Computersimulation og datalogiens rolle i andre videnskaber

Computersimulation og datalogiens
rolle i andre videnskaber
Henrik Kragh Sørensen
Institut for Videnskabsstudier, Aarhus Universitet
hks@ivs.au.dk
www.henrikkragh.dk
Resumé
Undervisningsgangens temaer: Datalogiens betydning i andre videnskaber. Videnskabens
infrastruktur. Afslutning og opsummering. Opsummering på cases. Eksamensforberedelse.
Case(s): Computersimulationer som eksperimenter: (Küppers, Lenhard og Shinn 2006).
En etik-case: Therac-25: (Leveson og Turner 1993).
Forelæsning #7, 2009-05-26
Datalogiens Videnskabsteori 2009

2
Dagens program
⋆ Meddelelser og spørgsmål
⋆ Sidste gang: Professionsetik
⋆ Datalogi og informationsteori i naturvidenskaberne
⋆ Eksperimenter og computer-ditto
⋆ Opsamling på kursets tematikker
⋆ Eksamensorientering
Meddelelser
⋆ Eksamen 15. til 17. juni → eksamensorientering sidst i forelæsningen.
⋆ Eksamenstilmeldinger → check! → studerende fra tidligere år: kontakt gerne
Henrik.
⋆ Spørgetime (og sikkert også en instruktorøl) fredag 12. juni kl. 13 i auditorium
1110-223.
Professionalisering & disciplinaritet
⋆ Professionel vs. amatør.
⋆ Professionel identitet (selvforståelse).
⋆ Afgrænsning fra andre discipliner.
⋆ Indtræden i disciplinen.
⋆ Karriereveje: Professionalisering til hvad? → forskning, arbejdsmarked, . . . .
⋆ Akademisk ballast: Fokus på og i forskningen → ‘publish-or-perish’ → CUDOS.
⋆ “Techno-science” (mode-2) → skellet mellem samfund og videnskab nedbrydes
→ PLACE.

3
Professionel etik og whistle-blowing
⋆ Den enkeltes ansvar i en organisation:
− Ansvar overfor ledelsen (primært),
− Ansvar overfor kunden / klienten,
− Ansvar overfor offentligheden,
− Ansvar overfor sig selv (subjektivt).
⋆ “Whistle blowing” og ytringsfrihed (dilemma):
− Professionelt ansvar,
− Afvejes mod andre (etiske) interesser,
− Konsekvenser af whistle-blowing.
⋆ Igangværende debat om whistle-blowing i dansk offentlig
administration og privat erhvervsliv.
Case: Loyalitet (husker I Lene?)
Lene er uddannet datalog og ansat i et større dansk firma.
⋆ Lenes firma har vundet en licitation til et stort offentligt elektronisk journalsystem.
Lene har været med til at udvikle specifikationerne og føler, at den i tilbudet
angivne sikkerhed imod uhensigtsmæssig (ulovlig) adgang til følsomme
data er utilstrækkelig. Hun har nævnt det for sin chef, men han insisterer på, at
specifikationen er, hvad den offentlige kunde har ønsket og betalt for. Hvordan
forholder Lene sig? Hvorfor?
⋆ På grund af andre uklarheder i specifikationerne trækker implementationen af
journalsystemet i langdrag. Der opstår især nogle problemer med visse proprietære
dataformater, som er indeholdt i specifikationen. Lene er en stor OSS-fan og
har været modstander af denne implementation fra starten. Nu bliver hun kontaktet
af en journalist, som har hørt, at forsinkelserne vil fordyre det prestigøse
projekt betragteligt. Hvordan forholder Lene sig? Hvorfor?
Datalogi i det akademiske landskab
⋆ Tidligere om datalogiens indhold, datalogiens historie og universitetets idehistorie:
⋆ Datalogi “låner” videnskabelighed fra andre discipliner → matematik, lingvistik,
logik, . . . .

