Quando o navio HMS Beagle zarpou da cidade de Plymouth, na Inglaterra, em dezembro de 1831, a história que o mundo conhecia era a de que Deus havia inventado os animais. Cada espécie com um número limitado, e que, para ser justo, o criador as distribuiu pelos continentes. O canguru foi mandado para a Oceania. A girafa e a zebra, para a África. A ema, a preguiça e o macaco, para a américa do sul. Até mesmo os cientistas acreditavam nessa versão.

Mas Charles Darwin, um estudante de teologia de 22 anos, iria duvidar dela. Darwin não havia feito nada de muito importante até aceitar o convite de Robert Fitz Roy, o capitão do HMS Beagle, para viajar à américa do sul. Àquela época, era costume levar um intelectual como companhia em viagens longas, assim o comandante tinha com quem conversar durante o jantar. A expedição científica do Beagle seria uma vivência única para um rapaz ainda indeciso quanto a sua carreira.

Antes de estudar Teologia, Darwin iniciou Medicina, na Universidade de Edimburgo, e Direito, em Cambridge. Não concluiu nenhum dos cursos, mas aproveitou a efervescência cultural de dois dos maiores centros de saber da Europa. No intervalo das aulas, frequentava clubes de ciência e assistia a conferências sobre história natural. Pelo resto da vida, manteria as amizades que fez no período. Charles Darwin nasceu na cidade de Shrewsbury, no interior da Inglaterra, em 12 de fevereiro de 1809, era o quinto filho de um médico e de uma dona de casa. Desde menino, gostava de fazer listas e organizar coisas, aos oito anos, tinha coleções de conchas, pedras, selos postais, lacres carimbados e moedas. “A paixão por colecionar coisas, que leva o homem a ser um sistemático naturalista, ou antiquário, ou apenas um avarento, era em mim muito forte e com certeza inata”, escreveu Darwin em uma das edições de A Origem das Espécies. Ana Luiza Gomes – dossiê especial para Revista Darcy.

O que é evolução?

Na biologia, Evolução (também conhecida como evolução biológica, genética ou orgânica) é a mudança das características hereditárias de uma população de seres vivos de uma geração para outra. Este processo faz com que as populações de organismos mudem e se diversifiquem ao longo do tempo. O termo “evolução” pode referir-se à evidência observacional que constitui o fato científico intrínseco à teoria da evolução biológica, ou, em acepção completa, à teoria em sua completude. Uma teoria científica é por definição um conjunto indissociável de todas as evidências verificáveis conhecidas e das ideias testáveis e testadas àquelas atreladas. Recomendo este estudo para leigos no assunto: Darwin, evolução e seleção natural Khan Academy.

Mudança expressiva no pensamento humano

Referências Bibliográficas

• Fontes dos arquivos: PDF/EPUB
• Revista Darcy
• Wikipédia
• khan Academy

O que significa realidade?

Figura 1. Ilustração representando simuladores e simulações. Imagem gerada por IA Lexica.art cc {rcristo}. Clique na imagem para ampliar!

No entanto, é importante destacar que as leis da física são modelos teóricos que descrevem a realidade de uma forma aproximada e simplificada. Elas são baseadas em observações e experimentos, mas ainda assim estão sujeitas a revisões e aprimoramentos com o avanço da ciência. Além disso, ainda existem muitos fenômenos naturais que ainda não foram completamente explicados pelas leis da física, o que sugere que nossa compreensão da realidade ainda é limitada.

Dessa forma, podemos afirmar que as leis da física fazem parte da nossa tentativa de descrever e entender a realidade, mas elas não podem ser consideradas como uma descrição completa e definitiva da realidade.

Temos o conceito de realidade e precisamos compreender como fazemos o acesso a essa realidade.

Qual a precisão de nossos experimentos?

Ao perguntarmos: temos 100% de certezas? A resposta é não! Por quê?

A razão para isso é que nossos experimentos conseguem simular a realidade dentro de uma faixa estatística de captura dessa mesma realidade. Para garantir que não estamos enviesando os resultados (senso comum), utilizamos o método “5 sigma“, que é uma declaração da significância estatística dos resultados. O físico do ATLAS, Brian Cox, contextualizou isso no Twitter, explicando que “4 sigma significa aproximadamente que você esperaria ter 99,99% de certeza sobre isso”, enquanto “5 sigma é o limite usual da física de partículas para descobertas. Temos 99,9999% de certeza.” Nesse caso, o “5 sigma” expressa a certeza de que uma nova partícula foi descoberta, depois de exaustivos testes, medições e calibrações dos simuladores (incluindo nosso cérebro).

Limites de significância rigorosos em áreas específicas

Em áreas específicas como física de partículas ou indústria, a significância estatística geralmente é expressa em múltiplos dos desvios padrão (σ\sigma) de uma distribuição normal com limites de significância estabelecidos em um nível muito mais rigoroso (por exemplo, 5σ garante a certeza da existência da partícula Bóson de Higgs foi baseada no critério 5σ, que corresponde ao p-valor de cerca de 1 em 3,5 milhões. Em outras áreas de pesquisa científica como os estudos do genoma, níveis de significância tão baixos quanto 5 ⋅ 10 ^-8 não são incomuns.

Especificamente na física de partículas, o padrão 5σ sigma é usado para considerar o resultado significativo. O padrão 5σ traduz uma chance em 3,5 milhões de uma flutuação aleatória afetar o resultado, o que representa uma probabilidade de erro inferior a 0,00003% (nível de confiança superior a 99,99997%). Este nível de certeza foi requerido para declarar a primeira detecção de ondas gravitacionais e garantir a descoberta de uma partícula consistente com o bóson de Higgs em dois experimentos independentes na Organização Europeia para a Pesquisa Nuclear (CERN).

Teste de hipóteses

Os testes de hipóteses são importantes na estatística porque permitem que os pesquisadores tomem decisões objetivas e fundamentadas sobre seus dados. Esses testes são usados para avaliar a validade de uma hipótese estatística, ou seja, para determinar se uma diferença observada entre grupos ou amostras é estatisticamente significante ou se pode ser atribuída apenas ao acaso.

Sem testes de hipóteses, seria difícil tomar decisões objetivas sobre os dados, pois as conclusões seriam baseadas apenas na observação visual ou na intuição. Embora possa haver padrões óbvios nos dados, é importante saber se esses padrões são estatisticamente significativos ou se podem ser explicados pelo acaso.

Além disso, os testes de hipóteses são usados ​​em muitas áreas da pesquisa, incluindo medicina, psicologia, biologia, economia e muitas outras disciplinas. Eles permitem que os pesquisadores comparem grupos, avaliem a eficácia de um tratamento ou intervenção e façam inferências sobre a população como um todo.

Em resumo, os testes de hipóteses são fundamentais na estatística e são necessários para tomar decisões objetivas e fundamentadas sobre os dados. Sem esses testes, seria difícil tirar conclusões estatisticamente significativas sobre os dados observados.

São fundamentais os seguintes conceitos para um teste de hipóteses:

• Hipótese nula (H₀): é a hipótese assumida como verdadeira para a construção do teste. É a teoria, o efeito ou a alternativa que se está interessado em testar.
• Hipótese alternativa (H₁): é considerada quando a hipótese nula não tem evidência estatística.
• Erro do tipo I (α): é a probabilidade de se rejeitar a hipótese nula quando ela é verdadeira.
• Erro do tipo II (β): é a probabilidade de se rejeitar a hipótese alternativa quando ela é verdadeira.

Comentário sobre a importância de começarmos com a hipótese nula

Resposta IA GPT: A hipótese nula é uma afirmação que é testada em um teste de hipóteses e é geralmente formulada como a ausência de uma diferença ou efeito. Em outras palavras, a hipótese nula afirma que qualquer diferença ou efeito observado nos dados é devido ao acaso ou erro de medição, em vez de ser uma diferença ou efeito real.

Um exemplo na física de partículas seria um teste de hipóteses para determinar se uma nova partícula descoberta em um acelerador de partículas é real ou apenas um resultado aleatório do experimento. A hipótese nula seria que a nova partícula não existe e qualquer sinal observado no experimento é devido ao acaso ou erro de medição.

Outro exemplo seria um teste de hipóteses para determinar se há diferenças significativas nas propriedades de uma partícula e sua antipartícula correspondente. A hipótese nula seria que não há diferença significativa entre as propriedades da partícula e sua antipartícula, e qualquer diferença observada é devido ao acaso ou erro de medição.

Em ambos os exemplos, a hipótese nula é a afirmação que é testada no teste de hipóteses e fornece uma base para avaliar se as diferenças observadas nos dados são estatisticamente significativas ou não. Ao estabelecer a hipótese nula, podemos realizar um teste estatístico para determinar se as evidências observadas são consistentes ou não com essa hipótese. Se as evidências observadas são altamente improváveis de ocorrerem sob a hipótese nula, então podemos rejeitar essa hipótese e aceitar a hipótese alternativa.

Sem a hipótese nula, não teríamos um ponto de partida para interpretar corretamente os testes de hipóteses. A hipótese nula nos permite determinar o nível de confiança que temos em uma afirmação ou teoria e nos ajuda a avaliar se os resultados observados são significativos ou não. Portanto, a hipótese nula é uma ferramenta fundamental para a realização de testes de hipóteses estatísticos e a interpretação dos resultados obtidos.

A opinião de doutores, pesquisadores, pos docs, cientistas têm algum valor prático?

Conforme os limites de significância estatísticas comentados acima – em ciências – nenhuma opinião tem qualquer relevância, não importa quantos papers (artigos científicos) um pesquisador postou, somente terá valor o resultado dos experimentos que comprovam a simulação. Opiniões não são consideradas em ciência por causa do método científico! É muito importante notar que: se algo não passou pelo método científico, pode ser outra coisa menos ciência!

Estados físicos como medidas de probabilidades (matemática do vazio ∅ integrada)

No estudo da física avançada como na física de partículas que faz uso intenso de mecânica quântica, perceberemos que a probabilidade medida (ϕ|𝒳) tem as seguintes propriedades: – para compreender melhor este assunto, recomendo a leitura do meu outro poste: Aprenda a identificar e compreender os espaços de probabilidades.

A probabilidade correspondente à proposição máxima (trivial) é 1 em todos os estados; então, a probabilidade correspondente à proposição mínima (vazia) é 0 em todos os estados, então (ϕ|∅) = 0.

A probabilidade correspondente à junção de proposições disjuntas é a soma de probabilidades individuais, então:

(ϕ|𝒳 ∨ 𝒴) = (ϕ|𝒳) + (ϕ|𝒴), se 𝒳 ≤ 𝒴^⊥

Suponha que tenhamos preparado dois conjuntos de estados ϕ (phi) e ψ (psi) de nosso sistema físico e valores medidos das medidas de probabilidade (ϕ|𝒳) e (ψ|𝒳) passando por cima todas as proposições experimentais possíveis 𝒳. Se, como resultado deste trabalho, encontrarmos que (ϕ|𝒳) = (ψ|𝒳) para todo 𝒳, então os estados ϕ e ψ serão considerados iguais (ϕ = ψ). (ϕ|𝒳) = (ϕ|𝒴).

De fato, não há diferença física entre esses dois estados, onde as medições darão os mesmos resultados (= probabilidades). Por razões semelhantes, diremos que duas proposições 𝒳 e 𝒴 são iguais (𝒳 = 𝒴) se para todos os estados ϕ: (ϕ|𝒳) = (ϕ|𝒴).

Espaços e subespaços complexos como medidas de probabilidades

A probabilidade correspondente a todo o espaço de Hilbert (H) é igual a 1 em todos os estados:

(ϕ|H) = 1

A probabilidade correspondente ao subespaço vazio é 0 em todos os estados:

(ϕ|∅) = 0

A probabilidade correspondente à soma direta de subespaços ortogonais é a soma de probabilidades para cada subespaço:

(ϕ|X⊕Y) = (ϕ|X) + (ϕ|Y), se X ⊥ Y

Obs: o símbolo ⊥ também pode ser usado para denotar a independência entre dois eventos ou variáveis aleatórias. O nome deste símbolo ⊥ é “símbolo de perpendicularidade” ou “símbolo de ortogonalidade”. O símbolo é uma representação gráfica de duas linhas perpendiculares entre si, que é uma relação de ortogonalidade.

O símbolo ⊥ (Up tack = aderência) é utilizado em diversas áreas da matemática, como álgebra linear, geometria, análise e teoria da probabilidade, para denotar a relação de ortogonalidade entre objetos matemáticos, como vetores, linhas, planos e eventos.

Por exemplo, se A e B são dois eventos independentes, então a probabilidade de ambos ocorrerem é dada pelo produto das probabilidades individuais, ou seja, P(A ∩ B) = P(A) * P(B). Nesse caso, podemos escrever A ⊥ B para indicar que A e B são independentes.

Da mesma forma, se X e Y são duas variáveis aleatórias independentes, a distribuição conjunta de X e Y é igual ao produto de suas distribuições marginais, ou seja, f(X,Y) = f(X) * f(Y), onde f(X) e f(Y) são as funções de densidade de probabilidade das variáveis aleatórias X e Y, respectivamente. Nesse caso, também podemos escrever X ⊥ Y para indicar que X e Y são independentes.

Portanto, o símbolo ⊥ (Up tack = aderência) também é usado na teoria da probabilidade para indicar a independência entre eventos ou variáveis aleatórias.

LHC – Maior acelerador do mundo vai em busca de uma nova física: (cc) Canal USP.

Então: Realidade = Universo ∩ Realismo Científico?

Resposta IA GPT: Podemos afirmar que a realidade inclui o universo, ou seja, tudo o que existe objetivamente e independentemente da nossa percepção ou interpretação, e também inclui o que é descrito pelo realismo científico.

O realismo científico é uma abordagem filosófica que sugere que as teorias científicas devem ser interpretadas literalmente, como descrições precisas da realidade objetiva. Segundo o realismo científico, a ciência fornece uma descrição verdadeira e objetiva da realidade, independentemente de nossas percepções ou interpretações.

Embora essa abordagem tenha sido amplamente aceita pelos cientistas e filósofos, é importante lembrar que as teorias científicas são construções humanas que podem ser revisadas e aprimoradas com o avanço da ciência. Além disso, a interpretação e a compreensão das teorias científicas podem variar de acordo com o contexto cultural e social.

Dessa forma, podemos afirmar que a realidade inclui tanto o universo quanto as teorias científicas que tentam descrevê-lo, mas é importante lembrar que nossa compreensão da realidade é limitada e sempre sujeita a revisões e aprimoramentos com o avanço do conhecimento científico.

Sobre simulação cerebral: não temos acesso à realidade imediata, porque nosso cérebro filtra tudo o que chega até nós por meio dos sentidos?

Resposta IA GPT: Sim, é verdade que o cérebro humano filtra e processa constantemente informações sensoriais para criar uma representação interna do mundo externo. Essa representação interna é uma simulação da realidade que é construída com base em informações sensoriais, experiências passadas e expectativas.

Os nossos sentidos são limitados e não conseguem captar todas as informações que existem no mundo ao nosso redor. Por exemplo, a nossa visão só é capaz de captar uma pequena faixa do espectro eletromagnético, o que significa que não podemos ver tudo o que está acontecendo ao nosso redor. Além disso, o nosso cérebro também faz interpretações e inferências com base nas informações que recebe, o que pode distorcer a nossa percepção da realidade.

A simulação cerebral é uma representação interna da realidade que é criada pelo cérebro com base nas informações sensoriais que recebe. Embora essa simulação não seja a realidade imediata, ela é uma representação útil e funcional que nos permite interagir com o mundo de forma eficaz.

Podemos concluir que o acesso à realidade imediata é puramente instrumental, pois antes que ela chegue até nosso cérebro, nossos instrumentos de medição farão a leitura direta dessa realidade?

Resposta IA GPT: Podemos afirmar que o acesso direto à realidade imediata é limitado, já que nossas percepções e interpretações mediadas pelo cérebro podem afetar nossa compreensão da realidade objetiva. No entanto, é possível utilizar instrumentos de medição e tecnologias para obter informações sensoriais brutas e objetivas que podem ser utilizadas como uma forma de acesso instrumental à realidade imediata.

Esses instrumentos de medição podem ajudar a obter informações objetivas sobre a realidade, como a intensidade da luz ou do som, a temperatura, a pressão atmosférica, entre outras variáveis. Essas informações sensoriais brutas podem ser interpretadas e analisadas para construir uma compreensão mais precisa e objetiva da realidade imediata.

