021-22889554
021-26703715
مشاوره آموزشی رایگان

021-22889554  |  021-26703715 مشاوره آموزشی رایگان

چرا بايد به دانشمندان اعتماد كنيم

Naomi Oreskes

Why we should trust scientists

Many of the world's biggest problems require asking questions of scientists -- but why should we believe what they say? Historian of science Naomi Oreskes thinks deeply about our relationship to belief and draws out three problems with common attitudes toward scientific inquiry -- and gives her own reasoning for why we ought to trust science.


تگ های مرتبط :

Climate Change, History, Science
هر روز ما با موضوعاتی مواجه می شویم مانند تغییرات آب و هوا و یا سلامت واکسن ها و مجبوریم پاسخ سوالاتی را دهیم که جوابشان وابستگی شدیدی به اطلاعات علمی دارد. دانشمندان می گویند که جهان در حال گرم شدن است. دانشمندان به ما می گویند که واکسیناسیون ایمن و بی خطر است. ولی ما از کجا می دانیم که آنها درست می گویند؟ چرا باید به علم اعتقاد داشته باشیم؟ واقعیت این است که تعداد زیادی از ما عملاً اعتقادی به علم نداریم نظر سنجی های عمومی به طور مدام نشان می دهند که نسبت قابل توجهی از مردم آمریکا اعتقادی ندارند که آب و هوا در نتیجه ی فعالیت های انسانی در حال گرم شدن است،
فکر نمی کنند که فرگشت(تكامل) درنتيجه انتخاب های طبیعی بوجود آمده، و نسبت به بی خطری واکسن ها متقاعد نشده اند. پس چرا باید به علم اعتقاد داشته باشیم؟ خوب، داشنمندان دوست ندارند در مورد علم به عنوان موضوعی اعتقادی صحبت کنند. در حقیقت آنها علم و ایمان را از هم متمایز می کنند، و آنها می گویند باور دامنه ی ایمان است. ایمان چیزی جدا و متمایز از علم است. در واقع می گویند که مذهب بر پایه ی ایمان یا شاید هم بر پایه ی محاسبات «قمار پاسکال» (استدلال پاسکال برای اعتقاد داشتن به وجود خدا) است. بلز پاسکال یک ریاضیدان قرن هفدهم بود که سعی کرد تا برای این پرسش دلایلی علمی بیاورد که آیا او باید به خدا اعتقاد داشته باشد یا نه،
و شرط بندی او به این شکل پیش رفت: خوب، اگر خدایی وجود نداشته باشد ولی من تصمیم بگیرم که به خدا اعتقاد داشته باشم چیز زیادی از دست نرفته است. شاید تنها چند ساعت از یکشنبه (برای کلیسا). (خنده ی حاضرین) ولی اگر خدا وجود داشته باشد و من اعتقاد نداشته باشم من در یک مصیبت بزرگ هستم. و در نتیجه پاسکال گفت که بهتر است ما به خدا اعتقاد داشته باشیم. یا همانطور که یکی از اساتید کالج من گفت، "او به ایمان چنگ انداخت". او یک خیز ایمانی برداشت و علم و منطق گرایی را پشت سر نهاد. درواقع حقیقت این است که برای بیشتر ما،
دستاوردهای علمی، حرکتهای ایمانی هستند. در بیشتر مواقع نمی توانیم خودمان در مورد دستاوردهای علمی قضاوت کنیم. و در بیشتر مواقع برای خود دانشمندان هم خارج از حوزه تخصصیشان، به همین صورت است اگر در موردش فکر کنید میبینید که یک زمین شناس نمیتواند به شما بگوید که واکسن مشکلی ندارد. بیشتر شیمی دانها در تئوری فرگشت(تکامل) تخصصی ندارند. یک فیزیکدان نمیتواند به شما بگوید، -البته صرفنظر از ادعاهای بعضیشان- که تنباکو باعث سرطان میشود یا نه. بنابراین اگر خود دانشمندان هم باید خارج از حوزه تخصصشون به بعضی چیزها ایمان بیاورند،
پس چطور ادعاهای دیگر دانشمندان را قبول میکنند؟ چرا به اکتشافات همدیگر اعتقاد دارند؟ و اینکه ما هم باید این ادعاهای علمی را قبول کنیم؟ خوب اين چيزيست كه من ميخوام در موردش صحبت كنم، باید اینطور باشد، ولي نه به دليلی كه بيشتر ما گمان می كنيم. بيشتر ما در مدرسه می آموزيم كه به خاطر روش های علمی بايد به روشهای علمی اعتقاد داشته باشيم. آموخته ايم كه دانشمندان از روشی پيروی می كنند كه اين روش درستی ادعاهايشان را تضمين می كند. اين روشی كه بيشتر ما در مدرسه آموخته ايم، را ميتوانيم روش جزوه ای بناميم، كه همان روش فرضی-قياسی است.
