知识与艺术

3月16日,COVID-19大流行在欧洲爆发。看着那天的世界指示器,还记得它的开始,并从互联网上选择了一个可靠的繁殖数量,他提出了一个非常简单的模型来计算感染人数(I_ {t})(t时刻):特定感染期结束时的感染人数表示为最后一个周期(L_ {t})的感染人数加上新感染的人数过去时期(N_ {t})乘以污染数(C)(或在此期间被感染者污染的平均人数)感染期)。简而言之:

w明天我们会得到什么

这是我们今天增加的污染,也是我们今天拥有的污染。

In formula:

I_{t} = L_{t} + N_{t} * C

他已经知道当复制周期为5天且复制数为2时该公式的行为。他已经了解了当假设污染/感染/繁殖期的长度为5天且污染数为2且假设大流行的开始时间假定为2019年12月底时该公式的行为。他想知道通过公式人为产生的结果如何与现实世界所显示的相似。该公式创建于3月16日。下表显示了3月16日至26日的结果与现实产生的数字的比较(从worldometers.info收集):

日期观测到的已计算
16 三月
21 三月
26 三月
182.414
304.979
531.865
131.071
262.143
524.287
16
17
18

他认为,知识是被观察或衡量的,而艺术是被计算的。毕竟,后者是创造性工作的结果,即使它是在科学野心下完成的。因此,理论和算法属于艺术而非知识。由于它们属于科学工具,因此存在分类错误的风险。理论和算法是已知的艺术作品,但本身不会自动成为知识。后者可能发生,但前提是所计算的内容具有足够的质量。

他知道,这是一个困难的问题。特别是在知识和艺术方面。如果他没有记错的话,艺术通常会成为知识,因为伴随的故事(理论,算法)是连贯的,并显示出内在的逻辑,此外,当评估者对其进行实践或实践时,事实证明它是可靠的。

这意味着公式(以及因此实现该公式的算法)是艺术,但不是知识。 在可靠性方面,对于那些对大流行呈指数增长感兴趣的人仍然可以使用。 但是就连贯性而言,算法0不足。 它没有考虑到根据常识重要的现象:易感的人数,感染的人数以及抵抗力(恢复或死亡)的人数。 在这三种最常见的简单流行病模型SIR模型中,只有感染数量可以在算法-0中找到。 因此这是不连贯的,因为我们知道还需要另外两个才能显示流行的长期动态。