31、休谟、义务论认识论与信念伦理

休谟、义务论认识论与信念伦理

1. 恶性循环问题

在探讨信念与认知义务的关系时,会陷入一个恶性循环。若我们的信念仅通过支撑它们的先前自愿行动才受认知义务约束,而这些行动又仅因其与非自愿信念的关联才受认知义务约束,那么就会回到原点。

2. 拒绝“应该蕴含能够”原则

2.1 当代认识论中的不同观点

在当代认识论中,否定“应该蕴含能够”原则是个艰难的选择,因为该原则乍看之下很有道理。不过,许多哲学家尝试缓和这一难题,具体方式如下:
|哲学家|观点|
| ---- | ---- |
|Wolterstorff|将认知上的“应该”与描述预期情况的“典范应该”相比较,如医生告知病人“你六个月后应该能再次跳舞”|
|Feldman(早期)|认为我们可能有无法履行的义务,如偿还债务的义务|
|Feldman(后期)|主张认知义务类似于“角色应该”,“角色应该”描述了扮演某个角色的正确方式,基于“良好表现”,且我们无法选择是否承担“信徒”这一角色,即便可能无法履行,该角色仍带有义务|
|Kornblith|认为信念义务应被视为认知理想,不考虑个体信徒的能力,但会考虑人类的普遍局限性|
|Chrisman|认为我们应将认知上的“应该”理解为关于理想事态的“应该是”,而非“应该做”,前者不意味着对任何人有任何程度的控制或影响|

2.2 对“能够”含义的重新解读

也有很多人认为“应该蕴含能够”中的“能够”并不意味着自愿控制,从而在避免潜在矛盾的同时保留这一概念。例如:
- Chuard和Southwood指出Alston的论证错误源于将“能够”(各种形式

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
本系统采用微信小程序作为前端交互界面,结合Spring BootVue.js框架实现后端服务及管理后台的构建,形成一套完整的电子商务解决方案。该系统架构支持单一商户独立运营,亦兼容多商户入驻的平台模式,具备高度的灵活性扩展性。 在技术实现上,后端以Java语言为核心,依托Spring Boot框架提供稳定的业务逻辑处理数据接口服务;管理后台采用Vue.js进行开发,实现了直观高效的操作界面;前端微信小程序则为用户提供了便捷的移动端购物体验。整套系统各模块间紧密协作,功能链路完整闭环,已通过严格测试优化,符合商业应用的标准要求。 系统设计注重业务场景的全面覆盖,不仅包含商品展示、交易流程、订单处理等核心电商功能,还集成了会员管理、营销工具、数据统计等辅助模块,能够满足不同规模商户的日常运营需求。其多店铺支持机制允许平台方对入驻商户进行统一管理,同时保障各店铺在品牌展示、商品销售及客户服务方面的独立运作空间。 该解决方案强调代码结构的规范性可维护性,遵循企业级开发标准,确保了系统的长期稳定运行后续功能迭代的可行性。整体而言,这是一套技术选型成熟、架构清晰、功能完备且可直接投入商用的电商平台系统。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值