4
⋆ Datalogi og computere “hjælper” andre discipliner . . .
− som modelleringsværktøj i naturvidenskaberne → virtuelle laboratorier →
irreproducible “eksperimenter”, visualisering (udvidet sansning).
− som “paradigme” i kognitions-videnskaber og lingvistik → kunstig intelligens
(forskningsprogram), formalisering af teorier, “afprøvning” af teorier.
− som redskab i matematikken → beviser, eksperimenter, empiri (heuristik).
⋆ Datalogi som paradigme og computere som definerende teknologi.
Turing-maskiner og Turings mænd

5
Informationsteori
⋆ CLAUDE ELWOOD SHANNON (1916–2001) som et omdrejningspunkt
på det biografiske niveau:
− Studerede under VANNEVAR BUSH (1890–1974).
− Ansat på Bell Labs under krigen med militær
forskning (NDRC).
− Mødte ALAN TURING (1912–1954) og hans 1936-
artikel.
− “A Mathematical Theory of Communication”
(1948) i Bell System Technical Journal → kommunikationsmodel,
bits, information.
− Anvendelser i lingvistik.
− Eksperimenterede med AI: Theseus (1950).
(Shannon 1948)
Modelleringsspørgsmålet
⋆ “Virkeligheden” kan være på
mange niveauer fra fysisk virkelighed
til modeller og abstrakte
systemer.
⋆ Ontologiske forbindelser mellem
objekter i model og verden?
⋆ Epistemologiske forbindelser?
⋆ Husk diskussionen af Dreyfus og
psykologisk, epistemologisk, ontologisk
og biologisk antagelse
ved (traditionel) AI.

6
Eksperimenter: Medawar
⋆ Baconiske: Gå til verden, manipulér den, observér udkommet,
notér det og lav induktion til teori.
⋆ Aristoteliske: Demonstrér teori.
⋆ Kantianske: Overvej alternative antagelser → tankeeksperimenter,
struktur.
⋆ Galileiske: opstil eksperiment, som på grunlag af teori,
skelner skarpt mellem to udkommer → cruciale eksperimenter,
bevis for teori, verifikation → teoriladet.
Explorative eksperimenter: CoD vs. CoJ
Heuristics, Baconian experiment, etc.
Context of Discovery
Physics etc.
experiment
Context of Justification
Galilean experiment, ‘proof’, etc.

7
Computer-eksperimenter og matematik
⋆ Brugen af computere til matematisk udforskning kan have ændret den matematiske
epistemologi → ?
⋆ Opbløde skellet mellem “context of discovery” og “context of justification” →
heuristik og bevis → ?
⋆ Forskellige grader af radikale synspunkter → JONATHAN M. BORWEIN vs. DOR-
ON ZEILBERGER → “Theorems for a price”
⋆ “New experimentalism” → “exploratory experimentation”, “wide instrumentation”,
“proofs and experiments”.
Integer relation detection
Algorithm 1 (PSLQ)
To detect integer relations, the PSLQ algorithm takes:
Input: Vector of high-precision real numbers (x 1 , . . . , x n ) ∈ R n .
Output: Either
1. a vector of integers (m 1 , . . . , m n ) ∈ Z n \ {0} such that ∑ n k=1 m kx k ≈ 0 with high
precision, or
2. a lower bound R such that
Zeilberger & Ekhad
∀(m 1 , . . . , m n ) ∈ (Z n \ {0}) ∩ B 0 (R) :
n
∑ m k x k ̸= 0.
k=1
PROOF: While this is unlikely to be new, it is also irrelevant whether or not it is new,
since such things are now routine, thanks to the package qEKHAD, accompanying [PWZ].
Let’s call the left side divided by q m(m−1)/6 , Z(m). Then we have to prove that Z 0 (m) :=
Z(3m) equals (−1) m , Z 1 (m) := Z(3m + 1) equals (−1) m , and Z 2 (m) := Z(3m + 2)
equals 0. It is directly verified that these are true for m = 0, 1, and the general result
follows from the second order recurrences produced by qEKHAD. The input files inZ0,
inZ1, inZ2 as well as the corresponding output files, outZ0, outZ1, outZ2 can be obtained
by anonymous ftp to ftp.math.temple.edu, directory pub/ekhad/sasha. The package
qEKHAD can be downloaded from http://www.math.temple.edu/~zeilberg.
(Ekhad og Zeilberger 1996, p. 2) in Electronic Journal of Combinatorics.

