Past projects

Philosophy, Probability and Modeling

Die Arbeitsgruppe verwendet Methoden aus den Gebieten Statistik, Wahrscheinlichkeitstheorie und Künstliche Intelligenz (KI), um bestimmte philosophische Probleme präziser zu formulieren und anschliessend unter Umständen sogar zu lösen. Zu diesen Problemen gehören Fragen aus der Bestätigungstheorie, der Erkenntnistheorie, dem auch für sozialwissenschaftliche Anwendungen relevanten Problemkomplex Kausalität, sowie Fragen im Umfeld der sog. Theorie der rationalen bzw. sozialen Wahl in der Entscheidungstheorie. Im einzelnen haben wir vor, über folgenden Themen zu arbeiten:

• Die Theorie der probabilistischen Kausalität und das Lernen kausaler Strukturen aus statistischen Daten. Im Grenzgebiet von Statistik und KI hat sich eine Forschungsrichtung etabliert, bei der es darum geht, kausale Strukturen aus experimentellen Daten zu extrahieren. Die entwickelten Methoden haben zahlreiche Anwendungen, nicht zuletzt in den Sozialwissenschaften, wo Forscher gewöhnlich darunter leiden, nur in beschränktem Maße auf "harte" experimentelle Daten zurückgreifen zu können. Auch kognitive Psychologen bedienen sich dieser Methoden, um mehr über den Erwerb kausalen Wissens von Menschen zu lernen. Es ist nun interessant, dass diese Arbeiten in direktem Zusammenhang stehen zu probabilistischen Analysen der Kausalität, wie sie von Philosophen seit vielen Jahrzehnten, beginnend mit Hans Reichenbach (1956), vorangetrieben wurden. Das Projekt ist daher interdisziplinär angelegt.
  
  
• Glauben, Kohärenz und Zuverlässigkeit. Wann ist es gerechtfertigt, neue Information von einer nicht vollständig zuverlässigen Quelle in unser gegenwärtiges Wissenssystem aufzunehmen? Um eine Antwort auf diese Frage zu erhalten, erweisen sich die Theorien der konditionellen Unabhängigkeit und der Bayesianischen Netzwerke in der Statistik als besonders hilfreich. Es zeigt sich, dass die oben erwähnte Fragestellung von einiger Relevanz für andere philosophische Forschungsgebiete ist, wie etwa die Kohärenztheorie der Erkenntnis, die Bestätigungstheorie in der Wissenschaftstheorie, die Bewertung von Zeugenaussagen in der Rechtswissenschaft und die Auswertung sensorischer Daten von Robotern in der KI.
  
  
• Die Theorie der sozialen Wahl. In den vergangenen Jahren erschienen zahlreiche Arbeiten von politischen Philosophen und Politikwissenschaftlern zur Demokratietheorie. Demokratische Wahlen garantieren, so wird behauptet, nicht nur eine gerechte Verteilung des Wohlstandes. Sie erhöhen auch die Chancen, dass sich die besseren Gründe durchsetzen und garantieren, dass sich die Volksvertreter gebührend um die Bürger kümmern. Ziel dieses Projektes ist es, diese und ähnliche Rechtfertigungen von Demokratie mit Hilfe von Modellen aus der Wahltheorie (z.B. dem Condorcet Jury Theorem), der probabilistischen Modellbildung (z.B. Monte Carlo Simulationen), der Spieltheorie und der Urteilsaggregation zu untersuchen.

For more information please visit: Homepage of the research group