براساس مدل استاندارد، در روش جزوه ای، دانشمندان فرضياتی را طرح می كنند، و نتايج را آن فرضيا ت استنباط می كنند. و به اين صورت به دنيای اطراف اعلام می كنند كه "بسيار خوب! نتایج درست هستند!" آيا در جهان طبيعت می توانيم آنها را به همين صورت مشاهده كنيم؟ و اگر آنها درستند، آنگاه دانشمندان می گويند "عاليست! ما ميدونيم كه فرضيات درستند!" خوب، مثالهای بسياری در تاريخ موجودند كه دانش دانشمندان دقيقا به همين صورت بوده. يكي از معروفترين مثالها كار آلبرت انشتين است. هنگامي كه تئوری نسبيت عام را مطرح كرد،
يكي از پيامدهای فرضيه اش اين بود كه زمان-فضا يك حفره توخالی نيست بلكه دارای تاروپوديست و اون تار و پود، در اطراف اجرامی مثل خورشيد خم می شود. خوب اگر اين فرضيه درست بود به اين معنا بود كه نور با گذر از خورشيد بايد اندكی اطراف آن خم شود. كه يه پيشگویی ترو تميز شگفت انگيز بود و چندين سال قبل از اينكه دانشمندان بتوانند آزمايشش كنند، مطرح شد ولی وقتی در سال ۱۹۱۹ آزمايش شد... ديدند آها خودش است! و درست درآمد. درحقيقت نور ستارگان در گذر از اطراف خورشيد خم می شود.
كه تاييد درست و حسابی برای اين نظريه بود. و اينگونه اثباتی برای اين فرضيه افراطی جديد به وجود آمد. و مقالات زيادی درسرتاسر دنيا در موردش نوشته شد. امروزه بعضی وقتها اين نظريه يا مدل به صورت مدل اصل استنتاجی مطرح می شود. به اين دليل كه دانشگاهيان دوست دارن چيزهارو پيچيده كنند! از سوی ديگر به اين دليل كه در اين مثال ايده آل در مورد قوانين هست. خوب اصل به اين معناست كه بايد با قوانين كار كنيم. و در اين مثال ايده آل،فرضيات فقط ايده هايی ساده نيستند: درحالت ايده آل آننا قانون طبيعتی هستند. خوب چرا اين موضوع قانون طبيعت است؟
چون اگر قانون باشد نمی توان آن را شکست! اگر قانون باشد در نتیجه هميشه درست است! در همه زمانها و مكانها و فرقی هم نمی كند كه با چه موقعيتی روبرو هستيم. خوب همه شما اقلا يك نمونه از يك قانون مشهور را می شناسيد: فرمول معروف انشتين، E=MC2 كه ارتباط بين ماده و انرژی را بيان می كند. و اين ارتباط درست است، مهم هم نيست چرا! خوب به هر حال اين مدل چند مشكل هم دارد. كه بزرگترينش غلط بودن آن است! درست نيست.(خنده حاضرين) می خواهم در مورد سه دليلی صحبت كنم كه چرا غلط است.
اولين دليل، دليل منطقی هست. كه سفسطه درست بودن نتيجه است. خوب يک چيز مسخره ديگر نحوه بيان دانشگاهی فرضيات غلطی است كه ميتوانند پيش بينيهای درست انجام دهند. فقط به اين دليل كه پيش بينی ها درست درميایند از لحاظ منطقی به اين معنا نيست كه اثبات انجام شده فرضيه درستی است. كه برای اين هم مثال خوب از تاريخ علم دارم. اين تصويری از جهان بطلميوسی هست، كه زمين در مركز كائنات قرار دارد و خورشيد و ديگر سيارات حول اون می چرخند. افراد باهوش زيادی قرنها گمان می كردند مدل بطلميوسی درست است. خوب چرا؟
خوب جواب اين است كه بسياری از پيش بينيهای اين مدل درست از آب درآمده. سيستم بطلميوسی ستاره شناسان را قادر ساخت تا پيش بينيهای دقيقی از حركت ديگر كرات انجام دهند در حقيقت پيشبينی هایی دقيقتر از قبل. بعد از آن نظريه كوپرنيكی بود كه دنيا ميگفت درست است. خوب اين يکی از مشكلات مدل جزوه ای است. مشكل بعدی مشكل كاربرديست، و آن مشكل، درمورد فرضيات كمكی است. فرضيات كمكی حدسياتی هستند كه دانشمندان می سازند بصورت آگاهانه يا حتی نا آگاهانه . خوب يک مثال خوب در اين زمينه مدل كپرنيك هست،
كه در نهايت جايگزين مدل بطلميوسی شد. وقتی نيكلاس كپرنيك می گوید در واقع زمين مركز گيتی نيست و خورشيد مرکز منظومه خورشيدی است و زمين حول خورشيد حركت می كند؛ دانشمندان می گویند،بسيار خوب! اگر نيكولاس درست بگوید بايد بتوانيم حركت زمين حول خورشيد را رديابی كنيم. و اين اسلايد مفهومی كه تحت عنوان پارالكس ستاره ای شناخته می شود را نشون ميدهد . و ستاره شناسان می گویند اگر زمين در حال حركت باشد و به ستاره بسيار دوری مثلا سيروس(شباهنگ) نگاه كنيم،-- خوب ميدانم من در منهتنم و من و شما نمی توانيم اين ستاره را ببينيم
