Ein neuer Rahmen für physikalische Theorien

In letzter Zeit gab's viel Interesse daran, kausale Modellierungstechniken zu nutzen, um physikalische Theorien besser zu verstehen. Allerdings kann das Konzept der 'Kausalität' ziemlich einschränkend sein. Wenn man sagt, dass eine physikalische Theorie eine kausale Struktur beinhalten muss, setzt das viele Grenzen dafür, wie diese Theorie aussehen kann. Deshalb ist das Ziel hier, einen breiteren Rahmen vorzustellen. Es wird vorgeschlagen, dass jede messbare physikalische Theorie als generatives Programm dargestellt werden kann. Dieses Programm ist im Grunde eine Liste von Anweisungen, wie man empirische Daten erzeugt, die durch ein gerichtetes, azyklisches Diagramm (DAG) visualisiert werden können. Diese Diagramme können als Darstellung von Beziehungen der 'ontologischen Priorität' verstanden werden und deuten darauf hin, dass dieses Konzept breiter ist als Kausalität, selbst für Theorien, die keinen offensichtlichen kausalen Rahmen haben. Dieser Rahmen wird im Zusammenhang mit wichtigen philosophischen Fragen zu Realismus, Operationalismus, freiem Willen, Lokalität und Feinabstimmung diskutiert.

#Die Verbindung zu den Quantenfundamenten

Die Gemeinschaft der Quantenfundamente hat sich mit der Idee beschäftigt, kausale Modelle, die in gerichteten azyklischen Diagrammen (DAGs) dargestellt werden, zu nutzen, um die Quantenmechanik zu verstehen. Dieser Ansatz basiert auf klassischer kausaler Modellierung, insbesondere von bekannten Persönlichkeiten in diesem Bereich. Sie haben es angepasst, um mit Quantenoperationen und -kanälen zu arbeiten. Manchmal behaupten Befürworter dieser Idee, dass Realismus notwendigerweise Behauptungen über kausale Strukturen beinhalten muss.

Der Reiz der kausalen Modellierung ist verständlich. Sie ist präzise, quantitativ und hilft, eine klare Darstellung der Quantenmechanik zu bieten, die versucht zu erklären, anstatt nur physikalische Phänomene zu beschreiben. Allerdings wurde die Kausale Modellierung für die makroskopische Welt entwickelt und wirft Fragen zu ihrer Anwendbarkeit auf die mikroskopische Welt auf. Es gibt kaum Beweise für die Asymmetrie, die typischerweise Kausalität in der grundlegenden Physik charakterisiert. Verschiedene glaubwürdige Theorien der Kausalität legen nahe, dass sie nur auf makroskopischer Ebene aufgrund von Faktoren wie thermodynamischen Gradienten oder den Perspektiven von Agenten auftaucht – Elemente, die auf fundamentaler Ebene nicht relevant sind. Daher könnte es sein, dass kausale DAGs nicht geeignet sind, fundamentale Physik zu beschreiben.

Sogar Woodward und Pearl haben Vorsicht bezüglich der Anwendung von kausaler Modellierung in der Quantenmechanik geäussert. Pearl glaubt, dass ihre Anwendung auf deterministische Ergebnisse beschränkt sein sollte. Inzwischen bemerken Woodward und andere, dass es irreführend ist, das EPR-Experiment als ein Ereignis mit einer gemeinsamen kausalen Struktur zu behandeln, wenn die Messergebnisse keine eindeutigen Ereignisse sind oder nicht aus einzigartigen Mechanismen stammen. Somit gibt es einen klaren Bedarf nach einem allgemeineren Rahmen, der keine zugrunde liegende kausale Struktur voraussetzt und dennoch präzise, quantitative Erklärungen für physikalische Phänomene ermöglicht. Dieser Rahmen sollte flexibel genug sein, um sowohl kausale als auch nicht-kausale Methoden einzubeziehen, um verschiedene Ansätze unter einer gemeinsamen Definition zu vereinen.

#Generative Programme als allgemeiner Rahmen

Das Ziel ist, dass der Rahmen des generativen Programms alle physikalischen Theorien und Interpretationen umfasst. Eine physikalische Theorie wird als ein Formalismus verstanden, der empirische Daten generiert, möglicherweise basierend auf spezifischen Eingaben. Dieser Rahmen weist alle vermeintlichen Theorien zurück, die empirische Daten nicht spezifizieren können, als unwürdig, als physikalische Theorien betrachtet zu werden. Er könnte auch einige qualitative Theorien ausschliessen, die keine konkreten Ergebnisse für spezifische Fälle vorhersagen können; jedoch ist diese Einschränkung für die meisten zeitgenössischen Theorien, da die moderne Physik hauptsächlich quantitativ ist, kein Problem.