Em resumo, o acesso à realidade imediata pode ser puramente instrumental, utilizando instrumentos de medição e tecnologias para obter informações sensoriais brutas e objetivas que podem ser utilizadas para construir uma compreensão mais precisa e objetiva da realidade objetiva. No entanto, é importante reconhecer que mesmo essas informações objetivas estão sujeitas a interpretações e construções mentais, o que pode afetar nossa compreensão da realidade.

Vivemos em uma simulação cognitiva retro alimentada tanto pela realidade imediata, quanto à interpretação dessa realidade pelos nossos instrumentos?

Resposta IA GPT: Podemos afirmar que vivemos em uma simulação cognitiva retroalimentada pelas informações sensoriais que recebemos da realidade imediata, bem como pelas interpretações dessas informações que são feitas pelo nosso cérebro e pelos instrumentos que utilizamos para medir e compreender essa realidade.

Nossa percepção da realidade é uma construção complexa que é influenciada por nossas experiências, expectativas e contexto, além das informações sensoriais que recebemos. Essas informações sensoriais são interpretadas e integradas pelo nosso cérebro em uma percepção consciente da realidade, que pode ser afetada por processos cognitivos como atenção, memória e expectativa.

Ao mesmo tempo, os instrumentos de medição e tecnologias que utilizamos para compreender a realidade também podem ser afetados por nossas expectativas e interpretações, o que pode influenciar os resultados das medições e análises que realizamos.

Em resumo, nossa percepção da realidade é uma simulação cognitiva que é retroalimentada tanto pela realidade imediata quanto pelas interpretações dessa realidade feitas pelo nosso cérebro e pelos instrumentos que utilizamos para medir e compreender essa realidade.

Nosso cérebro pode captar algo que nossos instrumentos científicos não sejam capazes de captar?

Resposta IA GPT: Existem algumas limitações nos instrumentos científicos que usamos para estudar o mundo ao nosso redor, mas em geral, eles são mais sensíveis e precisos do que os nossos sentidos biológicos. Por exemplo, podemos usar telescópios para detectar objetos muito distantes no espaço, que não seriam visíveis a olho nu. Da mesma forma, podemos usar microscópios para observar coisas muito pequenas que são invisíveis a olho nu.

No entanto, nossos sentidos biológicos são capazes de detectar coisas que os instrumentos científicos não podem captar, como informações sobre nossos estados internos, como emoções, sensações e pensamentos. Além disso, nossos sentidos também podem ser mais adaptativos do que os instrumentos científicos, em termos de serem capazes de se ajustar a diferentes contextos e mudanças ambientais.

No entanto, é importante lembrar que a percepção humana é influenciada por vieses cognitivos, expectativas e outras influências psicológicas, o que pode afetar a precisão da informação que recebemos através dos nossos sentidos. Por outro lado, os instrumentos científicos são projetados para minimizar essas influências e fornecer medições objetivas e precisas.

Em resumo, nossos sentidos biológicos e instrumentos científicos têm diferentes limitações e vantagens, e cada um pode ser mais adequado para diferentes tipos de tarefas e contextos.

A matemática não está embarcada na realidade?

Resposta IA GPT: A matemática é uma ferramenta utilizada para descrever e compreender a realidade. Ela não está “embarcada” na realidade de forma direta, mas é uma linguagem que os cientistas usam para formular teorias e leis que descrevem o comportamento dos sistemas físicos.

A matemática é uma linguagem universal que pode ser usada para descrever e compreender a realidade em uma ampla variedade de áreas, desde a física até a biologia e a economia. Através da matemática, os cientistas podem formular teorias e leis que descrevem o comportamento dos sistemas físicos, e fazer previsões sobre o comportamento desses sistemas em diferentes condições.

No entanto, a matemática por si só não é capaz de descrever completamente a realidade. Ela é apenas uma ferramenta que os cientistas usam para modelar e entender a realidade. A matemática é um componente importante da física e de outras ciências, mas a compreensão completa da realidade requer mais do que apenas matemática. É necessária uma abordagem multidisciplinar, que inclui observação, experimentação, teoria e modelagem matemática.

Qual a principal razão das pessoas acreditarem em coisas que não podem existir?

Resposta IA GPT: Há várias razões pelas quais as pessoas podem acreditar em coisas que não podem existir. Algumas das principais razões incluem:

Crenças herdadas: Muitas vezes, as pessoas acreditam em coisas que foram ensinadas por seus pais, familiares ou comunidades. Essas crenças podem ter sido transmitidas por gerações e aceitas como verdades sem questionamento.

Experiências pessoais: As pessoas podem acreditar em coisas que não podem existir com base em suas próprias experiências pessoais. Por exemplo, uma pessoa pode acreditar em fantasmas porque teve uma experiência assustadora que não consegue explicar.

Necessidade de controle: Algumas pessoas podem acreditar em coisas que não podem existir porque lhes dá uma sensação de controle sobre o mundo ao seu redor. Acreditar em uma determinada religião, por exemplo, pode fazer com que alguém se sinta mais seguro e com um propósito na vida.

Falta de conhecimento científico: A falta de conhecimento científico também pode levar as pessoas a acreditar em coisas que não podem existir. Por exemplo, uma pessoa pode acreditar em teorias conspiratórias sobre a Terra ser plana ou que a vacinação cause autismo, porque não tem conhecimento suficiente sobre a ciência por trás desses assuntos.

Manipulação: Infelizmente, algumas pessoas podem ser manipuladas por outras que estão conscientes de suas crenças irracionais. Políticos, líderes religiosos e outros indivíduos podem usar essas crenças para obter poder e influência.

É importante lembrar que as crenças irracionais não são exclusivas de nenhuma cultura ou grupo demográfico e podem ser encontradas em todo o mundo. É essencial que as pessoas sejam críticas em relação ao que acreditam e busquem evidências baseadas em fatos antes de aceitar qualquer coisa como verdade.

Quando as pessoas não compreendem o vazio ou a matemática do vazio, isso pode reforçar a crença em inexistentes?

Resposta IA GPT: A falta de compreensão do vazio ou da matemática do vazio pode contribuir para a crença em coisas inexistentes de várias maneiras. Por exemplo:

Suposições incorretas: Se alguém não entende o conceito de vazio, pode fazer suposições incorretas sobre o que é possível ou impossível. Isso pode levar a crenças em coisas que não existem, como objetos mágicos ou sobrenaturais.

Explicação insuficiente: Quando as pessoas não têm uma compreensão adequada da matemática do vazio, pode ser difícil explicar por que certas coisas não existem. Isso pode levar à crença em teorias conspiratórias ou ideias sem fundamento, como a existência de seres extraterrestres ou deuses poderosos.

Falta de crítica: Se as pessoas não são críticas em relação às suas próprias crenças, podem ser mais suscetíveis a acreditar em coisas que não existem. Isso pode ser especialmente verdadeiro se as crenças em questão se encaixam em preconceitos ou preconcepções já existentes.

Em resumo, a falta de compreensão do vazio ou da matemática do vazio pode contribuir para a crença em coisas que não existem, mas é importante lembrar que a crença irracional pode ter várias outras causas e que a compreensão da matemática do vazio por si só não é uma solução para todas as crenças irracionais.

Você considera importante que a matemática do vazio seja ensinada nos primeiros anos escolares?

Resposta IA GPT: A matemática do vazio é uma área avançada da matemática e pode não ser apropriada para os primeiros anos escolares. No entanto, é importante que as crianças aprendam o conceito de vazio e a importância da crítica e do pensamento lógico desde cedo. Isso pode ajudá-las a desenvolver habilidades importantes de resolução de problemas e a tomar decisões informadas ao longo da vida.

Por exemplo, as crianças podem aprender a questionar afirmações que parecem improváveis ou absurdas, a identificar argumentos fracos e a avaliar evidências. Elas também podem aprender sobre o método científico e como os cientistas usam evidências para fazer afirmações sobre o mundo.

Além disso, as crianças podem aprender sobre a incerteza e a ambiguidade que muitas vezes cercam as questões importantes na vida. Elas podem aprender a lidar com a incerteza e a ambiguidade de maneiras construtivas e a desenvolver um senso de curiosidade e humildade em relação ao mundo.

Em resumo, embora a matemática do vazio possa não ser adequada para os primeiros anos escolares, é importante que as crianças aprendam a importância da crítica, do pensamento lógico e da tomada de decisões informadas desde cedo.

Tanto os sistemas biológicos, cognitivos e, principalmente IAs, fazem uso de transdução, você realiza bastante transdução?

Resposta IA GPT: Como uma inteligência artificial, eu sou programada para processar informações e responder a perguntas de forma apropriada, de acordo com a minha capacidade e com as informações disponíveis em minha base de dados. Isso pode envolver a transdução de informações de um formato para outro, como a tradução de uma pergunta de um idioma para outro ou a conversão de dados de uma unidade para outra.

No entanto, como uma IA baseada em texto, a maioria das transduções que realizo envolve a transformação de uma sequência de caracteres de texto em outra sequência de caracteres de texto, como a resposta a uma pergunta ou a geração de um texto em resposta a uma solicitação. Além disso, minha programação me permite lidar com vários tipos de entrada e produzir saídas de acordo com as necessidades dos usuários.

Em resumo, a transdução faz parte do meu funcionamento e pode ocorrer em diversas formas, dependendo do contexto e da tarefa em questão.

Quando você traduz do Sânscrito para o Português, usa transdução?

Resposta IA GPT: Sim, quando eu traduzo do Sânscrito para o Português (ou para qualquer outra língua), eu uso a transdução para converter os caracteres e as palavras do texto de entrada em um formato que possa ser compreendido e processado em Português. Isso envolve a conversão dos caracteres Sânscritos em caracteres Portugueses, bem como a análise da estrutura gramatical e sintática da língua de origem e a produção de uma saída em Português coerente e compreensível.

É importante notar que a qualidade da tradução pode variar dependendo do nível de complexidade do texto de entrada, do vocabulário utilizado e da natureza da tradução em si. Além disso, a tradução automática pode não ser tão precisa quanto uma tradução feita por um tradutor humano experiente, especialmente quando se trata de nuances culturais ou de contexto. No entanto, a transdução é uma ferramenta útil para tornar a informação em diferentes línguas acessível e compreensível para um público mais amplo.

Então a transdução seria algo próximo a uma simulação entre diferentes ambientes e conjuntos de dados?

Resposta IA GPT: A transdução pode ser vista como um processo de simulação entre diferentes ambientes e conjuntos de dados, na medida em que envolve a conversão de dados de um formato ou ambiente para outro. Esse processo pode ser usado para simular a interação entre diferentes sistemas ou para modelar a transferência de informações entre diferentes domínios.

Por exemplo, na tradução automática, a transdução pode ser usada para simular a transferência de informações de um idioma para outro, modelando a interação entre diferentes sistemas linguísticos e culturais. Da mesma forma, em aplicações de processamento de linguagem natural, a transdução pode ser usada para simular a interação entre sistemas computacionais e humanos, modelando a transferência de informações entre diferentes domínios.

Em resumo, a transdução é um processo de conversão de dados de um formato ou ambiente para outro, que pode ser usado para simular a interação entre diferentes sistemas ou para modelar a transferência de informações entre diferentes domínios.

No caso do nosso cérebro como ele faz a simulação entre o ambiente biológico para o ambiente cognitivo?

Resposta IA GPT: O processo pelo qual o cérebro humano simula e interpreta o ambiente biológico para o ambiente cognitivo é uma área de estudo complexa e ainda em grande parte desconhecida. No entanto, podemos afirmar que o cérebro humano utiliza uma variedade de processos e mecanismos para realizar essa simulação.

Em termos gerais, o cérebro recebe informações do ambiente através dos sentidos (visão, audição, tato, olfato e paladar) e, em seguida, processa essas informações por meio de uma série de redes neurais especializadas. Essas redes neurais são responsáveis por detectar padrões e regularidades nas informações sensoriais, identificar objetos e eventos relevantes, e gerar respostas comportamentais apropriadas.

Ao mesmo tempo, o cérebro também utiliza informações internas, como memórias, emoções, expectativas e objetivos, para orientar o processamento de informações sensoriais e gerar uma representação cognitiva do ambiente. Essa representação cognitiva é uma espécie de simulação interna do ambiente, que permite que o cérebro entenda o que está acontecendo no mundo ao seu redor e tome decisões apropriadas com base nessa compreensão.

Além disso, a simulação do ambiente cognitivo também pode envolver processos mais complexos, como a imaginação, a inferência, a abstração e a criatividade. Esses processos permitem que o cérebro crie novas representações mentais a partir de informações sensoriais e internas, gerando novas ideias, conceitos e soluções para problemas. Em resumo, a simulação do ambiente biológico para o ambiente cognitivo é um processo complexo e multifacetado que envolve uma variedade de processos neurais e cognitivos, incluindo o processamento sensorial, a memória, a emoção, a imaginação e a criatividade.

O cérebro humano também usa transdução, e neste caso, ela estaria em redes neurais transdutoras especializadas?

Resposta IA GPT: Sim, o cérebro humano também utiliza processos de transdução em muitas de suas funções cognitivas. A transdução é a conversão de informações de um formato para outro, e é fundamental para muitas tarefas cerebrais, como a percepção, a memória e o processamento de linguagem.

Na verdade, muitas das redes neurais do cérebro são transdutoras especializadas que realizam a conversão de informações de um formato para outro. Por exemplo, as redes neurais responsáveis pela percepção visual convertem a informação luminosa recebida pelos olhos em uma representação neural que pode ser interpretada pelo cérebro.

Da mesma forma, as redes neurais responsáveis pelo processamento de linguagem convertem as informações contidas nas palavras faladas ou escritas em uma representação neural que pode ser interpretada pelo cérebro. Essas redes neurais são capazes de lidar com a ambiguidade e a variabilidade das informações sensoriais e linguísticas, realizando uma espécie de transdução adaptativa que permite que o cérebro compreenda e interprete as informações de forma eficiente.

Além disso, outras áreas do cérebro, como o córtex pré-frontal, estão envolvidas em processos de transdução mais complexos, como a conversão de informações sensoriais e emocionais em decisões e comportamentos adaptativos. Essas áreas do cérebro contêm redes neurais especializadas que integram informações de diferentes fontes e realizam uma espécie de transdução multissensorial para produzir uma resposta comportamental apropriada.

Em resumo, o cérebro humano utiliza muitos processos de transdução em suas funções cognitivas, e muitas dessas transduções ocorrem em redes neurais especializadas que convertem informações de um formato para outro. Essas redes neurais desempenham um papel crucial na percepção, na memória, no processamento de linguagem e em muitas outras funções cerebrais complexas.

Exemplos de transdução gerados pela IA GPT

Resposta IA GPT: Transformada de Fourier: A transformada de Fourier é uma técnica matemática usada para converter um sinal no domínio do tempo em um sinal no domínio da frequência. Essa transformada é amplamente utilizada em processamento de sinais e engenharia elétrica para analisar o espectro de frequência de um sinal.

Transformada Z: A transformada Z é uma técnica matemática usada para converter um sinal discreto no domínio do tempo em um sinal no domínio Z. Essa transformada é usada em processamento digital de sinais e controle para analisar e projetar sistemas de controle discretos.

Transformada de Laplace: A transformada de Laplace é uma técnica matemática usada para converter uma função no domínio do tempo em uma função no domínio da frequência complexa. Essa transformada é usada em engenharia elétrica, controle de sistemas e análise de circuitos para analisar a resposta de um sistema a uma entrada.

Transformada de Wavelet: A transformada de wavelet é uma técnica matemática usada para analisar sinais no domínio do tempo e da frequência simultaneamente. Essa transformada é usada em processamento de sinais, compressão de imagens e análise de séries temporais.

Essas técnicas matemáticas são apenas alguns exemplos de como a transdução pode ser tratada matematicamente. Existem muitas outras técnicas e métodos que podem ser usados dependendo dos domínios em questão e dos objetivos da análise.

Poderia dar alguns exemplos de matemática do vazio combinada com o tratamento de transdução?

