Waarom is dit belangrijk?
Bij het kiezen van een computermodel voorkomt Ockhams scheermes dat toevallige ruis in meetgegevens als een echt patroon wordt gelezen. In de wetenschap bepaalt dit welke lijn door meetpunten past, omdat extra bochten vaak geen echte oorzaak weergeven. Leerlingen en werknemers krijgen zo een model dat zij kunnen nalopen, maar een keuze die alleen goed voorspelt kan de uitleg toch misleiden.
Zo werkt het in de praktijk
Natuurkundigen gebruiken de modelkeuze van Ludwig Boltzmann als invulling van Ockhams scheermes. De aanpak geldt voor vraagstukken met een model, zoals de werking van eiwitten. Een andere regel, van Constantino Tsallis, wordt gebruikt bij optieprijzen, koersbewegingen en populatieverdelingen.
Steve Pressé van Indiana University-Purdue University Indianapolis onderzocht welke regel het best vooruitkijkt. Met collega’s van de University of Denver, Soongsil University en Stony Brook University zette hij Boltzmann tegenover Tsallis. Hun artikel in Physical Review Letters wijst de regel van Boltzmann aan.
Ray Solomonoff maakte van Ockhams scheermes een rekenwijze, universele inductieve inferentie. Daarin krijgen kortere berekenbare theorieën meer gewicht bij de volgende waarneming. David MacKay beschrijft in zijn leerboek de bayesiaanse onderbouwing: kansen worden bijgewerkt zonder aparte voorkeur vooraf.




