|
Проблема индукции. У науки есть проблема - так ли это
|
|
|
|
Аргумент выглядит следующим образом: Дэвид Юм, скептик в самом высоком смысле этого слова, показал, что особый тип рассуждений — индукция (когда мы предполагаем, что закономерности, наблюдавшиеся в прошлом, скорее всего, сохранятся и в будущем), — не поддается рациональному обоснованию. Его можно рассматривать лишь как привычку, которая иногда оказывается полезной. Почему?
|
|
|
|
Во-первых: логически вполне возможно, что будущее не будет похоже на прошлое. В отличие от дедукции — метода, используемого в математике и формальной логике, — индукция не дает гарантии того, что из принятых предпосылок будут следовать верные выводы.
|
|
|
|
Во-вторых: мы не можем обосновать индукцию, ссылаясь на то, что она успешно работала в прошлом. В таком случае мы опирались бы на утверждение «в прошлом будущее было похоже на прошлое», чтобы доказать, что «в будущем оно тоже будет похоже на прошлое». Тем самым мы совершаем логический круг — пытаемся доказать то, что уже заложено в самой посылке, попадая в своего рода «логическую ловушку».
|
|
|
|
Науке вовсе не обязательно опираться на индукцию для получения выводов. Проблема Юма — при всей своей реальности — вполне преодолима.
|
|
|
|
|
|
|
Это явление известно как «проблема индукции» (по Юму) — одна из самых знаменитых философских проблем. Несмотря на то что мнения философов, ученых и популяризаторов науки по этому вопросу сильно расходятся, мы постараемся доказать, что науке не обязательно полагаться на индукцию. Проблема Юма — при всей своей реальности — вполне преодолима.
|
|
Но ситуация еще сложнее.
|
|
|
|
Кажется, что без индукции невозможно ориентироваться в окружающем мире: солнце всходило каждый день, поэтому мы делаем вывод, что завтра оно, скорее всего, взойдет снова. Это и есть индукция, и она представляется совершенно незаменимой. Некоторые утверждают, что сама наука — поскольку она строится на прогнозах будущего, основанных на эмпирических данных из прошлого, — рухнула бы без индукции. Бертран Рассел отмечал: если проблему индукции невозможно решить в рамках эмпирического подхода, то «не останется никакого интеллектуального различия между здравомыслием и безумием».
|
|
|
|
Только представьте: наука — метод, лежащий в основе всего, от кардиохирургии до освоения космоса, — опирается на врожденный способ мышления, от которого мы не можем ни избавиться, ни рационально его обосновать.
|
|
|
|
На этом этапе некоторые ученые могли бы просто пожать плечами и вернуться в лабораторию, признав, что мы — всего лишь приматы, которые делают все, что в их силах, и что такова уж наша участь. Некоторые другие фигуры в публичном пространстве идут еще дальше. Сабина Хоссенфельдер, физик и интернет-знаменитость, на чей YouTube-канал подписано 1,8 миллиона человек, приходит к выводу, что «наука тоже основана на вере»:
|
|
|
|
Откуда нам знать, что законы природы будут действовать и завтра? Мы этого не знаем. Мы не можем этого знать. Единственное, что нам остается — это верить в законы природы… Да, именно так: в конечном счете наука зиждется на нашей вере в то, что законы природы просто продолжат работать.3
|
|
|
|
Примечательно, что с этим определением — «вера» — соглашается и сайт библейских креационистов «Answers in Genesis» («Ответы в Книге Бытия»):
|
|
|
|
…мы можем быть уверены в том, что будущее будет подобно прошлому, только если у нас есть веские основания предполагать единообразие… крайне важно иметь обоснование для такой уверенности, поскольку без него мы вообще не смогли бы ничего знать, опираясь на свой опыт, а наука лишилась бы всякого смысла.4
|
|
|
|
Автор, который сам себя называет креационистом «молодой Земли» и работает в «светской ракетно-космической отрасли», делает вывод: «библейское мировоззрение — единственный ответ на проблему индукции… Слово Божье служит основанием для того, чтобы Вселенная была логичной и упорядоченной, тем самым создавая прочный фундамент для индукции».