8
Computer-simulation: en ny videnskab?
⋆ Våde og tørre laboratorier: Eksperimenter, man ikke kan eller ikke vil udføre
“live”.
− Farlige eksperimenter → tænk på nuklear-simulationer (fx i Manhattan projektet).
− Dyre eksperimenter eller ‘tvivlsomme’ eksperimenter → beregningskemi i
medicinalindustrien, bioinformatik.
⋆ Hvilke udfordringer stiller det til vores tænkning om eksperiment? Hvilke udfordringer
stiller det til vores tænkning om teori. → Tilbage til modelleringsspørgsmålet!
⋆ Simulation af ikke-testbare eksperimenter → fx klimaforskning → modelbygning
i en teori-underdetermineret situation → eksperimenteren med modellen → forudsigelser
→ vurderingskriterier?
Opsamling: Simulation og eksperimenter
⋆ Eksperimenter og naturvidenskab → forskellige roller.
⋆ Klassisk anses eksperimenter for at “teste teorier” → “cruciale” (afgørende) (“Galileiske”)
eksperimenter → “verifikation”.
⋆ Eksperimenter kan også være “opdagende” (“Baconiske”) → “heuristik” og “rode
omkring”.
⋆ Endvidere kan eksperimenter være påvisende (“Aristoteliske”).
⋆ Endelig kan (tanke-/computer-) eksperimenter være afprøvninger af vores modellering
og aksiomatisering (“Kantianske eksperimenter”).
⋆ Nyere eksperiment-syn er “exploratory experimentation”, hvor eksperimentet
også tillægges epistemologisk værdi → begrebsdannelse, teoridannelse.
⋆ Har computeren betydet en ny epistemologi for videnskaben? Har computeren
betydet (bidraget til) en ny disciplinarisering af videnskaben?
Opsamling på kursets tematikker

9
Kursusuge
Indhold
1 2009-04-07 Introduktion: Hvad er datalogi?
2 2009-04-21 Modellering og reduktionisme
3 2009-04-28 Teoretisk datalogi eller anvendt matematik?
4 2009-05-05 Datalogiens historie og den akademiske verden
5 2009-05-12 Datalogi og etik
6 2009-05-19 Datalogi som profession
7 2009-05-26 Computersimulation og datalogiens rolle i andre videnskaber
⋆ Videnskab — Teknologi — Håndværk.
⋆ Forskning — Innovation — Anvendelse.
⋆ Datalogi som videnskab (akademia) eller profession (erhvervsliv)?
⋆ Filosofi — Historie — Etik.
Eksamensorientering: overblik
⋆ “Bunden, skriftlig 2-dages hjemmeopgave”. Hvis du er på en tidligere eksamensordning
eller har fået forlænget eksamensperioden, bedes du kontakte mig.
⋆ Udlevering og aflevering.
⋆ Opgavens form.
⋆ Formalia.
⋆ Eksempler og god praksis.
⋆ Spørgsmål og kommentarer.
Udlevering og aflevering
⋆ Opgaveformuleringen udleveres fra mandag 15. juni kl. 12.00
− på AULA eller
− på Institut for Videnskabsstudiers kontor, 1110-119.
⋆ Opgavebesvarelsen afleveres senest onsdag 17. juni kl. 12.00 i to eksemplarer på
Institut for Videnskabsstudiers kontor, 1110-119.
⋆ Ved aflevering kvitteres på udfyldt afleveringskvittering (downloades fra AULA
og udfyldes).