Darüber hinaus kann eine physikalische Theorie auch als Methode angesehen werden, um empirische Daten zusammenzufassen. Allerdings wird Zusammenfassen als ein spezieller Fall der Datengenerierung gesehen, da Zusammenfassung einfach eine umfassende Anweisung ist, bekannte Daten zu erzeugen. Daher muss jede physikalische Theorie mindestens einen Satz von Anweisungen bereitstellen, die erklären, wie die Daten generiert werden, möglicherweise basierend auf einigen Eingaben. Gemeinsam werden wir den Anweisungssatz und die Eingaben als generatives Programm bezeichnen. Oft kann eine Theorie mehrere verschiedene Methoden bereitstellen, um dieselben Daten zu generieren, was bedeutet, dass die Theorie mit mehreren generativen Programmen verbunden sein kann.

Es gibt keine strengen Einschränkungen für die Form eines generativen Programms. Es muss nicht unbedingt eine Reihe dynamischer Gesetze beinhalten, die einen Anfangszustand nehmen und ihn über die Zeit entwickeln, um nachfolgende Zustände zu erzeugen. Somit kann dieser Rahmen sogar auf Theorien angewendet werden, die sich erheblich von traditionellen physikalischen Beschreibungen basierend auf zeitbasierter Evolution unterscheiden. Selbst eine Theorie, die lediglich Daten auflistet, kann als generatives Programm verstanden werden, auch wenn sie nicht besonders interessant ist, da sie die Muster in den Daten nicht klärt.

Im Allgemeinen wird ein generatives Programm die Form einer Reihe geordneter Schritte annehmen, die zusammen empirische Daten erzeugen. Dies ermöglicht die Darstellung als gerichtetes Diagramm, das den Informationsfluss von Eingaben zu Ausgaben veranschaulicht. Typischerweise werden diese Diagramme azyklisch sein, da Inkonsistenzen auftreten können, wenn spätere Ausgaben für frühere Schritte benötigt werden. In einigen Fällen könnte es mathematische Möglichkeiten geben, mit diesen Problemen umzugehen, aber der Einfachheit halber nimmt diese Diskussion an, dass das Diagramm nur Programme darstellt, die als gerichtete azyklische Diagramme dargestellt werden können.

Zum Beispiel denken wir an mehrere verschiedene generative Programme, die Daten erzeugen, die mit Bell-Korrelationen verbunden sind. In diesen Beispielen repräsentieren bestimmte Elemente Vorbereitungen von Paaren, den wahren Zustand des Paares, die Wahl der Messrichtungen, die Messeinstellungen und die Ergebnisse von Messungen. Hier verläuft die Zeit von unten nach oben auf der Seite, was die Diagramme einfacher verständlich macht. Dunkle Pfeile zeigen den Informationsfluss, der durch das generative Programm diktiert wird, während zusätzliche gestrichelte Pfeile die kausalen Beziehungen darstellen, die in üblichen Interpretationen erwartet werden, und aufgrund der verwendeten Zeitdarstellung zeigen diese Pfeile immer nach oben.

Es kann beobachtet werden, dass, während generative Programm-DAGs einige der gleichen Pfeile wie die standardmässigen kausalen Konten haben können, es auch Pfeile geben kann, die in verschiedene Richtungen zeigen oder verschiedene Ereignisse miteinander verbinden. Sowohl der Zustand der verschränkten Teilchen als auch ihre Wahl der Messungen können durch eine versteckte Variable bestimmt werden, was die übliche statistische Unabhängigkeit, die erwartet wird, verletzt.

#Knoten als Variablen

Die Knoten im DAG können als 'Variablen' betrachtet werden, in dem Sinne, dass sie eine Reihe von Werten annehmen können. Es wird angenommen, dass ein klar definiertes generatives Programm angibt, welche Variablen mit jedem Knoten verbunden sind und welche möglichen Werte sie haben können. Insofern wird die Kontrastklasse für jede Variable durch das Programm selbst definiert. Es soll grosszügig sein bezüglich der Arten von Variablen, die in einem Knoten gefunden werden könnten – diese Knoten sind für alle Entitäten gedacht, die angenommen werden, eine Rolle bei der Generierung empirischer Daten zu spielen. Dies erlaubt es denen mit unterschiedlichen philosophischen Ansichten über die Existenz verschiedener Entitäten, unterschiedliche Entscheidungen darüber zu treffen, welche Entitäten an den Knoten ihrer DAGs dargestellt werden.

Typischerweise, wenn DAGs verwendet werden, um kausale Modelle zu repräsentieren, basieren sie auf einer interventionistischen Sichtweise der Kausalität, wobei die Knoten beobachtbare Ereignisse bedeuten. Der Rahmen des generativen Programms besteht nicht darauf, dass Knoten Dinge sein müssen, die von Beobachtern beeinflussbar sind. Ein einzelner Knoten könnte Variablen enthalten, die sich auf Ereignisse über Raum und Zeit oder auf nicht beobachtbare Elemente wie fundamentale Teilchen oder Naturkonstanten beziehen.

Für diejenigen mit einer realistischer Sicht auf Naturgesetze können solche Gesetze als Knoten im DAG modelliert werden, wodurch ihre Rolle im generativen Programm explizit wird. Dieser Rahmen setzt jedoch keine Annahmen über Gesetze voraus; daher können diejenigen, die Gesetze nicht so betrachten, den Rahmen trotzdem verwenden, indem sie einfach keine Gesetze als Knoten in ihren Darstellungen einbeziehen. Solange das Programm diese Variablen klar definiert und ihren Wertebereich angibt, sind sie legitime Knoten im DAG.

