علم، شواهد و تبیین

«معرفتِ ما فقط می‌تواند محدود باشد، در حالی که نادانیِ ما ناچار بی‌نهایت است.»

— کارل پوپر، «دربارهٔ سرچشمه‌های معرفت و نادانی» (۱۹۶۰)، در حدس‌ها و ابطال‌ها

علم موفق‌ترین روشِ بشر برای به دست آوردنِ معرفت دربارهٔ جهانِ طبیعی است. اما این روش دقیقاً چیست؟ چرا کار می‌کند؟ کسی که دانشمند نیست چطور باید تصمیم بگیرد چه چیزی را باور کند، وقتی دانشمندان با هم اختلاف دارند، وقتی یک پژوهشِ تازه با یک پژوهشِ قدیمی نمی‌خواند، یا وقتی کسی ادعا می‌کند «علم هنوز به نتیجهٔ قطعی نرسیده»؟

این فصل آن بخش از فلسفهٔ علم را بررسی می‌کند که برای تفکرِ نقادانه از همه مفیدتر است: چه چیزی علم را از شبه‌علم جدا می‌کند، نظریه‌ها چطور آزموده می‌شوند و چطور تغییر می‌کنند، چطور دربارهٔ توضیح‌ها و علت‌ها استدلال کنیم، چطور سلسله‌مراتبِ شواهد را بخوانیم، و بحرانِ تکرارپذیری چه چیزی را نشان می‌دهد و چه چیزی را نه.

چه چیزی علم را ویژه می‌کند؟شنیدن

یک جوابِ رایج این است که «علم چیزها را ثابت می‌کند». اما علم چیزی را ثابت نمی‌کند، دست‌کم نه به معنایی که ریاضی‌دان از اثبات در نظر دارد. نتیجه‌گیری‌های علمی خطاپذیر و قابلِ بازبینی‌اند. چیزی که علم را ویژه می‌کند یقین نیست، بلکه مجموعه‌ای از روش‌هاست که خطا را بهتر از هر روشِ دیگری پیدا و اصلاح می‌کنند:

• آزمودنِ ادعاها با مشاهده، به‌ویژه مشاهده‌ای که طراحی شده تا ادعا را غافلگیر کند.
• گروهِ کنترل، تصادفی کردن و کور کردن، برای کنار گذاشتنِ توضیح‌های دیگر و سوگیری‌های خودِ پژوهشگر.
• عددی کردن و دقت، که پیش‌بینی‌ها را پرخطر و خطاها را آشکار می‌کند.
• روش‌ها و داده‌های عمومی، تا دیگران بتوانند وارسی کنند.
• تکرار به دستِ پژوهشگرانِ مستقل.
• نقدِ سازمان‌یافته: داوریِ همتا، گروه‌های پژوهشیِ رقیب، همایش‌ها، و نظامِ پاداشی که به کسانی که یافته‌های دیگران را رد می‌کنند اعتبار می‌دهد.

جامعه‌شناس رابرت کی. مرتون («ساختارِ هنجاریِ علم»، ۱۹۴۲) چهار هنجارِ علم را توصیف کرد که اغلب با سرواژهٔ انگلیسیِ CUDOS به یاد آورده می‌شوند: اشتراک (یافته‌ها مالِ همه‌اند)، همگانی بودن (ادعاها با معیارهای غیرشخصی داوری می‌شوند، نه بر اساسِ اینکه چه کسی مطرحشان کرده)، بی‌غرضی (دانشمندان به نفعِ کارِ مشترک عمل می‌کنند)، و شکاکیتِ سازمان‌یافته (همهٔ ادعاها با دقتِ نقادانه بررسی می‌شوند). علم در عمل اغلب به این هنجارها پایبند نمی‌ماند، اما این هنجارها آرمانی را توصیف می‌کنند که علم را کارآمد می‌کند.

تاریخ‌نگار نائومی اورسکس (چرا به علم اعتماد کنیم؟، ۲۰۱۹) استدلال می‌کند که قابل‌اعتماد بودنِ علم از هیچ روشِ واحدی نمی‌آید، بلکه از خصلتِ اجتماعیِ آن می‌آید: ادعاها را جامعه‌ای متنوع از کارشناسان با نقدِ مداوم می‌سنجند. این فلسفهٔ علم را به معرفت‌شناسیِ اجتماعی وصل می‌کند.

مسئلهٔ تمایزشنیدن

چه چیزی علم را از شبه‌علم (طالع‌بینی، هومیوپاتی، آفرینش‌گرایی‌ای که به اسمِ علم ارائه می‌شود) و از غیرِعلم (ریاضیات، اخلاق، هنر) جدا می‌کند؟ این مسئلهٔ تمایز است.

کارل پوپر ابطال‌پذیری را معیار پیشنهاد کرد (در ادامه می‌آید). خیلی از فیلسوفان امروز فکر می‌کنند هیچ معیارِ واحدی کار نمی‌کند. لری لاودن («مرگِ مسئلهٔ تمایز»، ۱۹۸۳) استدلال کرد که هیچ مجموعه‌ای از شرط‌های لازم و کافی علم را از غیرِعلم جدا نمی‌کند. کارهای جدیدتر (ماسیمو پیلیوچی و مارتن بودری، ویراستاران، فلسفهٔ شبه‌علم، ۲۰۱۳) «علم» را مفهومی از نوعِ شباهتِ خانوادگی می‌دانند: هیچ ویژگیِ تعریف‌کنندهٔ واحدی ندارد، اما در هر دو طرف موردهای روشنی دارد و مجموعه‌ای از ویژگی‌های مرتبط هم هست.

پل تاگارد («چرا طالع‌بینی شبه‌علم است»، ۱۹۷۸) یک راهِ تشخیصِ مفید پیشنهاد کرد: یک نظریه شبه‌علمی است اگر در یک دورهٔ طولانی از نظریه‌های رقیب کم‌پیشرفت‌تر بوده باشد، با مسئله‌های حل‌نشدهٔ زیادی روبه‌رو باشد، و جامعه‌اش علاقهٔ چندانی به گسترش دادنِ نظریه برای حلِ آن مسئله‌ها، تأییدِ آن، یا مقایسه‌اش با رقیب‌ها نشان ندهد. طالع‌بینی در دو هزار سال به‌زحمت تغییر کرده، در حالی که اخترشناسی زیر و رو شده است. نشانه‌های هشدارِ شبه‌علم در پایانِ این فصل فهرست شده‌اند.

استقراگرایی و حدودششنیدن

تصویرِ رایج از علم، که اغلب (تا حدی ناعادلانه) به فرانسیس بیکن نسبت داده می‌شود، استقراگرایی است: دانشمندان بدونِ پیش‌داوری مشاهده جمع می‌کنند، و نظریه‌ها با تعمیم از دلِ واقعیت‌ها بیرون می‌آیند.

این تصویر مشکل‌های جدی دارد (نگاه کنید به ای. اف. چالمرز، چیستیِ علم، ویراستِ چهارم، ۲۰۱۳):

1. مشاهده انتخابی است. کارل پوپر عادت داشت درس‌هایش را با این جمله شروع کند: «مداد و کاغذ بردارید؛ با دقت مشاهده کنید، و چیزی را که مشاهده کرده‌اید بنویسید!» شنونده‌ها می‌پرسیدند: چه چیزی را مشاهده کنیم؟ مشاهده به یک پرسش، علاقه یا فرضیه نیاز دارد. مشاهدهٔ بدونِ انتخاب وجود ندارد.
2. نظریه‌ها از مشاهده فراتر می‌روند. نظریه‌ها چیزهایی دیده‌نشدنی (اتم‌ها، ژن‌ها، میدان‌های گرانشی) را فرض می‌کنند که با تعمیم از هیچ تعدادی از مشاهده‌ها به آن‌ها نمی‌رسیم.
3. مسئلهٔ استقرا. حتی ساده‌ترین تعمیم از موردهای دیده‌شده از شواهد فراتر می‌رود. نگاه کنید به مسئلهٔ استقرای هیوم.

پوپر و ابطال‌گراییشنیدن

کارل پوپر (منطقِ پژوهش، ۱۹۳۴؛ ترجمهٔ انگلیسی، منطقِ اکتشافِ علمی، ۱۹۵۹؛ حدس‌ها و ابطال‌ها، ۱۹۶۳) تصویرِ استقراگرایانه را برعکس کرد.

نابرابری. هیچ تعدادی از مشاهده‌ها نمی‌تواند درستیِ یک قانونِ کلی را ثابت کند: بعد از دیدنِ هزار قوی سفید، بعدی ممکن است سیاه باشد. (اروپایی‌ها باور داشتند همهٔ قوها سفیدند، تا اینکه کاشفانِ هلندی در ۱۶۹۷ در غربِ استرالیا به قوهای سیاه برخوردند.) اما یک مثالِ نقضِ واقعی می‌تواند نادرستیِ یک قانونِ کلی را ثابت کند. اثبات کردن و ابطال کردن برابر نیستند. منطقِ ابطال رفعِ تالی (modus tollens) است: اگر نظریه درست باشد، O را خواهیم دید؛ O را نمی‌بینیم؛ پس نظریه نادرست است.

معیار. یک نظریه علمی است اگر و فقط اگر ابطال‌پذیر باشد: یعنی بعضی مشاهده‌های ممکن را ممنوع کند. هرچه بیشتر ممنوع کند، بیشتر دربارهٔ جهان می‌گوید، و بهتر است، به شرطِ اینکه از آزمون جان به در ببرد.

حدس‌های جسورانه. علم با جمع کردنِ تأییدها جلو نمی‌رود (پیدا کردنِ تأیید برای تقریباً هر نظریه‌ای آسان است)، بلکه با پیشنهادِ حدس‌های جسورانه که پیش‌بینی‌های پرخطر می‌کنند، و بعد با تلاشِ جدی برای رد کردنشان جلو می‌رود. نظریه‌ای که از آزمون‌های سخت جان به در ببرد تقویت شده است، اما هیچ‌وقت ثابت‌شده نیست.

مقایسهٔ پوپر. تجربه‌ای که پوپر را شکل داد، حدودِ سالِ ۱۹۱۹ در وین رخ داد. نسبیتِ عامِ اینشتین پیش‌بینی می‌کرد که نورِ ستاره‌ای که از نزدیکیِ خورشید رد می‌شود به اندازهٔ مشخصی خم می‌شود. سفرِ علمیِ آرتور ادینگتون برای دیدنِ خورشیدگرفتگیِ ۱۹۱۹ این پیش‌بینی را آزمود، و ممکن بود به‌راحتی شکست بخورد. در مقابل، نظریه‌های روان‌شناختیِ فروید و آلفرد آدلر به نظر می‌رسید می‌توانند هر رفتارِ انسانی را توضیح دهند. مثالِ پوپر: مردی بچه‌ای را به آب هل می‌دهد تا غرقش کند؛ مردِ دیگری جانش را فدا می‌کند تا بچه‌ای را نجات دهد. نظریهٔ فروید اولی را با سرکوب و دومی را با والایش توضیح می‌دهد؛ نظریهٔ آدلر اولی را با احساسِ حقارتی که لازم دارد خودش را با جنایت ثابت کند، و دومی را با همان احساس که لازم دارد خودش را با جسارت ثابت کند. پوپر یادش می‌آمد که موردی را برای آدلر تعریف کرده بود، و آدلر با اطمینان آن را «با توجه به تجربهٔ هزارباره‌ام» تحلیل کرده بود. پوپر جواب داد: «و با این موردِ تازه، فکر می‌کنم تجربه‌تان هزارویک‌باره شده است.» او نتیجه گرفت که قوتِ ظاهریِ چنین نظریه‌هایی، یعنی اینکه همیشه تأیید می‌شدند، در واقع ضعفشان بود.

مشکل‌های ابطال‌گرایی.