10
Opgavens form
⋆ Opgaveformuleringen vil bestå af 6–8 bundne spørgsmål med en vis grad af indre
sammenhæng.
⋆ Der kan forekomme valgfrihed mellem to sæt spørgsmål — så er det klart markeret.
⋆ Spørgsmålene vil have forskellige krav: redegørelse, kort redegørelse, analyse,
diskussion.
⋆ Opgavebesvarelsen bør svare på hvert spørgsmål i rækkefølge → og det skal
være klart, hvornår der svares på hvilket spørgsmål.
⋆ Opgaven kan besvares fyldestgørende på de to dage og forventes at kunne besvares
fyldestgørende og ‘skarpt’ over 6–8 sider.
Læringsmål
Ved kursets afslutning bør du kunne:
⋆ redegøre for dit fags særpræg og dets forhold til andre akademiske discipliner,
⋆ perspektivere, hvad det vil sige at være datalog uddannet i Danmark,
⋆ diskutere hvad dit fag indebærer af videnskabsteoretiske og etiske problemstillinger,
og
⋆ reflektere kritisk over dit fags indhold og dets samfundsmæssige funktioner.
Eksamensspørgsmål 2007
1. Redegør kort ( 1 2
–1 side) med udgangspunkt i Kragh-teksen (tekst 4) for, hvad der
karakteriserer videnskab.
2. Benyt dit svar på spørgsmål 1 samt udvalgte tekster fra kompendiet til at kort at
analysere (ca. 1 side), hvorvidt datalogi opfylder de opsatte kriterier.
3. Datalogi er — som understøttet af leksikon-opslag i kursets første uge — en “vidtfavnende,
tværvidenskabelig disciplin”, som også har mange roller at spille udenfor
den akademiske verden. Redegør kort ( 1 2
–1 side) for forholdet mellem et fag
og dets sag, som dette forhold udfoldes hos Fink (tekst 22).
4. Analysér derefter med udgangspunkt i dit svar på spørgsmål 3, hvilke sager,
datalogi-faget kan siges at have.

11
5. Diskutér endelig — på grundlag af dine svar på spørgsmål 3 og 4 og under anvendelse
af udvalgte tekster fra kompendiet — mindst 1 eksempel, hvor hensynet til
en “sag” har ført eller bør føre datalogen til bestemte handlinger. Redegør for
eventuelle etiske argumenter undervejs.
Eksamensspørgsmål 2008
1. Redegør (ca. 1 side) for hvad der karakteriserer hhv. CUDOS og PLACE, som
disse normsæt udfoldes i teksten af Hansen og Johansen (tekst 7).
2. Diskutér med udgangspunkt i dit svar på spørgsmål 1 og under inddragelse af
udvalgte tekster fra kompendiet, hvordan datalogifaget kan ses placeret i forhold
til normsættene CUDOS og PLACE.
3. Redegør kort ( 1 2
–1 side) med udgangspunkt i Kragh-teksen (tekst 3) for, hvad der
karakteriserer formalvidenskaber.
4. Benyt dit svar på spørgsmål 3 samt udvalgte tekster fra kompendiet til kort at
analysere (ca. 1 side) den rolle matematik spiller i og for datalogifaget.
5. Man kan argumentere for programmers korrekthed på forskellige måder, hvoraf
formel verifikation er en. Benyt teksten af Mackenzie&Pottinger (tekst 12) som
udgangspunkt for at analysere og diskutere styrker og svagheder ved formel verifikation
af programmer. Inddrag gerne andre tekster fra kompendiet, fx Slaytonartiklen
(tekst 18).
Formalia
⋆ Besvarelsen skal indeholde:
− En forside med navn, årskortnummer, kursusnavn og årstal, samt afleveringsdato
og information om, hvorvidt besvarelsen efterfølgende må fremlægges
anonymiseret.
− En brødtekst, som svarer på opgaven → selve opgaveteksten kræves ikke
gentaget → hellere fx blot numre og klart implicit i besvarelsen.
− Litteraturhenvisninger til anvendt litteratur, samt en litteraturliste.
⋆ Font-størrelse mindst 11, rigelige marginer.
⋆ Fra AULA kan downloades en opgaveskabelon til L A TEX/bibTEX→ brug “på eget
ansvar”.

