Beiträge von pano im Thema „Scobel über Nagarjuna“

void:

nuk:

Na, in dem obigen Video hat er aber ganz ordentlich darueber geredet. Und mit der der unsagbaren Sache mit dem Finger draufgezeigt. Jetzt kann ich meinem manchmal erfahrbaren Gefuehl einen Namen geben: Tetralemma.

Ich fasse noch mal das Tetralemma zusammen, Syntax in Anlehnung an C-Style-Programmiersprachen:

X = "Es regnet."

X == false, wegen der Leerheit

~X == false, wegen der Form

( X & ~X ) == false, weil entweder das Eine, oder das Andere zu beobachten ist

~( X & ~X ) == false, weil es auch falsch waere, alles zu leugnen

Daraus wuerde dann folgen:

[ ~X & X & ~( X & ~X ) & ( X & ~X ) ] == true

Alles anzeigen

Da hast du es dir zu einfach gemacht. Das beste Beispiel in C sind ungültige Werte ( Nan)

Code

float x = 0.0 / 0.0;

if(f < 0){ 
}   
else if(f == 0){ }   
else if(f > 0){ }   
else{    printf("NaN\n");                                                          }   

f ist weder kleine als 0, noch 0, noch größer als 0 noch 0. Nicht einmal (f == f) oder (f !=f) werden true zurückliefern. Es ist in der kleinen Welt der Zahlen nicht abbildbar weil es keine Zahl ist. Es sprengt den Rahmen.

Alles anzeigen

Tatsächlich scheint mir das am ehesten an das was ich von Nagarjuna verstehe ranzukommen. Also das Tetralemma scheint mir irgendwie so eine Art "Erdung" zur Skepsis zu sein. Da die Logik versagt, ist man erstmal vorsichtig statt zu sich zu fehlschlüssen hinreißen zu lassen. So wie NaN in den IEEE floating point standards "Ansteckend" ist und verhindert dass irgend ein Berechnungsergebnis herauskommt wenn NaN Werte im Spiel sind.

Aus einer anderen Ecke kann man vielleicht auch noch Bezüge herstellen. Bayessche Wahrscheinlichkeiten. Anstelle von Wahrheitswerten treten hier Warscheinlichkeiten zwischen 0 und 1 (0% und 100%). Einer Aussage A wird eine Warscheinlichkeit P(A) zugeordnet. Wir können eine Wahrscheinlichkeit von 0 mit "falsch" und eine Wahrscheinlichkeit von 1 mit "wahr" assoziieren.

Einer logischen Relation (A und B) kann man dann auch eine Wahrscheinlichkeit P(A und B) zuordnen. P(A und B) = P(A|B) * P(B) etc. pp. aus diesen Rechenregeln (die aus den Kolmogorov Axiomen prinzipiell ebenso folgen) folgt dann auch der berühmte Bayessche Satz, aber hierauf möchte ich jetzt nicht eingehen.

Jedenfalls wird in der Bayesschen Statistik basierend auf Messdaten geschlossen (inferiert), wobei sich diese Inferenz nicht in Absolutheiten ausdrückt, sondern in Wahrscheinlichkeiten und Wahrscheinlichkeitsverteilungen. Dinge sind also nie "sicher", sondern immer nur Wahrscheinlicher oder Unwahrscheinlicher. Ein Grundsatz der Bayesschen Statistk ist dabei, dass man auch Annahmen über Wahrscheinlichkeiten treffen kann (Ich nehme an die WAhrscheinlichkeit für Regen ist 10%), man jedoch nie die extremen Wahrheitswerte a-priori annimmt (0 oder 1, also nie "wahr" oder "falsch"). Denn wenn man das macht dominieren die a-priori Wahrscheinlichkeiten das Geschehen und die Messdaten können sich bei der Berechnung nicht durchsetzen.