Für jeden gegebenen DAG kann es unmöglich sein, beobachtbare von nicht beobachtbaren Knoten klar zu trennen. Diese Unterscheidung ist oft verschwommen, daher hängt der Rahmen nicht von einer strikt definierten Trennung zwischen beobachtbaren und nicht beobachtbaren Elementen ab. In der Regel konzentriert sich der Rahmen auf DAGs, die den empirischen Vorhersagen der Quantenmechanik entsprechen, erfordert jedoch keine Spezifizierung der Knoten, die mit dem bewussten Erleben verbunden sind.

Die Frage, ob das bewusste Erleben ausschliesslich aus den Knoten des DAG kommt oder ob Beobachter Zugang zur Struktur des DAG haben, muss ebenfalls angesprochen werden. Zum Beispiel glauben Befürworter des 'direkten Zugangs', dass unsere Wahrnehmung des Zeitflusses von einem direkten Verständnis darüber herrührt, wie die Zukunft aus der Vergangenheit entsteht, was darauf hindeutet, dass Erfahrungen sowohl Knoten als auch Pfeile des DAGs umfassen. Im Gegensatz dazu argumentieren diejenigen, die eine 'perspektivische' Sichtweise einnehmen, dass unsere Erfahrung des Zeitflusses eine Illusion ist, die auf unserer Perspektive basiert, und behaupten, dass Erfahrungen nur mit den Knoten in Beziehung stehen.

Der Rahmen berücksichtigt beide Ansichten; Theoretiker des direkten Zugangs und Perspektivanhänger werden einfach zu unterschiedlichen Schlussfolgerungen darüber kommen, welche DAGs empirisch äquivalent sind. Es wird angenommen, dass für jedes generative Programm eine 'maximal fein abgestimmte' Version des entsprechenden DAG existiert, was bedeutet, dass das Diagramm so viele unterschiedliche Knoten enthält, wie es das generative Programm zulässt. Dies impliziert, dass Variablen in verschiedene Knoten getrennt werden sollten, wenn sie in mehreren Schritten berechnet werden.

Die Beispiel-DAGs werden nicht immer maximal fein abgestimmt sein, da das Kombinieren von Knoten manchmal die Gesamtstruktur klären kann. Trotzdem ist die maximal fein abgestimmte Version entscheidend, wenn es darum geht, Urteile über Eigenschaften wie Lokalität und Superdeterminismus zu fällen.

#Ursprüngliche Knoten

Typischerweise erfordert ein generatives Programm einige Eingaben, die sich auf nichts anderes innerhalb des Programms stützen, die wir 'ursprüngliche Knoten' nennen. In traditionellen deterministischen Theorien dienen Anfangsbedingungen als ursprüngliche Knoten, ebenso wie die Evolutionsgesetze. Das generative Programm bestimmt dann die Zukunft vollständig basierend auf diesen ursprünglichen Knoten. Operationale Theorien behandeln oft Agenten als extern, wobei die Entscheidungen der Agenten bezüglich Aktionen wie Zustandvorbereitung und Messung als ursprüngliche Knoten fungieren. Einige physikalische Theorien versuchen jedoch, Agenten als Teile der Theorie einzubeziehen und sie möglicherweise als Systeme zu modellieren, die Eingaben (wie sensorische Daten und Erinnerungen) verwenden, um Ausgaben durch einen internen Prozess zu erzeugen.

Wenn ein Knoten als 'ursprünglicher Knoten' behandelt wird, wird eine Art Agnostizismus bezüglich seiner Ursprünge angenommen – was bedeutet, dass sein Wert einfach akzeptiert wird, ohne weitere Erklärungen. Obwohl wir subjektive Wahrscheinlichkeitsverteilungen für die Werte von ursprünglichen Knoten zuweisen können, repräsentieren diese Verteilungen Unsicherheit über ihre Werte und nicht irgendeinen objektiven probabilistischen Generierungsprozess. Ursprüngliche Knoten sollten eine Definition haben, die sicherstellt, dass eine uniforme Wahrscheinlichkeitsverteilung über ihre Werte zu übereinstimmenden Vorhersagen nachgelagert führt.

Es kann auch Fälle geben, in denen ein generatives Programm objektive Wahrscheinlichkeitsverteilungen über variable Werte enthält, die sich von ursprünglichen Knoten unterscheiden. Wahrscheinlichkeitsvariablen können als ein ursprünglicher Knoten modelliert werden, der mit einem anderen Knoten kombiniert ist, der die vom generativen Programm spezifizierten Wahrscheinlichkeiten angibt. Dieser Ansatz erzeugt eine Reaktionsfunktion, die die gewünschten Wahrscheinlichkeiten für die Ausgaben generiert.