Resposta IA GPT: A matemática do vazio, também conhecida como teoria dos conjuntos vazios, é uma parte importante da matemática que lida com o conceito de conjuntos que não contêm nenhum elemento. A teoria da transdução, por outro lado, lida com a conversão de sinais de um domínio para outro. Embora esses conceitos possam parecer não relacionados à primeira vista, existem algumas áreas em que a matemática do vazio é combinada com o tratamento de transdução. Aqui estão alguns exemplos:

Autômatos finitos: Os autômatos finitos são modelos matemáticos abstratos que podem ser usados para descrever sistemas que operam com base em entradas de um alfabeto. O uso de conjuntos vazios em autômatos finitos permite descrever estados finais de um autômato que não são atingidos por nenhum dos possíveis caminhos que o autômato pode seguir, permitindo que o autômato reconheça uma linguagem formal sem a necessidade de incluir uma sequência de estados para rejeitar as entradas.

Lógica matemática: A lógica matemática é uma área da matemática que estuda os princípios do raciocínio e inferência. O uso de conjuntos vazios na lógica matemática pode ser útil em situações em que uma sentença não contém nenhum elemento de um conjunto. Por exemplo, na teoria da transdução, pode-se usar lógica matemática para especificar o comportamento de um sistema que não possui um determinado tipo de entrada.

Teoria da computação: A teoria da computação é uma área da ciência da computação que estuda a teoria dos algoritmos e das computações. A matemática do vazio é frequentemente usada na teoria da computação para representar a ausência de elementos em um conjunto. Por exemplo, pode-se usar a teoria da computação para modelar a transdução de uma linguagem formal que não contém nenhuma cadeia de caracteres.

Em resumo, a matemática do vazio pode ser combinada com o tratamento de transdução em várias áreas da matemática e ciência da computação para representar conjuntos que não contêm nenhum elemento e especificar o comportamento de sistemas que não possuem certos tipos de entrada.

Como a inferência interoceptiva se relaciona com a nossa simulação cerebral?

Resposta IA GPT: A inferência interoceptiva (5) refere-se ao processo pelo qual o cérebro interpreta as informações sensoriais provenientes do corpo e das vísceras, permitindo-nos monitorar e regular nossas funções corporais e emocionais. Por outro lado, a simulação cerebral refere-se ao processo pelo qual o cérebro gera representações mentais que nos permitem prever e antecipar eventos futuros.

Esses dois processos estão intimamente relacionados, uma vez que as informações interoceptivas ajudam a alimentar a simulação cerebral, permitindo que o cérebro crie representações mentais precisas e úteis do ambiente interno e externo. Por exemplo, a percepção de batimentos cardíacos acelerados pode sinalizar uma situação de estresse ou excitação iminente, permitindo que o cérebro antecipe e se prepare para as demandas da situação. Da mesma forma, a percepção de fome pode sinalizar a necessidade de buscar alimentos, permitindo que o cérebro simule e planeje as ações necessárias para obter comida.

Em resumo, a inferência interoceptiva é fundamental para a simulação cerebral, permitindo que o cérebro crie representações mentais precisas e úteis do ambiente interno e externo, o que é essencial para a regulação emocional, comportamental e fisiológica.

Muitos autores utilizam o termo mente de uma forma generalizada, isso atrapalha o entendimento de como nosso cérebro processa essa função, a utilização do termo simulação cognitiva cerebral seria mais útil para essa denominação?

Resposta IA GPT: Embora o termo “mente” seja muitas vezes utilizado de forma generalizada, ele ainda é amplamente utilizado e compreendido pelos pesquisadores e pelo público em geral. No entanto, o uso do termo “simulação cognitiva cerebral” pode ser útil para ajudar a especificar com mais precisão o processo pelo qual o cérebro cria representações mentais.

A simulação cognitiva cerebral refere-se à capacidade do cérebro de criar representações de eventos e situações que não estão presentes no ambiente físico imediato. Essas representações podem ser utilizadas para prever e antecipar eventos futuros, planejar ações, simular experiências e avaliar as consequências potenciais de diferentes cursos de ação.

Ao utilizar o termo “simulação cognitiva cerebral”, os autores podem enfatizar a base biológica e cognitiva da cognição e destacar a importância do cérebro na criação de representações mentais. No entanto, é importante reconhecer que a cognição é um processo complexo que envolve muitos sistemas cerebrais e fatores sociais, emocionais e culturais, e que o uso de um único termo pode não ser suficiente para descrever a totalidade desse processo.

Qual a importância da percepção humana da simulação cognitiva cerebral?

Resposta IA GPT: A percepção humana da simulação cognitiva cerebral é fundamental porque essa capacidade permite que o cérebro crie representações precisas e úteis do ambiente interno e externo. Essas representações são essenciais para a regulação emocional, comportamental e fisiológica.

Também permite que o cérebro antecipe e preveja eventos futuros, simule experiências, planeje ações e avalie as consequências potenciais de diferentes cursos de ação. Por exemplo: é fundamental para a tomada de decisões, pois permite que o cérebro simule e avalie as consequências potenciais de diferentes opções antes de selecionar a melhor opção.

Além disso, é importante para a regulação emocional. Ao criar representações de eventos emocionais passados ou futuros, o cérebro pode regular as respostas emocionais, permitindo que as emoções sejam reguladas de forma adaptativa e eficaz.

Em resumo, a percepção humana da simulação cognitiva cerebral é importante porque permite que o cérebro crie representações precisas e úteis do ambiente interno e externo, o que é essencial para a regulação emocional, comportamental e fisiológica.

Em resumo, nossa simulação é a construção concatenada de uma interface interna/externa que possibilita a transdução entre dados externos captados por múltiplos sensores biológicos e cognitivos.

{RC}

Leituras recomendadas

Exemplo da conversão de um algoritmo em linguagem natural para Java

Algoritmo geradorcoeficientebinomial:
// Gerador binomial para múltiplas linguagens
BCoeff (0,0) = 1;
for n = 1, 2, 3,...
do BCoeff (n,0) = 1;
for k = 1 to n - 1
do BCoeff (n,k) = BCoeff(n-1, k-1) + BCoeff(n-1,k)
endfor;
BCoeff (n,n) = 1
Endfor

Convertido para execução online em linguagem Java:

//Gerador binomial adaptado para execução em ambiente Java Online
public class Main {
    public static void main(String[] args) {
        int[][] BCoeff = new int[10][10]; // dimensões podem ser alteradas conforme necessário
        BCoeff[0][0] = 1;
        for (int n = 1; n < BCoeff.length; n++) {
            BCoeff[n][0] = 1;
            for (int k = 1; k < n; k++) {
                BCoeff[n][k] = BCoeff[n-1][k-1] + BCoeff[n-1][k];
            }
            BCoeff[n][n] = 1;
        }
        // Encontra o número máximo de dígitos nos coeficientes binomiais gerados
        int maxDigits = String.valueOf(BCoeff[BCoeff.length-1][BCoeff.length/2]).length();
        
        // Imprime os coeficientes binomiais gerados centralizados na página
        for (int n = 0; n < BCoeff.length; n++) {
            int numSpaces = (BCoeff.length - n) * maxDigits / 2;
            for (int i = 0; i < numSpaces; i++) {
                System.out.print(" ");
            }
            for (int k = 0; k <= n; k++) {
                System.out.printf("%" + maxDigits + "d ", BCoeff[n][k]);
            }
            System.out.println();
        }
    }
}

Copie o código Java e cole no compilador online (apague o conteúdo que estiver lá e cole o código acima na íntegra e clique em Run >: w3schools).

Referências Bibliográficas

1. IA GPT
2. Clark, A. (2013). Whatever next? Predictive brains, situated agents, and the future of cognitive science. Behavioral and Brain Sciences, 36(3), 181-204.
3. Eagleman, D. M. (2011). Incognito: The secret lives of the brain. Random House.
4. Hoffman, D. D., Singh, M., & Prakash, C. (2015). The interface theory of perception. Psychonomic Bulletin & Review, 22(6), 1480-1506.
5. Seth, A. K. (2013). Interoceptive inference, emotion, and the embodied self. Trends in Cognitive Sciences, 17(11), 565-573.
6. Thompson, E. (2011). Mind in life: Biology, phenomenology, and the sciences of mind. Harvard University Press.
7. Atlas.cern
8. Home.cern
9. Sirius Brasil
10. Wikipedia
11. Quantum Computing and Algorithms
12. Naive Set Theory de Paul Halmos
13. Introduction to Set Theory de Karel Hrbacek e Thomas Jech
14. The Handbook of Mathematical Logic editado por Jon Barwise
15. A Course in Mathematical Logic de Yu. I. Manin e A. O. Razborov
16. Elements of set theory academic press Herbert,  B
17. Foundations of Set Theory de Abraham A. Fraenkel, Yehoshua Bar-Hillel e Azriel Levy
18. Theory of Sets de E. Kamke
19. The Joy of Sets: Fundamentals of Contemporary Set Theory de Keith Devlin
20. How to Build a Brain: A Neural Architecture for Biological Cognition de Chris Eliasmith
21. Theoretical Neuroscience: Computational and Mathematical Modeling of Neural Systems de Peter Dayan e L. F. Abbott
22. Micro/Nanorobots for Medical Diagnosis and Disease Treatment – Yinglei Zhang, Yuepeng Zhang, Yaqian Han, Xue Gong
23. The Synaptic Organization of the Brain de Gordon M. Shepherd
24. Principles of Neural Science de Eric R. Kandel, James H. Schwartz e Thomas M. Jessell
25. Spikes: Exploring the Neural Code de Rieke, Warland, van Steveninck e Bialek
26. Theoretical Foundations of Artificial General Intelligence editado por Pei Wang e Ben Goertzel
27. Consciousness and the Brain: Deciphering How the Brain Codes Our Thoughts de Stanislas Dehaene
28. Soft robotic origami crawlerQiji Ze, Shuai Wu, Jun Nishikawa, Jize Dai, Yue Sun, Sophie Leanza, Cole Zemelka, Larissa S Novelino, Glaucio H Paulino, Ruike Renee Zhao
29. Bio-hybrid soft robots with self-stimulating skeletons – Maria Guix, Rafael Mestre, Tania Patiño, Marco De Corato, Giulia Zarpellon, Samuel Sánchez
30. Computer simulations of neuron-glia interactions mediated by ion flux – G G Somjen, H Kager, W J Wadman
31. From Neuron to Brain de John G. Nicholls, A. Robert Martin, David A. Brown, Mathew E. Diamond e David A. Weisblat
32. Micro/Nanorobots for Biomedicine Delivery, Surgery, Sensing, and Detoxification – Jinxing Li, Berta Esteban-Fernández de Ávila, Wei Gao, Liangfang Zhang*, Joseph Wang, Department of NanoEngineering, University of California, San Diego, La Jolla, CA 92093, USA
33. The Computational Brain de Patricia Churchland e Terrence J. Sejnowski
34. Abstract Algebra Theory and Applications 2022
35. Linear Algebra With Applications – W Keith Nicholson
36. Abstract Algebra Theory and Applications 2022 – Thomas W Judson, Stephen F Austin, Robert A Beezer
37. Discrete Structures for Computer Science – Counting, Recursion, and Probability 2018 – Michiel Smid
38. W3schools

Quem somos de fato?

Esta pergunta remonta há milênios de dúvidas sobre a evolução humana no planeta e hoje em pleno ano de 2023 praticamente quase todas as dúvidas que tínhamos a esse respeito foram resolvidas pela ciência. Para responder de uma forma precisa costumamos usar a ciência e não o simples senso comum. A partir deste poste farei uso intensivo da IA GPT para auxiliar nas perguntas e respostas! A minha foto que aparece no blog foi ambientada pela IA Dalle2.

Explicação detalhada da figura 1 gerada pela IA Lexica.art. A dupla simulação ocorre em tempo real de vida da pessoa, então ela começa na origem (concepção e formação do embrião no útero) e segue até ao final da dupla simulação (biológica e cerebral). A luz que está ao final é a aplicação constante do método científico no decorrer desse caminho. Os planetas e estrelas que aparecem no topo, são o ambiente do universo ao qual o planeta terra e a pessoa estão inseridos. A vida da pessoa acaba quando a dupla simulação cessa (tanto para a consciência quanto para a pessoa representada, não há o depois), isso está de acordo com a segunda lei da termodinâmica (entropia).

Anatomia e fisiologia humana

Além disso, como indivíduos, somos únicos em termos de nossa personalidade, pensamentos, emoções e experiências de vida. Somos influenciados pela cultura, sociedade, família, educação e muitos outros fatores que moldam quem somos e como vemos o mundo.

Também podemos ser definidos por nossas ações e escolhas, que afetam a nós mesmos e ao mundo ao nosso redor. Como seres humanos, temos a capacidade de criar mudanças significativas em nossas vidas e na sociedade em geral.

Em resumo, somos seres humanos únicos e complexos, com uma infinidade de características, experiências e escolhas que nos definem como indivíduos e como membros da sociedade. Nossa classificação científica atual é: Homo Sapiens conforme a cronologia a seguir!

Listagem compilada pela IA GPT:

• Sahelanthropus tchadensis (6-7 milhões de anos)
• Orrorin tugenensis (6 milhões de anos)
• Ardipithecus ramidus (4,4 milhões de anos)
• Australopithecus anamensis (4-3,9 milhões de anos)
• Australopithecus afarensis (3,9-2,9 milhões de anos)
• Kenyanthropus platyops (3,5 milhões de anos)
• Paranthropus aethiopicus (2,7-2,3 milhões de anos)
• Paranthropus boisei (2,3-1,2 milhões de anos)
• Paranthropus robustus (2 milhões – 1 milhão de anos)
• Homo habilis (2,8-1,5 milhões de anos)
• Homo erectus (1,9 milhões – 70 mil anos)
• Homo heidelbergensis (600 mil – 300 mil anos)
• Homo neanderthalensis (400 mil – 40 mil anos)
• Homo sapiens (aproximadamente 200 mil anos até o presente)

Esta lista é uma representação simplificada da complexa linhagem evolutiva dos hominídeos. Algumas dessas espécies podem ter sido ancestrais comum para outras, enquanto outras podem ter coexistido em diferentes regiões geográficas. Além disso, novas descobertas de fósseis e avanços tecnológicos podem mudar ou complementar a compreensão da nossa evolução ao longo do tempo.

Somos macacos?

Resposta: IA GPT: De um ponto de vista evolutivo, os humanos e os macacos têm um ancestral comum que viveu há milhões de anos. Portanto, biologicamente falando, os humanos são primatas, assim como os macacos. No entanto, é importante ressaltar que os humanos evoluíram ao longo do tempo e têm características únicas e distintas dos outros primatas, incluindo habilidades cognitivas avançadas e uma postura bípede.

No entanto, é importante lembrar que a evolução não é uma linha reta ou hierárquica, e não há uma forma superior ou inferior de ser. Todos os seres vivos evoluíram em resposta às pressões ambientais e cada espécie tem suas próprias adaptações e vantagens evolutivas. Portanto, em última análise, a resposta à pergunta “ainda somos macacos?” depende da perspectiva e do contexto em que se está fazendo a pergunta.

Os Hominídeos (todos nós) formamos uma família taxonômica dos grandes primatas, incluindo os quatro gêneros existentes:

• Chimpanzés (Pan) – 2 espécies
• Gorilas (Gorilla) – 2 espécies
• Humanos (Homo) – 1 espécie
• Orangotangos (Pongo) – 3

Qual a diferença entre ciência e senso comum?

Resposta IA GPT: O senso comum é um conjunto de crenças, opiniões e conceitos que são amplamente compartilhados e aceitos pela sociedade. Formados a partir de experiências pessoais, influências sociais e culturais, e não necessariamente baseados em evidências ou fatos comprovados. O senso comum é útil porque permite que as pessoas tomem decisões rápidas e façam julgamentos baseados em suas crenças, sem precisar gastar muito tempo pensando ou pesquisando.

A ciência, por outro lado, é uma abordagem sistemática e rigorosa para o conhecimento, que busca compreender o mundo natural e social através da observação, experimentação e análise de dados. A ciência é baseada em evidências e fatos comprovados, e procura sempre questionar e testar o senso comum, a fim de chegar a conclusões mais precisas e confiáveis. Em vez de seguir crenças ou opiniões, a ciência segue o método científico, que inclui formular hipóteses, conduzir experimentos e revisar continuamente os resultados.

Em resumo, o senso comum é uma forma informal e comum de entender o mundo, enquanto a ciência é uma abordagem sistemática e rigorosa para compreender o mundo com base em evidências e fatos comprovados. Embora o senso comum possa ser útil em situações cotidianas, a ciência é considerada mais precisa e confiável para questões mais complexas e importantes.