|
|
|
|
Даже если наука опирается на индукцию, этот метод все равно отличается от веры, поскольку представляет собой эмпирический способ формулирования и проверки гипотез. Однако индукция — лишь один из инструментов в научном арсенале. Действительно ли он незаменим?
|
|
|
|
Разбираясь в идеях Юма
|
|
|
|
Чтобы осмыслить эти вопросы, необходимо четко понимать, какой именно тип умозаключений Юм подвергает сомнению в своей «проблеме индукции» (POI) — что это такое и чем оно не является. Рассмотрим такое рассуждение:
|
|
|
|
Все яйца, которые я пробовал, были вкусными. Следовательно, следующее яйцо, скорее всего, тоже будет вкусным.
|
|
|
|
Переход от посылки к выводу — то самое «следовательно» — представляет собой тип индуктивного умозаключения, который Юм считает проблематичным. В его основе лежит прошлый опыт, на основании которого делается предположение, что закономерность, вероятно, сохранится и в будущем. Или же можно исходить из опыта, полученного в одной части упаковки яиц, и предположить, что та же закономерность, вероятно, проявится и в другой ее части. Мы видим, что эффективность индукции как своего рода «упрощенного пути» к выводам зависит от того, какая модель ситуации подразумевается: то ли фермер меня кормит, то ли он меня откармливает.
|
|
|
|
Такой способ рассуждения часто оказывается действенным, однако сам вывод не вытекает из него строго — то есть дедуктивно. Он не следует из него даже с какой-либо долей вероятности. Прошлый опыт сам по себе логически не обосновывает вероятность того, что события будут развиваться так же и в дальнейшем; не зря в проспектах любых инвестиционных фондов Уолл-стрит содержится предостережение: «достигнутые в прошлом результаты не гарантируют успеха в будущем».
|
|
|
|
Рассел проиллюстрировал ненадежность индукции с помощью истории о курице. (Философы любят размышлять о курах и яйцах.) Курица, опираясь на свой прошлый опыт, пришла к выводу, что фермер, скорее всего, продолжит ее кормить. На самом же деле ее откармливали, и в один прекрасный день она сама стала едой для фермера.5 Сабина Хоссенфельдер использовала этот пример, чтобы показать: ученые, прекрасно зная, чем все закончилось для курицы, тем не менее продолжают доверять такому способу рассуждения.
|
|
|
|
Мы видим, что эффективность индукции как упрощенного метода зависит от того, какая модель ситуации подразумевается: «фермер меня кормит» или «фермер меня откармливает». Это говорит о том, что для прогнозирования будущего нам следует тщательно анализировать используемые нами модели. Об этом мы поговорим позже.
|
|
Привычка по Юму
|
|
|
|
Почему мы психологически склонны прибегать к индукции? Юм, Рассел и другие мыслители отмечали, что наши внутренние побуждения схожи с теми, что наблюдаются у других живых существ. Подобно нам, другие организмы ведут себя так, словно используют индукцию. Если постоянно воздействовать на морского слизня электрическим током, он будет втягивать жабры на все более длительное время. Если звонить в колокольчик перед кормлением, у собак Павлова начинает выделяться слюна. В основе такого поведения лежат нейронные цепи с обратной связью: при повторении стимула их становится все легче активировать — это классическое обусловливание. Даже отдельные клетки способны перемещаться, реагируя на локальные химические градиенты. Таким образом, подобные реакции — результат биологического устройства организма.