Die Diskussion dreht sich hauptsächlich um generative Programme, die nicht das gesamte Universum umfassen, sondern eine vollständige physikalische Beschreibung eines spezifischen experimentellen Szenarios liefern. In diesen Fällen kann anerkannt werden, dass ursprüngliche Knoten nicht wirklich unabhängig sind, da ihre Werte von Teilen des Universums ausserhalb des untersuchten Szenarios festgelegt sind. Innerhalb des Kontexts dieses spezifischen Szenarios können sie jedoch tatsächlich als 'ursprünglich' behandelt werden.

Die ursprünglichen Knoten dienen als 'Grenz'-Marker für das Universum, wobei abhängige Knoten den Grossteil des Inhalts ausmachen.

#Verständnis der ontologischen Priorität

Obwohl jede physikalische Theorie ein generatives Programm präsentieren muss, um empirische Daten zu produzieren, können unterschiedliche Perspektiven bezüglich der Bedeutung dieser Programme existieren. Operationalisten und konstruktive Empiriker bekennen sich typischerweise nicht zu einer Ontologie über das, was beobachtbar ist, und sehen generative Programme als praktische Kodifizierungen beobachteter Regelmässigkeiten. Realisten hingegen argumentieren für die Existenz von Entitäten oder Strukturen, die nicht beobachtbar sind, und könnten ihren generativen Programmen ontologische Bedeutung zuschreiben.

Im weitesten Sinne könnten Realisten generative Programme als Informationsspeicher über 'ontologische Priorität' betrachten. Hier bedeutet 'A ist ontologisch prior zu B', dass B für sein Existenz auf A angewiesen ist. Wenn man beispielsweise glaubt, dass das Universum durch eine kontinuierliche Evolution, die 'dynamische Produktion' beinhaltet, entfaltet wird, folgt daraus, dass spätere Zustände von früheren Zuständen für ihre Existenz abhängen. Prinzipiell könnten eine Vielzahl von Entitäten innerhalb dieses Kontexts von anderen für ihr Bestehen abhängig sein.

Während ontologische Priorität oft metaphorisch dargestellt wird, um sie damit zu verknüpfen, wie Dinge geschaffen werden müssten, um das Universum zu formen, hebt diese Metapher die natürliche Neigung hervor, generative Programme im Hinblick auf ontologische Priorität zu interpretieren. Ontologische Priorität ist ein anerkanntes Konzept in der Philosophie, wurde jedoch noch nicht in die Physik integriert, da viele Physiker skeptisch gegenüber übermässig 'metaphysischen' Ideen sind. Es wird jedoch postuliert, dass ontologische Priorität, zumindest in Bezug auf physikalische Beziehungen zwischen realen Entitäten, nicht metaphysischer ist als Kausalität selbst. Wer 'Kausalität' als Teil der Physik akzeptiert, sollte auch 'ontologische Priorität' akzeptieren.

Wie bereits erwähnt, kann Kausalität als ein spezieller Fall von ontologischer Priorität angesehen werden. Wenn man 'A verursacht B' als Aussage betrachtet, dass B für seine Existenz von A abhängt, bedeutet dies, dass A ontologisch vor B ist. Standardmässige kausal-dynamische Theorien verbinden typischerweise die Anfangsbedingungen des Universums mit allem anderen, basierend auf der Zeitentwicklung.

Das bedeutet allerdings nicht, dass die Beziehungen der ontologischen Priorität mit vorgefassten Vorstellungen von Kausalität übereinstimmen müssen. Zum Beispiel legt der übliche Glaube nahe, dass Kausalität sich zeitlich vorwärts bewegt, aber es ist durchaus möglich, Programme zu erstellen, in denen zukünftige Ereignisse ontologisch vor vergangenen stehen. In diesem Diskurs bezeichnet 'starke Kausalität' Beziehungen, die unserem gesunden Menschenverstand über Kausalität entsprechen, typischerweise bezüglich makroskopischer Ereignisse, bei denen die Ursache vor der Wirkung in der Zeit kommt.

Befürworter des direkten Zugangs könnten argumentieren, dass starke Kausalität eine Realität symbolisiert, die die Struktur der Zeit widerspiegelt, und behaupten, dass DAGs, die ontologische Priorität darstellen und im Konflikt mit den gängigen Vorstellungen von Kausalität stehen, die Realität nicht genau repräsentieren. Im Gegensatz dazu würden diejenigen mit einer perspektivischen Sichtweise die gegenteilige Auffassung vertreten und argumentieren, dass DAGs, die allgemein akzeptierte kausale Beziehungen widersprechen, dennoch die tatsächliche Realität darstellen könnten.

Darüber hinaus kann sich ontologische Priorität auf Entitäten beziehen, die möglicherweise nicht im Raum-Zeit existieren, da sie auf alles angewendet werden kann, was aktiv daran beteiligt ist, wie ein generatives Programm Daten erzeugt. Zum Beispiel können fundamentale Konstanten, mathematische Objekte oder sogar Naturgesetze ontologische Prioritätsbeziehungen aufweisen, auch wenn sie typischerweise als nicht-spatiotemporal betrachtet werden.

