Του Fallacy Man (https://thelogicofscience.com/about/)
Πηγή/Πρωτότυπο από The Logic of Science (https://thelogicofscience.com/2016/04/19/science-doesnt-prove-anything-and-thats-a-good-thing/)
Μετάφραση: Ζήνα Κάνθερ
Είναι συχνό φαινόμενο οι πιο θεμελιώδεις αρχές στην επιστήμη να είναι και οι πιο παρεξηγημένες, και αυτό ισχύει μετά βεβαιότητας για την αρχή της «απόδειξης». Πολλοί αποδέχονται την εσφαλμένη αντίληψη ότι η επιστήμη έχει τη δυνατότητα να παρέχει αποδείξεις, και συχνά ακούω ανθρώπους να υποστηρίζουν ότι «η επιστήμη απέδειξε το Χ» ή ότι «αυτό το γεγονός έχει αποδειχθεί επιστημονικά». Στην πραγματικότητα, ωστόσο, η επιστήμη είναι εγγενώς ανίκανη να αποδείξει το οτιδήποτε. Στο άκουσμα αυτό, πολλοί καταλήγουν στο ακριβώς αντίθετο συμπέρασμα και ισχυρίζονται πως αφού η επιστήμη δε μπορεί να αποδείξει τίποτα, είναι αναξιόπιστη. Αυτή η άποψη είναι επίσης λανθασμένη.
Η αλήθεια είναι πως η επιστήμη έχει να κάνει με πιθανότητες, όχι αποδείξεις. Οι λόγοι ποικίλλουν από φιλοσοφικής μέχρι πρακτικής φύσεως, αλλά για να κατανοήσει κάποιος πραγματικά τη φύση της επιστήμης, είναι πολύ σημαντικό να κατανοήσει την έννοια της απόδειξης. Επομένως, θα αναλύσω κάποιους από τους λόγους για τους οποίους η επιστήμη δεν αποδεικνύει τίποτα, ακολούθως θα εξηγήσω για ποιο λόγο αυτό είναι παραδόξως θετικό και πως δε θα πρέπει να σας κάνει να αμφισβητείτε την αξιοπιστία της επιστήμης. Όπως θα αναλύσω στη συνέχεια, ο καλύτερος τρόπος για να αντιληφθεί κανείς την έννοια της επιστήμης είναι να σκεφτεί πως η επιστήμη μας δείχνει αυτό που είναι πιθανότερο να ισχύει, βάσει των υφιστάμενων στοιχείων. Ως εκ τούτου, είναι ένα εξαιρετικά χρήσιμο εργαλείο, κατά πολύ καλύτερο από αντίστοιχα εναλλακτικά, αλλά σαφώς και δεν είναι τέλειο.
Ορισμός της «απόδειξης»
Πιστεύω πως είναι σημαντικός ο ορισμός της «απόδειξης» εξαρχής. Όταν λέμε πως η επιστήμη δε μπορεί να αποδείξει τίποτα, αυτό που εννοούμε είναι πως δε μπορεί να δείξει πως ένα συμβάν είναι απόλυτα, μετά βεβαιότητας, και αδιαμφισβήτητα ορθό. Για παράδειγμα, είμαστε πολύ σίγουροι πως η γη περιστρέφεται γύρω από τον ήλιο (ηλιοκεντρισμός) αλλά δε θα μπορέσουμε ποτέ στην πραγματικότητα να είμαστε 100% σίγουροι για αυτό. Αντιθέτως, η επιστήμη των μαθηματικών μπορεί να παρέχει αποδείξεις. Τα μαθηματικά αποτελούνται από νόμους, κανόνες και θεωρήματα τα οποία είναι απολύτως ορθά. Η αβεβαιότητα υπεισέρχεται μόνο όταν οι νόμοι των μαθηματικών εφαρμόζονται σε παρατηρήσεις των φυσικών φαινομένων του σύμπαντος, το οποίο, με πολλούς τρόπους, αποτελεί ουσιαστικά την ίδια την επιστήμη.
