Я потерял предмет обсуждения. Предложенная матмодель из 6 шагов оценивает правдоподобность утверждений (ну и в один шаг после этого можно получить оценки на параметры). Вы явно говорите о какой-то другой матмодели, в которой исследуются зависимости случайных величин и к этому пристёгивается интерпретация причинно-следственных связей.
Эмм... Если байесианство не решает проблем типа сравнения двух карт, содержащих в себе кучу корреляционных и причинно-следственных связей, с целью выявить из них лучшую, то, значит, оно содержит в себе гораздо больше проблем. Если байесианство не может предложить хотя бы непрактичного и теоретического способа построения карты-модели, то оно содержит в себе гораздо больше проблем, чем описано выше. Оно вообще оказывается неприменимым. Нам придётся расчехлять обычную матстатистику, построенную на частотной вероятности, которая имеет методы проверки гипотез о наличии причинно-следственных связей.
И в таком варианте встаёт вопрос: зачем говорить о байесианстве? Теорема байеса вполне может быть применена (и применяется!) в рамках частотной матстатистики.
Вы говорите о конкретных и обобщённых задачах.
Я вижу такой подход неэффективным, потому что он приводит к разрыву между тем, чтобы что-то делать и думать об этом.
Для чего именно он неэффективен? Вам шашечки или ехать? Я объясняю вам то, что я имею в виду, вы критикуете. Критика, сама по себе -- это окей, я люблю критику. Но я люблю, когда критика идёт по сути, когда критикуется то, что я имею в виду, а не выбранный мною способ объяснения. Если объяснение неудачно -- вы просто скажите об этом, я попробую как-то перефразировать, может быть зайду с другой стороны.
Если мой подход к объяснению кажется неэффективным, то вы попробуйте объяснить чем этот подход неудачен для объяснения. Вам скорее всего не удастся это, потому что для этого придётся сначала понять, что именно я пытаюсь объяснить, но если подход к объяснению неудачен, то и понимания не возникнет. Но может быть в этой попытке возникнет что-то, что подскажет мне, чем именно неудачен подход, и как его можно улучшить, сделать понятнее?
Задачи подгонки под теорию не стоит, стоит задача согласования предметов из разных дисциплин.
Если вы выбрали в качестве метода нефтедобычи закачку газа в скважину, у вас физическая модель может быть изотермической - потому что газ начинает выдавливать нефть на поверхность только после того, как сам сжимается почти до жидкого состояния, а давление при котором достигается фазовый переход сильно зависит от температуры. Поменялась физическая модель - поменялись диффуры. Поменялись диффуры - прежние вычметоды могут стать неэффективными. Нужно переписывать программный код. Всё очень практично получается 
Вы настаиваете на том, чтобы я изложил бы своё видение проблемы с позиций моделирования месторождений? Вас не устраивает более простой пример с планиметрией? Окей, давайте попробуем так. Почему бы и нет? Может быть более сложный пример -- это как раз то, что нужно.
Отлично, что вы упомянули программный код. Это ведь как раз очень неплохой пример. У нас есть теория, которая породила дифуры, а есть программа, которая обсчитывает эти дифуры. Можно ли поставить знак равенства между теорией и программой? Можно ли поставить знак равенства между дифурами и программой?
Нет ведь! Например, потому, что дифура, вообще-то, работает на континууме, а программа обязательно дискретизирует пространство и работает на этом дискретном пространстве. Которое, вообще-то, с точки зрения математики скорее похоже на граф, где есть вершины и связи между ними.
В дифуре вещественные числа, в программе числа с плавающей запятой: вы ведь знакомы с математикой, так? Вы в достаточной мере знакомы с информатикой, чтобы понимать, что числа с плавающей запятой и вещественные числа различны математически? Это неизоморфные множества. Там даже гомоморфизма, по-моему, нет. В информатике (в смысле computer science) есть отдельная целая специальная олимпиада на предмет того, как реализовать вычисления, не прибегая к делению, потому что деление чисел с плавающей запятой -- это боль, это необходимость постоянно засовывать в программу всё новые и новые допущения. Каждая операция деления в программе требует ещё одного допущения. И если программист не делает этого допущения явно, то он делает его неявно каждый раз, когда делит.
Так вот, в первом приближении, теория -- это решение общей, абстрактной задачи. Дифура -- это решение конкретной задачи. Подумайте эту мысль немного. Я вас умоляю только, не делайте этой ошибки, которую делают практически все: не надо спорить с новой для вас мыслью, попробуйте понять её и принять. Время споров будет позже: спорить можно с тем, что понятно, с тем же что непонятно спорить невозможно. Подумайте мысль, которую я вам предложил.
А теперь я её разовью чуть дальше: программа -- это тоже решение общей задачи. Точнее так: программа -- это решение более частной задачи, чем система дифур, которая легла в её основу, но при этом, всё-таки, программа не является решением конкретной задачи, потому что эта программа создана таким образом, чтобы обсчитывать много разных месторождений. Не одно конкретное, а много разных. Чтобы сделать из программы частное решение, нам придётся вогнать в код этой программы все начальные/краевые условия.
Я могу двинутся ещё дальше, и объяснить, что даже это "частное решение", на самом деле, не является решением
конкретной задачи, потому что для того, чтобы указать в программе начальные и краевые условия, надо сначала провести кучу измерений, сделать кучу выводов, рассуждений, допущений. Если к программе пристегнуть ещё и эту всю деятельность, то тогда, быть может, в результате будет решение самой что ни на есть конкретной задачи.