#Überbrückung von kausaler Modellierung und ontologischer Priorität

Es gibt eine gut etablierte Verbindung zwischen Kausalität und ontologischer Priorität. Einige Philosophen wie Schaffer schlagen vor, dass Kausalität eng mit einem philosophischen Konzept namens 'Grounding' verbunden ist, das mit ontologischer Priorität verknüpft ist. Sowohl Kausalität als auch Grundierung könnten generative Beziehungen teilen. Schaffer argumentiert, dass Grundierung mit strukturellen Gleichungen modelliert werden kann, die denen für Kausalität in der kausalen Modellierung ähnlich sind, was impliziert, dass derselbe mathematische Rahmen auf beide angewendet werden kann.

Diese Arbeit weist Ähnlichkeiten mit Schaffers Ansatz auf, konzentriert sich jedoch letztendlich mehr darauf, wie ontologische Priorität sich auf wissenschaftliche Probleme bezieht als auf Grundierung. Die Vorstellung von ontologischer Priorität, die präsentiert wird, ist enger, da sie sich explizit auf physikalische Beziehungen zwischen tatsächlichen Entitäten bezieht und Kausalität als speziellen Fall einbezieht.

Der Ansatz erlaubt die Anwendung mathematischer Techniken aus DAG-Studien, die mit kausalen Modellen in Verbindung stehen, um ontologische Priorität zu erkunden. Zum Beispiel können generative Programme untersuchen, wie diese Beziehungen kontrafaktische Beziehungen begründen. Ein generatives Programm definiert Beziehungen der funktionalen Abhängigkeit zwischen Knoten, die quantifizierte Aussagen über die Auswirkungen der Änderung einer Variablen in einem Knoten bei gleichbleibenden anderen ermöglichen, unabhängig davon, ob dieser Knoten einer ist, in den ein Agent eingreifen könnte.

Angenommen, wir haben ein generatives Programm, bei dem der Wert einer natürlichen Konstante ein ursprünglicher Knoten ist, und dies dazu verwendet wird, den Zustand der Welt zu einem bestimmten Zeitpunkt zu bestimmen. Während kein echter Agent den Wert dieser Konstante ändern kann, können wir 'intervenieren', indem wir ihren Wert ändern, während das Programm und die anderen Werte der ursprünglichen Knoten gleich bleiben. Wenn das Programm richtig formuliert ist, können wir einen neuen Weltzustand zu einem bestimmten Zeitpunkt berechnen.

Um mathematische Aussagen über die Abhängigkeitsbeziehungen zu erhalten, die in einem generativen Programm codiert sind, muss eine Wahrscheinlichkeitsverteilung über ursprüngliche Knoten angewendet werden. Zum Beispiel sollte ein korrektes generatives Programm-DAG die kausale Markov-Bedingung im Verhältnis zu diesem DAG erfüllen. Das bedeutet, dass beim Untersuchen von Ausgaben unter unabhängigen zufälligen Wahlmöglichkeiten von Werten an ursprünglichen Knoten jeder Knoten, bedingt durch seine 'Eltern', statistisch unabhängig von allen anderen Nicht-Eltern-Variablen oder Nachkommen bleiben sollte.

Während ursprüngliche Knoten typischerweise einen einzelnen Wert annehmen, kann die kausale Markov-Bedingung nicht durch tatsächliche Daten verifiziert werden. Dennoch deutet es darauf hin, dass, wenn das Programm Variablen generiert, die nicht die richtigen Unabhängigkeitsbeziehungen aufweisen, es auf zusätzliche Beziehungen der ontologischen Priorität hinweist, die vom DAG nicht erfasst werden.

Bei der Modellierung von kausalen Graphen ist 'Treue' ein häufiges Erfordernis. Zwei Variablen sollten statistisch unabhängig sein, wenn sie im zugrunde liegenden Graphen 'd-separiert' sind. Dies stellt sicher, dass ein kausaler Pfeil von A nach B nur dann existiert, wenn unabhängige zufällige Wahlmöglichkeiten an ursprünglichen Knoten zeigen, dass A statistisch mit B verbunden ist. Ebenso sollten ontologische Prioritätsgraphen Treue obey; wenn unerwartete Unabhängigkeiten in den empirischen Daten erscheinen, könnte das darauf hindeuten, dass zusätzliche Beziehungen einbezogen werden müssen.

#Unterscheidung von Realismus und Operationalismus

Der Rahmen des generativen Programms kann die unterschiedlichen Verpflichtungen, die mit 'Operationalismus' und 'Realismus' verbunden sind, klären. Operationalisten sehen physikalische Theorien typischerweise als prägnant geschriebene Verallgemeinerungen empirischer Daten an, während sie nicht behaupten, wie diese Daten entstehen. Realisten hingegen streben nach tatsächlichen Erklärungen hinter den empirischen Beobachtungen.

Es gibt jedoch mehrere Formen des Realismus. Eine Art, oft als 'objekt-orientierter Realismus' bezeichnet, postuliert, dass Realismus darin besteht, Beobachtungen zu erklären, indem eine Sammlung von Objekten oder Entitäten vorgeschlagen wird, die für die beobachteten Effekte verantwortlich sind. Eine andere Art ist der 'strukturale Realismus', der vorschlägt, sich auf die zugrunde liegenden Strukturen zu konzentrieren, die Daten erklären, oft mit der Annahme, dass diese Struktur kausal ist.

