Notice bibliographique
Résumé
This is an accepted article with a DOI pre-assigned that is not yet published.Fine-tuning arguments claim that the precise parameter values and initial conditions required for complexity and life are extraordinarily improbable, and demanding explanation. This paper examines whether such probability claims can be grounded in physics. The paper starts with a brief study of a historical case, Newton's design argument regarding the solar system, which suggests that assessments of "improbable coincidences" can result from overly narrow theoretical perspectives. The paper distinguishes between probabilities legitimately employed within physical theories and those invoked in fine-tuning arguments. While physics provides mathematical structures and dynamical justifications for probability assignments, fine-tuning arguments typically rely on unjustified applications of the principle of indifference over possibility spaces lacking unique measures. An appealing reformulation of the fine-tuning argument, due to Roberts, avoids this and other challenges, but then the argument then clearly depends on what the Designer regards as aimworthy rather than on physics. Closer examination of the aspects of physics routinely used in fine-tuning arguments exposes fundamental problems. "Naturalness" in particle physics conflates distinct concepts—autonomy of scales versus statistical typicality within theory space—where only the former is well-motivated. Cosmological measures lack the dynamical grounding that justifies using them to make probabilistic claims similar to equilibrium statistical mechanics. The paper concludes that fine-tuning arguments fail to establish their probabilistic claims, and as a result fail to provide a version of the argument from design that should compel those not already committed to demands for ultimate explanation. (Note that this is for a special issue edited by Eric Priest.)
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,036 |
| Communication savante | 0,011 | 0,014 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».