1. مسئلهٔ دوئم‌ـ‌کواین: نظریه‌ها هیچ‌وقت تنها آزموده نمی‌شوند (بخشِ بعد).
2. دانشمندان به‌حق با اولین ناجوری نظریه‌ها را کنار نمی‌گذارند. هر نظریهٔ مهمی در طولِ تاریخش با ناجوری‌هایی روبه‌رو بوده است. اگر دانشمندان از ابطال‌گراییِ ساده‌لوحانه پیروی کرده بودند، نظریهٔ نیوتن همان اول رد می‌شد.
3. فرضیه‌های احتمالی («این سکه منصفانه است») به‌طورِ دقیق با هیچ تعدادِ محدودی از مشاهده‌ها ابطال نمی‌شوند.
4. ادعاهای وجودی («سیاه‌چاله‌ها وجود دارند») با هیچ مجموعهٔ محدودی از مشاهده‌ها ابطال نمی‌شوند، و با این حال علمی‌اند.
5. نقشِ تأیید. وزلی سالمون استدلال کرد که وقتی برای ساختنِ یک پل به نظریه‌ای که خوب تقویت شده تکیه می‌کنیم، موفقیتِ گذشته‌اش را شاهدِ موفقیتِ آینده می‌گیریم، و این استقراست. نگاه کنید به پاسخ‌ها به هیوم.

خودِ پوپر از بیشترِ این مشکل‌ها خبر داشت و موضعِ پیچیده‌تری پروراند. ایده‌های ماندگارش این‌هاست: آزمون‌پذیری یک خوبی است، پیش‌بینی‌های پرخطر قوی‌ترین شواهدند، و نقد رشدِ معرفت را جلو می‌برد.

مسئلهٔ دوئم‌ـ‌کواینشنیدن

فیزیک‌دانِ فرانسوی پیر دوئم (هدف و ساختارِ نظریهٔ فیزیکی، ۱۹۰۶) متوجه شد که «یک آزمایش در فیزیک هیچ‌وقت نمی‌تواند یک فرضیهٔ تنها را محکوم کند، بلکه فقط یک مجموعهٔ کاملِ نظری را». برای بیرون کشیدنِ یک پیش‌بینی از یک نظریه، همیشه به فرضیه‌های کمکی نیاز دارید: دربارهٔ شرایطِ اولیه، دربارهٔ ابزارها، دربارهٔ نبودنِ عامل‌های مزاحم. وقتی پیش‌بینی شکست می‌خورد، منطق به شما می‌گوید یک چیزی در این مجموعه نادرست است، اما نمی‌گوید کدام. و. و. ا. کواین این را به همهٔ باورها گسترش داد: جمله‌های ما «فقط به‌صورتِ یک مجموعهٔ کامل» در برابرِ دادگاهِ تجربه حاضر می‌شوند (نگاه کنید به کواین و معرفت‌شناسیِ طبیعی‌شده).

نپتون و وولکان. در دههٔ ۱۸۴۰، مدارِ اورانوس با چیزی که مکانیکِ نیوتنی پیش‌بینی می‌کرد نمی‌خواند. آیا اخترشناسان باید نیوتن را رد می‌کردند؟ اوربن لووریه (و جداگانه جان کاوچ آدامز) به جای آن یک فرضِ کمکی را زیرِ سؤال بردند: اینکه هیچ جرمِ مهمِ دیگری در آن نزدیکی نیست. لووریه حساب کرد یک سیارهٔ دیده‌نشده باید کجا باشد تا این انحراف را ایجاد کند. در ۱۸۴۶، یوهان گاله تلسکوپش را به سمتِ جای پیش‌بینی‌شده گرفت و نپتون را، در فاصلهٔ حدودِ یک درجه از آن جا، پیدا کرد. و نظریهٔ نیوتن سربلند از آزمون بیرون آمد.

بعد لووریه همین حرکت را با یک ناجوریِ دیگر امتحان کرد: مدارِ عطارد کمی سریع‌تر از آنچه نظریهٔ نیوتنی پیش‌بینی می‌کرد می‌چرخید (تقدیمِ حضیض). او در ۱۸۵۹ یک سیارهٔ کوچک به نامِ وولکان را پیشنهاد کرد که داخلِ مدارِ عطارد می‌چرخید. اخترشناسان چند دهه دنبالش گشتند، و چند نفر ادعا کردند آن را دیده‌اند. وولکان وجود ندارد. این ناجوری سرانجام در ۱۹۱۵ با نسبیتِ عامِ اینشتین توضیح داده شد، که گرانشِ نیوتنی را کنار گذاشت.

همان راهبرد (نجات دادنِ نظریه با تغییرِ یک فرضِ کمکی) یک بار به‌طورِ درخشان موفق شد و یک بار شکست خورد. منطق به‌تنهایی نمی‌توانست از پیش بگوید در کدام مورد موفق می‌شود و در کدام مورد شکست می‌خورد.

یک مثالِ امروزی. در ۲۰۱۱، آزمایشِ OPERA گزارش داد که نوترینوها ظاهراً سریع‌تر از نور حرکت می‌کنند، که با نسبیتِ خاص نمی‌خواند. فیزیک‌دانان به جای کنار گذاشتنِ نسبیت، خودشان به خطایی در چیدمانِ آزمایش مشکوک شدند و از دیگران خواستند پیدایش کنند. در ۲۰۱۲، ریشهٔ این ناجوری در یک کابلِ فیبرِ نوریِ شل و مشکلی در ساعت پیدا شد.

فرضیه‌های موردیشنیدن

فرضیهٔ موردی (ad hoc) فرضیه‌ای است که فقط برای نجاتِ یک نظریه از ابطال وارد می‌شود، بی‌آنکه شاهدِ مستقل یا پیامدهای آزمون‌پذیرِ خودش را داشته باشد.

دو جواب به یک پیش‌بینیِ شکست‌خورده را مقایسه کنید:

• مشروع: «باید یک سیارهٔ دیده‌نشده در این جا، با این جرم، باشد.» (آزمون‌پذیر: به آنجا نگاه کنید.)
• موردی: «پیش‌بینی شکست خورد چون انرژیِ منفیِ شکاکان توانِ ماوراءطبیعیِ پیشگو را مختل کرد.» (آزمون‌ناپذیر: هیچ راهِ مستقلی برای پیدا کردنِ انرژیِ منفی نیست.)

نمونه‌های دیگرِ نجات‌های موردی:

• طالع‌بینی که پیش‌بینی‌اش غلط درآمده می‌گوید حتماً ساعتِ تولدِ مشتری غلط ثبت شده است.
• پیامبرِ آخرالزمانی‌ای که تاریخِ پیش‌بینی‌شده‌اش می‌گذرد، اعلام می‌کند دعاهای مؤمنان پایانِ جهان را عقب انداخت. (لیون فستینگر، هنری ریکن و استنلی شاکتر گروهی را که همین کار را کرد در وقتی پیشگویی شکست می‌خورد (۱۹۵۶) بررسی کردند. بعد از اینکه سیلِ پیش‌بینی‌شده نیامد، خیلی از اعضا متعهدتر شدند و دنبالِ جذبِ پیرو رفتند. نگاه کنید به استدلالِ انگیزه‌مند.)
• فرضیهٔ «اومفالوس»ِ فیلیپ هنری گاس (۱۸۵۷): خدا جهان را تازه آفرید، همراه با فسیل‌ها و لایه‌های زمین‌شناسی‌ای که آن را قدیمی نشان می‌دهند.

معیارهایی برای جدا کردنِ اصلاحِ مشروع از اصلاحِ موردی:

1. آزمون‌پذیریِ مستقل: آیا این اصلاح پیامدهایی فراتر از همان ناجوری‌ای دارد که برای توضیحش وارد شده؟
2. پیش‌بینی‌های تازه: آیا چیزِ تازه‌ای پیش‌بینی می‌کند که بعد تأیید شود؟
3. محتوا: آیا نظریه را مجبور می‌کند بیشتر بگوید، یا کمتر؟ نجات‌های موردی معمولاً محتوا را خالی می‌کنند («این اثر فقط وقتی پیدا می‌شود که هیچ شکاکی نگاه نکند»).
4. کارنامه: آیا نظریه بعد از هر آزمون به یک نجاتِ تازه نیاز دارد؟

به زبانِ بیزی، یک فرضِ کمکیِ موردی معمولاً احتمالِ پیشینِ پایینی دارد و هیچ چیزی احتمالش را بالا نمی‌برد؛ پس نظریه‌ای که تعدادِ زیادی از آن‌ها لازم دارد مدام نامحتمل‌تر می‌شود. ایمره لاکاتوش این ایده‌ها را محورِ نظریه‌اش دربارهٔ علم کرد.

کوهن و پارادایم‌هاشنیدن

ساختارِ انقلاب‌های علمیِ تامس کوهن (۱۹۶۲) یکی از پرارجاع‌ترین کتاب‌های دانشگاهیِ قرنِ بیستم است. کوهن، فیزیک‌دانی که تاریخ‌نگار شده بود، استدلال کرد که تاریخِ واقعیِ علم هیچ شباهتی نه به تصویرِ کتاب‌های درسی از جمع شدنِ پیوستهٔ دانسته‌ها داشت، و نه به تصویرِ پوپر از تلاشِ همیشگی برای ابطال.

پارادایم‌ها. علمِ پخته دورِ یک پارادایم شکل می‌گیرد: مجموعه‌ای از دستاوردهای مشترک (نمونه‌های سرمشق، مثلِ اصولِ نیوتن یا شیمیِ لاووازیه) که مسئله‌ها و روش‌های مشروعِ یک رشته را تعیین می‌کنند. کوهن در پی‌گفتارِ ۱۹۶۹ دو معنا را از هم جدا کرد: ماتریسِ رشته‌ای (قانون‌ها، مدل‌ها، ارزش‌ها و فن‌های مشترک) و نمونه‌های سرمشق (راه‌حل‌های مشخصِ مسئله‌ها که دانشجوها از آن‌ها یاد می‌گیرند).

علمِ عادی. دانشمندان بیشترِ وقت‌ها علمِ عادی انجام می‌دهند: «حل کردنِ معما» درونِ پارادایم، گسترش دادنِ آن و جور کردنِ طبیعت با آن. سعی نمی‌کنند پارادایم را ابطال کنند. وقتی یک نتیجه جور درنمی‌آید، معمولاً آن را معمایی برای حل کردن، یا شکستِ خودِ دانشمند، می‌دانند، نه ابطالِ پارادایم.

ناجوری و بحران. گاهی ناجوری‌هایی جمع می‌شوند که حل نمی‌شوند. اعتماد به پارادایم کم می‌شود؛ دانشمندان کم‌کم گزینه‌های ریشه‌ای پیشنهاد می‌کنند. این یک بحران است.

انقلاب. یک پارادایمِ تازه پیدا می‌شود و سرانجام پذیرفته می‌شود. نمونه‌ها: انقلابِ کوپرنیکی (از اخترشناسیِ زمین‌مرکز به خورشیدمرکز)، انقلابِ شیمیایی (نظریهٔ اکسیژنِ لاووازیه به جای فلوژیستون)، انقلابِ داروینی، انقلابِ اینشتینی، و در دههٔ ۱۹۶۰، زمین‌ساختِ صفحه‌ای، که بعد از جمع شدنِ شواهد از گسترشِ بسترِ دریا و نوارهای مغناطیسیِ کفِ اقیانوس، فرضیهٔ رانشِ قاره‌ایِ آلفرد وگنر (۱۹۱۲) را که مدت‌ها رد شده بود دوباره زنده کرد.