Но на самом деле эту цепочку перехода к более и более частному случаю можно продолжать и дальше. И, таким образом, мы получим одно огромное, сложное, дорогущее аппаратное решение, которое собрерёт все данные о месторождении, обсчитет его и пойдёт на свалку: потому что как только всё обсчитано, это решение стало не нужным. Собственно примерно об этом вы ведь и говорите, когда рассказываете о том, что вы сторонник междисциплинарного подхода, так ведь?
И да, вы правы. Разделяй и властвуй. Этот принцип отлично работает. Но я не пытаюсь вас убедить изменить те практики, которые вы используете для анализа месторождений, я пытаюсь вам показать эти практики с иной точки зрения. В другом ракурсе. Или может просто в другом масштабе.
Я ожидаю, что трёх предметных областей - "абстрактной математической теории", байесовской теории вероятностей и теории эксперимента вам не хватит для, чтобы эффективно решать проблемы. Мир более сложный
Я тоже не жду, что мне их хватит. Но я не считаю это поводом не пытаться смотреть на процесс принятия рациональных решения с этой точки зрения. Более того, я считаю очень полезным смотреть на него именно с этой точки зрения, потому что с этой точки зрения видно всю систему в целом. Не отдельные шестерёнки системы -- хы, как прикольно они крутятся! -- а всю систему в целом, видя не только вращение отдельной шестерёнки, но и те функции, которые выполняет это вращение шестерёнки в системе.
Полгода, год или полтора года назад мы тут до хрипоты спорили о том, правильно ли или нет говорить слова "эмерджентные свойства"... Я тогда был резко против, а сейчас мне очень любопытно найти то обсуждение и вспомнить почему же. Мне кажется, что это было в тот период, когда я слишком глубоко погрузился в редукционизм. Но с тех пор я столкнулся с критикой редукционизма, которая была очень похожа на ту критику "эмерджеонизма" которую я сам, IIRC, излагал. Много думал. Сегодня (вот
буквально сегодня) я второй раз в жизни выслушал рекомендацию не заниматься изобретением велосипедов, не создавать диалектику заново, а просто почитать Гегеля. Сегодня я вижу эмерджентность везде и не бунтую против неё, но принимаю это как естественный и единственно возможный порядок вещей.
И я это к тому, что системные функции шестерёнки, эмерджентные свойства шестерёнки, существуют только тогда, когда шестерёнка является частью механизма. Или, говоря иначе и проще: увидеть и действительно понять шестерёнку можно только если рассматривать её как часть механизма. И именно поэтому я так увлечён тем, чтобы для такой местности как "процесс познания" построить карту достаточного масштаба, куда влезет всё. Именно поэтому я пытаюсь увидеть полную картинку принятия решений, которая будет включать в себя всё, начиная с физических процессов, которые посылают физические же сигналы, которые пересекают психофизиологический барьер, оказываются в психике в виде ощущений, которые проходят через сложнейшую обработку, порождают восприятие, и там дальше какие-то прелюбопытнейшие процессы порождают идеи причинно-следственных связей, делают на основании этого какие-то выводы, принимают решения, и отправляют их на эффекторы. Любой из упомянутых процессв бессмысленен в отрыве от остальных. Бессмысленен и бесполезен.
И да, отвлекаясь от всех этих высоких материй, я лично смотрю на байесианство как на байесианскую теорию принятия решений в неопределённых условиях. Это математическая теория, которая очень даже неплохо имеет дело с графами причинно-следственных связей и умеет сравнивать два разных графа на предмет того, какой из них лучше описывает ситуацию. Это не просто теорема Байеса. Уметь сравнивать два графа -- это, на практике, неравноценно умению построить граф причинно-следственных связей. Но с точки зрения математики разница невелика, математика может позволить себе сказать что-то в стиле: рассмотрим множество всех возможных графов и выберем из него такой, на котором максимизируется такая-то функция.
Теория принятия решений в неопределённых условиях -- это, в пределе её развития, полноценная теория познания. Просто потому что ей не удастся от этого отвертеться, потому что принятие решений в отрыве от построения карты, на основании которой принимается решение -- это ничто. Текущий бум AI технологий построен на том, что эти AI технологии совершили прорыв в построении карты. Гуглобот, играющий в аркадные игры, играет так круто не столько потому, что он круто принимает решения, сколько потому, что он обладает "восприятием", то есть он познаёт ту "реальность" в которой ему приходится функционировать. И как к этому сверху пристегнуть теорию принятия решений -- это отдельная проблема, которую исследователям ещё предстоит решить.
Теория эксперимента -- это частный случай применения теории принятия решений (
в некотором смысле: это следует понимать как "возможно спроецировать теорию эксперимента на теорию принятия решений и проекция будет не бессмысленной, но очень даже говорящей"). Абстрактная математическая теория,
в некотором смысле, тоже, но это гораздо сложнее объяснить, потому что сама по себе теория принятия решений тоже абстрактная математическая теория. Эта взаимная включённость понятий друг в друга будет сильно сбивать с толку, если я попытаюсь тут что-то объяснить. У меня не хватит ни скилла, ни терпения, чтобы разложить всё это по полочкам.