12
Eksempler og god praksis
⋆ Redegørelse: Forklare (dvs. beskrive, parafrasere og analysere) i egne termer.
Refererende tekst er passager, hvor du refererer synspunkter eller
gengiver teoretiske baggrunde. Komprimér disse afsnit så meget som
muligt og udelad, hvad der ikke er sagen vedkommende. En særlig
slags refererende tekst udgøres af ‘redegørende tekst’, hvor du beskriver
andres synspunkter og baggrunde med enkelte forklarende indskud,
som klart markeres stilistisk, fx med vendinger som ‘dvs.’ eller
‘hvilket betyder’ eller lignende.
⋆ Kort redegørelse → ikke mere end cirka 1 2
side → præcision.
⋆ Analyse: Bryde op i bestanddele og sammenholde → fx bryde et argument op i
præmisser og konklusioner.
Den analyserende tekst skal forholde sig til det i opgaveformuleringen
efterspurgte. At analysere er også at kommentere fremstillinger,
forholde sig til forskelle og ligheder mellem fremstillinger og vurdere
andre videnskabsteoretiske argumenter. Angiv altid meget tydeligt,
hvem ‘der har ordet’: dig, en anden videnskabsteoretiker eller fx en
videnskabsmand.
⋆ Diskussion: Sammenligne og forholde (evt. også vurdere) to positioner, fx fra
en forudgående analyse. → NB: Udgangspunkt i tekst, ikke i egne erfaringer,
meninger, etc. → Individualismen skal nok komme frem alligevel.
Om citater
⋆ Citater kan indgå både i den refererende og den analyserende tekst.
⋆ Citater er specielt nyttige, hvis du vil analysere eller forklare en kildes synspunkt
eller konkrete formulering.
⋆ Det skal være helt tydeligt i teksten, hvor et citat starter og slutter, og det skal
afsluttes af en præcis kildehenvisning med sideangivelse.
⋆ Markeringen kan enten ske ved at sætte citatteksten i anførselstegn eller ved at
skrive det i kursiv eller ved at skrive det i et selvstændigt afsnit med en mindre
font. → Vælg én af metoderne!
⋆ En udeladelse i et citat markeres med [. . . ], tilsvarende skrives enventuelle tilføjelser
i [].

13
⋆ Citater skal angives nøjagtig efter kilden, dvs. i samme sprog og tegnsætning.
Din egen oversættelse kan eventuelt sættes efter originalcitatet eller i en fodnote.
Præcist sprog afspejler præcist argument
⋆ Klart og levende sprog.
⋆ Skriv i helsætninger.
⋆ Gør argumenter færdige → overlad ikke konklusioner til læseren → skriv på
linjerne.
⋆ Pas på alt for lange sætninger → bryd sætninger op i (afsluttede) komponenter.
⋆ Sætninger, som indledes med et argumenterende led (“derfor”, “heraf ses”, etc.)
antyder, at den foregående sætning ikke blev helt færdig → revidér.
⋆ Pas på med retoriske spørgsmål → og husk tegnsætning.
⋆ Pas på med talesprog → som sagt: præcist sprog afspejler præcise argumenter.
⋆ “Metatekst” kan hjælpe læseren og samtidig gøre argumentationen klar(ere) →
giv også gerne gode (sigende) overskrifter.
Henvisninger og litteraturliste
⋆ Når man skriver akademiske tekster (og eksamensopgaven i Matematikkens Videnskabsteori
skal være en akademisk tekst), er det vigtigt, at referencer og fodnoter
bruges til at gøre det muligt for læseren at gennemskue, hvor argumenter
stammer fra, eller hvor et citat forekommer i en kilde.
⋆ Referencer bruges af opgaveskriveren til at dokumentere andre personers synspunkter
eller til at dokumentere, hvor en given fortolkning stammer fra.
⋆ Referencer gives i fodnoter, som indsættes nederst på siden, gerne i en lidt mindre
font.
⋆ Referencer til en tekst i litteraturlisten gives ved forfatterens/forfatternes efternavn(e),
udgivelsesår og sideangivelse. For eksempel: (Kragh 2003, s. 150) eller
(Küppers et al. 2006, s. 17).
Fodnoter kan eventuelt også bruges til andet end litteraturhenvisninger. Mindre
centrale argumenter eller biografiske informationer kan med fordel placeres i fodnoter.
Pas dog på, at alle centrale argumenter står ‘på linierne’ i hovedteksten.
Hvis man føler sig usikker på, hvordan man skriver opgaver på et akademisk niveau,
kan man med fordel konsultere bøger og hæfter skrivet af Peter Stray Jørgensen
og Lotte Rienecker, fx (Rienecker, Jørgensen, Hedelund, Hedelund og Kock 2000).