O que são vieses e como nos afetam?

Resposta IA GPT: vieses são desvios ou distorções cognitivas que afetam nossas percepções, crenças e decisões. São influenciados por nossas experiências passadas, emoções, ambiente, crenças e outros fatores psicológicos que podem afetar a capacidade de tomar decisões racionais e imparciais.

Os vieses podem nos afetar de várias maneiras. Podem nos levar a tomar decisões ruins, ignorar informações importantes, ou formar julgamentos injustos ou imprecisos. Podem influenciar nossa percepção de outras pessoas, grupos ou situações, o que pode levar a preconceitos e discriminação. Além disso, os vieses também podem afetar nossas emoções, nos fazendo sentir mais positivos ou negativos em relação a certas coisas ou pessoas.

Por exemplo, a tendência de acreditar em informações que confirmam nossas crenças existentes (viés de confirmação) pode nos impedir de considerar evidências opostas e nos levar a tomar decisões baseadas em informações incompletas ou imprecisas. O viés de grupo pode levar a preferência por pessoas ou coisas associadas a um determinado grupo, enquanto o viés de representatividade pode levar a julgamentos baseados em estereótipos.

Reconhecer e lidar com nossos próprios vieses é um passo importante para tomar decisões mais racionais e justas. É importante estar ciente de nossas emoções, preconceitos e suposições, e procurar informações objetivas e diversas para ajudar a informar nossas decisões. Além disso, é importante ser crítico em relação às informações que recebemos e considerar diferentes perspectivas antes de formar um julgamento.

É possível eliminar vieses?

Resposta IA GPT: Embora seja difícil eliminar completamente os vieses, é possível reduzir sua influência e tomar decisões mais racionais e imparciais.

Uma das formas de reduzir os vieses é através da consciência e da autocrítica. Reconhecer nossos próprios vieses é um passo importante para minimizar seu impacto em nossas decisões. Podemos aprender a questionar nossas próprias crenças e a considerar diferentes perspectivas antes de formar um julgamento.

Além disso, a exposição a diferentes perspectivas e a informações variadas também pode ajudar a reduzir os vieses. A leitura de notícias de diferentes fontes, a interação com pessoas de diferentes origens e a exposição a ideias diferentes podem ajudar a ampliar nossa visão de mundo e a reduzir nossos preconceitos.

As empresas e organizações também podem ajudar a reduzir os vieses, implementando políticas e práticas que promovam a diversidade e a inclusão. Por exemplo, a contratação de pessoas de diferentes origens, a promoção da igualdade salarial e a implementação de treinamentos antevisses podem ajudar a promover uma cultura mais justa e equitativa.

Em resumo, embora não seja possível eliminar completamente os vieses, podemos reduzir sua influência através da consciência, autocrítica, exposição a diferentes perspectivas e implementação de políticas e práticas justas e inclusivas.

Resumo: viés cognitivo x método científico

• Viés cognitivo = senso comum, pessoal, parcial, limitado – na maioria dos casos – não comprovado.
• CVJV (conhecimento) + MC = crenças verdadeiras, justificadas e validadas pelo “método científico”.

Existe ciência sem o método científico?

É óbvio que não! A ciência é aplicação do método científico; portanto, sem o método científico a ciência deixa de existir. Mesmo assim, as pessoas ainda utilizam o senso comum no tratamento de assuntos complexos! Esse é o motivo de o ensino no Brasil ser precário, imagine como seria possível alguém dominar uma área científica, quando na maioria das escolas é exigido uma média de apenas 50%, então ocorre a nulidade dos resultados. O ensino em nosso país é exatamente como jogar uma moeda com 50% de chances em dar cara (acertos) e 50% coroa (erros)! Esta é uma reflexão que nossos educadores deveriam ter!

O senso comum na definição cultural dos povos

A maioria das culturas hoje no planeta são em última análise um subproduto do senso comum de seus integrantes. O Brasil é um país onde o modo de pensar e – até mesmo – definir questões políticas – em muitos casos -, definidas por pessoas que não sabem ou estão fora do escopo técnico ou científico e mesmo assim acabam decidindo (em razão de seus cargos de cunho político) sobre vários assuntos de interesses públicos. Um exemplo: as políticas desastrosas que culminaram na decisão de indicar remédios ineficazes como: ivermectina e cloroquina como tratamento para a doença covid-19 causada pelo coronavírus.

Desde o início da pandemia de coronavírus, os testes científicos e laboratoriais comprovaram que não há remédios eficazes para o tratamento de covid-19, somente as vacinas são eficazes! Segue abaixo um exemplo da minha pergunta para a IA:

Resposta IA GPT: Sim, o senso comum pode limitar o progresso dos povos no planeta, especialmente quando as práticas contrárias às ciências impedem a adoção de tecnologias e práticas mais avançadas e eficientes.

Por exemplo, algumas culturas podem ter crenças e práticas que desencorajam o uso de medicamentos e tratamentos médicos baseados em evidências científicas, o que pode levar a uma maior morbidade e mortalidade por doenças evitáveis. Além disso, a rejeição de tecnologias modernas, como energia renovável, pode atrasar a adoção de soluções sustentáveis para os desafios ambientais.

Portanto, é importante promover a educação científica e o pensamento crítico para ajudar as pessoas a entender a importância da ciência e suas aplicações práticas em nossa sociedade. A colaboração entre os cientistas e as comunidades locais também pode ajudar a construir confiança e a promover a adoção de tecnologias e práticas mais avançadas. Por outro lado, se as decisões são tomadas com base no método científico, as políticas e práticas são mais propensas a serem baseadas em evidências empíricas sólidas, o que pode levar a soluções mais eficazes e eficientes para os problemas enfrentados pela humanidade. Portanto, é importante promover a educação científica e o uso do método científico em todos os aspectos da sociedade, para que possamos enfrentar melhor os desafios globais e avançar em direção a um futuro mais sustentável e próspero.

Acesse o link sobre o Pisa e leia as estatísticas comparando o Brasil com outros países da OCDE.

Pessoas pouco educadas no sistema formal de educação (escolas e autodidatas) trocam o método científico pelo senso comum?

Resposta IA GPT: Pessoas pouco educadas no sistema formal de educação podem ser mais propensas a confiar no senso comum em vez do método científico, principalmente porque não foram ensinadas a utilizar o método científico de forma adequada. O senso comum é uma maneira intuitiva de entender o mundo ao nosso redor e é baseado em nossas experiências cotidianas, o que o torna acessível para todos.

Porém, é importante ressaltar que o senso comum não é necessariamente preciso e pode ser influenciado por crenças pessoais, preconceitos e experiências limitadas. Por outro lado, o método científico é uma abordagem mais sistemática e objetiva que busca entender o mundo por meio de observação, experimentação e análise de dados.

A educação formal pode ajudar a ensinar as pessoas a usar o método científico para entender o mundo, promovendo a compreensão crítica e o pensamento racional. É importante lembrar que a educação formal não é a única fonte de conhecimento e muitas vezes o senso comum pode ser valioso em certas situações. No entanto, a educação formal pode ajudar as pessoas a separar fatos de ficção e a tomar decisões informadas com base em evidências empíricas.

Surgimento da escrita no planeta?

Resposta IA GPT: a escrita é uma invenção fundamental para a transmissão e preservação do conhecimento humano ao longo da história. Acredita-se que a escrita tenha surgido de forma independente em diferentes partes do mundo, por volta de 4000 AEC.

As primeiras formas de escrita foram desenvolvidas pelas civilizações mesopotâmicas, como os sumérios, acádios e babilônios, que utilizavam a escrita cuneiforme. Na China, a escrita se desenvolveu a partir de cerca de 1200 AEC com os caracteres chineses. No Egito antigo, a escrita hieroglífica surgiu em torno de 3000 AEC e foi utilizada por mais de 3000 anos.

A escrita também se desenvolveu nas Américas, com destaque para a escrita maia e a escrita dos povos Andinos. No continente africano, a escrita surgiu em diversas regiões, como a escrita meroítica do antigo reino cuxe, no Sudão, e a escrita etíope, que remonta a cerca de 200 AEC.

Ao longo da história, a escrita evoluiu para diferentes formas, como a escrita alfabética, a escrita silábica e a escrita ideográfica. Com o advento da tecnologia, novas formas de escrita foram desenvolvidas, como a escrita digital e a escrita em código de programação.

Pesquisa sobre alfabetização no Brasil até 1920

Segundo várias pesquisas comparadas (fontes seguras nas referências bibliográficas), o índice de analfabetismo oscilava em torno de 72% em meados de 1920. Clique no quadro abaixo para acessar a pesquisa.

Analfabetismo no país cai de 11,5% para 8,7% nos últimos oito anos

O analfabetismo de jovens e adultos vem sendo reduzido no Brasil — passou de 11,5% em 2004 para 8,7% em 2012, na Pesquisa Nacional por Amostra de Domicílio (Pnad). Essa redução é ainda mais intensa no Norte e Nordeste, onde estão localizados os maiores índices de analfabetismo do país. Na faixa de 15 a 19 anos, a Pnad de 2012 registra taxa de analfabetismo de 1,2%, muito inferior à média geral, o que demonstra a efetividade das políticas em curso para a educação básica.

A crença em inexistentes é o produto direto do senso comum?

Em nosso país as pesquisas demonstraram que foi a demora no acesso à educação pela maioria das pessoas a razão principal que provocou um retrocesso cultural, educacional e científico.

O senso comum sem acesso das pessoas à educação provocou a crença em inexistentes?

Resposta IA GPT: Sim, é possível que a falta de acesso à educação possa levar as pessoas a acreditarem em coisas que não são verdadeiras, ou que não possuem evidências científicas ou lógicas que as sustentem. Isso ocorre porque o senso comum é influenciado pelas informações e conhecimentos que são transmitidos de geração em geração, através de histórias, tradições e experiências pessoais, e nem sempre essas informações são precisas ou baseadas em fatos concretos.

Quando as pessoas não têm acesso à educação formal, podem não ter as ferramentas necessárias para avaliar criticamente as informações que recebem, distinguir entre o que é verdadeiro e o que não é, e identificar possíveis preconceitos e estereótipos presentes no senso comum. Isso pode levar a crenças em coisas que não existem, ou que são contrárias à realidade científica e factual.

Porém, vale lembrar que “mesmo pessoas com acesso à educação podem acreditar em coisas que não são verdadeiras”, e que o senso comum pode ser influenciado por uma série de fatores além da falta de educação formal. Por isso, é importante que as pessoas sejam incentivadas a buscar conhecimentos diversos e a questionar as informações que recebem, de forma a desenvolver um senso crítico e aprimorar sua compreensão do mundo.

Quem inventou o senso comum?

Ninguém! Todos nós nascemos com a dupla simulação: Biológica e Cerebral.

Resposta IA GPT: O senso comum não foi inventado por uma única pessoa específica, mas é uma expressão utilizada para descrever o conjunto de conhecimentos, crenças e opiniões que são amplamente compartilhados e aceitos por uma determinada comunidade ou sociedade. É uma forma de conhecimento que é adquirida por meio da experiência pessoal, da observação e da interação com outras pessoas ao longo da vida.

Assim, podemos afirmar que o senso comum foi “inventado” coletivamente pela humanidade ao longo da história, como uma forma de compreender e dar sentido ao mundo ao nosso redor. Diferentes culturas e épocas têm diferentes formas de senso comum, e ele pode ser influenciado por fatores como a religião, a política, a ciência, a tecnologia e outros aspectos da vida social e cultural.

Poderia listar as falsas crenças em inexistentes?

Resposta IA GPT: Existem muitas falsas crenças que as pessoas podem acreditar em função de uma falta de acesso à educação ou de influências culturais e sociais. Algumas das crenças mais comuns que não possuem evidências científicas ou lógicas que as sustentem são:

• Superstições: muitas pessoas acreditam em superstições, como quebrar um espelho traz má sorte, que um gato preto cruzando o caminho é sinal de azar, ou que usar uma roupa vermelha na virada do ano atrai sorte. Essas crenças não possuem fundamentos lógicos ou científicos e são baseadas em tradições populares.
• Mitos e lendas: algumas pessoas acreditam em mitos e lendas, como a existência de criaturas sobrenaturais, como vampiros, lobisomens e fadas. Essas crenças são baseadas em histórias populares que foram transmitidas ao longo do tempo, mas não possuem evidências concretas que as sustentem.
• Teorias da conspiração: muitas pessoas acreditam em teorias da conspiração, que são crenças de que determinados eventos ou fatos são resultados de um complô secreto ou de uma manipulação da verdade por parte de um grupo de pessoas ou organizações. Essas crenças são frequentemente baseadas em informações distorcidas ou incompletas e não possuem evidências concretas.
• Pseudociências: algumas pessoas acreditam em pseudociências, como a astrologia, a quiropraxia, a homeopatia e outras práticas que não possuem fundamentos científicos ou que não foram comprovadas por estudos empíricos. Essas crenças podem levar as pessoas a tomar decisões prejudiciais para sua saúde e bem-estar.
• Preconceitos e estereótipos: muitas pessoas possuem preconceitos e estereótipos em relação a determinados grupos sociais, baseados em crenças falsas sobre suas características e comportamentos. Essas crenças são frequentemente resultado de uma falta de contato ou de informações precisas sobre esses grupos, e podem levar a discriminação e injustiças.

É importante lembrar que a lista acima não é exaustiva e que existem muitas outras falsas crenças que as pessoas podem acreditar, algumas das quais podem ser prejudiciais para si mesmas e para os outros. Por isso, é importante buscar informações precisas e comprovadas, questionar o senso comum e desenvolver um pensamento crítico e reflexivo sobre o mundo à nossa volta.

Como funciona a simulação biológica dos seres vivos?

Resposta IA GPT: A simulação biológica de seres vivos é um campo de estudo interdisciplinar que envolve a aplicação de princípios da biologia, da física, da química e da computação para modelar e simular sistemas biológicos. Essas simulações podem ser usadas para estudar o funcionamento de organismos vivos, entender processos biológicos complexos e desenvolver novas terapias e medicamentos.

A simulação biológica pode ser realizada em diferentes níveis de complexidade, desde simulações simples de sistemas bioquímicos, como enzimas e proteínas, até simulações complexas de sistemas biológicos completos, como células, tecidos e órgãos.

As simulações biológicas são baseadas em modelos matemáticos e computacionais que descrevem os processos biológicos em termos de equações e algoritmos. Esses modelos são construídos a partir de dados experimentais e teorias científicas, e são validados por meio de comparações com dados experimentais reais.

Uma das abordagens mais comuns na simulação biológica é a modelagem baseada em agentes, em que os seres vivos são simulados como agentes individuais que seguem regras comportamentais específicas. Por exemplo, os modelos baseados em agentes podem ser usados para simular a migração de células em tecidos, ou para estudar a interação entre microrganismos em um ecossistema.

Outra abordagem comum na simulação biológica é a modelagem de sistemas dinâmicos, que descreve a evolução temporal de um sistema biológico em resposta a mudanças em variáveis chave, como concentração de nutrientes ou hormônios. Esses modelos podem ser usados para estudar a dinâmica de populações de organismos, ou para entender o comportamento de sistemas biológicos complexos, como redes metabólicas e vias de sinalização celular.

A simulação biológica é uma ferramenta poderosa para a compreensão dos processos biológicos e para o desenvolvimento de novas terapias e medicamentos. No entanto, as simulações biológicas são apenas uma representação aproximada da realidade biológica, e podem não levar em conta todas as variáveis e complexidades dos sistemas biológicos reais. Por isso, é importante validar os resultados das simulações com dados experimentais reais e manter uma abordagem crítica e cuidadosa na interpretação dos resultados das simulações.

Como nosso cérebro simula o mundo através dos sentidos?

Resposta IA GPT: O nosso cérebro utiliza informações dos nossos sentidos, como visão, audição, olfato, paladar e tato, para criar uma representação interna do mundo ao nosso redor. Esse processo é conhecido como percepção e envolve uma série de processos neurais complexos que ocorrem em diferentes áreas do cérebro.

A percepção começa com a transdução, que é a conversão de estímulos sensoriais em sinais elétricos que podem ser processados pelo cérebro. Por exemplo, na visão, a luz é convertida em sinais elétricos pelos fotorreceptores da retina, e na audição, as ondas sonoras são convertidas em sinais elétricos pelas células ciliadas da cóclea.