ولي فرض كنيد در روستایی زندگی می كنيد-- و در ماه دسامبر به ستاره ای در پس زمینه ستارگان فرادست می نگریم. ولي اگر همين مشاهده رو ۶ ماه بعد انجام دهيم، وقتي كه زمين به اين موقعيت در ماه ژوئن ميرسد، همان ستاره را با پس زمينه ای متفاوت می بينيم. اين اختلاف، نوعی اختلاف زاويه ايست وپارالكس ستاره ای ناميده می شود. خوب اين نوعی از پيش بينی است كه مدل كپرنيكی انجام ميدهد. ستاره شناسان براي مشاهده پارالكس ستاره ای شروع به مشاهده كردند ولي چیزی پيدا نكردند. هيچی! به همين دليل، بسياری گفتند كه اثباتيی بر غلط بودن مدل كپرنيك هست. پس چه اتفاقی افتاد؟
خوب، به صورت ساده می توانيم بگویيم كه ستاره شناسان دو فرضيه كمكی مطرح كردند كه امروزه می گویم هردوشان غلط بود. اولی حدسی بود در مورد اندازه مدار زمين. ستاره شناسان فرض كردند كه مدار زمين در مقايسه با فاصله از ستاره ها، بزرگ است. امروزه می توانيم تصويری مثل اين را ترسيم كنيم كه منبعش ناساست. و همونطور كه می توانيد ببينيد مدار زمين بسيار كوچك است. درحقيقت كوچكتر از آن است كه قابل نمايش در اينجا باشد. بنابراين پارالكس ستاره ای، بسيار كوچك است و به سختی تشخيص داده می شود. می رسيم به دومين دليلی كه
چرا پيش بينی جواب نداد، چون فرض دانشمندان بر اين بود كه تلسكوپهایشان به قدر كافی برای ديدن پارالكس حساس است. درصورتيكه معلوم شد درست نيست. تا قرن ۱۹ طول كشيد تا دانشمندان بتوانند پارالكس ستاره ای را شناسايی كنند. خوب، مشكل سومی هم وجود دارد. كه اين مشكل سوم در عمل و واقعيت ظاهر می شود اين كه بسياری از علوم در کتابهای درسی یافت نمی شوند.. بسياری از علوم وجود دارند كه اصلا استنتاجی و قياسی نيستند. و در واقع استقرايی هستند. و براين مبنا قصد داريم بگویيم كه لزوما دانشمندان
با فرض و فرضيه شروع نمی كنند، اغلب فقط با مشاهده موضوعاتی در جهان هستی، شروع می كنند. و يكی از معروفترين مثالهای اين مورد، يكی از مشهورترين دانشمندانی است كه تاكنون زيسته: چارلز داروين. زماني كه داروين جوانی روی کشتی بيگل بود و با آن سفر می كرد، فرضيه و نظريه ای نداشت. فقط ميدانست كه دوست دارد دانشمند باشد و با جمع آوريی داده ها شروع كرد. درحقيقت ميدانست كه از پزشكی متنفر است چون ديدن خون حالش را بد می كرد پس بايد مسير شغلی ديگری را برمی گزيد. پس شروع به جمع آوری داده ها كرد.
بسياری چيزها از جمله فنچهای معروفش را جمع آوری كرد. وقتي فنچهارو جمع آوری كرد، آنها را توی كيسه ای انداخت و هدف خاصی هم برای اين كارش نداشت. سالها بعد كه به لندن برگشت دوباره به داده ها نگاهی انداخت و شروع به طرح يك توضيح كرد، توضيحی كه نظريه انتخاب طبيعی شد. صرف نظر از علوم استقرايی، دانشمندان اغلب از مدلسازيی هم استفاده می كنند. يكی از چيزهايی كه دانشمندان می خواهند در طول حياتشان انجام دهند، يافتن توضيح برای دليل پديده هاست. با اين چيكار كنيم؟ خوب، يك راه ساخت مدل
برای آزمودن ايده است. اين تصويری از هنری كدل است زمين شناس قرن ۱۹ اسكاتلندی. می توانيد بهش بگویيد اسكاتلندی چون كلاه شكاری و چكمه مخصوصشان را پوشیده (خنده) كدل ميخواست به اين سوال پاسخ دهد كه كوهها چگونه شكل گرفته اند؟ و يكی از چيزهايی كه مشاهده كرد اين بود كه اگر به كوههای نظير آپالاچيان نگاه كنيد، اغلب می توانيد صخره هايی ببينيد كه چين خورده اند و درجهت خاصی تا خورده اند كه برای او به مفهوم
از کناره تحت فشار بودنشان بود. و اين نظر بعدها در مباحث رانش قاره ای نقش اصلی را بازی كرد. به اين صورت مدل خودش را ساخت، اختراع ديوانه واری با اهرمها و چوب، همینطور فرغون، سطلها و يک پتك بزرگ. من نميداونم ايشان چرا از اين چكمه ها می پوشيد. شايد تو باران بيرون می رفت. و به اين صورت مدل فيزيكی مورد نظرش را ساخت تا نشان دهد كه شما هم می توانيد، كه روی صخره ها يا اقلا در اين مورد روی گِل، الگوی مورد نظرتون را اجرا كنيد كه مثل تعداد زيادی قله به نظر می رسد اگر از بغل فشرده شان كنيم.