|
|
|
|
Почему в процессе эволюции у организмов сформировалась именно такая структура? Потому что она оказалась достаточно эффективной для выживания. Время — ценный ресурс, а для выживания часто требуются мгновенные решения, пусть даже с допустимым уровнем ложных срабатываний — независимо от того, насколько «рациональны» вызвавшие их стимулы. Отсюда возникают иллюзии, предрассудки, упрощения, суеверия — и, возможно, индукция. Юм просто назвал это привычкой.
|
|
|
|
Организмы, подобные нашему, должны уметь создавать модели инстинктивно, не тратя время на их предварительный анализ. Возможно, именно поэтому мы прибегаем к индукции, однако наука способна действовать более систематично.
|
|
Какие еще инструменты, помимо индукции, есть в распоряжении ученых?
|
|
|
|
Теперь, когда мы определили, что именно в индукции вступает в противоречие с «проблемой индукции» (POI), давайте рассмотрим другие инструменты, доступные ученым. Вот неполный список:
|
|
|
|
Рассмотрение предположений, чтобы понять, к чему они приведут; выдвижение догадок; сбор данных; подгонка моделей под имеющиеся данные; использование дедуктивных умозаключений; применение статистики или байесовского подхода; вычисление прогнозов, вытекающих из гипотез; наличие убеждений, истинность которых не гарантирована; формирование выводов о вероятностях; состояние неопределенности; возможность ошибиться; наличие системы ценностей; выбор того, что именно подвергать проверке, исходя из наших ценностей (например, предпочтение разработки нового лекарства созданию нового вида сэндвича).
|
|
|
|
Этого немало. Можно сказать, что данного инструментария вполне достаточно для занятия наукой. «Проблема индукции» (ПОИ) Юма не затрагивает ничего из перечисленного. (Важное уточнение: хотя статистика и байесовский подход часто рассматриваются как формализованная логика индукции, они не сводятся к тем простым экстраполяциям прошлого опыта в будущее, которые критиковал Юм.)
|
|
|
|
Иногда ошибочно полагают, что любой вероятностный или неопределенный вывод обязательно опирается на индукцию. Это не так. Допустим, 75% звезд в нашей Галактике — красные карлики. В таком случае, если мы случайным образом выберем звезду из репрезентативной выборки, вероятность того, что это окажется красный карлик, составит 75%. Это дедуктивный вывод о вероятности. Можно ли быть уверенным в таком заключении? Не обязательно — всё зависит от того, насколько надежны наши исходные предположения. Достоверным является лишь сам логический вывод — «мост» между предпосылкой и заключением. Возможно, наше допущение о распространенности красных карликов было неверным. Или, быть может, наши телескопы не позволяют получить репрезентативную выборку (поскольку красные карлики заметить труднее, чем более яркие звезды) — значит, ошибочным было другое наше предположение.
|
|
|
|
Как показывает этот пример, использование инструментов, отличных от индукции, вовсе не означает, что мы автоматически привносим в науку некую иллюзорную достоверность. Напротив, мы лишь делаем модели, лежащие в основе наших рассуждений, более явными. Благодаря этому, когда данные указывают на ошибку, мы можем определить, какие именно предположения оказались неверными.
|
|
Возвращаясь к проблеме индукции
|
|
|
|
Многие мыслители соглашаются с Юмом в том, что «проблема индукции» неразрешима.6, 7 Однако, как мы убедились, обоснованность применения индукции в той или иной ситуации зависит от неявной модели этой ситуации. Согласно одному из общепринятых представлений о научном методе, сформулированному Карлом Поппером, нам следует четко формулировать свои модели, а затем пытаться опровергнуть их с помощью эмпирических данных.8 У нас есть рациональные основания рассматривать хорошо проверенные модели как претендентов на истину, однако полной уверенности мы достичь не можем. Мы можем рационально корректировать степень своей уверенности в гипотезах, опираясь на то, насколько хорошо их предсказания согласуются с результатами наблюдений. Ричард Фейнман прекрасно охарактеризовал этот подход:
|
|
|
|
В целом, поиск нового закона происходит следующим образом. Сначала мы выдвигаем догадку… затем вычисляем её следствия… а потом сопоставляем результаты этих вычислений с тем, что наблюдается в природе или в ходе эксперимента… Если они расходятся с результатами эксперимента — значит, догадка неверна.9
|
|
|
|
Заметьте: этот подход вовсе не требует исходить из предположения, что события, наблюдавшиеся в прошлом, обязательно повторятся в будущем. Напротив, мы можем даже прийти к выводу, что они, скорее всего, не повторятся — для этого достаточно построить модель, которая покажет, при каких условиях это может произойти. Никакой индукции, никакого «принципа единообразия природы» (POI).