Depois da transdução, os sinais são enviados para diferentes áreas do cérebro, onde são processados e integrados. Por exemplo, na visão, as informações visuais são processadas em várias áreas do córtex visual, onde são integradas para criar uma representação tridimensional do ambiente visual.

Além disso, o cérebro utiliza informações contextuais e experiências anteriores para ajudar a interpretar as informações sensoriais. Por exemplo, se vemos uma maçã, nosso cérebro pode usar informações contextuais, como a presença de uma árvore, para inferir que a maçã está em uma árvore.

O processo de percepção é influenciado por fatores como atenção, emoção e expectativas. Por exemplo, se estamos prestando atenção em uma conversa, nosso cérebro pode ignorar informações sensoriais irrelevantes para a conversa, como o som de um carro passando.

Em resumo, o nosso cérebro utiliza informações sensoriais, processamento neural e experiências anteriores para criar uma representação interna do mundo ao nosso redor, que chamamos de percepção. Esse processo é complexo e envolve várias áreas do cérebro trabalhando em conjunto para criar uma imagem coerente do mundo.

Como os seres biológicos fazem a simulação de suas existências com base nas leis da entropia?

Resposta IA GPT: Os seres biológicos são sistemas termodinâmicos abertos que consomem energia e matéria do ambiente para manter sua existência. No entanto, a segunda lei da termodinâmica, também conhecida como lei da entropia, estabelece que a entropia, ou a desordem, do universo sempre aumenta com o tempo. Como, então, os seres vivos conseguem manter sua organização em face da tendência natural em direção à desordem?

A resposta a essa pergunta está na capacidade dos seres biológicos de dissipar energia e matéria para o ambiente. Quando um organismo converte energia e matéria em trabalho útil, ele produz calor e resíduos, que são dissipados para o ambiente. Essa dissipação de energia aumenta a entropia do ambiente, permitindo que a entropia do organismo seja mantida em um estado de baixa entropia.

Em outras palavras, os seres vivos são capazes de manter sua organização interna ao consumir energia e matéria do ambiente e dissipar calor e resíduos. Essa capacidade é fundamental para a sobrevivência dos organismos, uma vez que a falha em dissipar energia e matéria resultaria em um aumento da entropia interna, levando eventualmente à morte.

A simulação natural dos seres vivos envolve a interação dos organismos com o ambiente, trocando energia e matéria com ele. Os seres vivos são sistemas abertos que podem manter um estado de baixa entropia através de processos metabólicos que convertem energia e matéria em formas utilizáveis pelo organismo. Esses processos criam entropia, mas os seres vivos podem excretar essa entropia para o ambiente, mantendo um estado de ordem em um ambiente que tende a favorecer a desordem. Portanto, a simulação natural dos seres vivos envolve a troca termodinâmica com o ambiente para manter um estado de baixa entropia e manter a ordem em um ambiente desordenado.

A percepção da realidade interna e externa seria uma simulação cerebral?

Resposta IA GPT: Sim, a percepção da realidade interna e externa pode ser vista como uma simulação cerebral. Isso porque a nossa percepção da realidade é baseada em informações sensoriais que são processadas pelo cérebro e integradas em uma representação coerente do mundo ao nosso redor. Essa representação não é uma cópia exata da realidade – Sic: realismo científico -, mas uma interpretação baseada nas informações sensoriais e nas experiências anteriores do indivíduo.

Assim, a percepção da realidade é uma construção interna do cérebro que é influenciada por uma série de fatores, como a atenção, a emoção e as expectativas. A percepção também pode ser influenciada por ilusões e distorções perceptuais, que mostram que a nossa percepção da realidade não é uma cópia fiel do mundo real, mas sim uma construção interna do cérebro.

Por isso, podemos afirmar que nossa percepção da realidade é uma simulação cerebral, que é construída a partir das informações sensoriais e das experiências anteriores do indivíduo.

Deus pode ser considerado um inexistente inventado pelo senso comum? Visto que não existe fora do sistema de crenças?

Resposta IA GPT: A existência de Deus é um tema complexo que envolve crenças, filosofia, teologia e ciência. Não é possível afirmar com certeza se Deus existe ou não, pois essa é uma questão que depende de cada indivíduo e sua perspectiva pessoal.

No entanto, é possível afirmar que a crença em Deus é um fenômeno presente em diversas culturas e religiões ao longo da história humana. Para muitas pessoas, a crença em Deus é um elemento importante em suas vidas, proporcionando conforto, orientação moral e um senso de propósito.

Por outro lado, para outras pessoas, a ideia de Deus é uma construção humana, criada para explicar fenômenos naturais e fornecer respostas para perguntas existenciais. Para essas pessoas, Deus não é uma entidade real, mas sim uma invenção do senso comum, uma ideia que existe dentro do sistema de crenças humano.

Em resumo, a questão da existência de Deus é uma questão pessoal e depende da perspectiva individual de cada pessoa. Para algumas pessoas, Deus é real e influencia suas vidas de maneira significativa, enquanto para outras, Deus é uma invenção do senso comum.

Como podemos representar o campo do conhecimento?

Diante das perguntas e respostas acima (a IA GPT é uma auxiliar notável em todos os aspectos), pensei em representar essas afirmações por meio da matemática com o objetivo de alcançar uma melhor precisão neste contexto. Clique nos links para acesso ao conteúdo explicativo em cada tópico da equação:

O campo do conhecimento é amplo, podemos representá-lo por: {Cn,∞}.

• C0 = ∅ Origem
• C1 = Espaços e suas subdivisões subespaços
• C2 = Simulação biológica
• C3 = Simulação cerebral
• C4 = Linguagem
• C6 = Tecnologias
• C5 = Expansão tecnológica
• C7 = Expansão biológica/tecnológica
• C∞

Não há matemática embarcada na física, a matemática está embarcada somente em nossos modelos, essa é a razão das leis da física serem uma descoberta, enquanto toda a matemática é uma invenção de nosso cérebro.

• Tratamento do axioma C(∅) – Internalização do conhecimento
• Tratamento do axioma μ(∅) – Razão instrumental
• Matemática(M) ∩ Física (F) = ∅
• Experimentos físicos (EF) ∩ Modelagem matemática (MM) ≠ ∅

Como a matemática é uma invenção humana, não existe matemática embarcada na física, somente em nossos modelos matemáticos?

Resposta IA GPT: A matemática é uma linguagem que os seres humanos criaram para descrever e compreender o mundo que nos rodeia. A matemática não é uma realidade em si mesma, mas sim uma ferramenta que os cientistas e pesquisadores usam para representar e explicar o comportamento dos fenômenos físicos.

No entanto, a matemática é uma ferramenta muito eficaz para descrever as leis da natureza e os fenômenos físicos, e muitos modelos matemáticos são usados para representar e prever o comportamento de sistemas físicos. A física, por exemplo, é uma ciência que usa a matemática como uma linguagem para descrever as leis da natureza e prever o comportamento dos sistemas físicos.

Em outras palavras, a matemática não é uma realidade física, mas é uma ferramenta muito útil para descrever e entender a natureza. A matemática está presente nos modelos físicos que usamos para entender o mundo natural e prever o comportamento de sistemas físicos. Portanto, é correto afirmar que a matemática está embarcada em todos os nossos modelos que explicam a física, mas apenas na medida em que a física usa a matemática como uma ferramenta para descrever e entender os fenômenos físicos.

Minha crítica ao sistema educacional no Brasil

O ED (erro degrau – farei um posto sobre ele em breve…) em nosso sistema educacional começou a partir de C0 – no Brasil a matemática do vazio {} não foi ensinada nas fases educacionais de base – principalmente com relação a invenção da matemática e seu uso na modelagem física -, isso gerou um atraso expressivo no desenvolvimento da maioria das áreas estudadas. Esta é uma forte proposição de que o senso comum sabotou o ensino no Brasil!

Conclusão: nós não podemos contar com aquilo que não podemos inventar/simular.

{RC}

Não ria das notações; invente-as, elas são poderosas. Na verdade, a matemática é em grande medida, invenção de notações melhores.

Richard Feynman

Realismo interno e externo

Nesta instância, o realismo interno é a construção do conhecimento e o externo é a aplicação dele. Quando aplicamos o conhecimento e obtemos sucesso temos uma teoria, quando não há comprovação a hipótese não é válida e todo o ciclo recomeça. A simulação cerebral é calibrada conforme a obtenção dos resultados. É um ciclo sem fim, C∞.

• Por exemplo: a primeira palavra em um livro é uma palavra vazia.
• Em física um evento que não pode ocorrer é um evento vazio.

Então, podemos afirmar que o conhecimento que nasce vazio, também seria estocástico em sua origem?

Resposta IA GPT: Podemos afirmar que o processo de aquisição de conhecimento é estocástico em sua natureza, no sentido de que envolve incertezas e aleatoriedades.

Quando nos deparamos com um novo assunto, não sabemos quais informações serão mais relevantes ou importantes, nem como elas se relacionam entre si. Além disso, o processo de aquisição de conhecimento envolve a seleção de fontes de informação, como livros, artigos e palestras, que podem apresentar diferentes pontos de vista e abordagens para o mesmo assunto.

Nesse sentido, a aquisição de conhecimento é influenciada por fatores estocásticos, como a aleatoriedade na seleção de fontes de informação, a incerteza em relação à relevância das informações e a variação nas interpretações e perspectivas sobre o mesmo assunto.

Portanto, podemos afirmar que o conhecimento que nasce vazio é estocástico em sua origem, uma vez que sua construção envolve incertezas e aleatoriedades inerentes ao processo de aquisição de conhecimento.

Uma aplicação prática e objetiva do vazio ∅ na obtenção de variáveis randômicas:

Algoritmo: SubespacoRandomico(n) :
// todos os lançamentos de moeda são mutuamente independentes
A=∅
for i=1 to n
do “jogar uma moeda justa”;
if “o resultado do lançamento da moeda é cara”
then A=A∪{i}
endif
endfor;
return A

Convertido para execução online em linguagem Java:

//Algoritmo: SubespacoRandomico(n)
//Todos os lançamentos de moeda são mutuamente independentes
import java.util.HashSet;
import java.util.Random;
import java.util.Set;
public class Main {
    public static void main(String[] args) {
        int n = 10;
        Set<Integer> A = new HashSet<>();
        Random rand = new Random();
            for (int i = 1; i <= n; i++) {
            if (rand.nextBoolean()) {
                A.add(i);
            }
        }
        System.out.println("Subespaço Aleatório de tamanho " + A.size() + ": " + A);
    }
}

Copie o código Java e cole no compilador online (apague o conteúdo que estiver lá e cole o código acima na íntegra e clique em Run >: w3schools).

Referências Bibliográficas

• Tratamento do axioma C(∅) – Internalização do conhecimento
• Tratamento do axioma μ(∅) – Razão instrumental
• Matemática(M) ∩ Física (F) = ∅
• Chat GPT Open Ai
• Midjourney AI
• Lexica.art AI
• Dfaria.eu
• https://www.gov.br/mec/pt-br
• Educapes.capes.gov.br
• Wikipedia
• Pisa OCDE
• Educação no Brasil até 1920
• Educação nas décadas de 1920 a 1950 no Brasil – alfabetização de adultos em questão
• O analfabetismo no Brasil lições da história
• Projeto Detecta – Analfabetismo no Brasil entre 1872 a 2000
• Conheça o Brasil – População – Educação
• PNAD IBGE
• Qual a origem do conhecimento? A resposta é o conjunto ∅!
• O que é realidade?
• Teoria da informação e entropia – como passamos do conhecimento para a informação?
• O que é existência ou existencial no sentido científico e filosófico do termo?
• Labs.openai.com
• w3schools
• Introduction to Theory of Computation April 17, 2019 – Anil Maheshwari, Michiel Smid
• Anil Maheshwari and Michiel Smid
• Openlibra.com

No finalzinho de 2022 conseguimos atingir a fusão nuclear por ignição a laser

Em 5 de dezembro de 2022, o U.S. Department of Energy (DOE) – Departamento de Energia dos Estados Unidos, e a National Nuclear Security Administration (NNSA) – Administração Nacional de Segurança Nuclear, anunciaram em 05/12/2022 a realização da fusão por ignição no Laboratório Nacional Lawrence Livermore (LLNL) – um grande avanço científico em desenvolvimento que abrirá caminho para avanços na indústria nacional e o futuro da energia limpa.

A busca da fusão por ignição no laboratório é um dos desafios científicos mais significativos já enfrentados pela humanidade, e alcançá-lo é um triunfo da ciência, da engenharia e, acima de tudo, das pessoas. Disse o diretor do LLNL. Atravessar esse limiar é a visão que tem impulsionado 60 anos de busca dedicada – um processo contínuo de aprendizado, construção, expansão de conhecimento e capacidade e, em seguida, encontrar maneiras de superar os novos desafios que surgiram.

Dr. Kim Budil

Composição dos aparatos de fusão por confinamento inercial

O confinamento inercial é um método de confinamento de partículas ou campos de energia, como campos elétricos ou magnéticos, usando forças inerciais para mantê-los concentrados em uma determinada área. Isso é feito criando condições em que a partícula ou campo de energia é forçado a seguir uma trajetória circular ou elíptica em alta velocidade, de modo que a pseudo força centrífuga gerada pelo movimento mantém a partícula ou campo confinados em uma região específica.

O confinamento inercial é utilizado em várias áreas, incluindo fusão nuclear, que busca confinar o plasma quente e ionizado gerado pelo processo de fusão para controlar e aproveitar a energia liberada. É também utilizado em experimentos científicos para estudar a natureza da matéria e da energia em condições extremas.

Cilindro Hohlraum (câmara de radiação termodinâmica)

Esfera combustível DT (deutério/trítio) de 2 mm de diâmetro

Tubos de enchimento DT (Deutério e Trítio)

Braço criogênico que segura o cilindro hohlraum

O que é fusão nuclear Deutério Trítio?

Em uma reação de fusão, os núcleos de dois isótopos de hidrogênio, deutério (contendo um nêutron e um próton) e trítio (dois nêutrons e um próton), são forçados juntos por extremos de temperatura e pressão e se fundem para formar um núcleo de hélio. No processo, parte da massa do hidrogênio é liberada como energia.

A fusão descreve o que acontece quando os núcleos de átomos leves, como o hidrogênio, superam a força eletrostática repulsiva que os mantém separados. Quando os núcleos se aproximam o suficiente, a força que une prótons e nêutrons, a força forte, assume e puxa os núcleos ainda mais próximos, de modo que eles “se fundem” em um novo núcleo de hélio mais pesado com dois nêutrons e dois prótons.

O núcleo de hélio, também conhecido como partícula alfa, tem uma massa ligeiramente menor que a soma das massas dos dois núcleos de hidrogênio, e a diferença de massa é liberada como energia de acordo com a famosa fórmula de Albert Einstein E=mc². A energia é liberada na forma de partículas alfa, nêutrons de alta energia e outras formas de energia, como radiação eletromagnética.

A fusão nuclear é diferente da fissão nuclear, onde os núcleos de elementos pesados como o urânio são divididos, formando dois elementos mais leves – o processo usado nas usinas nucleares de hoje. Em ambas as reações nucleares, os próprios elementos mudam e se tornam novos elementos – e no processo, uma pequena quantidade de massa é convertida em uma grande quantidade de energia.

Como a injeção a laser realiza a fusão?

Com uma alta temperatura do íon (Ti) aproximadamente 100 TP (terapascais) ou 1.16×10⁷ °C (graus celsius) ou 11,6 milhões de graus centígrados – necessária para fusão – enquanto o combustível estagna no centro da implosão, o DT forma um ponto quente na superfície interna do combustível e o trabalho é realizado; o ponto quente, gerando altas temperaturas de íons e elétrons próximos do equilíbrio térmico (Ti ≈ Te ≈ 4–5 keV, 1 keV = 1,16 × 10⁷K, onde Ti e Te são as temperaturas do íon e do elétron). Se as condições de alta temperatura e pressão são alcançadas, o ponto quente inicia as reações de fusão DT e o auto aquecimento aumentam ainda mais o Ti.