خوب اين هم بحثی بود درباره پیدایش كوهها. امروزه بيشتر دانشمندان ترجيح می دهند در آزمایشگاه كار كنند، برای همين خيلی مدل فيزيكی درست نمی كنند، و درعوض شبيه سازيهای يارانه ای انجام می دهند. ولی شبيه سازی يارانه ای هم خودش نوعی مدل سازی است. مدليه كه با رياضيات ساخته ميشه و مثل مدلهای فيزيكی قرن نوزدهمی برای اندیشیدن در مورد علل، بسيار مهم می باشد. خوب اينجا سوال مهمی كه پيش مياد در مورد تغييرات آب و هوايی است. ما شواهد بسيار دهشتناكی داريم كه زمين در حال گرم شدن است. در اين اسلايد، خط سياه اندازه گيريهايی را نشان ميدهد كه دانشمندان
اقلا از ۱۵۰ سال پيش انجام داده اند. نشان ميدهد كه دمای زمين به طور پيوسته در حال افزايش هست و می توانيد به طور خاص ببينيد كه طی ۵۰ سال گذشته، به طرز چشمگيری افزايشی در حدود ۱ درجه سانتی گراد داشته ايم يا تقريبا دو درجه فارنهايت. خوب حالا چه چیزی اين تغييرات را ايجاد می كند؟ چطور می توانيم بفهميم چی باعث اين افزايش دمای مشاهده شده است؟ خوب دانشمندان ميتوانند این کار را با استفاده از شبيه سازيهای يارانه ای مدل سازی كنند. خوب اين دياگرام شبيه سازی يارانه ای را نشان ميدهد
كه به کلیه فاكتورهای مختلفی ميپردازد كه میدانيم روی آب و هوای زمين تاثير دارند. ذرات سولفات ناشی از آلودگی هوا، گرد و غبار آتش فشانی ناشی از فعاليت آتشفشانی تغييرات تابش خورشيدی و البته گازهای گلخانه ای. خوب حالا آنها اين سوال را پرسيدند كه چه متغيرهايی را وارد مدل كنند تا همان چيزهایی كه در جهان واقعی می بينيم را بازتوليد كنيم؟ اينجا جهان واقعی با رنگ سياه نشون داده شده. اين خاكستری كمرنگ هم نتايج مدل است و جواب آن مدلی است كه شامل جواب همه موارد بالا می باشد.
همه موارد بالا. تنها راهی كه می توان دماهای اندازه گيری شده را بازتوليد كرد اين است که همه اين چيزها را یکجا جمع كنيم، از جمله گازهای گلخانه ای، كه به طور خاص می توان شاهد روند افزایشی گازهای گلخانه ای بود، این افزايش چشمگير دما در۵۰ سال گذشته. و اين هم دليلی هست كه هواشناسان می گویند كه فقط به اين ختم نمی شود كه بدانيم تغييرات آب و هوا در حال رخ دادن است. بلكه می دانيم كه گازهای گلخانه ای نقش اصلی را در چرايی اين ماجرا دارد. خوب حالا به خاطر وجود همه اين چيزها
كه دانشمندان انجام دادند پل فيراباند فيلسوف مشهور می گوید: "تنها اصل(قانون) در دانش كه هيچوقت دچار تغيير نمی شود اين است كه: هيچ چيز پايدار نيست". اين سخن اغلب مورد توجه قرار نگرفته، چون فيرابند در واقع نمی گوید كه در دانش همه چيز از بين ميرود. چيزی كه او می گفت، و سخن كاملش اين بود: "اگر منو مجبور كنی تا بگم روش علم چيست، خواهم گفت: هرچيزی تغيير ميكنه". چيزی كه وی تلاش می كرد بگوید اين بود كه دانشمندان كارهای مختلفی انجام می دهند.
دانشمندان خلاق اند. ولي اين ما را به سوال قبلی برمی گرداند: اگر دانشمندان از يك روش استفاده نمی کنند خوب چطور تصميم می گیرند چي درسته است و چی غلط؟ و چه كسی قضاوت می كند؟ و پاسخ اين است كه دانشمندان قضاوت می كنند و با داوری در مورد مدارك قضاوت را انجام می دهند. دانشمندان شواهد را به روشهای بسيار مختلفی جمع آوری می کنند. ولي صرفنظر از اين كه آنها را چگونه جمع آوری می كنند بايد بازرسی دقيقی روی آنها انجام دهند. و اين مطلب به رابرت مرتون جامعه شناس كمك كرد تا روی اين پرسش كه دانشمندان چگونه شواهد و داده ها را
مورد ارزيابی دقيق قرار می دهند تمركز كند و گفت كه آنها به روشی كه "ترديد سازمان يافته" ناميد، اين كار را انجام ميدهند. كه بدين معناست اين عمل سازمان يافته است زيرا به صورت يكجا انجام می شود. به صورت گروهی انجامش می دهند، و شك گراست چون به صورتی با بي اعتمادی انجامش می دهند. و اين چيزی است كه مسئوليت اثبات نام دارد و بردوش شخصی است كه ادعای علمی را مطرح کرده. و از اين جنبه دانش ذاتا پايدار است. تقريبا مشكل است كه جامعه علمی را مجبور كنيم كه بگویند:" بله ما چيزی را فهميديم و اين درست است!".