Ας διευκρινίσω τι εννοώ με το ακόλουθο παράδειγμα:
- Προκείμενη πρόταση 1: το άθροισμα των γωνιών οποιουδήποτε τριγώνου ισούται με 180 μοίρες
- Προκείμενη πρόταση 2: για το τρίγωνο ΑΒΓ, η γωνία Α ισούται με 90 μοίρες
- Προκείμενη πρόταση 3: για το τρίγωνο ΑΒΓ, η γωνία Β ισούται με 45 μοίρες
- Συμπέρασμα: άρα, για το τρίγωνο ΑΒΓ, η γωνία Γ ισούται με 45 μοίρες
Τόσο στη φιλοσοφία όσο και στα μαθηματικά, αυτό αποκαλείται λογική απόδειξη. Με άλλα λόγια, εάν αυτές οι προκείμενες προτάσεις ισχύουν, τότε ισχύει και το συμπέρασμα. Αυτός ο προσδιορισμός όμως είναι πραγματικά σημαντικός. Μπορείτε να κάνετε τις μαθηματικές πράξεις χρησιμοποιώντας μεταβλητές και να αποδείξετε πως το άθροισμα των γωνιών οποιουδήποτε τριγώνου πρέπει να ισούται με 180 μοίρες, αλλά μόλις ξεκινήσετε να καταχωρείτε πραγματικές μετρήσεις στην εξίσωση, υπεισέρχονται προκαταλήψεις και συστηματικά σφάλματα. Με άλλα λόγια, αν ισχύουν οι προκείμενες προτάσεις 2 και 3, τότε μπορούμε να είμαστε απολύτως βέβαιοι πως το συμπέρασμα είναι ορθό, αλλά όπως θα εξηγήσω, δε μπορούμε ποτέ να είμαστε απολύτως βέβαιοι για τις προκείμενες προτάσεις 2 και 3, κάτι το οποίο σημαίνει πως δε μπορούμε ποτέ να είμαστε απόλυτα βέβαιοι για το συμπέρασμα. Άρα, οι αποδείξεις με απόλυτη βεβαιότητα είναι ανέφικτες στην πραγματική ζωή.
Μήπως είμαστε μυαλά σε δεξαμενές; Το φιλοσοφικό ζήτημα της απόδειξης
Ο βαθύτερος λόγος για τον οποίο η επιστήμη δε μπορεί να αποδείξει τίποτα πηγάζει από τα φιλοσοφικά επιχειρήματα για τη γνώση. Έχετε, χωρίς αμφιβολία, ακουστά αυτά τα επιχειρήματα μέσω της γνωστής ρήσης του Καρτέσιου, «Cogito ergo sum» («Σκέφτομαι, άρα υπάρχω»). Ο Καρτέσιος ενδιαφερόταν για όλα όσα θα μπορούσαμε να γνωρίζουμε με βεβαιότητα, και σωστά διαπίστωσε ότι σχεδόν όλα τα οποία νομίζουμε ότι ξέρουμε, είναι βασισμένα σε παρατηρήσεις, και οι παρατηρήσεις, ως γνωστόν, είναι άκρως εσφαλμένες και αναξιόπιστες. Δε μπορούμε ποτέ, για παράδειγμα, να είμαστε 100% σίγουροι πως δεν έχουμε παραισθήσεις, ή, όπως ισχυρίστηκε ο Καρτέσιος, ότι δεν υπάρχει ένας κακός δαίμονας ο οποίος προβάλλει μία πραγματικότητα στις αισθήσεις μας. Ομοίως, σε αρκετά μου όνειρα αναρωτιόμουν κατά πόσο ονειρευόμουν ή όχι, και λανθασμένα έφτανα στο συμπέρασμα πως ήμουν ξύπνιος. Επομένως, δε μπορώ ποτέ να είμαι 100% βέβαιος ότι δεν ονειρεύομαι.
Ίσως το πιο γνωστό αυτών των επιχειρημάτων είναι η έννοια του μυαλού στη δεξαμενή. Αυτή είναι η κεντρική ιδέα στην οποία βασίστηκε η σειρά ταινιών Matrix και έγκειται στο ότι δε μπορούμε να είμαστε βέβαιοι ούτε καν για την ύπαρξή μας στη φυσική μας μορφή όπως την αντιλαμβανόμαστε και πως ίσως να είμαστε απλά μυαλά σε δεξαμενές που ζουν σε ένα περιβάλλον εικονικής πραγματικότητας κάποιου είδους.
Ο Καρτέσιος, αφού μελέτησε τέτοιου είδους θεωρίες, συνειδητοποίησε πως το μόνο πράγμα για το οποίο ήταν σίγουρος ήταν για την ικανότητά του να σκέφτεται, το οποίο σήμαινε πως κάτι διενεργεί αυτή τη σκέψη, άρα πως η ύπαρξή του υπό κάποια μορφή είναι σίγουρη. Αυτή είναι και η έννοια της ρήσης «Σκέφτομαι, άρα υπάρχω».