Beide Perspektiven können als eng angesehen werden. Objekt-orientierte Ansätze haben Einschränkungen aufgrund unseres indirekten Zugangs zu nicht beobachtbaren Entitäten, insbesondere in kleinen Massstäben. Strukturaler Realismus vermeidet diese Falle, indem er sich auf Strukturen konzentriert, doch die Betonung auf kausalen Strukturen setzt voraus, dass die Realität grundsätzlich auf solchen Prinzipien basieren muss, was möglicherweise nicht wahr ist.

Das führt zu einem Dilemma: Was bedeutet es, ein Realist zu sein, ohne sich auf eine objekt-orientierte oder kausale Darstellung der Physik zu stützen? Wenn die fundamentale Physik keine kausale Struktur hat, lassen sich dann alle Versuche, empirische Daten zu erklären, als vergeblich erachten? Es wird argumentiert, dass Kausalität nicht die einzige strukturelle Erklärung sein kann.

In der Literatur werden verschiedene erklärende Rahmen für nicht-kausale Erklärungen präsentiert, obwohl die realistischen Qualifikationen dieser Modelle oft unklar sind. Während einige Ansätze mechanistische Erklärungen anstreben, fehlen immer noch spezifische Kriterien dafür, was 'mechanistisch fundamental' ist.

Der Rahmen des generativen Programms bietet ein Mittel, nicht-kausale Strukturen zu formalieren, und legt nahe, dass die in generativen Programmen codierten Strukturen kausale Strukturen ersetzen können, um eine generalisierte Form des strukturalen Realismus zu schaffen. Strukturalistische Realisten können sich dann ähnlich wie bei kausalen Strukturen zu den ontologischen Prioritätsstrukturen bekennen, die in generativen Programm-DAGs dargestellt sind.

Sowohl Operationalisten als auch Realisten können generative Programme nutzen. Um jedoch die spezifischen Verpflichtungen der Realisten zu klären, ist es wichtig zu verstehen, wie sich die beiden Gruppen in ihrer Nutzung generativer Programme unterscheiden. Wenn wir beobachten, dass das Ereignis A ständig das Ereignis B zur Folge hat, könnte ein Operationalist dies beschreiben, indem er zuerst das Ereignis A generiert und dann das Ereignis B. Man könnte jedoch auch ein Programm erstellen, in dem die Generierung des Ereignisses B das Ereignis A auslöst. Während letzteres wie Retrokausalität erscheint, ist es keine starke Kausalität, da das gängige Verständnis glaubt, Ursachen sollten Effekte vorausgehen.

Die Divergenz zwischen Realismus und Operationalismus liegt darin, wie jede Seite äquivalente generative Programme interpretiert. Operationalisten betrachten Theorien nicht als Anspruch auf irgendetwas über die Realität; daher sehen sie alle äquivalenten generativen Programme lediglich als Darstellungen beobachteter Regelmässigkeiten. Im Gegensatz dazu behaupten Realisten, dass wissenschaftliche Theorien irgendeine objektive, zugrunde liegende Struktur repräsentieren müssen, was sie dazu führt, einige generative Programme als korrekt oder inkorrekt basierend auf ihrer Verbindung zur Realität zu bewerten.

Wichtig ist, dass Realisten nicht behaupten müssen, dass ein bestimmtes Programm die wahre Darstellung der Realität ist. Sie können eine bescheidene epistemische Position einnehmen und die Fehlbarkeit wissenschaftlichen Wissens akzeptieren, während sie immer noch an einer objektiven Realität glauben, die diese Programme versuchen darzustellen.

Das Wesen von QBism zu bestimmen, bietet eine nützliche Fallstudie. QBism interpretiert die Quantenmechanik als normative Prämisse, die rationalen Agenten rät, wie sie Überzeugungen bilden sollen, und behauptet, dass es keine empirischen Daten vorhersagt. Daher kann es nicht mit einem generativen Programm in Verbindung gebracht werden, das irgendwelche Daten repräsentiert.

Einige QBisten könnten sich dennoch als Realisten betrachten und die Existenz einer externen Realität akzeptieren, die für Erfahrungen verantwortlich ist, während sie die Verbindung der Quantenmechanik mit dieser Realität leugnen. Diese Klasse von QBisten stimmt mit dem Realismus in unserer Klassifikation überein, da Realisten nicht behaupten müssen, dass sie genau wissen, welches generative Programm der Struktur der Realität entspricht.

#Intersubjektivität und Zeit

Der Rahmen des generativen Programms wirft Licht auf wichtige Aspekte des Operationalismus, wenn mehrere Agenten beteiligt sind. Operationalismus folgt typischerweise einer Ich-Perspektive, wobei jeder Agent seine Beobachtungen durch sein generatives Programm repräsentiert. Diese Perspektive führt zu zwei möglichen Ansätzen: einem Ich-operationalismus, bei dem jeder Einzelne ein Programm für seine Beobachtungen erstellt, oder einem kollektiven Operationalismus, der versucht, Beobachtungen für alle Agenten gemeinsam darzustellen.