پس صرفنظر از عموميت اين مفهوم تغييرات گفتمان، چيزی كه در واقعيت با آن روبرو می شويم اين است كه در تاريخ علم، تغييرات بسيار شگرف در تفكر دانشمندان، نسبتا كمياب بوده. خوب در نهايت به اين ايده ميرسيم كه: اگر دانشمندان روی شواهد به صورت كلی نگر قضاوت كنند، باعث تمرکز تاريخ نگاران روی اتفاق نظرها می شود، و برای گفتن این حرف در خاتمه روز که علم چیست و دانش علمی چیست، اتفاق نظر متخصصين دانشمندان از درون اين فرايند بازرسی دقيق سازمان يافته است،
بازرسی كلی نگر که در مورد شواهد به قضاوت پرداخته اند و به يك نتيجه گيری و جمع بندی در مورد آن رسيده اند، خواه آره يا نه. پس می توانيم فكر كنيم كه دانش علمی اتفاق نظر متخصصين است. می توانيم اينطوری هم به قضيه نگاه كنيم كه دانش به هيات داورانی میماند البته با این استثناء که يک هيات داوران بسيار خاص است. هيات داوران از همكاران شما نيست گروهی از آدمهای خوره علم است. هياتی متشكل از زنان و مردانی با مدرك دكترا، و شبيه هياتهای داوران معمولی نيست. كه فقط دو انتخاب دارند
گناهكار يا بيگناه! هيات داوران علمی تعدادی انتخاب دارد. دانشمندان می توانند به درستی به بعضی چيزها بگویند بله. دانشمندان می توانند بگویند نه! غلط است. يا می توانند بگویند خوب ممكن است درست باشد ولی ما نياز به كار بيشتری داريم و بايد شواهد بيشتری جمع كنيم. يا می توانند بگویند بله... ممكن است درست باشد ولی نمی دانيم به سوال چگونه بايد پاسخ دهیم و می خواهيم رهایش كنيم ولی شايد بعدا بهش برگرديم. كه دانشمندان اين رو "رام نشدنی" ناميدند. ولي اين مطلب ما را به مسئله نهايی ميرساند: اگر علم چيزيست كه دانشمندان می گویند
پس آيا علم فقط استفاده از مقام برای اثبات درستی است؟ و آيا به همه ما تو مدرسه گفته نشده كه استفاده از عناوين رسمی و مقامات برای اثبات حرفی، نوعی سفسطه است؟ خوب اين پارادوكس علم مدرن است، پارادوكسی كه من فكر ميكنم هم تاريخ دانان و هم فيلسوفان و جامعه شناسان به آن رسیده اند، كه علم درواقع يک جور ارجاع به مقامات و خبرگان برای اثبات است ولی به منظور مرجعیت فردی نيست، و اصلا هم مهم نيست نفرات به تنهايی چقدر باهوش باشند مثل افلاطون يا انشتين. بلكه منظور مرجعيت جمعی است. می توانيد اينطور تصور كنيد كه يه نوع خرد جمعی است، ولی نوع خاصی از جمع.
علم برای اثبات از مرجع استفاده می کند، ولي بر مبنای هيچ فرد خاصی نيست مهم هم نيست كه نفرات چقدر باهوش باشند. بلكه روي خرد جمعي، دانش جمعی و كار جمعی همه دانشمندانی كه روي يك موضوع خاص كار كرده اند، بنا شده. دانشمندان دارای نوع فرهنگ جمعی شك گرايانه هستند، اين به من فرهنگی را نشون می دهد كه دراینجا توسط اين بانوی نیک تشریح شده، كه به همكارانش، مدارک و شواهدی را نشان می دهد. البته، اين افراد واقعا دانشمند نيستند، چون خيلی خيلی خوشند!