Ανέλυσα όλα αυτά για να τονίσω δύο ουσιώδη σημεία. Πρώτον, η επιστήμη είναι άρρηκτα εξαρτώμενη από τις παρατηρήσεις, αλλά αφού δε μπορούμε να είμαστε 100% βέβαιοι ότι οι παρατηρήσεις μας ανταποκρίνονται με ακρίβεια στην πραγματικότητα, δε μπορούμε ποτέ να είμαστε 100% βέβαιοι για τα αποτελέσματα που προκύπτουν από τις παρατηρήσεις αυτές. Με άλλα λόγια, παρόλο που όλες μας οι παρατηρήσεις υποδεικνύουν ότι η σελήνη περιστρέφεται γύρω από τη γη, δε μπορούμε πραγματικά να είμαστε βέβαιοι ούτε καν για την ίδια την ύπαρξη της σελήνης και της γης, ίσως απλά να αποτελούν ένα κομμάτι του περιβάλλοντος του Matrix.
Δεύτερον, δεν πρέπει να παρερμηνεύσετε αυτή την εννοιολογική αβεβαιότητα με την πρακτική αβεβαιότητα. Εγώ προσωπικά (και η συντριπτική πλειοψηφία των φιλοσόφων) δεν πιστεύω, στην ουσία, πως είμαστε μυαλά σε δεξαμενές ή ότι αυτή τη στιγμή βρισκόμαστε σε μία ονειρική κατάσταση, αλλά αναγνωρίζω πως αυτό είναι μία πιθανότητα η οποία δε μπορεί να αποκλειστεί. Με άλλα λόγια, η επιστήμη βασίζεται πλήρως στην υπόθεση ότι είμαστε στ’ αλήθεια σε ένα φυσικό σύμπαν και θα ήταν άτοπο να κάνουμε δηλώσεις του τύπου, «η επιστήμη μας λέει ότι η σελήνη περιστρέφεται γύρω από τη γη αλλά δε μπορώ να είμαι σίγουρος πως δεν είμαι ένα μυαλό σε δεξαμενή, έτσι θα απορρίψω την επιστήμη αυτή και θα επιβάλλω τη δική μου αντίληψη της πραγματικότητας». Ομοίως, εάν μου δείξετε ένα τρίγωνο και μου πείτε πως βάσει των μετρήσεων σας η γωνία Α ισούται με 90 μοίρες και η γωνία Β με 45 μοίρες, θα δεχτώ πως η γωνία Γ ισούται με 45 μοίρες εκτός και εάν υπάρχει εύλογη αιτία να μην το κάνω (όπως να παρατηρήσω το τρίγωνο και να διαπιστώσω ότι είναι ασύμμετρο). Παρ’ όλα αυτά, αναγνωρίζω την πιθανότητα να ήταν ανακριβείς οι μετρήσεις σας, ένας κακός δαίμονας να έχει σχεδιάσει ένα τρίγωνο που δεν υπάρχει στ’ αλήθεια, κ.λπ. Και πάλι, θα χρειαζόμουν πραγματικά στοιχεία για να πειστώ ότι συμβαίνουν αυτά, αλλά ταυτόχρονα, δε μπορώ αναμφίβολα να δηλώσω ότι δε συμβαίνουν.