قیاس‌ناپذیری. کوهن استدلال کرد که پارادایم‌های رقیب تا حدی قیاس‌ناپذیرند (معیارِ مشترکِ کاملی برای سنجیدنشان نیست): کلمه‌های کلیدی را به معناهای مختلف به کار می‌برند («جرم» برای نیوتن و اینشتین معنای متفاوتی دارد)، مسئله‌های متفاوتی را مهم می‌دانند، و معیارهای متفاوتی به کار می‌برند. پس هیچ الگوریتمِ بی‌طرفی برای انتخاب میانشان نیست. «طرفدارانِ پارادایم‌های رقیب کارشان را در جهان‌های متفاوتی انجام می‌دهند.» جوزف پریستلی، که اولین بار اکسیژن را جدا کرد، هیچ‌وقت تفسیرِ لاووازیه را قبول نکرد و در حالی که از فلوژیستون دفاع می‌کرد درگذشت.

انتخابِ نظریه بدونِ الگوریتم. کوهن در «عینیت، داوریِ ارزشی و انتخابِ نظریه» (۱۹۷۷) پنج ارزش را نام برد که همهٔ دانشمندان برای ارزیابیِ نظریه‌ها به کار می‌برند: دقت، سازگاری، گستره، سادگی و پرباری. این‌ها مشترک‌اند، اما ممکن است با هم ناجور باشند، و دانشمندان به آن‌ها وزن‌های متفاوتی می‌دهند. پس انتخابِ نظریه عقلانی است اما مکانیکی نیست، و دانشمندانِ معقول می‌توانند مدتی با هم اختلاف داشته باشند.

ماکس پلانک (زندگی‌نامهٔ علمی، ۱۹۵۰) دیدگاهِ تلخ‌تری داشت: «یک حقیقتِ علمیِ تازه با قانع کردنِ مخالفانش و روشن کردنِ چشمشان پیروز نمی‌شود، بلکه به این دلیل که مخالفانش سرانجام می‌میرند، و نسلِ تازه‌ای بزرگ می‌شود که با آن آشناست.» روایتِ ملایم‌ترِ این حرف تا حدی پشتوانهٔ تجربی دارد. پیر آزولی، کریستین فونس‌ـ‌روزن و جاشوا گراف زیوین («آیا علم با هر تشییع جنازه یک گام جلو می‌رود؟»، ۲۰۱۹) نشان دادند که بعد از مرگِ زودهنگامِ یک دانشمندِ برجسته در علومِ زیستی، مقاله‌های آدم‌های بیرون از حلقهٔ او در رشتهٔ آن ستاره بیشتر می‌شود، و این کارهای تازه به شکلِ نامتناسبی پرارجاع‌اند.

آیا کوهن نسبی‌گرا بود؟ خیلی از خواننده‌ها کوهن را این‌طور فهمیدند که نشان داده علم غیرعقلانی است و جامعه‌شناسی، نه شواهد، آن را جلو می‌برد. کوهن این را رد کرد. او می‌گفت نظریه‌های بعدی معماگشاهای بهتری از نظریه‌های قبلی‌اند و علم پیشرفت می‌کند، هرچند نه لزوماً به سمتِ «حقیقت» به معنایی متافیزیکی.

لاکاتوش و برنامه‌های پژوهشیشنیدن

ایمره لاکاتوش («ابطال و روش‌شناسیِ برنامه‌های پژوهشیِ علمی»، ۱۹۷۰) تلاش کرد عقل‌گراییِ پوپر را با تاریخِ کوهن ترکیب کند.

یک برنامهٔ پژوهشی از این‌ها ساخته شده است:

• یک هستهٔ سخت از فرض‌های اصلی که طرفدارانِ برنامه تصمیم می‌گیرند زیرِ سؤال نبرند (برای مکانیکِ نیوتنی، سه قانونِ حرکت و قانونِ گرانش). یک راهنمای منفی از آن محافظت می‌کند: نقد را به سمتِ هستهٔ سخت نبر.
• یک کمربندِ محافظ از فرضیه‌های کمکی، که ضربهٔ ناجوری‌ها را می‌گیرد و در صورتِ لزوم تغییر می‌کند.
• یک راهنمای مثبت: نقشه‌ای برای گسترشِ برنامه، که به پژوهشگران می‌گوید سراغِ کدام مسئله‌ها بروند و چطور مدل‌های پیچیده‌تر بسازند.

یک برنامهٔ پژوهشی:

• پیشرو است اگر اصلاح‌هایش به پیش‌بینی‌های تازه برسند، که بعضی‌شان تأیید شوند. پیش‌بینیِ نیوتنیِ نپتون مثالِ کلاسیک است.
• رو به زوال است اگر اصلاح‌هایش فقط وصله‌هایی موردی باشند که واقعیت‌های شناخته‌شده را جا می‌دهند بی‌آنکه چیزِ تازه‌ای پیش‌بینی کنند، یا اگر پیش‌بینی‌هایش مدام شکست بخورند و نظریه از واقعیت‌ها عقب بماند.

عقلانی است روی برنامه‌های پیشرو کار کنیم و برنامه‌های رو به زوال را رها کنیم، هرچند لاکاتوش قبول داشت که هیچ مهلتِ دقیقی نیست، چون یک برنامهٔ رو به زوال گاهی دوباره جان می‌گیرد (اتم‌گرایی دوره‌های طولانی از رونق افتاده بود). پل فایرابند همین نکته را علیهِ او به کار برد.

چارچوبِ لاکاتوش بیرون از علم هم مفید است. هر نظامِ باوری را می‌شود با این پرسش ارزیابی کرد که آیا جواب‌هایش به چالش‌ها پیشروند یا رو به زوال. آیا ادعاهای تازه و آزمون‌پذیری می‌کند که درست از آب درمی‌آیند؟ یا فقط همیشه بعد از ماجرا شواهد را با خودش جور می‌کند؟

فایرابند و لاودنشنیدن

پل فایرابند (علیهِ روش، ۱۹۷۵)، با تکیه بر نمونه‌های تاریخی، مثلِ دفاعِ گالیله از نظریهٔ کوپرنیک، استدلال کرد که هر قاعدهٔ روش‌شناختیِ پیشنهادی را دانشمندانِ بزرگ زیر پا گذاشته‌اند، اغلب با نتیجه‌های خوب. شعارِ تحریک‌آمیزش این بود که تنها اصلی که جلوی پیشرفت را نمی‌گیرد این است: «هر چیزی مجاز است». او بعدها توضیح داد که این «فریادِ وحشت‌زدهٔ یک عقل‌گراست که از نزدیک‌تر به تاریخ نگاه می‌کند». او از تنوعِ روش‌ها دفاع می‌کرد و چیزی را که تعصبِ علمی می‌دید نقد می‌کرد. خیلی‌ها فایرابند را به‌سادگی مخالفِ علم می‌دانند، اما خوانشِ بهتری هم هست: هیچ روشِ علمیِ ثابت و الگوریتمی‌ای وجود ندارد، و علمِ خوب به داوری، خلاقیت و تحملِ ایده‌های غیرعادی نیاز دارد.

لری لاودن (پیشرفت و مسئله‌هایش، ۱۹۷۷) پیشنهاد کرد که بهتر است علم را مجموعه‌ای از سنت‌های پژوهشی بدانیم، و پیشرفت را باید با کارآمدی در حلِ مسئله سنجید: یک سنت در مقایسه با رقیب‌هایش چند مسئلهٔ تجربی و مفهومی را حل می‌کند. لاودن سرچشمهٔ فرااستقرای بدبینانه هم هست (نگاه کنید به واقع‌گرایی و ضدواقع‌گراییِ علمی).

فلسفهٔ علمِ بیزی یک چارچوبِ یکپارچه پیشنهاد می‌کند. خیلی از ایده‌های بالا را می‌شود به زبانِ بیزی گفت (نگاه کنید به فصل ۹): پیش‌بینی‌های پرخطر نسبت‌های درست‌نماییِ بزرگ می‌دهند (پوپر)؛ پیش‌بینی‌های شکست‌خورده تقصیر را به نسبتِ احتمال‌های پیشین میانِ فرضیه‌ها و فرض‌های کمکی پخش می‌کنند (دوئم‌ـ‌کواین، طبقِ تحلیلِ جان دورلینگ در ۱۹۷۹ و مایکل استرونز در ۲۰۰۱)؛ فرضیه‌های موردی پیشین‌های پایینی دارند (لاکاتوش)؛ و دانشمندانی با پیشین‌های مختلف می‌توانند به‌طورِ معقول با هم اختلاف داشته باشند تا وقتی شواهد جمع شود (کوهن).

استنتاج از راهِ بهترین تبیینشنیدن

استنتاج از راهِ بهترین تبیین (IBE)، یا ابداکشن، یعنی نتیجه گرفتنِ اینکه یک فرضیه درست است چون بهترین توضیح را برای شواهدِ موجود می‌دهد (نگاه کنید به قیاس، استقرا و ابداکشن). چارلز سندرز پرس ابداکشن را توصیف کرد؛ گیلبرت هارمن اسمِ IBE را رویش گذاشت («استنتاج از راهِ بهترین تبیین»، ۱۹۶۵)؛ پیتر لیپتن کامل‌ترین نظریه را دربارهٔ آن پروراند (استنتاج از راهِ بهترین تبیین، ۱۹۹۱؛ ویراستِ دوم ۲۰۰۴).

IBE همه‌جا به کار می‌رود: در علم، پزشکی (تشخیص)، حقوق (کدام داستان شواهد را بهتر توضیح می‌دهد؟)، تاریخ، کارآگاهی، تعمیرِ ماشین، و زندگیِ روزمره (بهترین توضیح برای خیس بودنِ خیابان این است که باران آمده).

چه چیزی یک توضیح را «بهترین» می‌کند؟ خوبی‌های توضیحیِ معمول این‌ها هستند:

لیپتن توضیحِ محتمل‌ترین (محتمل‌ترین با توجه به شواهد) را از توضیحِ دل‌پذیرترین (آنکه بیشترین فهم را می‌دهد) جدا کرد. IBE ادعا می‌کند که دل‌پذیری راهنمای محتمل بودن است.

IBEِ داروین. داروین در منشأ انواع (ویراستِ ششم، ۱۸۷۲) آشکارا همین‌طور استدلال کرد: «به‌سختی می‌شود فکر کرد که یک نظریهٔ نادرست چند دستهٔ بزرگ از واقعیت‌هایی را که در بالا برشمردیم به همان خوبیِ نظریهٔ انتخابِ طبیعی توضیح دهد.»

زملوایس و تبِ زایمان. یک موردِ کلاسیک (کارل همپل آن را در فلسفهٔ علومِ طبیعی، ۱۹۶۶، تحلیل کرده است). در دههٔ ۱۸۴۰ در بیمارستانِ عمومیِ وین، زنانی که در بخشِ اولِ زایمان بستری بودند، بخشی که پزشکان و دانشجویانِ پزشکی در آن کار می‌کردند، با نرخی خیلی بالاتر از زنانِ بخشِ دوم، که ماماها در آن کار می‌کردند، از تبِ زایمان می‌مردند. ایگناتس زملوایس فرضیه‌ها را یکی‌یکی آزمود: «تأثیرهای همه‌گیر» (اما این‌ها باید روی هر دو بخش اثر می‌گذاشتند)، شلوغی (بخشِ دوم شلوغ‌تر بود)، معاینه‌های خشن، اثرِ روانیِ رد شدنِ کشیش با زنگ از بخشِ اول (عوض کردنِ مسیرِ کشیش فرقی نکرد)، وضعیتِ بدن هنگامِ زایمان. هیچ‌کدام الگو را توضیح نداد. بعد همکارش یاکوب کولچکا موقعِ کالبدشکافی با چاقوی جراحیِ یک دانشجو زخمی شد و از بیماری‌ای با همان نشانه‌ها مرد. زملوایس فرض کرد که «مادهٔ جسد»، که روی دستِ پزشکان و دانشجویانی بود که مستقیم از کالبدشکافی می‌آمدند، تب را ایجاد می‌کند. او شستنِ دست با آهکِ کلردار را اجباری کرد، و مرگ‌ومیر در بخشِ اول به‌شدت پایین آمد، تا حدودِ سطحِ بخشِ دوم. توضیحِ او بهترین بود: فرقِ دو بخش، مرگِ کولچکا، و اثرِ این کار را توضیح می‌داد. متأسفانه، بیشترِ همکارانش یافته‌هایش را رد کردند؛ تا حدی چون هیچ نظریه‌ای دربارهٔ میکروب‌ها نداشتند که توضیح دهد چرا این کار اثر دارد، و تا حدی چون پذیرفتنش یعنی پذیرفتنِ اینکه خودِ پزشکان بیمارانشان را می‌کشتند. زملوایس در ۱۸۶۵ در یک آسایشگاهِ روانی درگذشت.