(خنده) خوب و اينك نكته نهاييم رو مطرح می كنم بيشتر ما صبح از خواب بيدار می شويم. بيشترمان به خودرو ها اعتماد ميكنيم. خوب می دانيد، حالا دارم فكر می كنم کهمن تو منهتن هستم و مثال خوبی نيست ولي بيشتر آمريكاييهایی كه در منهتن زندگی نمی كنند صبح از خواب بيدار شده و سوار ماشين می شوند استارت می زنند و ماشينشان كار می نه و بی نهايت هم خوب كار می کنه. خودروهای جديد اصلا به ندرت خراب می شوند. خوب چرا اينطوره؟ چرا خودروها به اين خوبی كار می كنند؟ به خاطر هوش مرحوم هنری فورد نيست
يا كارل بنز يا حتي الون موسك. بلكه به اين خاطر كه خودروهای جديد محصول بيش از صد سال كار هستند كه بوسيله صدها، هزاران و دهها هزار انسان ساخته شدند. خودروی امروزی محصول كار و خرد جمعی و تجربه همه مردان و زنانی كه تا به حال روی يک ماشين كار كرده اند، و قابليت اطمينان به فناوری هم نتيجه اين تلاشهای جمعی است. ما نه تنها از هوش بنز و فورد و موسك بهره می بريم بلكه از هوش و كار جمعی
تمام افرادی كه تا به حال روی يك خودروی امروزی كار كرده اند هم بهره مند می شويم. همين مطلب در مورد دانش صحت دارد، فقط اينكه دانش قديمی تر است. پايه های اعتماد به دانش در واقع هملن است كه در فناوری داريم و اعتمادی که می كنيم. و مانند پايه اعتماد به بقيه چيزهاست مثلا تجربه. ولی نبايد اعتمادی كوركورانه باشد به هيچ چيز نبايد اعتماد كوركورانه داشت. اعتماد ما به دانش مثل خود دانش بايد بر مبنای شواهد باشدد و اين بدان معناست كه دانشمندان
بايد ارتباطات خودشان را تقويت كنند. آننا نه تنها بايد در مورد چيزی كه می دانند به ما توضيح دهند، بلكه اين كه چگونه آن را فهميدند را هم بگویند، كه به مفهوم این است که بايد شنونده های بهتری نیز باشيم. بسيار سپاسگذارم. (تشويق)
Every day we face issues like climate change or the safety of vaccines where we have to answer questions whose answers rely heavily on scientific information. Scientists tell us that the world is warming. Scientists tell us that vaccines are safe. But how do we know if they are right? Why should be believe the science? The fact is, many of us actually don't believe the science. Public opinion polls consistently show that significant proportions of the American people don't believe the climate is warming due to human activities, don't think that there is evolution by natural selection,
and aren't persuaded by the safety of vaccines. So why should we believe the science? Well, scientists don't like talking about science as a matter of belief. In fact, they would contrast science with faith, and they would say belief is the domain of faith. And faith is a separate thing apart and distinct from science. Indeed they would say religion is based on faith or maybe the calculus of Pascal's wager. Blaise Pascal was a 17th-century mathematician who tried to bring scientific reasoning to the question of whether or not he should believe in God, and his wager went like this:
Well, if God doesn't exist but I decide to believe in him nothing much is really lost. Maybe a few hours on Sunday. (Laughter) But if he does exist and I don't believe in him, then I'm in deep trouble. And so Pascal said, we'd better believe in God. Or as one of my college professors said, "He clutched for the handrail of faith." He made that leap of faith leaving science and rationalism behind. Now the fact is though, for most of us, most scientific claims are a leap of faith.
We can't really judge scientific claims for ourselves in most cases. And indeed this is actually true for most scientists as well outside of their own specialties. So if you think about it, a geologist can't tell you whether a vaccine is safe. Most chemists are not experts in evolutionary theory. A physicist cannot tell you, despite the claims of some of them, whether or not tobacco causes cancer. So, if even scientists themselves have to make a leap of faith outside their own fields, then why do they accept the claims of other scientists?
Why do they believe each other's claims? And should we believe those claims? So what I'd like to argue is yes, we should, but not for the reason that most of us think. Most of us were taught in school that the reason we should believe in science is because of the scientific method. We were taught that scientists follow a method and that this method guarantees the truth of their claims. The method that most of us were taught in school, we can call it the textbook method, is the hypothetical deductive method. According to the standard model, the textbook model,
scientists develop hypotheses, they deduce the consequences of those hypotheses, and then they go out into the world and they say, "Okay, well are those consequences true?" Can we observe them taking place in the natural world? And if they are true, then the scientists say, "Great, we know the hypothesis is correct." So there are many famous examples in the history of science of scientists doing exactly this. One of the most famous examples comes from the work of Albert Einstein. When Einstein developed the theory of general relativity,
one of the consequences of his theory was that space-time wasn't just an empty void but that it actually had a fabric. And that that fabric was bent in the presence of massive objects like the sun. So if this theory were true then it meant that light as it passed the sun should actually be bent around it. That was a pretty startling prediction and it took a few years before scientists were able to test it but they did test it in 1919, and lo and behold it turned out to be true.
Starlight actually does bend as it travels around the sun. This was a huge confirmation of the theory. It was considered proof of the truth of this radical new idea, and it was written up in many newspapers around the globe. Now, sometimes this theory or this model is referred to as the deductive-nomological model, mainly because academics like to make things complicated. But also because in the ideal case, it's about laws. So nomological means having to do with laws. And in the ideal case, the hypothesis isn't just an idea:
ideally, it is a law of nature. Why does it matter that it is a law of nature? Because if it is a law, it can't be broken. If it's a law then it will always be true in all times and all places no matter what the circumstances are. And all of you know of at least one example of a famous law: Einstein's famous equation, E=MC2, which tells us what the relationship is between energy and mass. And that relationship is true no matter what. Now, it turns out, though, that there are several problems with this model. The main problem is that it's wrong.