Πρακτικοί λόγοι: επαγωγική λογική
Τώρα που βγάλαμε από τη μέση τη φιλοσοφία, ας ασχοληθούμε με τους πρακτικούς λόγους για τους οποίους η επιστήμη δεν αποδεικνύει τίποτα. Ακόμα και αν ήμασταν απολύτως βέβαιοι ότι δεν είμαστε μυαλά σε δεξαμενές, πάλι δε θα μπορούσαμε να χρησιμοποιήσουμε την επιστήμη για να αποδείξουμε στην πραγματικότητα κάτι, και ένας από τους βασικούς λόγους για αυτό είναι τα είδη της λογικής που χρησιμοποιούνται στην επιστήμη. Η επιστήμη εμπεριέχει τόσο την παραγωγική όσο και την επαγωγική λογική, με την παραγωγική λογική να βρίσκει συνήθως χρήση σε συγκεκριμένα πειράματα και στον έλεγχο θεωριών/υποθέσεων, και με την επαγωγική λογική να χρησιμοποιείται για τη διαμόρφωση γενικών συμπερασμάτων, υποθέσεων και θεωριών. Αυτό είναι σημαντικό επειδή η επαγωγική και η παραγωγική λογική διαφέρουν τόσο στο βαθμό βεβαιότητας όσο και στο εύρος των συμπερασμάτων τους. Τα παραγωγικά επιχειρήματα καταλήγουν σε ένα συγκεκριμένο συμπέρασμα, το οποίο είναι σωστό νοουμένου ότι είναι σωστές και οι υποκείμενες προτάσεις και δεν έχει διαπραχθεί καμία λογική πλάνη (το προηγούμενο παράδειγμά μου για το τρίγωνο ήταν βάσει της παραγωγικής λογικής). Αντιθέτως, τα επαγωγικά επιχειρήματα καταλήγουν σε ένα γενικό συμπέρασμα το οποίο ενδεχομένως να αληθεύει. Το πιο σημαντικό είναι πως η επιστήμη αρέσκεται στο να παρέχει εξηγήσεις και να προβαίνει σε γενικεύσεις, επειδή ένα αποτέλεσμα που ισχύει μόνο για το πείραμα που το παρήγαγε δεν είναι τόσο χρήσιμο. Επομένως, η επιστήμη βασίζεται σε μεγάλο βαθμό στην επαγωγική λογική για να διαμορφώσει τις θεωρίες και υποθέσεις της.
Για παράδειγμα, η ατομική θεωρία υποστηρίζει ότι όλη η ύλη αποτελείται από άτομα. Καταλήξαμε σε αυτό το γενικό συμπέρασμα μέσω πολυάριθμων παρατηρήσεων οι οποίες, με συνέπεια, έδειχναν ότι η ύλη αποτελείται από άτομα (δηλ. από μία σειρά συγκεκριμένων παρατηρήσεων καταλήξαμε στη γενική θεωρία). Τώρα που έχουμε εδραιώσει τη θεωρία, μπορούμε να την ελέγξουμε με την παραγωγική λογική. Μπορούμε, για παράδειγμα, να πάρουμε ένα κομμάτι ύλης, να κάνουμε ένα πείραμα για να δούμε εάν αποτελείται από άτομα, και να χρησιμοποιήσουμε την παραγωγική λογική για να καταλήξουμε στο συμπέρασμά μας για το συγκεκριμένο αυτό κομμάτι ύλης. Αυτή είναι μία παραγωγική διεργασία και αποτελεί καλή μέθοδο ελέγχου μίας θεωρίας (το μόνο που θα χρειαζόταν για την αναίρεση της ατομικής θεωρίας θα ήταν να βρεθεί ένα κομμάτι ύλης που δεν αποτελείται από άτομα). Συνεπώς, η επιστήμη εμπεριέχει μία απρόσκοπτη μετάβαση από την επαγωγική στην παραγωγική λογική και αντίστροφα, αλλά λόγω των επαγωγικών σταδίων, τα πρωταρχικά συμπεράσματα υπόκεινται πάντα σε κάποιο βαθμό αβεβαιότητας.
Πρακτικοί λόγοι: Στατιστική
Στο σημείο αυτό, θα σκεφτείτε, «ωραία, οι θεωρίες και οι γενικές εξηγήσεις δε μπορούν να αποδειχθούν, αλλά αφού τα μεμονωμένα πειράματα χρησιμοποιούν συχνά την παραγωγική λογική, τότε φυσικά και παρέχουν απόδειξη». Σε έναν ιδανικό κόσμο, αυτό θα ίσχυε, αλλά στην πραγματικότητα, είναι αμφίβολο. Αναλογιστείτε το ακόλουθο παράδειγμα από μία κλινική δοκιμή φαρμάκου.