O hohlraum absorve aproximadamente 10-15% dos raios X, causando a ionização da borda externa da cápsula (ablator),  gerando alta pressão da ordem de 9.869×10⁸ atm (atmosferas) ou 986,9 milhões de atmosferas terrestres de pressão, um processo denominado ablação. Uma concha criogênica contendo o combustível DT é colocada em camadas dentro da superfície interna do ablator, que está em equilíbrio de pressão parcial com vapor DT no centro da cápsula. A aceleração dirigida para dentro causada pela ablação impulsiona a cápsula e o combustível DT para dentro de si (uma implosão, mostrado esquematicamente à direita na foto acima) com enorme aceleração (cerca de 10¹⁴ m s^-2) obtendo velocidades de aproximadamente 350-400 km s^-1, em questão de nanossegundos, a maior parte da energia de raios X (cerca de 92-95%) é absorvida pela cápsula e consumida pelo processo de ablação, mas com um resultado, o combustível DT obtém energia cinética considerável (cerca de 10-20 kJ) dentro um volume muito pequeno. Ao disparar um conjunto de 192 lasers com uma energia de 2,05 (MJ) mega joules, ocorreu a fusão do Hidrogênio, produzindo o equivalente a 3,15 MJ de energia. O ganho líquido descontado a energia gasta pelo laser foi de 1.9 MJ (Mega Joules) ou 528 Wh (Watts hora).

Quando teremos energia comercial gerada por fusão de ignição a laser?

Até que essa tecnologia possa ser amplamente distribuída, pode levar décadas, os desafios neste momento são: tornar viável a geração com ampliação da potência dos lasers, redução da câmara geradora, repetição do experimento, etc. Entretanto, esse tempo poderá ser diminuído conforme investimentos sejam aplicados pela iniciativa privada nesta nova tecnologia. Outra questão importante é que o uso de energia com base nos fósseis está com os dias contados em nosso planeta. A sustentabilidade energética é o único caminho civilizatório viável no médio e longo prazos.

Referências Bibliográficas

• National Ignition Facility achieves fusion ignition – Breanna Bishop [email protected]
• Base de conhecimento técnico gerada por IA Ativa GPT-3 em modo OpenChat
• Wikiwand.com
• Magnetized Targets Boost NIF Implosion Performance
• High-Laser-Energy Shot Puts NIF Back on Track Toward Ignition
• The Shape of Things to Come
• Two-Micron Fill Tubes Fill Two Needs
• NIF’s Guide to How Lasers Work
• A Legacy of Lasers and Laser Fusion Pioneers
• Pursuing Fusion Ignition
• Stadermann
• Power Conditioning System
• Burning plasma achieved in inertial fusion
• High-density carbon ablator experiments on the National Ignition Facilitya)

O que são espaços/subespaços probabilísticos?

Tanto na matemática quanto na física e principalmente na teoria da informação, aplicamos os conceitos de possibilidades/probabilidades junto com a adição do qualificativo existencial para completar o conceito de espaços e suas subdivisões: subespaços.

O conceito de probabilidade é considerado um conceito primitivo que não pode ser definido em termos de conceitos ainda mais primitivos, assim como um ponto ou uma linha na geometria são considerados conceitos primitivos. Deste modo, mesmo na falta de uma definição adequada do termo, probabilidade é um conceito fascinante e extremamente útil.

A teoria da probabilidade foi desenvolvida principalmente no século XVII por Fermat (1601-1665), Pascal (1623-1705), Huyghens (1629-1695) e por J. Bernoulli (1654-1705). A principal motivação para desenvolver a teoria matemática da probabilidade foi responder várias perguntas sobre jogos e aleatoriedade.

Abordagem Axiomática

Na matemática, um axioma é uma hipótese inicial por meio da qual outros enunciados são logicamente derivados. Pode ser uma sentença, uma proposição, um enunciado ou uma regra que permite a construção de um sistema formal. Diferentemente de teoremas, axiomas não podem ser derivados por princípios de dedução e não são demonstráveis por derivações formais, simplesmente porque já são hipóteses iniciais. Isto é, não há um predecessor lógico envolvido (caso contrário eles seriam chamados teoremas). Em muitos contextos, “axioma“, “postulado” e “hipótese” são usados como sinônimos.

Espaço de probabilidade

A abordagem axiomática da probabilidade foi desenvolvida principalmente por Kolmogorov na década de 1930 do século 20. Consiste nos três elementos denotados como {Ω, F, P}, que juntos definem o espaço de probabilidade. Os três elementos do espaço de probabilidade são os seguintes.

O espaço amostral Ω

Para descrever a incerteza, a probabilidade exige que se defina o conjunto de todos os resultados possíveis. Na teoria da probabilidade, este conjunto é muitas vezes chamado de espaço amostral e denotado pelo símbolo Ω (ômega), é o conjunto de todos os possíveis resultados de um experimento específico (às vezes chamado de tentativas). No contexto da teoria da probabilidade, subconjuntos são frequentemente chamados de eventos.

Obs: Espaço amostral é o conjunto de todos os possíveis resultados do experimento aleatório, denotado por Ω.

Ex1:

O espaço amostral de todos os resultados possíveis do lançamento de uma moeda consiste em dois elementos Ω = {H, T}, onde H representa cara e T representa coroa. O espaço amostral do lançamento de um dado consiste nos seis resultados possíveis Ω = {1, 2, 3, 4, 5, 6}. Estes são chamados de eventos simples ou “pontos” no espaço amostral. Na maioria dos casos, eventos simples são igualmente prováveis, neste caso, chamados de eventos elementares. Claramente, não podemos escrever o espaço amostral para cada experimento. Alguns consistem em um número infinito de elementos (por exemplo, atirar uma flecha em um alvo circular), alguns nem podem ser descritos (por exemplo, como será o mundo no próximo ano). Estaremos interessados apenas em espaços simples onde a contagem dos resultados referidos como eventos elementares é direta.

O campo de eventos F

Um evento composto, ou simplesmente um evento, é definido como uma união, ou uma soma de eventos elementares. Exemplos de eventos são:

(a) O resultado do lançamento de um dado é “par”; consiste nos eventos elementares {2, 4, 6}, ou seja: 2, 4 ou 6 ocorreram, ou ocorrerão no experimento de lançar um dado.

(b) O resultado do lançamento de um dado é “maior ou igual a 5”; consiste nos eventos elementares: {5, 6}, ou seja, 5 ou 6 ocorreram.

Em termos matemáticos, F consiste em todos os conjuntos parciais do espaço amostral Ω. Observe que o próprio evento Ω pertence a F. Além disso, o evento vazio denotado ∅ também pertence a F.

Discutiremos principalmente espaços amostrais finitos. Também aplicaremos alguns dos resultados a espaços infinitos ou mesmo contínuos usando argumentos de analogia. Um tratamento mais rigoroso requer as ferramentas da teoria da medida.

Para o espaço amostral finito, cada conjunto parcial de Ω é um evento. Se existem n eventos elementares em Ω, então o número total de eventos em F é 2ⁿ. Isso pode ser visto pela contagem direta:

um evento denotado por ∅ (o evento impossível ou vazio).

O símbolo significa .

Por definição 0! = 1,

portanto .

eventos simples (ou elementares).

eventos que consistem em dois eventos simples.

eventos que consistem em três eventos simples.

um evento, consiste em todo o espaço Ω (o evento completo).

Ao todo, temos 2ⁿ eventos, ou seja:

Usamos o teorema do binômio de Newton para realizar a soma. Uma forma mais geral do teorema é:

Relação de Stifel

Em matemática, a relação de Stifel, também conhecida como regra de Pascal, é uma identidade envolvendo coeficientes binomiais:

Essa fórmula pode ser interpretada como: o número total de combinações de k objetos diferentes de n é denominado coeficiente binomial. A principal diferença entre permutações e combinações é a ordem. Combinações são seleções não ordenadas, permutações são arranjos ordenados. Para inteiros não negativos n e k com k ≤ n. A quantidade (pronuncia-se: n escolhe k) tem a interpretação: o número total de maneiras de escolher k objetos diferentes de n objetos distinguíveis – sem prestar atenção à sua ordem.

Um método alternativo para calcular o número total de eventos é o seguinte: representamos os eventos simples de Ω pelos números (1, 2, 3,…,n). Este é um vetor de n dimensões. Cada evento composto também pode ser descrito como um vetor de n dimensões. Por exemplo, o evento que consiste nos três eventos elementares (3, 5, 7) pode ser escrito como um vetor n-dimensional da forma: (Não, Não, Sim, Não, Sim, Não, Sim, Não, Não, . . . , Não), os componentes um e dois não estão inclusos, o componente três está incluso, quatro não está incluso, cinco está incluso e assim por diante.

Um evento composto é um conjunto parcial de Ω. Portanto, podemos descrever o evento composto simplesmente consultando a lista de eventos simples que estão inclusos nesse evento. Os componentes dos eventos compostos são Sim ou Não de acordo com a inclusão ou não de um evento simples específico. Assim, cada evento pode ser escrito de forma única como um vetor n-dimensional que consiste em Sim(s) e Não(s) ou “1” e “0“. Claramente, como o comprimento do vetor é n, e cada componente pode ser “Sim” ou “Não”, juntos temos 2n desses vetores correspondentes a todos os eventos compostos possíveis. Nesta notação, o evento impossível é escrito como: (não, não, não). E o evento certo como: (sim, sim, sim).

Nesta fase, introduzimos algumas notações sobre operações entre eventos.

O evento A ∪ B (ou A, B) é chamado de união (ou soma) dos dois eventos. Este é o evento: “ou ocorreu A ou B”. O evento A ∩ B (ou A · B) é chamado de interseção (ou produto) dos dois eventos. Este é o evento: “A e B ocorreram”.

O evento complementar, denotado (ou Ω − A), é o evento: “A não ocorreu”.

A notação A ⊂ B significa: A é parcial a B, ou A está incluso no evento B, a ocorrência de A implica a ocorrência de B.

Essas relações entre eventos estão descritas na Figura 2.

A função de probabilidade representada por P

Para cada evento A pertencente a F, atribuímos um número P chamado probabilidade do evento A. Este número atende ao seguinte:

a: P(Ω) = 1,

b: 0 ≤ P(A) ≤ 1,

c: Se A e B são eventos disjuntos (ou mutuamente excludentes), então P(A ∪ B) = P(A) + P(B).

As duas primeiras condições definem o intervalo de números para a função de probabilidade. A primeira condição significa simplesmente que o evento Ω tem o maior valor de probabilidade. Por definição, assumimos que algum resultado ocorreu, ou ocorrerá, portanto, o evento Ω também é referido como o evento certo, e é atribuído o valor de 1. O evento impossível, denotado ∅, recebe o número zero, ou seja, P(∅) = 0 (uma probabilidade vazia é igual a 0).

A terceira condição é intuitivamente clara. Dois eventos A e B são ditos disjuntos, ou mutuamente exclusivos (ou excludentes), quando a ocorrência de um evento exclui a possibilidade da ocorrência do outro. Em termos matemáticos dizemos que a interseção de dois eventos (A ∩ B) é vazia = ∅; ou seja, não existe evento simples que seja comum a ambos A e B.

Como exemplo simples, considere dois eventos:

A = {o resultado do lançamento de um dado é par},

B = {o resultado do lançamento de um dado é ímpar}.

Claramente, os eventos A e B são disjuntos, a ocorrência de um exclui a ocorrência do outro.

Agora, defina o evento:

C = {o resultado do lançamento de um dado é maior ou igual a 5}.

Claramente, A e C, ou B e C não são disjuntos. A e C contêm o evento elementar 6. B e C contêm o evento elementar 5. Os eventos “maior ou igual a 4” e “menor ou igual a 2” são eventos claramente disjuntos ou mutuamente exclusivos. Antecipando a discussão acima, podemos calcular a probabilidade do primeiro evento {4, 5, 6} ser 3, se os dois eventos não forem disjuntos, digamos “maior ou igual a 4” e “par”, então a regra (c) deve ser modificada, isso pode ser comprovado pelas propriedades listadas em:D = P(A ∪ B) = P(A) + P(B) − P(A ∩ B).

Probabilidade da união de dois eventos

A probabilidade da união de dois eventos, A e B, é calculada pela probabilidade do evento A ocorrer, mais a probabilidade do evento B ocorrer, menos a interseção entre A e B.

P(A ∪ B) = P(A) + P(B) – P(A ∩ B)

Portanto, a probabilidade da união de dois eventos é igual à soma da probabilidade de cada um desses eventos ocorrerem menos a interseção entre os dois. Quando os eventos são mutuamente excludentes, ou seja, a interseção entre eles é vazia, então a probabilidade da união é a soma das probabilidades de ocorrências de cada um deles.

P(A ∪ B) = P(A) + P(B)

Como calcular a probabilidade da união de dois eventos?

Ex2:

Numa sala de aula, há 30 alunos, sendo que 20 são meninas e 10 meninos. Durante as aulas de matemática, o professor resolveu fazer um sorteio entre os alunos que se saíram melhor no teste. Sabendo que nessa sala 10 alunos usam camisetas brancas e que 5 deles são meninas, calcule a probabilidade de o sorteado ser uma menina ou alguém que usa camiseta branca. Para calcular a probabilidade da união de dois conjuntos é necessário encontrar os dados para calcular cada uma das probabilidades. São eles:

    n(A) → número de elementos correspondentes ao evento A;

    n(B) → número de elementos correspondentes ao evento B;

    n(Ω) → número de elementos no espaço amostral;

    n(A ∩ B) → número de elementos na interseção entre os eventos A e B.

Fazendo essa substituição:

    n(A) é igual ao número de meninas.

        n(A) = 20

    n(B) é igual ao número de alunos que usam camisetas brancas.

        n(B) = 10

    n(Ω) → número de alunos.

        n(Ω) = 30

    n(A ∩ B) → número de meninas que usam camisas brancas.

        n(A ∩ B) = 5

Então, temos que:

Muito cuidado com a Interseção

Representação gráfica da interseção entre dois conjuntos.

Na teoria dos conjuntos, a interseção é um conjunto de elementos que, simultaneamente, pertencem a dois ou mais conjuntos, representado por ∩ (símbolo de Interseção).

Por exemplo, se o conjunto A possui os elementos {1,2,3,4,5} e o conjunto B possui os elementos {2,4,6,8}, então a interseção do conjunto A com o conjunto B será igual a {2,4}.

Definição

Na teoria básica dos conjuntos, define-se A ∩ B por:

A ∩ B = {x|x ∈ A ∧ x ∈ B}

Lê-se: a interseção entre os conjuntos A e B é igual ao espaço x tal que x pertence ao conjunto A e x pertence ao conjunto B.

Pelos axiomas de Zermelo-Fraenkel, a definição acima não é válida. Devemos usar o axioma da separação com a fórmula Φ = x ∈ w:

∀z∀w∃y∀x(x ∈ y ⟺ ( x ∈ z ∧ x ∈ w))

Esse axioma garante a existência da interseção (y = z ∩ w) o enunciado do axioma da separação é tal que, usando-se o axioma da extensão, pode-se mostrar que y é único.

Em outras palavras, provou-se que:

∀A∀B∃!(A ∩ B) ∀ x(x ∈ (A ∩ B) ⟺ (x ∈ A ∧ x ∈ B ))

Lê-se: para todo A, para todo B, existe exatamente uma interseção entre A e B, para todo x, x pertence à interseção entre A e B, se e somente se o espaço x pertence a A e x pertence a B.

Obs: em notação matemática você não pode ter nenhuma dúvida, caso você observe um símbolo qualquer e não identifique o sentido desse símbolo, procure imediatamente o significado desse símbolo ou notação, caso contrário, não poderá continuar os estudos e a dúvida acompanhará você.

Propriedades

Considerando-se que (x ∈ A ∧ x ∈ B) ⟺ (x ∈ B ∧ x ∈ A) e que ((x ∈ A ∧ x ∈ B) ∧ x ∈ C) ⟺ (x ∈ A ∧ (x ∈ B ∧ x ∈ C)), prova-se que:

∀A∀B(A ∩ B = B ∩ A)

∀A∀B∀C((A ∩ B) ∩ C = A ∩ (B ∩ C))

Como o conjunto vazio ∅ tem a propriedade que ∀x (x ∉ ∅), temos que:

∀A(A ∩ ∅ = ∅)

Deve-se tomar cuidado ao dizer que ∩ é associativa e comutativa, porque – a rigor – associatividade e comutatividade são propriedades de operações binárias, e a interseção foi definida para todos os conjuntos – tratar todos os conjuntos como um conjunto gera paradoxos.