Letzteres ist oft schwierig, innerhalb einer operationalen Sichtweise zu rechtfertigen, da 'die Erfahrungen anderer' unbeobachtbar bleiben. Daher tendiert der Operationalismus im Allgemeinen zu Ich-Perspektiven. Jeder Agent, wie Alice, wird ein Programm erstellen, das ihre Entscheidungen darstellt, aber möglicherweise Bobs Entscheidungen nicht auf die gleiche Weise darstellt. Infolgedessen unterscheidet sich die Darstellung der Realität für jeden Agenten.

Diese Diskrepanz wird in der Quantenmechanik noch komplexer. Operationalisten schlagen oft vor, dass die unitäre Quantenmechanik universell anwendbar ist, was dazu führen könnte, dass verschiedene Agenten möglicherweise über empirische Ergebnisse uneins sind. Diese Situation führt zu getrennten generativen Programmen für verschiedene Agenten, die verschiedene physikalische Welten mit unterschiedlichen Strukturen und empirischen Inhalten erzeugen. Daher haben operationale Theorien Schwierigkeiten, einen einheitlichen Bericht über die unter Agenten geteilte Realität zu präsentieren.

Die Herausforderungen der Persistenz über die Zeit stellen ein zusätzliches Problem dar. Operationalismus hat traditionell Schwierigkeiten, Agenten zu berücksichtigen, die Erinnerungen bewahren und von früheren Erfahrungen beeinflusst werden, da dies eine Interaktion zwischen dem Agenten und den beschriebenen Systemen erfordert. Wenn ein generatives Programm vollständig von den Entscheidungen des Agenten getrennt ist, wird dies problematisch.

Der Rahmen des generativen Programms besteht darauf, dass Operationalisten ihre Haltung zur Agentur klarstellen müssen. Sie können entweder verschiedene generative Programme für jede Situation wählen oder akzeptieren, dass eine Interaktion zwischen Agenten und Bedingungen stattfindet, was ihre strikte Trennung kompliziert.

Ein Beispiel für eine Lösung könnte die relationale Quantenmechanik sein, in der Fakten von 'Beobachtern' abhängen, um gemeinsame Fakten aus den Interaktionen der Perspektiven zu ermöglichen. Diese Idee könnte von einer formalen Definition profitieren – ein gut definiertes generatives Programm-DAG für diese Version könnte einen Kohärenztest bieten.

#Lokalität, Kontextualität und Superdeterminismus

Der Rahmen des generativen Programms kann die Debatten darüber klären, was eine realistische Darstellung von Bell-Korrelationen ausmacht. Einige Behauptungen legen nahe, dass realistische Darstellungen kausal sein müssen, aber wenn Bell-Korrelationen keine kausale Struktur haben, wird das problematisch.

Jedes generative Programm, das empirische Daten aus Bell-Experimenten produziert, kann als 'realistisch' angesehen werden, wenn das Programm als tatsächliche Struktur der Realität angesehen wird oder zumindest die Möglichkeit, diese Struktur zu sein. In diesem Fall haben Programme keine inhärenten 'realistischen' oder 'nicht-realistischen' Eigenschaften; es ist vielmehr die Haltung gegenüber dem Programm, die ein solches Etikett zuweist.

Diese Einsichten prägen wichtig das Verständnis von Lokalität. Viele Definitionen von 'Lokalität' existieren, oft konzentrieren sie sich auf die Explizitheit lokaler Mechanismen, die Daten erzeugen. Das bevorzugte Verständnis definiert eine Theorie als 'lokal', wenn sie generative Programme bereitstellt, die sicherstellen, dass Knoten keine Variablen enthalten, die durch raumartige Distanzen getrennt sind oder über ontologische Prioritätsverbindungen über solche Trennungen verbunden sind.

Wenn die Definitionen von Lokalität und Nicht-Lokalität festgelegt sind, offenbaren Diskussionen über Kausalität das philosophische Engagement, das den generativen Programmen zugrunde liegt, die Daten produzieren. Zum Beispiel können sowohl lokale als auch nicht-lokale generative Programme dieselben empirischen Daten liefern, was impliziert, dass es ein Faktum gibt, das darüber existiert, welche Art von Programm die Daten generiert.

Operationale Ansätze zu Bell-Korrelationen hingegen haben keine Verpflichtung zu einem einzigen generativen Programm; sie behandeln alle Äquivalente als gleich gültige Beschreibungen empirischer Regelmässigkeiten. Daher kann ein operationeller Bericht über Bell-Korrelationen nicht eindeutig als lokal oder nicht-lokal etikettiert werden, da er sich nicht an eine bestimmte generative Struktur hält und nicht die Mechanismen beschreibt, die Daten generieren.