- Προκείμενη πρόταση 1: η μόνη διαφορά μεταξύ των ομάδων αγωγής και ελέγχου ήταν το φάρμακο που έλαβαν
- Προκείμενη πρόταση 2: η ομάδα αγωγής είχε καλύτερα αποτελέσματα από την ομάδα ελέγχου
- Συμπέρασμα: συνεπώς, το φάρμακο ήταν αποτελεσματικό σε αυτή τη δοκιμή
Αντιλαμβάνεστε το πρόβλημα; Αν όχι, μη νιώθετε άσχημα, επειδή δεν είναι προφανές. Εάν όλες αυτές οι προκείμενες προτάσεις είναι ορθές, τότε και το συμπέρασμα θα είναι ορθό, αλλά το πρόβλημα είναι ότι δε μπορούμε ποτέ στην πράξη να είμαστε βέβαιοι ότι οι προκείμενες προτάσεις είναι ορθές. Κατ’ ακρίβεια, η προκείμενη πρόταση 1 είναι σχεδόν σίγουρα λανθασμένη. Εκτός κι αν δουλεύετε με κλώνους, καθένας εκ των οποίων λαμβάνει αγωγή μέσω ενός αυτοματοποιημένου ηλεκτρονικού προγράμματος και ζει σε πανομοιότυπο στείρο θάλαμο απομόνωσης, θα υπάρχουν διαφορές μεταξύ των ομάδων. Αυτές μπορούν να ελαχιστοποιηθούν ελέγχοντας όλες τις παραμέτρους που μπορείτε, κάνοντας τυχαιοποίηση των δειγμάτων και χρησιμοποιώντας πολύ μεγάλα μεγέθη δειγμάτων, αλλά δεν είναι ουσιαστικά ποτέ εφικτή η ύπαρξη ολόιδιων δειγμάτων. Άρα, ένα σωστά διενεργηθέν πείραμα θα έχει μία προκείμενη πρόταση 1 η οποία θα είναι όσο το δυνατόν πιο αληθής, αλλά επειδή δε μπορεί ποτέ να είναι 100% αληθής, δε θα μπορέσετε ποτέ να είστε 100% σίγουροι για το συμπέρασμα.
Το δεύτερο πρόβλημα είναι, φυσικά, ότι η παραγωγική επιχειρηματολογία ισχύει μόνο για τα συγκεκριμένα αποτελέσματα του συγκεκριμένου πειράματος, και θέλουμε να τη γενικεύσουμε για όλο τον πληθυσμό (δηλ. θέλουμε να μάθουμε εάν το φάρμακο είναι αποτελεσματικό για τους περισσότερους ανθρώπους, παρά αν ήταν απλά αποτελεσματικό για τα άτομα που συμμετείχαν στο πείραμα). Για να γίνει αυτό, απαιτούνται στατιστικές μέθοδοι, επειδή μας δίνουν τη δυνατότητα να εκτιμήσουμε πόσο πιθανό είναι τα αποτελέσματά μας να είναι αντιπροσωπευτικά όλου του πληθυσμού, παρά να είναι απλά αντιπροσωπευτικά των δειγμάτων που συλλέχθηκαν.
Ωστόσο, οι στατιστικοί έλεγχοι λειτουργούν πάντα βάσει πιθανοτήτων. Πράγματι, αν διαβάσετε επιστημονικά άρθρα, δε θα δείτε ποτέ δηλώσεις του τύπου, «το πείραμα μας απέδειξε το Χ». Αντίθετα, θα δείτε δηλώσεις όπως, «τα αποτελέσματα αυτά υποδεικνύουν πως ισχύει το Χ (P = 0.002)» ή «τα αποτελέσματά μας συνάδουν με το Χ». Έχω εξηγήσει στο παρελθόν αναλυτικά τη σημασία των στατιστικών αυτών, έτσι δε θα το κάνω και τώρα, αλλά το θέμα είναι πως ουσιαστικά όλα τα επιστημονικά συμπεράσματα βασίζονται σε πιθανότητες κάποιου είδους. Για παράδειγμα, η κλασική στατιστική χρησιμοποιεί τις τιμές P οι οποίες αντιστοιχούν στην πιθανότητα να παρατηρηθεί μία επίδραση ίση ή μεγαλύτερη από αυτή που θα είχε παρατηρηθεί εάν το υπό έλεγχο ζήτημα είχε ουσιαστικά μηδενική επίδραση. Άλλες πιθανότητες μπορεί να περιλαμβάνουν τη σύγκριση διαφορετικών μοντέλων και την εξέταση για το ποιο είναι το επικρατέστερο, χρησιμοποιώντας την πρότερη γνώση για την ανάπτυξη μίας πιθανότητας, κ.λπ. Το θέμα είναι πως οι στατιστικοί έλεγχοι πάντα εμπεριέχουν πιθανότητες. Για να το θέσω διαφορετικά, η στατιστική μπορεί να μας δείξει πως υπάρχει μόνο 0.0000000000000000000000000000…1% πιθανότητα να προκύψει τυχαία ένα αποτέλεσμα, αλλά δε μπορεί ποτέ πραγματικά να αποδείξει ότι ένα αποτέλεσμα είναι αληθές και αντιπροσωπευτικό του γενικού πληθυσμού.