اعتراض‌ها به IBE.

• مسئلهٔ «بهترینِ یک مشت بد» (باس فان فراسن، قانون‌ها و تقارن، ۱۹۸۹): IBE فقط می‌تواند بهترین را از میانِ فرضیه‌هایی انتخاب کند که به فکرمان رسیده‌اند. اگر توضیحِ درست میانشان نباشد، بهترینِ موجود ممکن است نادرست باشد. پیش از نتیجه گرفتن، بپرسید: آیا به اندازهٔ کافی توضیح‌های دیگر را در نظر گرفته‌ام؟
• چرا دل‌پذیری راهنمای حقیقت باشد؟ چرا جهان باید ساده، یکپارچه یا توضیح‌پذیر باشد؟ بعضی جواب می‌دهند که خوبی‌های توضیحی در تاریخِ علم قابل‌اعتماد از آب درآمده‌اند؛ دیگران دلیل‌های بیزی می‌آورند (فرضیه‌های ساده‌تر اغلب پیش‌بینی‌های تیزتری می‌کنند، و در نتیجه وقتی آن پیش‌بینی‌ها درست درمی‌آیند، بیشتر تأیید می‌شوند).
• داستان‌ها فریبنده‌اند. مردم توضیح‌ها را به دلیل‌هایی رضایت‌بخش می‌دانند که هیچ ربطی به حقیقت ندارند: جور بودن با چیزی که دوست دارند باور کنند، جذابیتِ داستان، آشنایی. بهترین توضیح برای ما ممکن است بهترین توضیح برای شواهد نباشد.

نظریه‌باریِ مشاهدهشنیدن

مشاهده‌ها خام به دستمان نمی‌رسند. همان‌طور که نوروود راسل هنسن (الگوهای کشف، ۱۹۵۸) و تامس کوهن استدلال کردند، چیزی که می‌بینیم تا حدی به مفهوم‌ها و نظریه‌هایی بستگی دارد که با خودمان می‌آوریم (نگاه کنید به نفوذِ شناختی و نظریه‌باری).

• یک رادیولوژیستِ آموزش‌دیده در عکسِ رادیولوژی توده‌ای می‌بیند که یک آدمِ ناآشنا فقط یک لکهٔ تار می‌بیند.
• وقتی گالیله قمرهای مشتری را از پشتِ تلسکوپش به همکارانش نشان داد، بعضی‌ها هیچ ندیدند، و بعضی‌ها شک داشتند که تلسکوپ اصلاً تصویرِ درستی از آسمان بدهد. برای پذیرفتنِ چیزی که تلسکوپ نشان می‌داد، به یک نظریه در نورشناسی نیاز داشتند که به آن‌ها اطمینان دهد تلسکوپ چیزهای ساختگی نشان نمی‌دهد.
• اندازه‌گیری‌ها به نظریه‌هایی دربارهٔ ابزارهای اندازه‌گیری تکیه دارند. عددِ دماسنج یک نظریه دربارهٔ انبساطِ گرمایی را فرض می‌کند.

نظریه‌باری واقعی است اما حد و مرزی دارد. مشاهده‌ها می‌توانند نظریه‌ها را غافلگیر کنند، که اگر نظریه کاملاً مشاهده را تعیین می‌کرد ممکن نبود. ناجوری‌هایی که هیچ‌کس انتظارشان را نداشت، مثلِ تقدیمِ حضیضِ عطارد یا تابشِ زمینهٔ کیهانیِ ریزموج، نظریه‌ها را ناچار به تغییر کردند. و همان‌طور که جری فودور خاطرنشان کرد، بعضی فرایندهای ادراکی (مثلِ خطای دیدِ مولر‌ـ‌لایر) در برابرِ باور مقاوم‌اند.

تعیّن‌ناقصشنیدن

یک نظریه با شواهد تعیّن‌ناقص دارد اگر شواهد با نظریه‌های رقیب هم جور باشد (یعنی شواهد به‌تنهایی نتواند میانشان انتخاب کند).

• تعیّن‌ناقصِ موقت: شواهدی که الان در دسترس است میانِ رقیب‌ها داوری نمی‌کند، اما شواهدِ آینده ممکن است بکند. این رایج و بی‌مشکل است.
• تعیّن‌ناقصِ دائمی: دو نظریه از نظرِ تجربی هم‌ارزند، پس هیچ شاهدِ ممکنی هیچ‌وقت نمی‌تواند میانشان داوری کند. باس فان فراسن مثالِ مکانیکِ نیوتنی را می‌آورد که با فرضیه‌های مختلف دربارهٔ سرعتِ مطلقِ مرکزِ جرمِ جهان ترکیب شده باشد؛ همه دقیقاً پیش‌بینی‌های یکسانی می‌کنند.

تزِ دوئم‌ـ‌کواین نوعی تعیّن‌ناقص را نتیجه می‌دهد: چون یک پیش‌بینیِ شکست‌خورده را همیشه می‌شود با تغییرِ یک فرضیهٔ کمکی جا داد، هر نظریه‌ای را در اصل می‌شود نجات داد.

آیا تعیّن‌ناقص یعنی همهٔ نظریه‌ها به یک اندازه خوب‌اند؟ نه. لری لاودن و جارت لپلین («هم‌ارزیِ تجربی و تعیّن‌ناقص»، ۱۹۹۱) استدلال کردند که تعیّن‌ناقص از نظرِ منطق (یک نظریه می‌تواند نجات پیدا کند) به معنای تعیّن‌ناقص از نظرِ معیارهای معقول (یک نظریه باید نجات پیدا کند) نیست. نظریه‌ای که فقط با مجموعه‌ای روزافزون از فرضیه‌های موردی زنده مانده، به خوبیِ نظریه‌ای نیست که شواهد را به‌طورِ طبیعی پیش‌بینی می‌کند. لاودن این دیدگاه را که تعیّن‌ناقص همهٔ نظریه‌ها را به یک اندازه عقلانی می‌کند تزِ برابری‌خواه نامید، و استدلال کرد که نادرست است.

در بحث‌ها، «داده‌ها با دیدگاهِ من هم جور است» حرکتِ رایجی است. ممکن است درست باشد. اما صرفِ جور بودن چیزِ زیادی را نشان نمی‌دهد. پرسش‌های درست این‌هاست: کدام دیدگاه داده‌ها را پیش‌بینی کرد، به جای اینکه بعد از ماجرا جایشان بدهد؟ کدام ساده‌تر است؟ کدام به فرض‌های موردیِ کمتری نیاز دارد؟

واقع‌گرایی و ضدواقع‌گراییِ علمیشنیدن

آیا بهترین نظریه‌های علمیِ ما واقعیت را توصیف می‌کنند، از جمله چیزهای دیده‌نشدنی مثلِ الکترون‌ها، ژن‌ها و مادهٔ تاریک را؟ یا فقط ابزارهای مفیدی برای پیش‌بینیِ مشاهده‌ها هستند؟

واقع‌گراییِ علمی می‌گوید بهترین نظریه‌های ما تقریباً درست‌اند، و چیزهای دیده‌نشدنی‌ای که فرض می‌کنند واقعاً وجود دارند.

استدلالِ اصلی به نفعِ واقع‌گرایی استدلالِ معجزه‌نبودن است (هیلاری پاتنم، ۱۹۷۵): «واقع‌گرایی تنها فلسفه‌ای است که موفقیتِ علم را به یک معجزه تبدیل نمی‌کند.» اگر الکترون‌ها وجود نداشتند، تصادفی باورنکردنی بود که نظریه‌هایی دربارهٔ الکترون‌ها به ما امکان دهند رایانه، لیزر و میکروسکوپِ الکترونی بسازیم.

استدلالِ اصلی علیهِ واقع‌گرایی فرااستقرای بدبینانه است (لری لاودن، «رد کردنِ واقع‌گراییِ هم‌گرا»، ۱۹۸۱). تاریخِ علم پر از نظریه‌هایی است که از نظرِ تجربی موفق بودند اما امروز نادرست دانسته می‌شوند، و کلمه‌های اصلی‌شان به هیچ چیز اشاره نمی‌کنند: فلک‌های بلورینِ اخترشناسیِ قدیم، نظریهٔ اخلاط در پزشکی، فلوژیستون، کالریک (گرما به‌عنوانِ یک شاره)، اترِ الکترومغناطیسی و نوری، پیدایشِ خودبه‌خودی، نیروهای حیاتی. با استقرا از این تاریخ، نظریه‌های موفقِ امروزیِ ما هم احتمالاً نادرست از آب درمی‌آیند.

موضع‌ها در این بحث:

• تجربه‌گراییِ برساختی (باس فان فراسن، تصویرِ علمی، ۱۹۸۰): هدفِ علم کفایتِ تجربی است (درست درآوردنِ پدیده‌های دیدنی)، نه حقیقت دربارهٔ چیزهای دیده‌نشدنی. پذیرفتنِ یک نظریه فقط یعنی باور به اینکه از نظرِ تجربی کافی است.
• ابزارانگاری: نظریه‌ها ابزارهایی برای پیش‌بینی و کنترل‌اند، نه توصیف.
• واقع‌گراییِ ساختاری (جان وورال، «واقع‌گراییِ ساختاری: بهترینِ هر دو جهان؟»، ۱۹۸۹): چیزی که از تغییرِ نظریه جان به در می‌برد ساختارِ ریاضی است، نه ادعاها دربارهٔ سرشتِ چیزها. نظریهٔ آگوستن‌ـ‌ژان فرنل دربارهٔ نور به‌عنوانِ لرزشی در یک اترِ کشسان کنار گذاشته شد، اما معادله‌هایش دست‌نخورده به نظریهٔ الکترومغناطیسیِ ماکسول منتقل شدند. پس باید دربارهٔ ساختاری که نظریه‌هایمان توصیف می‌کنند واقع‌گرا باشیم.
• واقع‌گرایی دربارهٔ چیزها (یان هکینگ، بازنمایی و مداخله، ۱۹۸۳): حق داریم به چیزهایی باور داشته باشیم که می‌توانیم دست‌کاری‌شان کنیم تا در فرایندهای دیگر دخالت کنیم، نظریه‌هایمان هرچه دربارهٔ آن‌ها بگویند. هکینگ دربارهٔ الکترون‌ها و پوزیترون‌ها، که فیزیک‌دانان روی گوی‌های نیوبیوم «اسپری می‌کنند» تا بارشان را تغییر دهند، نوشت: «اگر بشود اسپری‌شان کرد، پس واقعی‌اند.»
• واقع‌گراییِ گزینشی (فیلیپ کیچر، استاتیس پسیلوس): دربارهٔ بخش‌هایی از نظریه‌های گذشته واقع‌گرا باشید که واقعاً مسئولِ موفقیتشان بودند. آن بخش‌ها معمولاً حفظ شده‌اند.

