stable/686720 "On Ravens and Relevance and a Likelihood Solution of the Paradox of Confirmation"]</ref> [[Janina Hosiasson-Lindenbaum|Hosiasson-Lindenbaum]],<ref>Hosiasson-Lindenbaum 1940</ref> Howson dan Urbach,<ref>Howson, Urbach, 1993 ''Scientific Reasoning: The Bayesian Approach, Open Court Publishing Company</ref> Mackie,<ref>{{cite journal | last1 = Mackie | first1 = | year = 1963 | title = The Paradox of Confirmation | url = http://bjps.oxfordjournals.org/cgi/content/citation/XIII/52/265 | journal = The British Journal for the Philosophy of Science | volume = 13 | issue = 52| page = 265 | doi=10.1093/bjps/xiii.52.265}}</ref> dan Hintikka,<ref>Hintikka J. 1969, [https://books.google.com/books?id=pWtPcRwuacAC&pg=PA24&lpg=PA24&ots=-1PKZt0Jbz&lr=&sig=EK2qqOZ6-cZR1P1ZKIsndgxttMs Inductive Independence and the Paradoxes of Confirmation]</ref> yang mengklaim bahwa pendekatannya "lebih Bayesian daripada apa yang disebut 'solusi Bayesian' dari paradoks serupa". Pendekatan Bayesian yang memanfaatkan teori inferensi induktif Carnap antara lain Humburg,<ref>Humburg 1986, The solution of Hempel's raven paradox in Rudolf Carnap's system of inductive logic, ''[[Erkenntnis]]'', Vol. 24, No. 1, pp</ref> Maher,<ref>Maher 1999</ref> dan Fitelson et al.<ref>Fitelson 2006</ref> Sementara itu Vranas<ref>Vranas (2002) [http://philsci-archive.pitt.edu/archive/00000688/00/hempelacuna.doc Hempel's Raven Paradox: A Lacuna in the Standard Bayesian Solution]</ref> memperkenalkan istilah "Penyelesaian Standar Bayesian" untuk menghindari kebingungan.
====Pendekatan Carnap====
Maher<ref name="Maher, 1999">Maher, 1999</ref> menerima kesimpulan paradoks, dan menyempurnakannya:
{{Quote|Objek non-gagak (dengan warna apapun) menegaskan bahwa semua burung gagak berwarna hitam karena
:(i) informasi bahwa objek ini bukan gagak menghilangkan kemungkinan bahwa objek ini adalah contoh yang berlawanan dengan generalisasi, dan
:(ii) Ini mengurangi kemungkinan bahwa objek yang tidak teramati adalah gagak, sehingga mengurangi kemungkinan bahwa mereka adalah contoh yang berlawanan dengan generalisasi.}}
Untuk mencapai (ii), dia mengajukan banding atas teori probabilitas induktif Carnap, yaitu (dari sudut pandang Bayesian) suatu cara untuk menetapkan probabilitas sebelumnya yang secara alami menerapkan induksi. Menurut teori Carnap, probabilitas posterior, <math>P(Fa|E)</math>, yang merupakan objek, <math>a</math>, dan akan mempunyai predikat, <math>F</math>, setelah bukti <math>E</math> telah diamati, adalah:
:<math>P(Fa|E) \ = \ \frac{n_F+\lambda P(Fa)}{n+\lambda}</math>
dimana <math>P(Fa)</math> adalah probabilitas awal bahwa <math>a</math> memiliki predikat <math>F</math>; <math>n</math> adalah jumlah benda yang telah diperiksa (menurut bukti <math>E</math> yang ada); <math>n_F</math> adalah jumlah objek yang diperiksa yang ternyata memiliki predikat <math>F</math>, dan <math>\lambda</math> adalah konstanta yang mengukur ketahanan terhadap generalisasi.
Jika <math>\lambda</math> mendekati nol, <math>P(Fa|E)</math> akan sangat dekat satu setelah pengamatan satu objek yang ternyata punya predikat
will be very close to one after a single observation of an object that turned out to have the predicate <math>F</math>, while if <math>\lambda</math> is much larger than <math>n</math>, <math>P(Fa|E)</math> will be very close to <math>P(Fa)</math> regardless of the fraction of observed objects that had the predicate <math>F</math>.
Dengan menggunakan pendekatan Carnapian ini, Maher mengidentifikasi sebuah proposisi yang secara intuitif (dan benar) kita ketahui salah, tapi mudah dibingungkan dengan kesimpulan paradoks. Proposisi yang dimaksud adalah bahwa mengamati non-gagak memberi tahu kita tentang warna burung gagak. Meskipun ini salah secara intuitif dan juga salah menurut teori induksi Carnap, mengamati non-gagak (sesuai dengan teori yang sama) menyebabkan kita mengurangi perkiraan jumlah keseluruhan burung gagak, dan dengan demikian mengurangi perkiraan jumlah kemungkinan contoh sebaliknya untuk pernyataan bahwa semua gagak berwarna hitam.
Oleh karena itu, dari sudut pandang Bayesian-Carnapian, pengamatan seekor burung gagak tidak memberi tahu kita apa-apa tentang warna gagak, tapi memberi tahu kita tentang prevalensi burung gagak, dan mendukung "Semua burung gagak itu hitam" dengan mengurangi perkiraan jumlah gagak yang mungkin tidak hitam.
== Lihat pula ==
| |||