Μπορεί η επιστήμη να ανασκευάσει κάτι;
Σε αυτό το σημείο, θέλω να αλλάξω λίγο θέμα, διότι κάπου εδώ συνήθως ακούω κάποιους να κάνουν δηλώσεις του τύπου, «η επιστήμη δε μπορεί να αποδείξει κάτι, αλλά μπορεί να ανασκευάσει κάτι». Αυτό είναι μερικώς ορθό. Βάσει των φιλοσοφικών θέσεων που παρουσίασα προηγουμένως, προφανώς αυτό δεν αληθεύει με την αυστηρή έννοια της λέξης. Ακόμα κι αν υποθέσουμε πως το σύμπαν υπάρχει, είναι, εντούτοις, αμφίβολο, λόγω των θέσεων που παρουσίασα στην παράγραφο με τη στατιστική.
Άρα, από πού προέρχεται αυτή η ιδέα; Απορρέει από τη δουλειά του Καρλ Πόπερ και τη θεωρία του περί διαψευσιμότητας, και αντικείμενό της είναι συγκεκριμένα οι θεωρίες και οι υποθέσεις. Στην επιστήμη, οι θεωρίες δεν είναι εμπεριστατωμένες εικασίες. Αντιθέτως, είναι πολύ γενικά εννοιολογικά πλαίσια που χρησιμοποιούνται για την εξήγηση γεγονότων και παρατηρήσεων και έχουν συνήθως ελεγχθεί ενδελεχώς. Οι υποθέσεις είναι επίσης εξηγήσεις αλλά τείνουν να είναι περιορισμένου εύρους και συνήθως δεν υπόκεινται σε ενδελεχείς ελέγχους. Όπως εξήγησα προηγουμένως, αμφότερες βασίζονται στην επαγωγική λογική, και ο Πόπερ ήταν έντονα προβληματισμένος για αυτό, επειδή αντιλήφθηκε ότι ήταν λίγες (αν όχι μηδαμινές) οι περιπτώσεις στις οποίες ένας έλεγχος θα μπορούσε πραγματικά να επιβεβαιώσει ένα επαγωγικό συμπέρασμα. Θυμηθείτε την ατομική θεωρία. Εάν κάνουμε ένα πείραμα και επιβεβαιώσουμε πως ένα συγκεκριμένο αντικείμενο αποτελείται από άτομα, επιβεβαιώνεται η γενική θεωρία ότι όλη η ύλη αποτελείται από άτομα; Όχι βέβαια. Θα υποδείκνυε πως η θεωρία είναι ενδεχομένως ορθή, επειδή η θεωρία δημιουργεί ακριβείς προβλέψεις (όπως και η εξελικτική θεωρία, παρεμπιπτόντως) αλλά δε θα καταδείκνυε πως όλη η ύλη παντού αποτελείται από άτομα.
Ένα τέτοιο πείραμα, ωστόσο, θα διέτρεχε τον κίνδυνο διάψευσης της ατομικής θεωρίας. Με άλλα λόγια, εάν αποδεικνυόταν ότι η ύλη δεν αποτελείτο από άτομα, θα γινόταν αναίρεση της θεωρίας ότι όλη η ύλη αποτελείται από άτομα. Ο Πόπερ υποστήριξε σθεναρά (και σε μεγάλο βαθμό ορθά) ότι αυτή η θεωρία της διαψευσιμότητας θα έπρεπε να είναι ένα από τα χαρακτηριστικά γνωρίσματα της επιστήμης. Με άλλα λόγια, θα ήταν εφικτό να αναιρεθεί οποιαδήποτε επιστημονική αντίληψη εάν αυτή η αντίληψη ήταν ουσιαστικά εσφαλμένη.
Άρα αυτό εννοούν οι άνθρωποι όταν λένε ότι, «η επιστήμη δε μπορεί να αποδείξει κάτι, αλλά μπορεί να ανασκευάσει κάτι». Θα ήταν πολύ καλύτερη και πιο ακριβής η δήλωση, «η επιστήμη γενικά δε μπορεί να επιβεβαιώσει υποθέσεις και θεωρίες, αλλά μπορεί να τις ανασκευάσει», αλλά η βασική ιδέα είναι ουσιαστικά ορθή.