14
Litteraturlisten
⋆ Litteraturlisten skal indeholde al den litteratur, du har brugt til opgaven.
− For bøger skal angives forfatternavn(e) eller redaktør(er), fuld titel, trykkested,
trykkeår og trykker. Titlen kursiveres.
− For artikler skal angives forfatternavn(e), fuld titel, tidsskriftets fulde navn,
årgang/volumennummer, trykkeår og sidetal (start+slut). Tidsskriftets titel
kursiveres.
⋆ Litteraturen skrives op alfabetisk efter forfatterens efternavn.
⋆ Formålet med litteraturlisten er, at andre videnskabsteoretikere entydigt ud fra
referencen skal kunne finde frem til værket.
⋆ Eksempler kan findes i litteraturlisterne i forelæsningsnoterne og en bibTEX-fil
forefindes på AULA.
Evaluering og tak
⋆ Evalueringsskemaer online snart.
⋆ Mundtlig (eller skriftlig) evaluering meget velkommen:
− Kurset,
− Kompendiet,
− Emner,
− Undervisning.
⋆ Tak for denne gang → på gensyn → til spørgetime og instruktorøl 12. juni → og
god fornøjelse til eksamen!
Litteratur
Baeyer, H.: 2005, Information: The New Language of Science, Harvard University Press, Cambridge.
Ekhad, S. B. og Zeilberger, D.: 1996, The number of solutions of X 2 = 0 in triangular matrices
over GF(q), Electronic Journal of Combinatorics 3(R2), 1–2.
Kragh, H.: 2003, Hvad er videnskab?, Universitet og Videnskab. Universitetets idéhistorie, videnskabsteori
og etik, Hans Reitzels Forlag, København, kapitel 3, pp. 145–192.
Küppers, G., Lenhard, J. og Shinn, T.: 2006, Computer simulation: Practice, epistemology, and
social dynamics, i J. Lenhard, G. Küppers og T. Shinn (red.), Simulation: Pragmatic Construction
of Reality, bind 25 af Sociology of the Sciences Yearbook, Springer, Dordrecht, kapitel
1, pp. 3–22.

15
Leveson, N. G. og Turner, C. S.: 1993, An investigation of the Therac-25 accidents, Computer
26(7), 18–41.
Medawar, P. B.: 1979, Advice to a Young Scientist, Harper & Row, San Francisco.
Rienecker, L., Jørgensen, P. S., Hedelund, L., Hedelund, S. og Kock, C.: 2000, Den gode opgave —
opgaveskrivning på videregående uddannelser, Forlaget Samfundslitteratur, København.
Shannon, C. E.: 1948, A mathematical theory of communication, Bell System Technical Journal
27, 379–423, 623–656.
Sørensen, H. K.: [accepteret], Exploratory experimentation in experimental mathematics: A glimpse
at the PSLQ algorithm. Accepteret (2009-02-12) til offentliggørelse i Philosophy of Mathematics:
Sociological Aspects and Mathematical Practice.
Sørensen, H. K.: 2009, Noter til datalogiens videnskabsteori 2009. Til brug for undervisningen i
kurset Datalogiens Videnskabsteori, Aarhus Universitet, 2009. Version 1.6, 7. april 2009.