این بحث به شکلی ظریف برای تفکرِ نقادانه مهم است. یک نگرشِ سالم به علم اطمینان به یافته‌های جاافتاده (شهودِ معجزه‌نبودن) را با فروتنی دربارهٔ جزئیاتِ نظری در مرزهای پژوهش (شهودِ بدبینانه) ترکیب می‌کند. هستهٔ دیدنی و پیش‌بینی‌کنندهٔ علمِ پخته (واکسن‌ها جلوی بیماری را می‌گیرند، زمین میلیاردها سال عمر دارد، CO₂ گرما را به دام می‌اندازد) خیلی محکم‌تر از تفسیرهای نظری در حاشیه‌هاست.

علیت و استنتاجِ علّیشنیدن

خیلی از مهم‌ترین پرسش‌های زندگیِ اجتماعی علّی‌اند، یعنی دربارهٔ علت و معلول‌اند. آیا این دارو بیماری را درمان می‌کند؟ آیا این سیاست جرم را کم می‌کند؟ آیا شبکه‌های اجتماعی باعثِ افسردگی می‌شوند؟ آیا مهاجرت دستمزدها را پایین می‌آورد؟ در ضمن، ادعاهای علّی از آن ادعاهایی‌اند که خیلی راحت می‌شود درباره‌شان اشتباه کرد.

هیوم و دیدگاهِ انتظام

دیوید هیوم (نگاه کنید به هیوم) استدلال کرد که ما هیچ‌وقت خودِ ضرورتِ علّی را نمی‌بینیم. فقط می‌بینیم که رویدادهایی از یک نوع همیشه همراهِ رویدادهایی از نوعِ دیگرند، در زمان و مکان کنارِ هم‌اند، و علت زودتر می‌آید. نظریهٔ انتظام می‌گوید علیت همین الگوی منظم است و چیزِ دیگری نیست.

مشکل این است که خیلی از نظم‌ها علّی نیستند. شب همیشه بعد از روز می‌آید، اما روز علتِ شب نیست. وقتی عقربهٔ فشارسنج پایین می‌آید، معمولاً توفان می‌شود، اما فشارسنج علتِ توفان نیست. علتِ هر دو پایین آمدنِ فشارِ هواست.

روش‌های میل

جان استوارت میل (نظامِ منطق، ۱۸۴۳) روش‌هایی برای پیدا کردنِ علت‌ها را مرتب و دسته‌بندی کرد.

1. روشِ توافق: اگر همهٔ موردهایی که معلول در آن‌ها پیش می‌آید فقط در یک چیز مشترک باشند، آن چیز احتمالاً علت است. همهٔ مهمانانِ عروسی که مسموم شدند میگو خورده بودند.
2. روشِ تفاوت: اگر موردی که معلول در آن پیش می‌آید و موردی که پیش نمی‌آید فقط در یک چیز با هم فرق داشته باشند، آن چیز احتمالاً علت (یا بخشی از علت) است. دو مهمان غذای یکسانی خوردند، جز اینکه یکی میگو هم خورد و مریض شد. منطقِ آزمایشِ کنترل‌شده همین است.
3. روشِ ترکیبیِ توافق و تفاوت: هر دو روش با هم.
4. روشِ باقی‌مانده‌ها: اثرِ علت‌های شناخته‌شده را کم کنید. هرچه باقی ماند، کارِ عامل‌های باقی‌مانده است. کشفِ نپتون از همین راه بود: اثرِ سیاره‌های شناخته‌شده را بر مدارِ اورانوس کم کردند، و انحرافی که باقی ماند نشان می‌داد علتِ ناشناخته‌ای در کار است.
5. روشِ تغییراتِ هم‌زمان: اگر معلول با تغییرِ یک عامل تغییر کند، این دو به هم ربطِ علّی دارند. هر مهمانی که میگوی بیشتری خورده بود، حالش بدتر بود (رابطهٔ دوز‌ـ‌پاسخ، یعنی مقدارِ بیشتر، اثرِ بیشتر).

روش‌های میل در اصل درست‌اند، اما باید با دقت به کارشان برد. این روش‌ها فرض می‌کنند که همهٔ عامل‌های احتمالی را شناخته‌اید. در ضمن، معلول‌های واقعی اغلب چند علت با هم دارند.

خلافِ واقع‌ها و مداخله‌ها

نظریهٔ خلافِ واقع (دیوید لوئیس، «علیت»، ۱۹۷۳) به زبانِ ساده می‌گوید: C علتِ E بود اگر، در صورتی که C پیش نمی‌آمد، E هم پیش نمی‌آمد. آسپرین علتِ خوب شدنِ سردردم بود اگر، در صورتی که آن را نخورده بودم، سردردم ادامه پیدا می‌کرد. این همان فکری است که پشتِ آزمایش‌های کنترل‌شده است: آنچه اتفاق افتاد را با آنچه اگر کارِ دیگری کرده بودیم اتفاق می‌افتاد مقایسه کنید.

این نظریه با دو مشکل روبه‌روست: پیش‌دستی و علتِ اضافه (یعنی وقتی بیش از یک علتِ کافی در کار است). سوزی و بیلی هر دو به یک بطری سنگ پرتاب می‌کنند. سنگِ سوزی زودتر می‌رسد و بطری را می‌شکند. پس پرتابِ سوزی علتِ شکستن بود. اما اگر سوزی سنگ نینداخته بود، سنگِ بیلی به هر حال بطری را می‌شکست (ند هال، ۲۰۰۴). یا دو آدمکش در یک لحظه به قربانی شلیک می‌کنند و هر گلوله به‌تنهایی کشنده است. هیچ‌کدام از شلیک‌ها لازم نبود، اما به نظر می‌رسد هر دو علتِ مرگ‌اند.

نظریهٔ مداخله‌گرا (جیمز وودوارد، به وقوع پیوستنِ چیزها، ۲۰۰۳؛ جودیا پرل، علیت، ۲۰۰۰) می‌گوید X علتِ Y است اگر مداخله‌ای که X را تغییر می‌دهد، Y را هم تغییر دهد. (این مداخله باید چیزهای دیگری را که به X وابسته نیستند دست‌نخورده بگذارد.) در این نگاه، علت مثلِ دستگیره‌ای است که با چرخاندنش می‌شود چیزی را تغییر داد. استنتاجِ علّیِ امروزی بر همین فکر بنا شده است.

پرل از نردبانِ علیت حرف می‌زند (کتابِ چرا، ۲۰۱۸):

1. همبستگی (دیدن): دیدنِ X دربارهٔ Y به من چه می‌گوید؟ («بیمارانی که دارو را خوردند بیشتر خوب شدند.»)
2. مداخله (انجام دادن): اگر من X را ایجاد کنم، چه بر سرِ Y می‌آید؟ («اگر دارو را بدهیم، آیا بیمارانِ بیشتری خوب می‌شوند؟»)
3. خلافِ واقع (تصور کردن): اگر X جورِ دیگری بود، چه می‌شد؟ («آیا این بیمار بدونِ دارو هم خوب می‌شد؟»)

آمار به‌تنهایی فقط شما را به پلهٔ اول می‌رساند. برای بالاتر رفتن به فرض‌های علّی نیاز دارید. این فرض‌ها را اغلب با نمودارهایی نشان می‌دهند که معلوم می‌کنند کدام متغیر بر کدام اثر می‌گذارد.

همبستگی و علیت

«همبستگی علیت نیست» معروف‌ترین شعارِ تفکرِ نقادانه است. دقیق‌ترش این است: وقتی A و B با هم همبسته‌اند (یعنی با هم بالا و پایین می‌روند)، چند توضیحِ ممکن وجود دارد، و «A علتِ B است» فقط یکی از آن‌هاست.

درسِ هورمون‌درمانی. چند دهه، پژوهش‌های مشاهده‌ایِ بزرگ، مثلِ «پژوهشِ سلامتِ پرستاران»، نشان می‌دادند زنانی که بعد از یائسگی هورمون‌درمانیِ جایگزین (HRT) می‌گرفتند کمتر به بیماریِ قلبی دچار می‌شدند. بسیاری از پزشکان HRT را تا اندازه‌ای برای محافظت از قلب تجویز می‌کردند. بعد، در ۲۰۰۲، «ابتکارِ سلامتِ زنان»، که یک کارآزماییِ تصادفیِ کنترل‌شدهٔ بزرگ بود، نشان داد که HRTِ ترکیبی از قلب محافظت نمی‌کند. حتی خطرِ حملهٔ قلبی، سکتهٔ مغزی و سرطانِ پستان را کمی بالا می‌برد. آن همبستگیِ مشاهده‌ای بیشتر از مخدوش‌گری می‌آمد: زنانی که HRT را انتخاب می‌کردند به‌طورِ میانگین سالم‌تر و ثروتمندتر بودند و بیشتر به سلامتشان اهمیت می‌دادند (اثرِ مصرف‌کنندهٔ سالم). (از آن زمان تصویر پیچیده‌تر شده است و به نظر می‌رسد زمانِ شروعِ HRT نسبت به یائسگی مهم باشد، اما درسِ اصلی سرِ جایش است.)

کرمِ ضدآفتاب و سرطانِ پوست. بعضی پژوهش‌ها دیده‌اند کسانی که بیشتر کرمِ ضدآفتاب می‌زنند بیشتر به ملانوما (نوعی سرطانِ پوست) دچار می‌شوند. آیا کرمِ ضدآفتاب سرطان‌زاست؟ نه. کسانی که زمانِ بیشتری زیرِ آفتابِ تند می‌مانند، کرمِ ضدآفتابِ بیشتری هم می‌زنند. آفتاب خوردن عاملِ مخدوش‌کنندهٔ این همبستگی است.

چک‌لیستی برای ادعای علّی‌ای که بر همبستگی تکیه دارد:

1. آیا ممکن است برعکس باشد، یعنی B علتِ A باشد؟
2. چه عاملِ سومی ممکن است علتِ هر دو باشد؟ آیا این عامل‌ها را اندازه گرفتند و در نظر گرفتند؟
3. آیا این همبستگی ممکن است از روی شانس باشد؟ چند متغیر را بررسی کردند؟
4. نمونه‌ها چطور انتخاب شدند؟ آیا ممکن است خودِ انتخاب این همبستگی را ساخته باشد؟
5. آیا رابطهٔ دوز‌ـ‌پاسخ وجود دارد؟ آیا علت زودتر آمده است؟
6. آیا سازوکارِ قابل‌قبولی برای این رابطه هست؟
7. آیا یافته با آزمایش یا آزمایشِ طبیعی تأیید شده است؟

کارآزمایی‌های تصادفیِ کنترل‌شده و سلسله‌مراتبِ شواهد

بهترین ابزار برای اثباتِ علیت کارآزماییِ تصادفیِ کنترل‌شده (RCT) است. این کارآزمایی سه جزءِ اصلی دارد:

• گروهِ کنترل: کسانی را که درمان می‌گیرند با آدم‌های مشابهی مقایسه کنید که درمان نمی‌گیرند.
• تصادفی‌سازی: آدم‌ها را با قرعه به گروه‌ها بفرستید. این کار رابطهٔ درمان را با هر عاملِ مخدوش‌کننده‌ای، چه شناخته و چه ناشناخته، قطع می‌کند. به‌طورِ میانگین، دو گروه در سن، سلامت، ثروت، انگیزه، ژنتیک و هر چیزِ دیگری شبیهِ هم می‌شوند. پس هر تفاوتی در نتیجه را می‌شود به درمان نسبت داد.
• کورسازی: شرکت‌کنندگان (و در حالتِ ایدئال، پژوهشگران و ارزیاب‌ها هم) نمی‌دانند چه کسی درمانِ واقعی گرفته است. به این ترتیب اثرِ دارونما (اثری که فقط از باور به درمان می‌آید) و سوگیریِ مشاهده‌گر نمی‌توانند تفاوتِ ساختگی ایجاد کنند.

