โปรแกรมจำลองมอนเต-คาร์โลสด
รันการจำลองการตื่นนอนด้วยการโยนเหรียญหลายพันครั้งแบบเรียลไทม์ และดูการแยกระหว่าง 1/2 กับ 1/3 ที่เกิดขึ้นจากข้อมูล — โดยไม่ต้องมีปริญญาด้านคณิตศาสตร์
ฟรี · ออฟไลน์เต็มรูปแบบ · ไม่ต้องมีบัญชี
ความน่าจะเป็น ความขัดแย้ง และการใช้เหตุผลเชิง anthropic วัดได้ในที่สุด
Sleeping Beauty Lab สอนและวัดผลปัญหา Sleeping Beauty อันโด่งดัง — ฝ่าย halfer กับ thirder, SSA/SIA, ข้อโต้แย้ง Doomsday และอื่นๆ — ผ่านการทดลองจริง พร้อมโปรแกรมจำลอง Monte-Carlo แบบสด ฟรี ออฟไลน์ ไม่ต้องสมัครสมาชิก
เรียนรู้มัน รันมัน ทำ benchmark มัน
Betting Lab
ทดสอบแต่ละตำแหน่ง วางเดิมพันในนามของ Beauty และดูว่าความเชื่อมั่นใดที่ชนะเงินได้จริงในระยะยาว
6 Anthropics Deep-Dives
คำแนะนำแบบเจาะลึกเกี่ยวกับ SSA/SIA, การโต้แย้ง Doomsday, ปัญหา reference-class, Presumptuous Philosopher, UN++, Full Non-indexical Conditioning และ Anthropic Decision Theory
Benchmark Lab
นำคำตอบแบบ halfer, thirder และ decision-theoretic มาเปรียบเทียบกับโปรแกรมจำลองและการคำนวณแบบแม่นยำ จากนั้นทดสอบตัวเองด้วยแบบทดสอบและอภิธานศัพท์
Halfer vs Thirder
การแบ่งหลัก: ความเชื่อมั่นของ Beauty ในหัวคือ 1/2 หรือ 1/3 เมื่อตื่นนอน? ลองรันดูแล้วตัดสินใจ
SSA & SIA
Self-Sampling vs Self-Indication — สองสมมติฐานที่ขับเคลื่อนคำตอบเชิง anthropic ทุกข้อ
จากการโยนเหรียญครั้งเดียวสู่ชะตากรรมของจักรวาล
การถกเถียงหลัก: Halfer กับ Thirder
ปัญหา Sleeping Beauty มีคำตอบที่สามารถป้องกันได้สองข้อ: 1/2 และ 1/3 แอปอธิบายทั้งสองตำแหน่งในแง่ของตัวเองก่อนที่จะแสดงสิ่งที่ตัวจำลองนับ เพื่อให้คุณเห็นว่าเหตุใดแต่ละตำแหน่งจึงสอดคล้องกันภายใน
Self-Sampling Assumptions: SSA และ SIA
Self-Sampling Assumption และ Self-Indication Assumption คือกรอบแนวคิดเชิงทางการที่อยู่เบื้องหลังคำตอบทั้งสอง การทำความเข้าใจสิ่งเหล่านี้จะเปิดประตูสู่ Doomsday Argument ปัญหาคลาสอ้างอิง และตรรกะของการใช้เหตุผลเกี่ยวกับการมีอยู่ของตัวเองได้
การใช้เหตุผลเชิง Anthropic ขั้นสูง
หน้าจอภายหลังครอบคลุม Presumptuous Philosopher, UN++, Full Non-Indexical Conditioning และ Anthropic Decision Theory แต่ละแนวคิดสร้างต่อยอดจากแนวคิดก่อนหน้า พร้อมการคำนวณที่แม่นยำในทุกขั้นตอน — ไม่มีการอธิบายลอย ๆ