It's just not true. (Laughter) And I'm going to talk about three reasons why it's wrong. So the first reason is a logical reason. It's the problem of the fallacy of affirming the consequent. So that's another fancy, academic way of saying that false theories can make true predictions. So just because the prediction comes true doesn't actually logically prove that the theory is correct. And I have a good example of that too, again from the history of science. This is a picture of the Ptolemaic universe with the Earth at the center of the universe and the sun and the planets going around it.
The Ptolemaic model was believed by many very smart people for many centuries. Well, why? Well the answer is because it made lots of predictions that came true. The Ptolemaic system enabled astronomers to make accurate predictions of the motions of the planet, in fact more accurate predictions at first than the Copernican theory which we now would say is true. So that's one problem with the textbook model. A second problem is a practical problem, and it's the problem of auxiliary hypotheses. Auxiliary hypotheses are assumptions
that scientists are making that they may or may not even be aware that they're making. So an important example of this comes from the Copernican model, which ultimately replaced the Ptolemaic system. So when Nicolaus Copernicus said, actually the Earth is not the center of the universe, the sun is the center of the solar system, the Earth moves around the sun. Scientists said, well okay, Nicolaus, if that's true we ought to be able to detect the motion of the Earth around the sun. And so this slide here illustrates a concept
known as stellar parallax. And astronomers said, if the Earth is moving and we look at a prominent star, let's say, Sirius -- well I know I'm in Manhattan so you guys can't see the stars, but imagine you're out in the country, imagine you chose that rural life — and we look at a star in December, we see that star against the backdrop of distant stars. If we now make the same observation six months later when the Earth has moved to this position in June, we look at that same star and we see it against a different backdrop. That difference, that angular difference, is the stellar parallax.
So this is a prediction that the Copernican model makes. Astronomers looked for the stellar parallax and they found nothing, nothing at all. And many people argued that this proved that the Copernican model was false. So what happened? Well, in hindsight we can say that astronomers were making two auxiliary hypotheses, both of which we would now say were incorrect. The first was an assumption about the size of the Earth's orbit. Astronomers were assuming that the Earth's orbit was large relative to the distance to the stars. Today we would draw the picture more like this,
this comes from NASA, and you see the Earth's orbit is actually quite small. In fact, it's actually much smaller even than shown here. The stellar parallax therefore, is very small and actually very hard to detect. And that leads to the second reason why the prediction didn't work, because scientists were also assuming that the telescopes they had were sensitive enough to detect the parallax. And that turned out not to be true. It wasn't until the 19th century that scientists were able to detect
the stellar parallax. So, there's a third problem as well. The third problem is simply a factual problem, that a lot of science doesn't fit the textbook model. A lot of science isn't deductive at all, it's actually inductive. And by that we mean that scientists don't necessarily start with theories and hypotheses, often they just start with observations of stuff going on in the world. And the most famous example of that is one of the most famous scientists who ever lived, Charles Darwin. When Darwin went out as a young man on the voyage of the Beagle,
he didn't have a hypothesis, he didn't have a theory. He just knew that he wanted to have a career as a scientist and he started to collect data. Mainly he knew that he hated medicine because the sight of blood made him sick so he had to have an alternative career path. So he started collecting data. And he collected many things, including his famous finches. When he collected these finches, he threw them in a bag and he had no idea what they meant. Many years later back in London, Darwin looked at his data again and began
to develop an explanation, and that explanation was the theory of natural selection. Besides inductive science, scientists also often participate in modeling. One of the things scientists want to do in life is to explain the causes of things. And how do we do that? Well, one way you can do it is to build a model that tests an idea. So this is a picture of Henry Cadell, who was a Scottish geologist in the 19th century. You can tell he's Scottish because he's wearing a deerstalker cap and Wellington boots.
(Laughter) And Cadell wanted to answer the question, how are mountains formed? And one of the things he had observed is that if you look at mountains like the Appalachians, you often find that the rocks in them are folded, and they're folded in a particular way, which suggested to him that they were actually being compressed from the side. And this idea would later play a major role in discussions of continental drift. So he built this model, this crazy contraption
with levers and wood, and here's his wheelbarrow, buckets, a big sledgehammer. I don't know why he's got the Wellington boots. Maybe it's going to rain. And he created this physical model in order to demonstrate that you could, in fact, create patterns in rocks, or at least, in this case, in mud, that looked a lot like mountains if you compressed them from the side. So it was an argument about the cause of mountains. Nowadays, most scientists prefer to work inside, so they don't build physical models so much as to make computer simulations.