چند نقطهٔ عطفِ تاریخی: در ۱۷۴۷، جیمز لیند روی کشتیِ اچ‌ام‌اس سالزبری شش درمان را برای بیماریِ اسکوربوت با هم مقایسه کرد و دید که مرکبات مؤثر است (آزمایشش کنترل‌شده بود، اما تصادفی نبود). در ۱۹۴۸، شورای پژوهش‌های پزشکیِ بریتانیا کارآزمایی‌ای دربارهٔ داروی استرپتومایسین برای سل انجام داد که آماردان آستین برادفورد هیل در طراحی‌اش همکاری کرد. این کارآزمایی را اغلب اولین کارآزماییِ تصادفیِ کنترل‌شدهٔ امروزی می‌دانند.

سلسله‌مراتبِ شواهد، به شکلی که معمولاً در پزشکیِ مبتنی بر شواهد درس می‌دهند، از قوی‌ترین تا ضعیف‌ترین (برای پرسش‌هایی دربارهٔ اثرِ درمان) این است:

1. مرورهای نظام‌مند و فراتحلیل‌های کارآزمایی‌های تصادفیِ کنترل‌شده (یعنی جمع‌بندیِ نتیجه‌های چند کارآزمایی با هم).
2. کارآزمایی‌های تصادفیِ کنترل‌شده.
3. پژوهش‌های هم‌گروهی (گروه‌هایی را که در معرضِ عاملی بوده‌اند و گروه‌هایی را که نبوده‌اند در طولِ زمان دنبال می‌کنند).
4. پژوهش‌های مورد‌ـ‌شاهدی (کسانی را که بیماری‌ای دارند با کسانی که ندارند مقایسه می‌کنند و به گذشته برمی‌گردند تا ببینند در معرضِ چه چیزهای متفاوتی بوده‌اند).
5. گزارش‌های موردی و مجموعه‌های موردی.
6. نظرِ کارشناس، استدلال از روی سازوکار و حکایت.

این سلسله‌مراتب یک پیش‌فرضِ مفید است، نه قانونی بی‌استثنا:

• به بعضی پرسش‌ها با RCT نمی‌شود جواب داد. نمی‌توانید آدم‌ها را با قرعه وادار کنید ۳۰ سال سیگار بکشند. یک مقالهٔ طنزِ معروف (گوردون اسمیت و جیل پل، «استفاده از چتر نجات برای پیشگیری از مرگ و آسیب‌های جدیِ ناشی از چالشِ گرانشی: مرورِ نظام‌مندِ کارآزمایی‌های تصادفیِ کنترل‌شده»، BMJ، ۲۰۰۳) هیچ RCTای دربارهٔ چتر نجات پیدا نکرد و به شوخی نتیجه گرفت که مؤثر بودنِ چتر نجات ثابت نشده است. وقتی اثری خیلی بزرگ و آشکار است، شواهدِ مشاهده‌ای می‌تواند کافی باشد.
• اعتبارِ بیرونی. در ۲۰۱۸، پژوهشگرانی واقعاً یک کارآزماییِ تصادفی دربارهٔ چتر نجات انجام دادند (رابرت یه و همکاران، BMJ). شرکت‌کنندگان با چتر نجات یا بدونِ آن از هواپیما پریدند، و هیچ تفاوتی در مرگ یا آسیب دیده نشد. نکته اینجا بود که هواپیماها روی زمین پارک بودند و آدم‌ها فقط حدودِ ۰٫۶ متر پریدند. کارآزمایی از درون معتبر بود، اما برای پرسشی که واقعاً مهم است هیچ فایده‌ای نداشت. این طنز حرفِ جدی‌ای دارد: هر کارآزمایی نشان می‌دهد چه چیزی برای همان جمعیت و در همان شرایط جواب داد. نانسی کارترایت و جرمی هاردی (سیاست‌گذاریِ مبتنی بر شواهد، ۲۰۱۲) تأکید می‌کنند که «آنجا جواب داد» تضمین نمی‌کند که «اینجا هم جواب می‌دهد»، مگر اینکه عامل‌های علّی‌ای که آنجا کار را پیش بردند اینجا هم باشند.
• آزمایش‌های طبیعی گاهی تقریباً به اندازهٔ RCT قوی‌اند. در لندنِ ۱۸۵۴، جان اسنو ردِ شیوعِ وبا را تا تلمبهٔ آبِ خیابانِ براد گرفت. او در «آزمایشِ بزرگ»ِ خود خانه‌هایی را که آبشان را شرکتِ ساوت‌وارک و واکسهال می‌داد با خانه‌هایی مقایسه کرد که آبشان را شرکتِ لمبث می‌داد. شرکتِ اول آب را از بخشی از رودِ تیمز برمی‌داشت که به فاضلاب آلوده بود، اما شرکتِ لمبث محلِ برداشتِ آبش را به بالادستِ رود برده بود. این خانه‌ها در همان محله‌ها قاطیِ هم بودند و از جهت‌های دیگر شبیهِ هم بودند، و بیشترِ ساکنانشان نمی‌دانستند آبشان را کدام شرکت می‌دهد. مرگ از وبا در میانِ مشترکانِ ساوت‌وارک و واکسهال چند برابر بود.

معیارهای برادفورد هیل

وقتی انجامِ RCT ممکن نیست، چطور علیت را ثابت می‌کنید؟ آستین برادفورد هیل در ۱۹۶۵ (در مقالهٔ «محیط و بیماری: همبستگی یا علیت؟») نُه «دیدگاه» را برشمرد که کمک می‌کنند داوری کنیم آیا یک همبستگیِ مشاهده‌شده علّی است یا نه:

1. قوت: اثرهای بزرگ کمتر احتمال دارد از مخدوش‌گری آمده باشند. (خطرِ سرطانِ ریه در سیگاری‌های قهار چند برابرِ غیرسیگاری‌ها بود.)
2. پایداری: همبستگی در جمعیت‌ها، مکان‌ها و طرح‌های پژوهشیِ مختلف تکرار می‌شود.
3. ویژگی: مواجهه با یک بیماریِ مشخص همبسته است (ضعیف‌ترین معیار).
4. تقدمِ زمانی: علت پیش از معلول می‌آید. (تنها معیاری که حتماً لازم است.)
5. شیبِ زیستی: همان دوز‌ـ‌پاسخ. مواجههٔ بیشتر، اثرِ بیشتر.
6. پذیرفتنی بودن: سازوکارِ قابل‌قبولی وجود دارد.
7. انسجام: تفسیرِ علّی با چیزهایی که دربارهٔ بیماری می‌دانیم جور درمی‌آید.
8. آزمایش: برداشتنِ مواجهه اثر را کم می‌کند (مثلاً کسانی که سیگار را ترک می‌کنند در خطرِ کمتری‌اند).
9. شباهت: علت‌های شبیه به هم اثرهای شبیه به هم دارند.

هیل تأکید می‌کرد که این‌ها چک‌لیست نیستند: «هیچ‌یک از این نُه دیدگاهِ من نمی‌تواند شاهدی بی‌چون‌وچرا به سود یا به زیانِ فرضیهٔ علت و معلولی باشد، و هیچ‌کدام را نمی‌توان شرطِ لازم (sine qua non) دانست.»

سیگار و سرطانِ ریه مثالِ بزرگِ این بحث است. پژوهشِ مورد‌ـ‌شاهدیِ ریچارد دال و برادفورد هیل (۱۹۵۰) و پژوهشِ آن‌ها روی پزشکانِ بریتانیایی (که از ۱۹۵۱ شروع شد) این رابطه را با قوت، پایداری، تقدمِ زمانی و دوز‌ـ‌پاسخ ثابت کردند، بی‌آنکه هیچ کارآزماییِ تصادفی‌ای در کار باشد. دفاعِ صنعتِ دخانیات این بود که «همبستگی علیت نیست». جالب اینکه آماردانِ بزرگ، آر. اِی. فیشر، که خودش سیگاری بود و از صنعتِ دخانیات پول می‌گرفت تا مشاورشان باشد، در اواخرِ دههٔ ۱۹۵۰ ادعا کرد شاید یک عاملِ ژنتیکی هم باعثِ میل به سیگار باشد و هم باعثِ آسیب‌پذیری در برابرِ سرطان. این فرضیه در اصل بی‌معنا نبود، اما نمی‌توانست همهٔ الگوی شواهد را توضیح دهد، مثلاً اینکه خطر در کسانی که سیگار را ترک می‌کردند کم می‌شد. حتی کارشناسانِ درخشان هم ممکن است اشتباه کنند، به‌خصوص وقتی پای منافع یا عادت‌هایشان در میان است.

ارزش‌ها در علمشنیدن

آیا علم فارغ از ارزش است؟ دانشمندان نباید بگذارند سلیقهٔ سیاسی یا شخصی‌شان تعیین کند که شواهد چه نشان می‌دهد. اما فیلسوفان استدلال کرده‌اند که ارزش‌ها از راه‌هایی مشروع وارد علم می‌شوند.

خطرِ استقرایی. ریچارد رادنر («دانشمند در مقامِ دانشمند داوریِ ارزشی می‌کند»، ۱۹۵۳) گفت هیچ فرضیهٔ علمی‌ای هیچ‌وقت کاملاً ثابت نمی‌شود. پس دانشمند وقتی فرضیه‌ای را می‌پذیرد، باید تصمیم بگیرد که شواهد به اندازهٔ کافی قوی است. و «اینکه پیش از پذیرفتنِ یک فرضیه چقدر باید مطمئن باشیم، بستگی دارد به اینکه اشتباه کردن چقدر گران تمام می‌شود». برای اینکه نتیجه بگیریم یک مادهٔ دارویی سمی نیست، شواهدی خیلی قوی‌تر لازم داریم تا برای اینکه نتیجه بگیریم یک محموله سگکِ کمربند معیوب نیست. کارل همپل (۱۹۶۵) اسمِ این را خطرِ استقرایی گذاشت. هدر داگلاس (علم، سیاست‌گذاری و آرمانِ علمِ فارغ از ارزش، ۲۰۰۹) این استدلال را گسترش داد. به نظرِ او ارزش‌ها به‌طورِ مشروع نقشی غیرمستقیم دارند: کمک می‌کنند تصمیم بگیریم چه اندازه شاهد کافی است، به‌خصوص وقتی پیامدِ اشتباه جدی است. اما نباید نقشی مستقیم داشته باشند، یعنی نباید دلخواه بودنِ یک نتیجه را دلیلی برای باور به آن بگیریم.

عینیت به‌عنوانِ دستاوردی جمعی. هلن لانجینو (علم به‌عنوانِ معرفتِ اجتماعی، ۱۹۹۰) استدلال کرد که هیچ دانشمندی به‌تنهایی نمی‌تواند از سوگیری آزاد باشد، اما جامعهٔ علمی می‌تواند به عینیت برسد، به شرطِ اینکه این چهار چیز را داشته باشد: (۱) راه‌های شناخته‌شده‌ای برای نقد، (۲) گوشِ شنوا برای نقد (یعنی جامعه واقعاً در جوابِ نقد تغییر کند)، (۳) معیارهای مشترک و علنی، و (۴) «برابریِ نسبی در اعتبارِ فکری» میانِ اعضای صاحب‌صلاحیت، از جمله کسانی که از زاویه‌های مختلف به موضوع نگاه می‌کنند.

ارزش‌های معرفتی، مثلِ دقت، سازگاری، گستره، سادگی و باروری در فهرستِ کوهن، هم نوعی ارزش‌اند. این ارزش‌ها به ما کمک می‌کنند میانِ نظریه‌ها داوری کنیم و بخشی از چیزی‌اند که علم را عقلانی می‌کند.