Eine ähnliche Analyse gilt für Kontextualität. Im Rahmen des generativen Programms sind vorbereitungs-nicht-kontextuelle Theorien an generative Programme gebunden, so dass die Ausgaben identisch sind, unabhängig von operativ äquivalenten Vorbereitungen. Umgekehrt sind vorbereitungs-kontextuelle Theorien mit Programmen verknüpft, die diese Bedingung nicht erfüllen.

In gleichem Masse hebt der Begriff 'superdeterministisch' die Notwendigkeit für Protokolle hervor, wo die Reaktionsfunktionen eines Beobachters plausible Interventionen berücksichtigen und konsistent auf frühere empirische Beobachtungen reagieren. Diese Methode stellt sicher, dass kein Beobachter sich in einer Position befindet, zu glauben, dass sie Entscheidungen treffen können, die unter dem Programm unmöglich sind.

Der Ansatz des generativen Programms bietet auch Klarheit über Konzepte der Feinabstimmung. Ein generatives Programm wird als 'feinabgestimmt' bezeichnet, wenn ursprüngliche Knoten Werte aufweisen, die sich überraschend decken, angesichts ihrer vermeintlichen Unabhängigkeit. Verschiedene Beispiele, wie das Flachheitsproblem, verdeutlichen, wie sorgfältige Handhabung ursprünglicher Knoten entscheidend ist, um Feinabstimmungsprobleme zu vermeiden.

#Freier Wille und generative Programme

Der Rahmen des generativen Programms ist auch entscheidend zur Formalisierung anhaltender Debatten über freien Willen. Mit Bedenken, die sich um 'Bestimmung' drehen, die zentral zu Diskussionen über freien Willen ist, argumentieren viele, dass wenn die Vergangenheit die Zukunft diktiert, menschliche Handlungen lediglich Reaktionen auf frühere Ereignisse sind. Wie gesagt, wenn Determinismus wahr ist, dann werden Handlungen zu Konsequenzen entferner Vergangenheit und Naturgesetze.

Allerdings ergibt sich eine andere Perspektive, wenn man 'Bestimmung' durch die Linse von ontologischer Priorität betrachtet. Eine Handlung könnte als 'frei' angesehen werden, wenn sie direkt mit einem ursprünglichen Knoten in einem generativen Programm verbunden ist, das die echte ontologische Struktur der Realität repräsentiert.

Beim Bewerten von freiem Willen muss man sich mit verschiedenen Interpretationen auseinandersetzen. In einem deterministischen Rahmen mit einer zeitumkehrinvarianten Theorie könnten alle historischen Zustände als ursprüngliche Knoten fungieren. Diese Sichtweise erlaubt es, Entscheidungen als frei zu klassifizieren – die Entscheidungen eines Individuums könnten unter den ursprünglichen Knoten verteilt über die Zeit existieren.

Obwohl diese Diskussion nahelegt, dass Freiheit sogar in einem deterministischen Rahmen existieren könnte, bringt die Quantenmechanik eine andere Komplexitätsebene mit sich. Wenn Zufälligkeit in Quantenereignissen existiert, könnte man vorschlagen, dass jedes zufällige Ereignis als ursprünglicher Knoten dient.

Herausforderungen bestehen, wenn man freie Aktionen ausschliesslich mit ursprünglichen Knoten verbindet, da dies eine Sichtweise widerspiegelt, die anfällig für das Argument des verschwindenden Agenten ist. Dieses Argument deutet darauf hin, dass wenn ein ursprünglicher Knoten eine Handlung bestimmt, es unklar wird, wie sehr die Handlung mit der Person übereinstimmt.

Alternativ könnte man eine agent-kausale Sichtweise annehmen, bei der Ereignisse, die mit Überzeugungen und Wünschen verbunden sind, die Beteiligung eines Agenten erfordern, damit diese handlungswirksam werden. Dies schafft eine 'schwarze Box' innerhalb der ontologischen Struktur, in der die Synthese vergangener Ereignisse und Agentur zu Entscheidungen führt, die vom Agenten getroffen werden.

Dennoch gibt es Fragen dazu, was innerhalb der schwarzen Box passiert. Wenn sie deterministisch funktioniert, wirft dies die Frage auf, ob freier Wille tatsächlich eine Rolle im Entscheidungsprozess spielt.

Die Möglichkeit eines 'partizipatorischen freien Willens' kann einen anderen Ansatz darstellen, insbesondere in all-einmal-Modellen. In diesem Verständnis hat kein Ereignis Vorrang vor einem anderen, wodurch alle Zeitpunkte gleich bedeutend werden, um die Geschichte zu bestimmen.

#Fazit

Zusammenfassend bietet der Rahmen des generativen Programms ein vielseitiges und wertvolles Mittel, um komplexe Fragen sowohl in der Physik als auch in der Philosophie zu erforschen. Indem er einen expansiveren strukturellen Rahmen bietet, eröffnet er Wege, um die Natur von Theorien, die Beziehungen zwischen Ereignissen und die Auswirkungen auf Konzepte wie freien Willen, Realismus und Kontextualität zu verstehen. Dieser Ansatz fördert einen reicheren Umgang mit empirischen Daten und unterstützt den Dialog über verschiedene Interpretationen und Theorien der Realität.