But a computer simulation is a kind of a model. It's a model that's made with mathematics, and like the physical models of the 19th century, it's very important for thinking about causes. So one of the big questions to do with climate change, we have tremendous amounts of evidence that the Earth is warming up. This slide here, the black line shows the measurements that scientists have taken for the last 150 years showing that the Earth's temperature has steadily increased, and you can see in particular that in the last 50 years
there's been this dramatic increase of nearly one degree centigrade, or almost two degrees Fahrenheit. So what, though, is driving that change? How can we know what's causing the observed warming? Well, scientists can model it using a computer simulation. So this diagram illustrates a computer simulation that has looked at all the different factors that we know can influence the Earth's climate, so sulfate particles from air pollution, volcanic dust from volcanic eruptions,
changes in solar radiation, and, of course, greenhouse gases. And they asked the question, what set of variables put into a model will reproduce what we actually see in real life? So here is the real life in black. Here's the model in this light gray, and the answer is a model that includes, it's the answer E on that SAT, all of the above. The only way you can reproduce the observed temperature measurements is with all of these things put together, including greenhouse gases,
and in particular you can see that the increase in greenhouse gases tracks this very dramatic increase in temperature over the last 50 years. And so this is why climate scientists say it's not just that we know that climate change is happening, we know that greenhouse gases are a major part of the reason why. So now because there all these different things that scientists do, the philosopher Paul Feyerabend famously said, "The only principle in science that doesn't inhibit progress is: anything goes."
Now this quotation has often been taken out of context, because Feyerabend was not actually saying that in science anything goes. What he was saying was, actually the full quotation is, "If you press me to say what is the method of science, I would have to say: anything goes." What he was trying to say is that scientists do a lot of different things. Scientists are creative. But then this pushes the question back: If scientists don't use a single method,
then how do they decide what's right and what's wrong? And who judges? And the answer is, scientists judge, and they judge by judging evidence. Scientists collect evidence in many different ways, but however they collect it, they have to subject it to scrutiny. And this led the sociologist Robert Merton to focus on this question of how scientists scrutinize data and evidence, and he said they do it in a way he called "organized skepticism." And by that he meant it's organized
because they do it collectively, they do it as a group, and skepticism, because they do it from a position of distrust. That is to say, the burden of proof is on the person with a novel claim. And in this sense, science is intrinsically conservative. It's quite hard to persuade the scientific community to say, "Yes, we know something, this is true." So despite the popularity of the concept of paradigm shifts, what we find is that actually, really major changes in scientific thinking
are relatively rare in the history of science. So finally that brings us to one more idea: If scientists judge evidence collectively, this has led historians to focus on the question of consensus, and to say that at the end of the day, what science is, what scientific knowledge is, is the consensus of the scientific experts who through this process of organized scrutiny, collective scrutiny, have judged the evidence and come to a conclusion about it, either yea or nay.
So we can think of scientific knowledge as a consensus of experts. We can also think of science as being a kind of a jury, except it's a very special kind of jury. It's not a jury of your peers, it's a jury of geeks. It's a jury of men and women with Ph.D.s, and unlike a conventional jury, which has only two choices, guilty or not guilty, the scientific jury actually has a number of choices. Scientists can say yes, something's true. Scientists can say no, it's false.
Or, they can say, well it might be true but we need to work more and collect more evidence. Or, they can say it might be true, but we don't know how to answer the question and we're going to put it aside and maybe we'll come back to it later. That's what scientists call "intractable." But this leads us to one final problem: If science is what scientists say it is, then isn't that just an appeal to authority? And weren't we all taught in school that the appeal to authority is a logical fallacy? Well, here's the paradox of modern science,
the paradox of the conclusion I think historians and philosophers and sociologists have come to, that actually science is the appeal to authority, but it's not the authority of the individual, no matter how smart that individual is, like Plato or Socrates or Einstein. It's the authority of the collective community. You can think of it is a kind of wisdom of the crowd, but a very special kind of crowd. Science does appeal to authority, but it's not based on any individual, no matter how smart that individual may be.
It's based on the collective wisdom, the collective knowledge, the collective work, of all of the scientists who have worked on a particular problem. Scientists have a kind of culture of collective distrust, this "show me" culture, illustrated by this nice woman here showing her colleagues her evidence. Of course, these people don't really look like scientists, because they're much too happy. (Laughter) Okay, so that brings me to my final point. Most of us get up in the morning.
Most of us trust our cars. Well, see, now I'm thinking, I'm in Manhattan, this is a bad analogy, but most Americans who don't live in Manhattan get up in the morning and get in their cars and turn on that ignition, and their cars work, and they work incredibly well. The modern automobile hardly ever breaks down. So why is that? Why do cars work so well? It's not because of the genius of Henry Ford or Karl Benz or even Elon Musk. It's because the modern automobile is the product of more than 100 years of work
by hundreds and thousands and tens of thousands of people. The modern automobile is the product of the collected work and wisdom and experience of every man and woman who has ever worked on a car, and the reliability of the technology is the result of that accumulated effort. We benefit not just from the genius of Benz and Ford and Musk but from the collective intelligence and hard work of all of the people who have worked on the modern car.
And the same is true of science, only science is even older. Our basis for trust in science is actually the same as our basis in trust in technology, and the same as our basis for trust in anything, namely, experience. But it shouldn't be blind trust any more than we would have blind trust in anything. Our trust in science, like science itself, should be based on evidence, and that means that scientists have to become better communicators. They have to explain to us not just what they know
but how they know it, and it means that we have to become better listeners. Thank you very much. (Applause)