Я бы сказал, что намайнить бесконечное число биткоинов более невозможно, чем бесконечная вычислительная мощность
В принципе да, но это не так чтобы принципиально.
Например в смысле что неограниченная вычислительная мощность это 4 уровень по Тегмарку, а бесконечные биткоины это пятый.
Но у Тегмарка пятого уровня нет. А вот у Брайна Грина есть, и поэтому его классификация мне нравится сильно больше.
(Классификация мультиверсов в книге "Скрытая реальность: параллельные миры и глубинные законы Космоса" по Б. Грину)
1. Количественная (лоскутная) мультивселенная - просто основана на пространственной бесконечности нашей Вселенной как космологического объекта. В результате содержит бесконечное количество таких областей как наша наблюдаемая Вселенная (метагалактика).
2. Инфляционная мультивселенная, которая в целом вечна, безначальна и бесконечна, содержит бесконечное количество локальных вселенных со своими пространствами-временами, а наша Вселенная лишь одна из них. Включает в себя:
а) причинно-связанные вселенные, располагающиеся на одной ветке инфляции (слабая инфляционная мультивселенная);
б) не связанные причинно-следственными связями вселенные, т.е. фактически это разные инфляционные мультивселенные (сильная инфляционная мультивселенная).
3. Бранная мультивселенная, основанная на
бранной космологии.
4. Циклическая мультивселенная, основанная на конформной циклической космологии и вариантах экпиротического сценария.
5. Струнная мультивселенная, основанная на концепции струнного ландшафта.
6. Квантовая мультивселенная, основанная на многомировой интерпретации квантовой механики или других сходных интерпретациях (consistent histories/decoherent histories, cosmological interpretations, "Self-locating uncertainty" interpretation, relative state interpretatioт, некоторые разновидности many-minds interpretation).
7. Голографическая мультивселенная.
8. Искусственная (виртуальная) мультивселенная, включающая гипотетически возможные компьютерно моделируемые вселенные.
9. Математические и логические мультивселенные (привет Тегмарку).
10. Окончательная (всеобщая) мультивселенная, которая базируется на онтологическом модальном реализме в разных версиях и аналитической философии. Исходит из того, что вся философия во всех проявлениях так или иначе во всех возможных и невозможных вариантах реализуется - так называемый принцип изобилия. В философии выделяют: формализованные мультивселенные, включая формализованные онтологические и метафизические мультивселенные; иные онтологические и метафизические мультивселенные, включая неформализованные онтологические и метафизические мультивсеенные; неформализованные вербализуемые мультивселенные; неформализованные мыслимые и/или познаваемые мультивселенные; любые иные мультивселенные и не-мультивселенные.
По Грину это соответственно 9 и 10 типы.
Мне как-то привычнее выглядит "проблема останова"
Mea culpa, но я не силен я в профессиональном жаргоне в вашей области.
А можно какой-то пример алгоритма, такой что если удастся доказать что он останавливается (или нет), то это можно будет опубликовать в журнале по философии?
Любые алгоритмы, которые бы вытекали из
вычислительной теории разума в нейрофилософии, философии разума и философии психики.
Из того, что вспоминается мне более конкретно - это и алгоритмы из модели Хегсельмана-Краузе в социальной философии и вычислительной социологии (ссылочка на нее есть
тут) и Деффуанта-Вейсбуха для политической философии. В философии науки и эпистемологии/гносеологии концепция эпистемического ландшафта и все алгоритмы, которые там используются при моделировании, начиная с
модели Грима-Сингера*. Думаю, если покопаться, то можно много еще чего найти, но это все-таки не совсем моя специализация по философии.
*Подробнее см.
1) Grim, Patrick, Daniel J. Singer, Christopher Reade, and Steven Fisher, 2015, “Germs, Genes, and Memes: Function and Fitness Dynamics on Information Networks”, Philosophy of Science, 82(2): 219–243.
2) Grim, Patrick, Daniel J. Singer, Steven Fisher, Aaron Bramson, William J. Berger, Christopher Reade, Carissa Flocken, and Adam Sales, 2013, “Scientific Networks on Data Landscapes: Question Difficulty, Epistemic Success, and Convergence”, Episteme, 10(4): 441–464. doi:10.1017/epi.2013.36
3) Grim, Patrick, Frank Seidl, Calum McNamara, Hinton E. Rago, Isabell N. Astor, Caroline Diaso and Peter Ryner, 2022a, “Scientific Theories as Bayesian Nets: Structure and Evidence Sensitivity,” Philosophy of Science, 89: 42–69.