تعارضِ منافع. کسی که هزینهٔ پژوهش را می‌دهد می‌تواند بر نتیجه‌ها اثر بگذارد. یک مرورِ نظام‌مندِ کاکرین (آندرئاس لوند و همکاران، ۲۰۱۷) نشان داد پژوهش‌هایی دربارهٔ داروها و تجهیزاتِ پزشکی که هزینه‌شان را خودِ سازنده‌ها داده بودند، بیشتر از پژوهش‌های دیگر به نتیجه‌های خوشایند دربارهٔ اثربخشی رسیده بودند. معنایش این نیست که پژوهشی که صنعت هزینه‌اش را داده بی‌ارزش است. معنایش این است که دانستنِ منبعِ پول اطلاعاتِ مهمی است، و اینکه تکرارِ مستقلِ پژوهش اهمیتِ ویژه‌ای دارد.

اجماعِ علمیشنیدن

اجماعِ علمی یعنی اکثریتِ بزرگی از کارشناسانِ یک رشته بر سرِ نتیجه‌ای توافق دارند. این توافق معمولاً وقتی پیدا می‌شود که پژوهش‌های زیادی به یک نتیجه برسند. مثلاً بررسیِ مقاله‌های علمِ اقلیم نشان داده است که اکثریتِ بزرگی از مقاله‌هایی که دربارهٔ علتِ گرم شدنِ اخیرِ زمین موضعی گرفته‌اند، آن را به فعالیتِ انسان نسبت می‌دهند (جان کوک و همکاران در ۲۰۱۳ این رقم را برای ۹۷٪ از چنین چکیده‌هایی گزارش کردند). فرهنگستان‌های ملیِ علوم در سراسرِ جهان هم بیانیه‌هایی در همین جهت داده‌اند.

چرا اجماع برای غیرکارشناسان مهم است؟ بیشترِ ما نمی‌توانیم خودمان شواهدِ دست‌اولِ اقلیم‌شناسی یا ایمنی‌شناسی یا فیزیکِ ذرات را ارزیابی کنیم. خودِ وجودِ اجماع شاهدِ قوی‌ای است، به شرطِ اینکه به دلیل‌های درستی پیدا شده باشد. بواز میلر («اجماع کی بر معرفت تکیه دارد؟»، ۲۰۱۳) می‌گوید اجماع وقتی نشانهٔ خوبی از معرفت است که بر این سه چیز تکیه داشته باشد: هم‌گراییِ آشکارِ شواهد (چند رشته از شواهدِ مستقل به یک جهت اشاره کنند)، هماهنگیِ اجتماعی (کارشناسان معیارهای مشترکی برای شواهد و تفسیر داشته باشند)، و تنوعِ اجتماعی (اجماع شاملِ کسانی با پیشینه‌ها، منافع و روش‌های مختلف باشد، تا حاصلِ یک سوگیریِ مشترک نباشد).

اجماع هم گاهی اشتباه کرده است. نظریهٔ رانشِ قاره‌ایِ آلفرد وگنر حدودِ نیم قرن رد می‌شد. در اوایلِ دههٔ ۱۹۸۰، دو پزشکِ استرالیایی، بری مارشال و رابین وارن، پیشنهاد کردند که علتِ بیشترِ زخم‌های معده باکتریِ هلیکوباکتر پیلوری است، نه استرس یا اسید. با تردیدِ گسترده‌ای روبه‌رو شدند. مارشال در ۱۹۸۴ کاری کرد که مشهور شد: ظرفی از کشتِ این باکتری را سر کشید، به التهابِ معده دچار شد، و بعد آن را با آنتی‌بیوتیک درمان کرد. آن دو در ۲۰۰۵ جایزهٔ نوبل گرفتند.

از این ماجراها چه نتیجه‌ای می‌گیریم؟ دو چیز:

1. نرخِ پایه مهم است. اجماعِ علمیِ پخته خیلی کمتر از آنکه تأیید شود، کنار گذاشته می‌شود. وقتی هم کنار گذاشته می‌شود، دیدگاهِ قدیمی معمولاً به‌عنوانِ تقریبی خوب باقی می‌ماند (هنوز برای فرستادنِ فضاپیما به سیاره‌های دیگر از مکانیکِ نیوتنی استفاده می‌کنند).
2. اصلاح از درونِ خودِ علم و با شواهد آمد. اعتبارِ وگنر را داده‌های اقیانوس‌شناسی به او برگرداند، و اعتبارِ مارشال را آزمایش‌ها و کارآزمایی‌ها. درسِ این ماجراها «دنبالِ شواهد برو» است، نه «اجماع را نادیده بگیر».

ترفندِ گالیله («به گالیله خندیدند و حق با او بود؛ پس به من هم که می‌خندند، حتماً حق با من است») همین نکته را نادیده می‌گیرد. به قولِ کارل سیگن در مغزِ بروکا (۱۹۷۹): «اینکه به بعضی نابغه‌ها خندیدند، معنایش این نیست که هر کس به او خندیدند نابغه است. به کلمب خندیدند، به فولتون خندیدند، به برادرانِ رایت خندیدند. اما به بوزوی دلقک هم خندیدند.» نگاه کنید به کارشناسان و نوآموزان.

بحرانِ تکرارپذیریشنیدن

از اوایلِ دههٔ ۲۰۱۰، در خیلی از رشته‌ها معلوم شده است که بخشِ بزرگی از یافته‌های منتشرشده وقتی پژوهشگرانِ مستقل پژوهش را دوباره انجام می‌دهند، دوباره به دست نمی‌آیند.

• همکاریِ علمِ باز («برآوردِ تکرارپذیریِ علمِ روان‌شناسی»، Science، ۲۰۱۵) کوشید ۱۰۰ پژوهشِ منتشرشده در مجله‌های اصلیِ روان‌شناسی را تکرار کند. ۹۷٪ از پژوهش‌های اصلی نتیجهٔ معنادار گزارش کرده بودند، اما فقط حدودِ ۳۶٪ از تکرارها به نتیجهٔ معنادار رسیدند. در ضمن، اندازهٔ اثر در تکرارها به‌طورِ میانگین حدودِ نصفِ پژوهش‌های اصلی بود.
• در زیست‌شناسیِ سرطان، دانشمندانِ شرکتِ زیست‌فناوریِ امجن گزارش دادند (سی. گلن بگلی و لی الیس، Nature، ۲۰۱۲) که از ۵۳ پژوهشِ پیش‌بالینیِ «مهم و پیشگام» فقط توانستند یافته‌های ۶ پژوهش را تأیید کنند. پژوهشگرانِ شرکتِ بایر هم مشکل‌های مشابهی گزارش کردند (فلوریان پرینتس و همکاران، ۲۰۱۱).
• بعضی یافته‌های معروفِ روان‌شناسی در تکرارهای بزرگ شکست خورده‌اند. یکی تحلیلِ رفتنِ خود است، یعنی این فکر که اراده منبعی محدود است که «خرج می‌شود و ته می‌کشد». یک تکرارِ بزرگِ چندآزمایشگاهی در ۲۰۱۶ اثری نزدیک به صفر پیدا کرد. دیگری ژستِ قدرت است، یعنی این ادعا که ایستادن یا نشستن در حالت‌های بدنیِ باز و گشاده تستوسترون و ریسک‌پذیری را بالا می‌برد. یکی از نویسندگانِ پژوهشِ اصلی، دانا کارنی، در ۲۰۱۶ علناً اعلام کرد که دیگر باور ندارد این اثر واقعی باشد.

علت‌ها (نگاه کنید به آمار و معناداری):

• سوگیریِ انتشار (یا مسئلهٔ کشوی بایگانی، به تعبیرِ رابرت روزنتال در ۱۹۷۹): پژوهش‌هایی که نتیجهٔ معنادار دارند شانسِ بیشتری برای انتشار دارند، و نتیجه‌های منفی در کشوی بایگانی می‌مانند. برای همین، در مقاله‌های منتشرشده یافته‌های مثبت بیش از اندازهٔ واقعی دیده می‌شوند.
• پی‌ـ‌هکینگ و «باغِ راه‌های دوشاخه»، یعنی دست بردن در تحلیل تا وقتی نتیجهٔ معنادار دربیاید.
• توانِ آماریِ پایین: پژوهش‌های کوچک فقط وقتی اثری را نشان می‌دهند که شانس آن اثر را بزرگ‌تر از واقع جلوه داده باشد.
• هارکینگ (HARKing، یعنی ساختنِ فرضیه بعد از دیدنِ نتیجه‌ها؛ نوربرت کر، ۱۹۹۸): یافته‌ای را که بعد از دیدنِ داده‌ها پیدا شده طوری عرضه کنند که انگار از قبل پیش‌بینی شده بود.
• انگیزه‌ها: پیشرفتِ شغلیِ پژوهشگران به انتشارِ نتیجه‌های تازه و مثبت بستگی دارد.
• تقلب، که کم است اما وجود دارد. روان‌شناسِ اجتماعی، دیدریک استاپل، در ده‌ها مقاله داده‌ها را جعل کرده بود و این در ۲۰۱۱ کشف شد. مقالهٔ ۱۹۹۸ِ اندرو ویکفیلد که ادعا می‌کرد میانِ واکسنِ MMR و اوتیسم رابطه هست، در ۲۰۱۰ پس گرفته شد، بعد از آنکه تحقیقات تخلف‌های جدی در آن پیدا کرد.

اصلاح‌ها این‌هاست: ثبتِ پیشاپیشِ طرحِ پژوهش، گزارش‌های ثبت‌شده (یعنی مجله مقاله را بر اساسِ روشش و پیش از معلوم شدنِ نتیجه‌ها برای انتشار می‌پذیرد)، در دسترس گذاشتنِ داده‌ها و کدها، نمونه‌های بزرگ‌تر، و طرح‌های بزرگِ تکرار در چند آزمایشگاه.

شبه‌علم و راه‌های شناختنششنیدن

هیچ معیارِ واحدی علم را از شبه‌علم جدا نمی‌کند، اما نشانه‌های هشدار معمولاً با هم می‌آیند. این فهرست از کارل سیگن، ماریو بونگه، و اسکات لیلینفلد و همکارانش گرفته شده است:

1. ابطال‌ناپذیری. ادعا با هر نتیجه‌ای که پیش بیاید جور درمی‌آید.
2. نجات دادنِ موردی. برای شکست‌ها بهانه‌هایی می‌آورند که نمی‌شود آزمودشان («انرژی به هم خورد»، «به اندازهٔ کافی باور نداشتی»).
3. تکیه بر تعریف و تمجید و حکایت به جای پژوهش‌های کنترل‌شده.
4. نبودِ خوداصلاحی. آموزه بعد از چند دهه یا چند قرن، با وجودِ شواهدِ تازه، در اصل تغییری نکرده است. طالع‌بینی هنوز بر نظامی تکیه دارد که در دورانِ باستان ساخته شد.
5. وارونه کردنِ بارِ اثبات. «تو نمی‌توانی ثابت کنی که اثر ندارد.» نگاه کنید به بارِ اثبات.
6. اصطلاحاتِ علمی‌نما بدونِ معنای دقیق («درمانِ کوانتومی»، «میدان‌های انرژی»، «سم‌زدایی»، «ارتعاش‌ها»).
7. جدا بودن از علم‌های دیگر. ادعاها ربطی به فیزیک، شیمی و زیست‌شناسیِ جاافتاده ندارند، و اغلب با آن‌ها در تضادند.
8. ادعاهای خارق‌العاده با شواهدِ ضعیف.
9. داستانِ مظلومیت. «دستگاه‌های رسمی دارند این را سرکوب می‌کنند» (نگاه کنید به ترفندِ گالیله).
10. تأکید بر تأیید به جای تلاش برای ابطال.
11. فرار از داوریِ همتا و آزمونِ مستقل.
12. منافعِ مالی گره‌خورده با باور (فروشِ محصول، دوره، مشاوره).
13. استناد به حکمتِ باستانی یا به «طبیعی بودن» به‌عنوانِ ضمانتِ درستی.

