Pular para o conteúdo principal

truth makers AND truth bearers - Palestra Giancarlo no SBBD

Dando uma googada

https://iep.utm.edu/truth/

There are two commonly accepted constraints on truth and falsehood:

    Every proposition is true or false.         [Law of the Excluded Middle.]
    No proposition is both true and false.         [Law of Non-contradiction.]

What is the difference between a truth-maker and a truth bearer?

Truth-bearers are either true or false; truth-makers are not since, not being representations, they cannot be said to be true, nor can they be said to be false. That's a second difference. Truth-bearers are 'bipolar,' either true or false; truth-makers are 'unipolar': all of them obtain.

What are considered truth bearers?
 
A variety of truth bearers are considered – statements, beliefs, claims, assumptions, hypotheses, propositions, sentences, and utterances.

When I speak of a fact . . . I mean the kind of thing that makes a proposition true or false. (Russell, 1972, p. 36.)

“Truthmaker theories” hold that in order for any truthbearer to be true there must be something “outside the text,” as people might say, that “makes” it true. If the truth is a truth about inanimate objects, then the world must contain those inanimate objects; if it is about a God then there must be a God; if it is about the way people conduct their lives, then there must be people and they must conduct their lives in that way; and so on.  

What is an example of a truth bearer?
If a man utters the words 'It is raining' in the rain, or the words 'I am hungry' while hungry, his verbal performance counts as true. Obviously one utterance of a sentence may be true and another utterance of the same sentence be false.
 
Truthmakers are the things in the world in virtue of which truth bearers are true. For example, any individual human makes it true that humans exist.
 
Junto com a definição de contexto que estamos adotando
 
“By context, we herein refer to the scope of truth, and thus talk about the context in which some data are held to be true”

Hogan et al. 2021. Knowledge Graphs. ACM Comput. Surv. 54, 4, Article 71 (May 2022), 37 pages. https://doi.org/10.1145/3447772
 
Contextualized Claims from KG are truth beares 
 
Verdade ao ponto de confiar e agir baseado na informação depende do Contexto da Tarefa e dos Truth Makers que o tomador de decisão reconhece como verdadeiros.  
 

Marcadores:

Comentários

  1. Veronica dos Santos3 de outubro de 2023 às 12:18

    Na palestra do Giancarlo ele comentou sobre truth-makers e truth-bearers em relação às diferentes perspectivas que podem ser representadas em modelos conceituais. Eu li um pouco sobre estes conceitos na Enciclopédia de Filosofia de Standford - SEP (que o professor Hermann recomendou como referência para as definições de Verdade) e me parece que os CKGs, com a possibilidade de representar diferentes perspectivas através de alegações contextualizadas (e não fatos) sob a hipótese DOWA, seriam repositórios de truth-bearers (alegações, proposições, hipóteses, ...) enquanto que a Camada de Confiança, com as políticas de confiança baseadas inclusive em contexto, seria responsável por associar truth-bearers aos respectivos truth-makers (fatos).

    https://plato.stanford.edu/entries/truthmakers/
    https://plato.stanford.edu/entries/truth-pragmatic/

    ResponderExcluir

Postar um comentário

Sinta-se a vontade para comentar. Críticas construtivas são sempre bem vindas.

Postagens mais visitadas deste blog

Aprendizado de Máquina Relacional

 Extraído de -> https://www.lncc.br/~ziviani/papers/Texto-MC1-SBBD2019.pdf   Aprendizado de máquina relacional (AMR) destina-se à criação de modelos estatísticos para dados relacionais (seria o mesmo que dados conectados) , isto é, dados cuja a informação relacional é tão ou mais impor tante que a informação individual (atributos) de cada elemento.    Essa classe de aprendizado tem sido utilizada em diversas aplicações, por exemplo, na extração de informação de dados não estruturados [Zhang et al. 2016] e na modelagem de linguagem natural [Vu et al. 2018].   A adoção de técnicas de aprendizado de máquina relacional em tarefas de comple mentação de grafo de conhecimento se baseia na premissa de existência de regularidades semânticas presentes no mesmo . Modelos grafos probabilísticos  Baseada em regras / heurísticas que não podem garantir 100% de precisão no resultado da inferência mas os resultados podem ser explicados. Modelos de características de ...
Postar um comentário
Leia mais

Defesa de Doutorado de Grettel Monteagudo Garcia

A última atividade presencial que fiz na PUC-Rio foi assistir a defesa de tese da Grettel Monteagudo Garcia , em 13/03/2020 (uma sexta-feira 13 !!!!). O título da tese é “ A Keyword-based Query Processing Method for Datasets with Schemas ” e me interessou por causa do projeto do NIMA. A proposta parte do cenário onde usuários possam consultar dados, armazenados em bancos de dados relacionais e TripleStores, de maneira semelhante ao Google, ou seja, digitando palavras-chave, e deixando para o sistema recuperar os dados que melhor correspondem ao conjunto de palavras-chave.  Na tese estão descritos um algoritmo e um framework projetados para processar consultas baseadas em palavras-chave para bases de dados com esquema, especificamente bancos relacionais e bases de dados em RDF. A primeira etapa do algoritmo é a conversão do conjunto de palavras chaves em uma consulta abstrata explorando um esquema abstrato . Nesta etapa o principal desafio é achar onde a informação está (os matches...
4 comentários
Leia mais

Cores convida - Minicurso: Aprendizado de máquina e inferência em Grafos de Conhecimento

Pesquisadores Artur Ziviani, Fabio Porto e Daniel da Silva (LNCC) Resumo da apresentação A crescente produção e disponibilização de dados caracterizados por heterogeneidade e larga escala apresentam oportunidades desafiadoras à nossa sociedade. Dentre elas, como construir sistemas computacionais capazes de aprender, raciocinar e realizar inferências sobre fatos a partir de conhecimento prévio é uma tarefa relevante. Nesse cenário, bases de conhecimento são ativos importantes na representação e raciocínio automatizado do conhecimento de diversos domínios de aplicação. Em especial, a inferência de informação a partir de sua representação em rede — grafos de conhecimento — ganhou notoriedade na academia e indústria nos últimos anos. Em face ao exposto, neste curso, é apresentada uma introdução aos métodos e técnicas de aprendizado de máquina utilizadas em tarefas de inferência em grafos de conhecimento, discutindo-se os desafios e oportunidades tecnológicas e científicas desse tipo de tar...
1 comentário
Leia mais