Είναι ευτύχημα που η επιστήμη δε μπορεί να αποδείξει τίποτα
Τέλος, θα ήθελα να εξηγήσω για ποιο λόγο είναι στην πραγματικότητα ευτύχημα το γεγονός ότι η επιστήμη δε μπορεί να αποδείξει οτιδήποτε. Η επιστήμη είναι μία εγγενώς σκεπτικιστική διεργασία. Οι επιστήμονες είναι εκπαιδευμένοι να αναγνωρίζουν και να αποδέχονται τους περιορισμούς των πειραμάτων και συμπερασμάτων τους, και αυτό τους αναγκάζει να είναι ανοιχτόμυαλοι. Επειδή η επιστήμη δε μπορεί να αποδείξει τίποτα, δεν υπάρχει τίποτα στην επιστήμη το οποίο να είναι τόσο υπεράνω κριτικής που να μην επιδέχεται αμφισβήτηση. Για να είμαι σαφής, «οι ακραίοι ισχυρισμοί απαιτούν και ακραίες αποδείξεις», οπότε εάν θέλετε να δηλώσετε ότι η ατομική θεωρία είναι λανθασμένη, ότι η γη δεν περιστρέφεται γύρω από τον ήλιο, ότι η εξελικτική θεωρία δεν ισχύει, κ.λπ., θα χρειαστείτε απίστευτα ακλόνητες αποδείξεις, αλλά εάν παράσχετε τις αποδείξεις αυτές, τότε μπορείτε να ανατρέψετε αυτές τις θεωρίες.
Αυτό έρχεται σε πλήρη αντίθεση με τη θρησκεία (και με πολλές μορφές ψευδοεπιστήμης). Για να είμαι σαφής, δεν επιτίθεμαι στη θρησκεία ή στους θρησκευόμενους, απλά τονίζω τη διαφορά στον τρόπο χειρισμού των ζητημάτων από την επιστήμη και τη θρησκεία. Κάθε θρησκεία που έχω μελετήσει έχει ένα σύνολο θεμελιωδών αρχών οι οποίες δεν επιδέχονται αμφισβήτηση και οι πιστοί των θρησκειών αυτών είναι απόλυτα πεπεισμένοι ότι οι θεμελιώδεις αρχές τους είναι καθόλα αληθείς. Στην πραγματικότητα, φυσικά, οι περισσότερες μεγάλες θρησκείες δε μπορούν να είναι ταυτόχρονα αληθείς, ωστόσο οι ακόλουθοί τους επιμένουν ότι η δική τους θρησκεία παρέχει την απόλυτη αλήθεια και ότι οι υπόλοιπες είναι λανθασμένες. Οι ψευδοεπιστήμονες έχουν παρόμοια επιχειρηματολογία. Για παράδειγμα, συναντάω συχνά υπέρμαχους του αντιεμβολιασμού που διακηρύσσουν με περηφάνια πως τίποτα δε θα τους πείσει ποτέ ότι έχουν λάθος.
Αυτό το είδος δογματικού και αναντίρρητου συλλογισμού είναι αυτό που η επιστήμη αποφεύγει με το να μην αποδεικνύει ποτέ τίποτα. Εάν παραδεχτείτε πως δε μπορείτε ποτέ να αποδείξετε οτιδήποτε, τότε έχετε μόλις παραδεχτεί ότι μπορεί να είστε λανθασμένοι για τα πάντα. Με την παραδοχή αυτή, συνειδητοποιείτε πως πρέπει να είστε ανοιχτόμυαλοι για τα όποια νέα στοιχεία προκύπτουν.
Για να είμαι 100% σαφής, το να είναι κάποιος ανοιχτόμυαλος δε σημαίνει πως είναι και πρόθυμος να δεχτεί κάτι χωρίς αποδείξεις. Όσοι αντιτίθενται στην επιστήμη συχνά χρησιμοποιούν επιχειρήματα όπως αυτό που μόλις έκανα για να επιμείνουν πως πρέπει να είμαστε ανοιχτόμυαλοι στις ατεκμηρίωτες και ευκόλως αμφισβητήσιμες απόψεις, αλλά αυτό επ’ ουδενί δε σημαίνει κάτι τέτοιο. Το να είναι κάποιος ανοιχτόμυαλος σημαίνει πως είναι πρόθυμος να αποδεχτεί τα όποια νέα στοιχεία ανακύπτουν. Για παράδειγμα, εάν αρκετές δημοσιευμένες επιδημιολογικές μελέτες δείχνουν ότι τα εμβόλια προκαλούν αυτισμό, θα μελετήσω προσεκτικά τις μελέτες αυτές και εάν διεξήχθησαν σωστά, είχαν αρκετά μεγάλα μεγέθη δειγμάτων, κ.λπ., θα απορρίψω την υφιστάμενη άποψή μου επί του θέματος και θα αποδεχτώ ότι ο αυτισμός πιθανώς προκαλείται από τα εμβόλια. Εν τω μεταξύ, ωστόσο, δεν έχω καμία υποχρέωση να λάβω σοβαρά υπόψη μου ιστολόγια, βίντεο στο Youtube και άλλες πηγές αβάσιμης εικασίας και προσωπικών αφηγήσεων. Αυτή είναι η ευθύνη της απόδειξης. Εάν μπορείτε να παράσχετε πραγματικές αποδείξεις για μία θεωρία, τότε θα πρέπει να λάβω υπόψη μου τις αποδείξεις αυτές, αλλά εάν δε μπορείτε να παρέχετε αποδείξεις, τότε δεν είμαι υπόχρεος να μελετήσω σοβαρά τις θέσεις σας.