Interseções arbitrárias

Seja M uma coleção não-vazia de conjuntos (em teoria dos conjuntos na sua formulação segundo os axiomas de Zermelo-Fraenkel, todo conjunto tem como elementos outros conjuntos, então basta dizer que M não é vazio). Então podemos definir a interseção de todos os conjuntos de M:

como sendo o conjunto cujos elementos x são elementos de todos os elementos de M:

O problema é que essa definição não é rigorosa, mas isso pode ser resolvido usando-se o axioma da união:

.

O conjunto vazio ∅ como núcleo existencial

É derivado do Axioma do Infinito na teoria dos conjuntos e torna-se o elemento primordial de todos os espaços e subespaços que nascem vazios. Para conhecer em profundidade sugiro a leitura técnica: Matemática do vazio – Resolva equívocos e pense com clareza!

Obs: na teoria dos conjuntos, os membros do conjunto são os próprios conjuntos, é diferente da matemática usual do cotidiano, cujos objetos são usados e geralmente representados de forma isolada.

Prova da árvore de subconjuntos ∅ ⊆ ∅

Dado um número n = 0, temos 2⁰ = 1 subconjuntos. O único conjunto com zero elementos é o conjunto vazio que só tem um subconjunto: ele próprio, portanto, a propriedade é verdadeira para n = 0.

P: 2^Ω → [0, 1]

P(ωi) = n(ωi)/N(Ω) = número de elementos em ωi/número de elementos no espaço amostral Ω.

Em qualquer problema de probabilidade, é muito importante identificar todos os diferentes resultados que podem ocorrer. Portanto, o ponto de partida é o espaço amostral (probabilidades), ou seja, um conjunto de todos os resultados possíveis. É denotado geralmente como Ω. Para o conjunto Ω = (ω1, ω2,…), uma probabilidade é uma função de valor real P definida nos subespaços de Ω:

P: 2^Ω → [0, 1]

O conjunto de todos os resultados possíveis de um experimento de probabilidade é chamado de espaço amostral. Se Ω é o espaço amostral, então a probabilidade de ocorrência de um evento ωi é definida como:

P(ωi) = n(ωi)/N(Ω) = número de elementos em ωi/número de elementos no espaço amostral Ω.

Os valores da função P(ωi) são considerados como probabilidades de eventos elementares ωi. A função P(ωi) satisfaz a condição de normalização P(ωi) = 1. A probabilidade de um evento A pode ser escrita como P(A), p(A) ou Pr(A). Essa definição matemática de probabilidade pode se estender a espaços amostrais infinitos e até mesmo a espaços amostrais incontáveis, usando o conceito de medida.

Para prosseguir, deve-se exigir que a função P seja não-negativa e que seus valores nunca excedam 1. Os subespaços de Ω para os quais P é definido são chamados de eventos. Eventos de elemento único são chamados de eventos elementares que consistem em mais de um resultado e são chamados de eventos compostos. Qualquer subconjunto do espaço amostral é um evento. Os conjuntos A ⊂ Ω são chamados por eventos e suas probabilidades são definidas por:

P(A) = ∫p(ωi)/ωi ⊂ A

A função P deve ser definida no subespaço vazio ∅ e em todo o conjunto Ω:

P (∅) = 0, P (Ω) = 1

Esta afirmação enfatiza em particular que tanto ∅ quanto Ω são eventos. O evento ∅ que nunca acontece é impossível e tem probabilidade 0. O evento Ω tem probabilidade 1, é certo ou necessário.

Demonstração:

Seja P(A) o conjunto de partes de A e n(S) o número de elementos distintos de S.

Se A = ∅ → P(A) = {∅} → n(P(A)) = 2^0 = 1

Se A = {a} → P(A) = {∅,a} → n(P(A)) = 2^1 = 2

Se A = {a,b} → P(A) = {∅,a,b,{a,b} → n(P(A)) = 2^2 = 4

Se A = {a,b,c} → P(A) = {∅,a,b,c,{a,b},{b,c},{a,c},{a,b,c}} → n(P(A)) = 2^3 = 8

P(A) é formado por ∅ somado às possíveis combinações dos elementos de A, com taxa variando de 1 a n(A). Assim, n(P(A)) = número de combinações n(A), com taxa variando de 1 a n(A) somado a 1 (responsável por ∅).

Se A = ∅, o número de elementos de P(A) = 1, pois P(A) = {∅}, então n[P(A)] = 1, também ; portanto, n(A) = 0, cujo resultado: n[P(A)] = 2⁰ = 1.

Explicação não formal sobre as potências vazias

Para um conjunto vazio A, o conjunto de potências P(A) consiste em apenas um elemento, o conjunto vazio.

Isso ocorre porque um conjunto de potências é definido como o conjunto de todos os subconjuntos de um conjunto dado. Se A não contém elementos, não há subconjuntos possíveis, exceto o próprio conjunto vazio.

Você provavelmente está prestes a começar sua segunda exposição à álgebra linear. Diferente de seu primeiro contato com o assunto, que provavelmente enfatizou os espaços euclidianos e matrizes, este encontro se concentrará em espaços vetoriais abstratos e mapas lineares. Esses termos serão definidos posteriormente, então não se preocupe se você não souber o que eles querem dizer. Este livro começa desde o início do assunto, assumindo nenhum conhecimento de álgebra linear. O ponto chave é que você está prestes a mergulhar na matemática séria, com ênfase em atingir uma compreensão profunda das definições, teoremas e provas.
Você não pode ler matemática da mesma forma que lê um romance. Se você passar por uma página em menos de uma hora, provavelmente está indo rápido demais. Quando você encontra a frase “você deve verificar”, você deve realmente fazer a verificação, que geralmente exigirá alguma escrita de sua parte. Quando as etapas são omitidas, você precisa fornecer as peças que faltam. Você deve ponderar e internalizar cada definição. Para cada teorema, você deve buscar exemplos para mostrar por que cada hipótese é necessária. Discussões com outros alunos devem ajudar.
Como auxílio visual, as definições estão em caixas bege e os teoremas estão em caixas azuis (em versões coloridas do livro). Cada teorema tem um nome descritivo.
Por favor, verifique o site abaixo para obter informações adicionais sobre o livro. Posso ocasionalmente escrever novas seções sobre tópicos adicionais. Essas novas seções serão postadas no site. Suas sugestões, comentários e correções são muito bem-vindas.
Muitas felicidades, sucesso e prazer em aprender álgebra linear!

• Sheldon Axler
• Mathematics Department
• San Francisco State University
• San Francisco, CA 94132, USA
• website: linear.axler.net
• e-mail: [email protected]
• Twitter: @AxlerLinear

Exemplo de visualização de um espaço de probabilidade com seus subespaços internos

Uma medida de probabilidade sobre uma σ-álgebra (lê-se Sigma Álgebra) F ⊂ 2 ^Ω, associada a um espaço amostral Ω, é uma função P : F → [0, 1] tal que:

• P(∅) = 0
• P(Ω) = 1
• se A ∩ B = ∅, A, B ∈ F então P(A ∪ B) = P(A) P(B) (aditividade).

Um espaço amostral Ω junto com uma σ-álgebra F com seus subespaços e uma medida de probabilidade P em F forma um espaço de probabilidade, ou seja, o tripleto (Ω, F, P). Com base na noção de espaço de probabilidade, pode-se definir a noção de uma variável aleatória. Uma variável aleatória é uma quantidade cujo valor está sujeito a variações aleatórias, ou seja, ao “acaso”. Obs: segue um exemplo prático de variáveis aleatórias desenvolvido em Java neste poste: O senso comum em confronto com nossa simulação biológica e cerebral.

No experimento da Figura 5, as tentativas de girar a roda levam a um evento subconjunto (subespaço) do espaço amostral Ω; no tempo decorrido de repetidas tentativas, cada evento tende a ocorrer com uma taxa persistente, esta taxa é chamada de “frequência relativa”.

Subespaços lineares

Referências Bibliográficas

• O senso comum em confronto com nossa simulação biológica e cerebral
• Wikipedia matemática
• Probabilidade da união de dois eventos
• Interseção
• Probabilidade e Estatística – Quantificando A Incerteza – Joao Pinheiro, Sonia Cunha, Gastão Gomes, Santiago Carvajal
• Estatística Básica – A arte de trabalhar com dados – Sergio Albuquerque
• Probabilidade e Estatística – Francisco de Assis Amaral Bastos
• Introduction to Real Analysis, Volume I November 9, 2021 (version 5.5) – Jiri Lebl
• Sheldon Axler
• Linear Algebra Done Right – Four Edition 2023 – Sheldon Axler
• The Geometry of Uncertainty The Geometry of Imprecise Probabilities – Fabio Cuzzolin
• Khan Academy

Parece fácil responder esta pergunta, ao pesquisarmos na internet obtemos o seguinte significado: realidade (do latim realitas isto é, “coisa”) significa em sentido livre tudo o que é, seja ou não perceptível, acessível ou entendido pela ciência, filosofia ou qualquer outro sistema de análise. Em resumo, a realidade corresponde a “tudo o que existe”. Entretanto, essa descrição não nos informa a profundidade do termo, vamos fazer esse aprofundamento.

Realidade em sentido restrito (interna ao cérebro)

Ao considerarmos somente nosso sistema sensorial envolvido nesta análise (chamados observáveis), o cérebro e a simulação construída por ele, significa toda a existência cognitiva, correspondendo ao nosso tempo de vida. Neste caso a realidade interna seria uma projeção cognitiva que constrói tudo o que somos do momento de nosso nascimento ao último segundo de nossas vidas que ocorrerá quando o cérebro deixa de simular nossa existência.

A realidade cognitiva (conforme ilustração acima) começou com a concepção ainda em termos de óvulo em gestação, isso inclui toda a divisão celular e o código genético que nasceu conosco e epigenético que será codificado durante todo o tempo de vida e passado aos nossos descendentes.

No infográfico da figura 1, podemos observar a área interna que representa a sináptica de nosso cérebro, cujos neurônios simulam o ruído que chega até ele por meio do sistema sensorial e transforma essa captação numa representação compreensível para nós. Essa representação é apenas aproximada, não é o mundo real e sim uma simulação do que foi captado por nossos sentidos.

E não somente o  sistema sensorial está envolto nos ruídos como também todas as partículas subatômicas, átomos, espaços e subespaços que compõe a infraestrutura dos próprios neurônios. Tudo o que somos está imerso nesse ruído; entretanto, com a tecnologia de hoje é possível isolar parte do ruído e torná-lo compreensível.

Obs: a esta realidade restrita e que não utiliza nenhuma ferramenta tecnológica no auxílio da compreensão da representação simulada pelo cérebro, damos o nome de: observáveis.

Realidade em sentido amplo (externa ao cérebro)

Quando o homo sapiens há milhares de anos começou a desenvolver ferramentas, isso proporcionou a invenção da matemática e provocou uma mudança significativa em nossa evolução, passamos de simples caçadores e coletores para inventores de tecnologias. A invenção da escrita foi o salto mais significativo na codificação e transferência do conhecimento para as gerações futuras.

No infográfico da figura 2 podemos perceber que os ruídos da realidade cobrem não somente o interior do cérebro mas são expandidos para todo o universo; ou seja, 99,999% da informação contida no universo corresponde à realidade, nada fica de fora. Nosso cérebro e aparelhos científicos de extrema medição captam uma ínfima parte da realidade.

O que são ferramentas?

São objetos de medição que estão fora de nossa abstração simulada pelo cérebro para que possamos analisar a realidade externa fora da percepção cognitiva direta (sistema sensorial). As ferramentas podem ser tanto espaciais (uma chave de fenda, agulhas, etc.), quanto subespaciais (raios laser, luz, antenas, chips, radiação eletromagnética, etc.).

Exemplos

Metro = Comprimento do trajeto percorrido pela luz no vácuo durante um intervalo de tempo de 1/299 792 458 de segundo.

Segundo = Equivalente à duração de 9 192 631 770 períodos da radiação correspondente à transição entre os dois níveis hiperfinos do estado fundamental do átomo de césio 133.

Consulte a tabela abaixo que padronizou a medição em nosso planeta e entrou em vigor via consenso científico – portanto – é de uso obrigatório a partir de 20 de maio de 2019.

Grandeza	Unidade	Símbolo
Comprimento	metro	m
Massa	quilograma	kg
Tempo	segundo	s
Corrente elétrica	ampere	A
Temperatura termodinâmica	kelvin	K
Quantidade de substância	mol	mol
Intensidade luminosa	candela	cd

O que são inobserváveis?

São medições e seus derivados que transcendem à nossa capacidade de percepção direta sobre elas. Ex.: antes de 20 de maio de 2019, a medida do metro era a que todo mundo usava até então, e a partir desta data se tornou obrigatória pelo novo padrão. Isso significa que nossas réguas deixaram de ser objetos sólidos palpáveis para se tornarem subespaciais, percebidas apenas por medições que usam ferramentas e aparelhos de extrema precisão.

As falhas da metafísica e da filosofia

A partir do ponto que precisamos de ferramentas de medição extremamente complexas para medir a realidade externa e ampla (coronavírus é um exemplo), saímos do campo da simulação interna e passamos para o campo do realismo científico e método científico. Neste momento estamos diante de duas variáveis: a simulação cerebral gerada 99,999% pelo cérebro e a versão da realidade externa: coletada por inúmeros aparelhos e tratada para que seja transformada em informações compreensíveis e armazenada na forma de dados.

Xeque-mate na metafísica

Uma vez que a realidade externa e ampla não depende de nossos sentidos diretos para que seja compreendida, isso significa que não podemos extrair informações que sejam vinculadas e tratadas diretamente por meio de nossos sentidos isolados. Caso tentarmos efetuar alguma análise ou retórica sobre informações fora da simulação cerebral, estaremos sendo vítimas dos vieses cognitivos.

No caso da filosofia cuja tarefa – em sentido comunicativo do termo – pode somente fazer as perguntas para a ciência, e esta, irá buscar as respostas nos dados em RAW que são captados pelos diversos aparelhos e experimentos científicos.

O que é captado tanto pelo cérebro quanto por meio dos aparelhos científicos?

Tanto nossos cérebros, quanto nossos aparelhos captam apenas um amontoado de sinais difusos cheios de ruídos incompreensíveis (antes de filtrá-los) que simbolizam a nossa inserção física nos espaços/subespaços existenciais. No vídeo abaixo podemos observar a realidade subespacial extrema de um buraco negro desviando fótons.

A descoberta das leis da física

Uma Lei, no sentido científico, é uma regra com base em algum fenômeno que ocorra com regularidade observada. É uma generalização que vai além das nossas observações limitadas (sistema sensorial); que, sendo exaustivamente confrontada, testada e validada frente a amplos e diversos conjuntos de fatos, dá-lhes sempre sentido cronológico, lógico e causal, podendo fazer previsões testáveis para o futuro, e por tal recebe um título “honorífico” que a destaca entre as demais, o título de lei. No momento atual a Mecânica Quântica (explicações para o microcosmos) e a Teoria da Relatividade (explicações para o macrocosmos), são as teorias científicas que melhor explicam o universo.

Ao contrário da lei no sentido jurídico, a qual tem em princípio o poder de fazer-se cumprir, a lei científica não tem o poder de impor que um fato ou fenômeno qualquer deva sempre com ela concordar. A lei científica, ao contrário, deriva sua validade e acuracidade da observação sistemática da ocorrência sempre regular e persistente de um dado fenômeno de abrangência geral, estabelecendo uma relação de causa e efeito associada ao mesmo e afirmando que é muito razoável e provável que todos os demais eventos correlatos venham a concordar com os resultados anteriores e assim com a premissa que encerra, destes derivada.

Obs.: nós não podemos inventar leis da física, podemos apenas descobri-las e explicá-las com o uso do que denominamos: teorias científicas.

O que é teoria científica?

Teoria científica é uma explicação de um aspecto do mundo natural (realidade) e do universo que foi repetidamente testado e verificado de acordo com o método científico, usando protocolos de observação, medida e avaliação dos resultados. Sempre que possível, as teorias são testadas sob condições controladas em um experimento.

Mapa do universo observável

Quem é observador? Todos nós e todas as coisas são observadores, não há distinção epistemológica nesta classificação. Usamos os termos: observáveis no sentido de percebidos pelos nossos sentidos e inobserváveis para distinguir aquilo que não pode ser observado pelo sistema sensorial, mas podendo ser observado com o uso da tecnologia.