هومیوپاتی چند تا از این نشانه‌ها را دارد. هومیوپاتی ادعا می‌کند موادی که در آدمِ سالم نشانه‌هایی ایجاد می‌کنند، همان نشانه‌ها را در بیمار درمان می‌کنند، و رقیق کردن قدرتِ ماده را بیشتر می‌کند. یکی از رقت‌های رایجِ هومیوپاتی، «30C»، یعنی سی بار پشتِ سرِ هم رقیق کردن، هر بار صد برابر. رقتِ کل می‌شود 10^60. برای مقایسه، یک مول از هر ماده حدودِ 6 × 10^23 مولکول دارد. پس در 30C احتمالِ اینکه یک دوز حتی یک مولکول از مادهٔ اصلی داشته باشد عملاً صفر است. سازوکاری که ادعا می‌شود با شیمیِ پایه نمی‌خواند، و مرورهای نظام‌مند هم اثری بیش از دارونما پیدا نکرده‌اند. (مثلاً شورای ملیِ پژوهش‌های سلامت و پزشکیِ استرالیا در ۲۰۱۵ نتیجه گرفت که برای هیچ بیماری‌ای شاهدِ قابل‌اعتمادی بر اثربخشیِ هومیوپاتی وجود ندارد.)

طالع‌بینی هم آزموده شده است. در پژوهشی دوسوکور که در مجلهٔ Nature منتشر شد (شان کارلسون، «آزمونی دوسوکور از طالع‌بینی»، ۱۹۸۵)، طالع‌بین‌ها نتوانستند زایچه‌ها را بهتر از شانس با نیم‌رخِ شخصیتیِ درست جور کنند.

بخشی از موفقیتِ ظاهریِ طالع‌بینی از اثرِ فورر (یا اثرِ بارنوم) می‌آید. در ۱۹۴۸، روان‌شناسی به نامِ برترام فورر به دانشجویانش آزمونِ شخصیت داد و بعد به هر کدام توصیفی «مخصوصِ خودش» داد. در واقع همهٔ دانشجوها یک توصیفِ یکسان گرفته بودند، که بیشترش را از یک کتابِ طالع‌بینیِ دکهٔ روزنامه‌فروشی سرِهم کرده بود («شما خیلی نیاز دارید که دیگران دوستتان داشته باشند و تحسینتان کنند... گاهی برون‌گرا، خوش‌برخورد و اجتماعی هستید، و گاهی درون‌گرا، محتاط و تودار...»). دانشجوها به‌طورِ میانگین به دقتِ این توصیف حدودِ ۴٫۳ از ۵ نمره دادند. جمله‌های مبهم، تعریف‌آمیز و دوپهلو تقریباً به هر کسی حس می‌دهند که دقیقاً دربارهٔ خودِ اوست.

فهمِ خود را بسنجیدشنیدن

۱عدمِ تقارن میانِ تأیید و ابطال را توضیح دهید و بگویید چرا این همهٔ ماجرا نیست.

پاسخ

هیچ تعدادی از نمونه‌های تأییدکننده یک قانونِ کلی را ثابت نمی‌کند، اما یک مثالِ نقض از نظرِ منطقی آن را ابطال می‌کند. اما این همهٔ ماجرا نیست، به خاطرِ مسئلهٔ دوئم‌ـ‌کواین: پیش‌بینی‌ها به فرض‌های کمکی وابسته‌اند، پس وقتی پیش‌بینی‌ای شکست می‌خورد، ممکن است یکی از فرض‌های کمکی غلط باشد، نه خودِ نظریه. در ضمن، فرضیه‌های احتمالاتی و فرضیه‌هایی که از وجودِ چیزی خبر می‌دهند را نمی‌شود به‌طورِ قطعی ابطال کرد، و کاملاً معقول است که دانشمندان نظریه‌ای را در برابرِ بعضی ناجوری‌ها نگه دارند.

۲وقتی مدارِ اورانوس با پیش‌بینی‌های نیوتنی جور درنیامد، اخترشناسان وجودِ سیاره‌ای تازه را فرض گرفتند. آیا این فرضیهٔ موردی بود؟ چرا بله یا چرا نه؟

پاسخ

نه. این فرضیه را می‌شد مستقل آزمود: سیاره‌ای با جرمِ معین در جای معینی را پیش‌بینی می‌کرد که می‌شد دنبالش گشت، و آن سیاره پیدا شد (نپتون، ۱۸۴۶). فرضیهٔ موردی هیچ پیامدی جز نجات دادنِ نظریه ندارد.

۳چه چیزی برنامهٔ پژوهشیِ پیش‌رونده را از برنامهٔ رو به زوال جدا می‌کند؟

پاسخ

اصلاح‌هایی که در برنامهٔ پیش‌رونده انجام می‌شود واقعیت‌های تازه‌ای را پیش‌بینی می‌کند و بعضی از این پیش‌بینی‌ها تأیید می‌شود. برنامهٔ رو به زوال فقط بعد از وقوعِ هر واقعیتی خودش را با آن جور می‌کند، و پیش‌بینی‌هایش یا شکست می‌خورند یا از شواهد عقب می‌مانند.

۴«بچه‌هایی که صبحانه می‌خورند در مدرسه بهترند، پس مدرسه‌ها باید برای بالا بردنِ نمره‌ها صبحانه بدهند.» سه توضیحِ دیگر برای این همبستگی بیاورید.

پاسخ

(۱) مخدوش‌گری: خانواده‌هایی که امکانات و ثباتِ بیشتری دارند هم صبحانه می‌دهند و هم به درسِ بچه‌ها بیشتر می‌رسند. (۲) مخدوش‌گری از راهِ سلامت یا خواب: بچه‌های سالم که خوب خوابیده‌اند هم بیشتر صبحانه می‌خورند و هم بهتر تمرکز می‌کنند. (۳) علیتِ وارونه یا اثرِ گزینش: بچه‌های باانگیزه و منظم بیشتر احتمال دارد به‌موقع بیدار شوند تا صبحانه بخورند. ممکن است این ادعا باز هم درست باشد (و دربارهٔ برنامه‌های صبحانهٔ مدرسه کمی شاهدِ تجربی هم هست)، اما همبستگی به‌تنهایی آن را ثابت نمی‌کند.

۵چرا تصادفی‌سازی در کارآزماییِ کنترل‌شده مهم است؟

پاسخ

چون گروهِ درمان و گروهِ کنترل را به‌طورِ میانگین از همهٔ جهت‌ها شبیهِ هم می‌کند، حتی از جهت‌هایی که به فکرِ کسی نرسیده بود اندازه‌شان بگیرد. به این ترتیب هر رابطهٔ نظام‌مندی میانِ درمان و عامل‌های مخدوش‌کننده قطع می‌شود، و تفاوت در نتیجه را می‌شود به درمان نسبت داد (به‌جز سهمِ شانس، که آمار می‌تواند اندازه‌اش را بگیرد).

۶استدلالِ معجزه‌نبودن و فرااستقرای بدبینانه چه می‌گویند؟

پاسخ

استدلالِ معجزه‌نبودن: موفقیتِ علم معجزه بود، مگر اینکه نظریه‌هایمان تقریباً درست باشند؛ پس احتمالاً تقریباً درست‌اند. فرااستقرای بدبینانه: خیلی از نظریه‌های موفقِ گذشته نادرست بودند (فلوژیستون، اتر، کالریک)؛ پس نظریه‌های موفقِ امروزِ ما هم احتمالاً نادرست‌اند. واقع‌گراییِ ساختاری و واقع‌گراییِ گزینشی می‌کوشند هر دو شهود را با هم جمع کنند.

۷کسی می‌گوید: «دانشمندان دربارهٔ زخمِ معده و رانشِ قاره‌ای اشتباه کردند، پس من به اجماعِ علمی دربارهٔ واکسن‌ها اعتماد ندارم.» این استدلال را ارزیابی کنید.

پاسخ

مقدمه درست است، اما نتیجه از آن درنمی‌آید. اجماع گاهی کنار گذاشته می‌شود، اما خیلی کمتر از آنکه تأیید شود؛ نرخِ پایه مهم است. اصلاح‌ها هم از شواهدِ تازه در درونِ خودِ علم آمدند، نه از کنار گذاشتنِ علم. اجماع دربارهٔ ایمنیِ واکسن بر رشته‌های مستقلِ زیادی از شواهد تکیه دارد (پژوهش‌های مشاهده‌ایِ بزرگ روی میلیون‌ها نفر، کارآزمایی‌ها، سامانه‌های پایش در کشورهای زیاد). جوابِ درست به خطاپذیریِ علم این است که دنبالِ شواهد برویم، که در اینجا به‌شدت پشتِ اجماع است، نه اینکه اجماع را یکجا کنار بگذاریم. آزمونِ تقارن را هم می‌شود به کار برد: آیا گوینده همین استدلال را برای رد کردنِ ادعاهای اجماعی‌ای که خودش قبولشان دارد هم به کار می‌برد؟

۸چرا اثرِ فورر برای ارزیابیِ آزمون‌های شخصیت، طالع‌بینی و «ذهن‌خوانیِ سرد»ِ فالگیرها مهم است؟

پاسخ

چون توصیف‌های مبهم، کلی و دوپهلو تقریباً به هر کسی حس می‌دهند که دقیقاً دربارهٔ خودِ اوست. پس این حس که «این دقیقاً خودِ من است» هیچ شاهدی نیست بر اینکه روش واقعاً توانِ تشخیص دارد. آزمونِ درست این است که ببینیم آیا آدم‌ها در شرایطِ کور می‌توانند توصیفِ خودشان را از میانِ توصیفِ دیگران بهتر از شانس پیدا کنند یا نه.

برای مطالعهٔ بیشتر

کتاب‌های درآمد

• Samir Okasha, Philosophy of Science: A Very Short Introduction (Oxford University Press, 2nd ed. 2016). بهترین درآمدِ کوتاه.
• A. F. Chalmers, What Is This Thing Called Science? (Hackett / Open University Press, 4th ed. 2013).
• Peter Godfrey-Smith, Theory and Reality: An Introduction to the Philosophy of Science (University of Chicago Press, 2nd ed. 2021).

آثارِ کلاسیک

• Karl Popper, Conjectures and Refutations (Routledge, 1963), ch. 1, “Science: Conjectures and Refutations.”
• Thomas Kuhn, The Structure of Scientific Revolutions (University of Chicago Press, 1962؛ ویراستِ پنجاهمین سالگرد، ۲۰۱۲، با مقدمه‌ای از یان هکینگ).
• Imre Lakatos, “Falsification and the Methodology of Scientific Research Programmes” (1970), in Lakatos and Musgrave (eds.), Criticism and the Growth of Knowledge.
• Carl Hempel, Philosophy of Natural Science (Prentice-Hall, 1966). کوتاه و روشن؛ منبعِ مثالِ زملوایس.
• Peter Lipton, Inference to the Best Explanation (Routledge, 2nd ed. 2004).

علم و جامعه

• Naomi Oreskes, Why Trust Science? (Princeton University Press, 2019).
• Heather Douglas, Science, Policy, and the Value-Free Ideal (University of Pittsburgh Press, 2009).
• Stuart Ritchie, Science Fictions: Exposing Fraud, Bias, Negligence and Hype in Science (Bodley Head, 2020). دربارهٔ بحرانِ تکرارپذیری.
• Ben Goldacre, Bad Science (Fourth Estate, 2008) و Bad Pharma (2012).
• Carl Sagan, The Demon-Haunted World: Science as a Candle in the Dark (Random House, 1995).

استنتاجِ علّی

• Judea Pearl and Dana Mackenzie, The Book of Why (Basic Books, 2018).
• Nancy Cartwright and Jeremy Hardie, Evidence-Based Policy: A Practical Guide to Doing It Better (Oxford University Press, 2012).
• Austin Bradford Hill, “The Environment and Disease: Association or Causation?,” Proceedings of the Royal Society of Medicine 58 (1965). کوتاه و خواندنی.