Σημείωση: Για να είμαι σαφής, δεν υπονοώ ότι όλοι οι επιστήμονες είναι ανοιχτόμυαλοι. Οι επιστήμονες είναι κι αυτοί άνθρωποι και είναι επιρρεπείς στα ίδια σφάλματα και προκαταλήψεις όπως όλοι οι άλλοι, αλλά το σύστημα αυτό καθαυτό είναι εγγενώς σκεπτικιστικό και έχει μακρά ιστορία αυτοδιόρθωσης.
Περίληψη
Με δυο λόγια, δε θα μπορέσουμε ποτέ να είμαστε 100% σίγουροι ότι η αντίληψη που έχουμε για την πραγματικότητα είναι ακριβής, και τα επιστημονικά πειράματα είναι πρακτικά αδύνατον να ελεγχθούν πλήρως και ολοκληρωτικά. Επιπλέον, η επιστήμη συχνά χρησιμοποιεί την επαγωγική λογική και βασίζεται στις πιθανότητες για την εξαγωγή συμπερασμάτων. Όλα αυτά δρουν αποτρεπτικά ως προς την ικανότητα της επιστήμης να αποδεικνύει οτιδήποτε με απόλυτη βεβαιότητα. Αυτό, ωστόσο, δε σημαίνει πως η επιστήμη είναι αναξιόπιστη ή ότι μπορείτε να την απορρίπτετε όποτε θέλετε. Η επιστήμη μας δείχνει ποιο γεγονός έχει τις περισσότερες πιθανότητες να ισχύει δεδομένων των υφιστάμενων στοιχείων, αλλά είναι μία σκεπτικιστική διεργασία στην οποία γίνεται πάντα παραδοχή της πιθανότητας λάθους. Συνεπώς, είναι πρακτικά εφικτό να μην υπάρχει η βαρύτητα, ο ήλιος να περιστρέφεται γύρω από τη γη, τα εμβόλια να είναι αναποτελεσματικά, κ.λπ., αλλά αυτό δε σημαίνει πως πρέπει να υποθέσετε ότι οι απόψεις αυτές είναι ορθές. Ομοίως, είναι επίσης πρακτικά εφικτό να κερδίσω το ΛΟΤΤΟ, αλλά αυτό δε σημαίνει πως η αγορά ενός δελτίου ΛΟΤΤΟ είναι καλή επένδυση. Ακόμα κι έτσι, είναι πρακτικά εφικτό τα επιστημονικά συμπεράσματα να είναι λανθασμένα, αλλά είναι γελοίο να πιστεύει κάποιος ότι είναι λανθασμένα, παρά μόνο εάν υπάρχουν ακλόνητα επιστημονικά στοιχεία για την αναίρεσή τους.
Υποσημείωση: όταν ακούτε κάποιους να υποστηρίζουν ότι, «οι επιστήμονες δηλώνουν πως τίποτα δεν είναι απόλυτο», αυτό που πραγματικά εννοούν είναι πως δε γνωρίζουμε εάν υπάρχει οτιδήποτε το αναμφισβήτητο (ή για να το θέσω διαφορετικά, η επιστήμη δεν παρέχει απόλυτες θέσεις). Άρα, ίσως υπάρχουν απόλυτα γεγονότα αλλά δεν είμαστε σε θέση να τα επιβεβαιώσουμε (τουλάχιστον απ’ όσο ξέρουμε).
Σημείωση: δε θα πρέπει επίσης να χρησιμοποιείτε τον Γαλιλαίο / Κολόμβο ή το γεγονός ότι «η επιστήμη υπήρξε λανθασμένη στο παρελθόν» ως λόγο απόρριψης των επιστημονικών στοιχείων.