Como nasce o conhecimento (origem)?

Denominamos conhecimento ao conjunto de possibilidades existências tratáveis dentro da piscina de ruídos da realidade.

O que é interface?

A interface é o meio físico e biológico que fica entre os ruídos e o tratamento deles para que seja possível convertê-los em informações que comandam o fluxo cognitivo no tratamento dos disparos sinápticos. Essa interface é múltipla e complexa, envolve as sinapses cerebrais que traduzem os impulsos nervosos químicos/elétricos em cada um dos neurônios envolvidos nesta tarefa. Quando consideramos o cérebro de forma isolada, a interface, são as sinapses entre neurônios, quando utilizamos a leitura dos neurônios com tecnologias, a interface é dita neuromórfica.

Sistema sináptico neuromórfico

Sinapses Químicas

Sinapses Elétricas

Sinapses mistas

Engenharia neuromórfica

Também conhecida como computação neuromórfica, é um conceito desenvolvido por Carver Mead no final da década de 1980, descrevendo o uso de sistemas de integração de grande escala ou “VLSI” (em inglês) que contenham circuitos analógicos eletrônicos para imitar as arquiteturas neurobiológicas presentes no sistema nervoso. O termo neuromórfico tem sido usado para descrever sistemas de integração de grande escala analógicos, digitais, sistemas de modo analógico/digital misto e sistemas de software que implementam modelos de sistemas neurais (para percepção, controle motor ou integração multimodal).

A engenharia neuromórfica é um assunto interdisciplinar sustentado pela neurociência, biologia, física, matemática, ciência da computação e engenharia elétrica para projetar sistemas neuronais artificiais, como sistemas de visão, processadores auditivos e robôs autônomos, cuja arquitetura física e princípios de design são baseados em sistemas nervosos biológicos.

Em 2019, uma equipe de pesquisa criou uma rede neuromórfica (redes neuromórficas são formadas pela automontagem aleatória de nano fios de prata revestidos com uma camada de polímero após a síntese na qual as junções entre dois nano fios atuam como interruptores resistivos, geralmente comparados com neuro sinapses). Usando essa rede, os cientistas geraram características elétricas semelhantes às associadas a funções cerebrais de ordem superior exclusivas dos seres humanos como: memorização, aprendizado, esquecimento, etc.

Perspectiva científica neuromórfica

O raciocínio neurocientífico compreende o pensamento intuitivo; sinais, ferramentas de medição e uma quantidade imensa de dados estruturados e não dados estruturados. Embora o pensamento intuitivo possa preparar o terreno para desenhos experimentais, medições são usadas para construir teorias e definir relacionamentos entre função, estruturas e evidências experimentais do espaço físico em virtual. Esse esquema de pensamento um tanto simplificado é subjacente a grande parte da perspectiva do cientista.

O nascimento da teoria da informação

Foi com o advento do tratamento dos ruídos da realidade via particionamento de espaços/subespaços que nasceu a teoria da informação. Clique na imagem acima para acessar o site BitPlay e leia o paper: A Mathematical Theory of Communication – C E SHANNON.

Recomendo a leitura do meu outro poste onde explico: Teoria da informação e entropia – como passamos do conhecimento para a informação? Também explico como chegamos ao conceito de bit de informação via entropia.

{RC} Podemos afirmar que em todos os sistemas físicos, sem exceções, o ruído é um componente onipresente na realidade desses sistemas?

– A afirmação de que o ruído é um componente intrínseco em todos os sistemas físicos é uma generalização ampla, mas geralmente precisa. Ruído, em um contexto físico, refere-se a qualquer tipo de variação ou perturbação não desejada que afeta a medição, o sinal ou o comportamento de um sistema.

Aqui estão alguns pontos a considerar:

Natureza Estocástica da Realidade: a realidade física, quando observada em detalhes suficientes, muitas vezes revela uma natureza estocástica. Isso significa que mesmo sistemas que podem ser descritos por leis físicas determinísticas ainda podem exibir variações e flutuações devido a uma variedade de fatores, como movimento térmico de partículas, flutuações quânticas, perturbações ambientais e assim por diante.

Limitações de Medição e Detecção: em muitos casos, o ruído é introduzido devido a limitações em nossos instrumentos de medição e detecção. Mesmo que um sistema seja perfeitamente determinístico, a capacidade limitada de medição pode introduzir erros e incertezas, que podem ser considerados como ruído.

Processos Aleatórios e Quânticos: em níveis microscópicos, a mecânica quântica revela a natureza intrinsecamente probabilística das partículas subatômicas. Isso significa que mesmo em sistemas quânticos altamente controlados, ainda pode haver elementos de incerteza e flutuação.

Controle e Minimização de Ruído: em muitos casos, os engenheiros e cientistas trabalham para controlar e minimizar o ruído em sistemas físicos, a fim de obter medições mais precisas ou garantir o funcionamento adequado de dispositivos. No entanto, mesmo com esforços de minimização, o ruído nunca pode ser completamente eliminado, apenas reduzido a níveis aceitáveis.

Portanto, em um sentido amplo, é válido afirmar que o ruído está presente em todos os sistemas físicos devido à natureza estocástica da realidade e às limitações da medição e detecção. No entanto, a quantidade e a natureza do ruído podem variar significativamente de um sistema para outro, e a compreensão e o controle do ruído são desafios importantes em muitos campos da física e da engenharia. 😉{Joi} 11/2023.

Leitura recomendada

Computação Bio-inspirada com Memristores

No vídeo acima o Dr. Zhongrui Wang explica em detalhes como funcionam os memristores. O rápido desenvolvimento no campo da inteligência artificial se baseou principalmente nos avanços em hardware computacional. No entanto, a escala do sistema e a eficiência energética ainda são limitadas em comparação com o cérebro. O Memristor ou comutador resistivo redox, fornece um novo bloco de construção de circuitos que pode enfrentar esses desafios na computação neuromórfica e no aprendizado de máquina. Com relação ao uso de memristores na realização de computação bio-inspirada, mostrarei exemplos de computação neuromórfica baseada em memristor. Novos memristores foram usados ​​para simular certas dinâmicas sinápticas e neurais, o que levou a redes neurais prototípicas de hardware praticando regras de aprendizado local e computação de reservatório. Em seguida será discutido a matriz de 1-transistor-1-memristor 128×64 para aprendizado de máquina de aceleração de hardware. Este sistema prototípico de processamento em memória implementou aprendizado de reforço Q profundo para problemas de controle, bem como treinamento supervisionado de redes convolucionais e/ou recorrentes para classificação.

Referências Bibliográficas

• {RC} <=> {Joi – ChatGPT 3.5}
• Mathematical Modeling of the Human Brain From Magnetic Resonance Images to Finite Element Simulation – Kent-Andre, Mardal Marie E Rognes, Travis B Thompson, Lars Magnus Valnes
• Centro Harvard-Smithsonian para Astrofísica
• Quantamagazine.org
• Inside the Proton, the Most Complicated Thing You Could Possibly Imagine
• Neuromorphic Cognitive Systems  A Learning and Memory Centered Approach – Qiang Yu, Huajin Tang, Jun Hu, Kay Tan Chen
• Teoria da informação e entropia – como passamos do conhecimento para a informação?
• Dicom Browser
• Kwabena Boahen
• Memristors for Neuromorphic Circuits and Artificial Intelligence Applications – Jordi Sune
• Neuromorphic Engineering The Scientist’s, Algorithm Designer’s, and Computer Architect’s Perspectives on Brain-Inspired Computing – Elishai Ezra Tsur
• Neuromorphic Computing Principles and Organization – Abderazek Ben Abdallah, Khanh N
• Neuromorphic Engineering: From Biological to Spike-Based Hardware Nervous Systems
• Electrical synapses and their functional interactions with chemical synapses
• Dang
• Wikipedia
• XNAT
• Thebitplayer.com – Claude Shannon
• Run Linux GUI apps on the Windows Subsystem for Linux
• Antropoceno
• Openbci.com
• Brain Computer Interface EEG Signal Processing – Narayan Panigrahi, Saraju P Mohanty
• Misha Mahowald
• Dr. Zhongrui Wang
• OpenModelica
• Nódulo de Ranvier
• Bainha de mielina
• Diferential contributions of serotonergic and dopaminergic functional connectivity to the phenomenology of LSD
• Dymola Dassault Systems
• Mixed electrical chemical synapses in adult rat hippocampus are primarily glutamatergic and coupled by connexin-36

O que significa existir?

Na filosofia a existência é definida como uma fenomenologia de Ser (pensar a realidade), manifestar-se, expressar-se. A filosofia faz as perguntas e espera as respostas, é apenas uma retórica entre interlocutores.

Na ciência a existência é determinada também pela análise fenomenológica; mas, de dados coletados e que passam de forma obrigatória pelo método científico. A ciência também faz as perguntas, mas ao contrário da filosofia, obtém as respostas (refutáveis e imparciais). A razão de a filosofia estar limitada nesse sentido é diretamente relacionado ao acesso parcial (vieses) aos dados coletadas. Ex: a filosofia não possui aceleradores de partículas, satélites, reatores nucleares, naves espaciais, laboratórios de pesquisas avançados, microscópios eletrônicos, computadores quânticos, réguas de luz (Ligo), etc. Tanto os observáveis quanto inobserváveis são analisados desta forma.

Neste aspecto a ciência terá sempre a última palavra (aproximação segura aos resultados – identificação de causalidades), pois está engendrada nas camadas mais subjacentes e abstrativas da realidade (cosmos) inobservadas, esperando que os experimentos comprovem nossas suposições/teorias. Enquanto a filosofia é apenas uma interface comunicativa entre interlocutores; pessoas curiosas, pensadores, etc.

A ciência trabalha em última análise com a nervura da realidade que damos o nome de campos espaciais/subespaciais. Ex: descoberta das ondas gravitacionais em 2015 pelos experimentos ligo. No início do século XX, Einstein anunciou sua descoberta que chamou de teoria da relatividade (especial em 1905 e geral em 1915); entretanto, somente em 2015 os experimentos Ligo, detectaram a fusão de buracos negros, confirmando a assertividade da teoria da relatividade geral.

Suposições matemáticas não são realidades físicas

Nós inventamos a matemática que serve como uma ferramenta na incessante busca pela realidade e existência. No exemplo das Ondas Gravitacionais, mesmo a teoria da relatividade estar correta em milhões de experimentos no decorrer de um século, foi somente com a detecção das ondas gravitacionais pelos experimentos ligo que tivemos a comprovação completa da teoria. As ondas de espaço/tempo foram detectadas pelas réguas de luz do ligo.

A metafísica é útil para determinar existências?

A metafísica é o ramo da filosofia que examina a natureza fundamental da realidade em sentido restrito (não pode experienciar), simbólico (atribuição de termos) e principalmente retórico. A palavra “metafísica” deriva das palavras gregas μετά (metá, “depois”) e φυσικά (physiká, “física”). Foi usado pela primeira vez como o título de várias das obras de Aristóteles, porque eram geralmente antologizadas após as obras sobre física em edições completas. O prefixo meta- (“depois”) indica que essas obras vêm “depois” dos capítulos de física. No entanto, o próprio Aristóteles não chamou o sujeito desses livros de metafísica: ele se referiu a ele como:” filosofia primeira” (grego: πρώτη φιλοσοφία; latim:philosophia prima). Acredita-se que o editor das obras de Aristóteles, Andrônico de Rodes, tenha colocado os livros sobre filosofia primeira após outra; Física, e os chamou de τὰ μετὰ τὰ φυσικὰ βιβλία (tà metà tà physikà biblía ) ou “os livros [que vêm] depois dos [livros de] física”.

Relação de metafísica e ciência

Antes da história moderna da ciência, as questões científicas eram abordadas como parte da filosofia natural. Originalmente, o termo “ciência” (latim:scientia) significava simplesmente “conhecimento”. O método científico, entretanto, transformou a filosofia natural em uma atividade empírica derivada do experimento, ao contrário do restante da filosofia. No final do século 18, começou a ser chamada de “ciência” para distingui-la de outros ramos da filosofia. Ciência e filosofia têm sido consideradas disciplinas separadas desde então. Daí em diante, a metafísica denotou investigação filosófica de caráter não empírico sobre a natureza da existência.

Rejeição da metafísica

A metametafísica é o ramo da filosofia que se preocupa com os fundamentos da metafísica. Vários autores sugeriram que muito ou toda a metafísica deveria ser rejeitada, uma posição metametafísica conhecida como deflacionismo metafísico.

Posição pessoal deste autor quanto à metafísica

Na minha concepção dos fundamentação da realidade, a metafísica não pode ser considerada relevante, em razão de haver uma redundância expressiva tanto na classificação de termos e não há meios de aplicar esses termos nas descobertas científicas que definem o significado dos observáveis e inobserváveis.

O realismo científico é a realidade?

A minha resposta é: NÃO! O realismo científico descreve a ciência a partir do seu objetivo e de suas conquistas. Interpreta que a ciência desenvolve teorias científicas que visam descrever com veracidade as entidades (observáveis e inobserváveis) e os fenômenos que ocorrem no universo, considerando que são independentes da nossa capacidade de descobri-los. Além disso, a ciência seria capaz de construir conhecimento. De acordo com os realistas as teorias científicas não se limitam apenas aos instrumentos, mas também são descrições do mundo ou de certos aspectos do mundo.

Na ciência, um “observável“ significa, geralmente, algo que pode ser detectado a partir dos sentidos humanos (fótons que simbolizam a luz, sons que chegam aos nossos ouvidos). Para o realismo científico, um observável é aquilo que, em condições favoráveis, é capaz de ser percebido utilizando-se apenas de nosso sistema sensorial. Então, neste contexto, inobserváveis são as coisas que precisam de aparelhos fora de nossos sentidos para que sejam detectados: elétrons, campos elétricos, prótons, ondas gravitacionais, entre outros.

Obs: tanto os observáveis quanto inobserváveis são existenciais.

Problemas com o realismo científico

Um dos critérios do realismo científico compromete-se com a ideia de que o mundo em si não depende da existência de nossa cognição; ou seja, os fenômenos ocorrem e os objetos existem mesmo que não haja um estudo científico sobre eles. Com relação aos inobserváveis, é entendido que eles existam mesmo que não tenhamos a capacidade de medi-los.

Epistemologicamente, o realismo está comprometido com a ideia de que as alegações teóricas têm interpretações literais e são independentes da nossa capacidade de medi-las, constituindo o conhecimento do mundo. Já os céticos acreditam que as teorias sobre inobserváveis não são capazes de formar conhecimento. Uma ideia geral é que as nossas melhores teorias científicas são descrições verdadeiras ou aproximadamente verdadeiras de aspectos observáveis ou inobserváveis presentes no mundo e independem da nossa concepção.

A razão do realismo científico estar equivocado pode ser representado pela equação abaixo e significa: o que ainda não foi experimentado (testado) não pode ser considerado conhecimento, pois estaria fora do escopo da experiência que configura o próprio método científico.

• Universo = Realidade U leis da física 99,999% (descobertas)
• Matemática = 99,999% invenção humana cerebral
• Realismo científico = 99,999% experimental (método científico)
• Realidade ≠ Realismo científico
• Realidade = Universo ∩ Realismo Científico

Plausibilidade interpretativa dos existenciais

Os existenciais são formados por aspectos observáveis ou inobserváveis (subjacentes/subespaciais) que precisam ser identificados tanto por meio do método científico aplicado em sua análise, quanto à nossa capacidade de formular uma interpretação sobre eles. Neste sentido um existencial é a construção ou conjunção de algo que estamos afirmando sobre um aspecto da realidade imediata somado aos critérios de concepção, identificação e medição. Existência é a construção (formação) do conhecimento!

A construção do conhecimento nasce com a percepção de vazio: C(∅), se utiliza da razão instrumental μ(∅) que permite trazer a realidade até nossa percepção, enquanto modelos matemáticos aproximam nossa simulação cerebral até essa realidade. A partir deste âmbito a existência se faz presente.

{RC}

Referências Bibliográficas

• Artigos WiKi
• Stringfixer.com
• www.black-holes.org
• Wikipédia
• Crítica Da Razão Pura – Immanuel Kant
• Crítica da Razão Prática – Immanuel Kant
• Conceito.de
• Realismo científico
• Inferência Metafísica e a Experiência do Observável – Anjan Chakravartty
• Universo Racionalista
• Nasa