Wie kommt man zu wissenschaftlich gesichertem Wissen? Diese Frage hat die Forschung von Anfang an begleitet. Je nach wissenschaftlichem Kontext, Anspruch an den Wahrheitsgrad und abhängig von wissenschaftlicher Methodik, wurden im Laufe der Epochen unterschiedliche Antworten auf diese Frage gegeben. In jüngster Zeit hat sich eine neue wissenschaftliche Methodologie herausgebildet, die sich am besten als "probabilistischer Rationalismus" charakterisieren lässt: In Zusammenarbeit zwischen Informatik und Physik wurden in den letzten Jahrzehnten und Jahren Methoden entwickelt, die es erlauben, große Mengen von Daten, die in modernen Experimenten gesammelt werden, unter Berücksichtigung ihrer probabilistischen Eigenschaften zu analysieren. Künstliche Intelligenz oder maschinelles Lernen sind die Methoden der Stunde.

Mit diesem Thema befasst sich ein neuer Techreport "On Probabilistic Rationalism" von Prof. Dr. Dr. Wolfgang Rhode. Dieser befasst sich nicht mit einzelnen Aspekten statistischer Analysen, sondern mit dem gesamten evolutionären Prozess der Wissenserweiterung. Interdisziplinäre Aspekte der Erkenntnistheorie aus den Perspektiven der Physik, der Informatik und der Philosophie werden zu einem aktuellen und konsistenten Modell des Wissenserwerbs zusammengeführt. Mit diesem Modell können einige bekannte Probleme bestehender erkenntnistheoretischer Ansätze überwunden werden. Dabei wurden insbesondere interessante Parallelen zwischen der Funktionsweise des maschinellen Lernens und biologisch-neuronalen Lernprozessen festgestellt.

Der Report kann hier abgerufen werden.