|
|
|
|
Догадки не нуждаются в рациональном обосновании: их можно позаимствовать, выпросить, украсть или даже получить с помощью генератора случайных чисел.
|
|
|
|
Любопытно, что в статье о «принципе единообразия природы» (POI) в Стэнфордской философской энциклопедии Поппер и такой взгляд на научный метод упоминаются лишь в двух абзацах в самом конце. Автор статьи приходит к выводу, что описание научного метода, предложенное Поппером, неполно:
|
|
|
|
«Концепция Поппера представляется в существенном отношении неполной. Всегда существует множество гипотез, которые ещё не были опровергнуты имеющимися данными, причём эти гипотезы могут противоречить друг другу. Согласно строго дедуктивному подходу, поскольку ни одна из них пока не фальсифицирована, все они находятся в равном положении. Однако учёные, как правило, склонны считать, что одна гипотеза подтверждается имеющимися данными лучше, чем другие… Таким образом, сомнительно, что чистый дедуктивизм способен дать адекватное описание научного метода».10
|
|
|
|
В предыдущих версиях этой статьи тон был, пожалуй, более благожелательным.11 Далее мы в общих чертах изложим версию подхода Поппера — Фейнмана, чтобы читатели могли сами судить, насколько она несостоятельна.
|
|
«Вы, конечно, шутите, мистер Фейнман!»
|
|
|
|
Допустим, мы хотим изучить некую наблюдаемую величину $y$. Это может быть интенсивность излучения распадающихся изотопов, высота полёта снаряда, численность летучих мышей в популяции или величина, вычисленная на основе других наблюдаемых параметров — таких как длина волны, энергия, импульс и т. д. Мы исследуем $y$ в зависимости от ряда других величин $x$, которые либо меняются естественным образом, либо могут варьироваться нами в ходе эксперимента. Это могут быть время, местоположение, температура, давление, концентрация химических веществ, начальная скорость, напряжение или любая другая величина, поддающаяся расчёту.
|
|
|
|
Как же нам выбрать, какие именно величины $y$ и $x$ следует наблюдать? Как отмечал математик и физик Анри Пуанкаре в своей книге «Наука и метод», мы вынуждены делать тщательный отбор, поскольку не в состоянии наблюдать абсолютно всё.12
|
|
|
|
Разумеется, может оказаться, что выбранные нами факты складываются в бессмысленную картину. Согласно забавному примеру, который приводил Фейнман, если взять в качестве переменной $y$ «наилучший день для визита к стоматологу», а в качестве $x$ — «расположение звезд, видимых с Земли», то результат, скорее всего, окажется совершенно бесполезным.
|
|
|
|
Допустим, наш выбор оказался удачным, и данные сложились в осмысленную закономерность. Что дальше? Мы не прибегаем к индукции, чтобы сделать вывод: «раз так было раньше, значит, так будет и впредь». Вместо этого мы строим модели, описывающие выявленную закономерность. Мы рассматриваем их как гипотезы и пытаемся придумать способы их проверки. Как же мы строим такие модели? По выражению Фейнмана: «сначала мы делаем догадку».
|
|
|
|
Кто-то может возразить, что сам акт выдвижения догадки — это, по сути, скрытая форма индукции. Но это не так. Во-первых, индукция — это логический вывод, следующий из определенных предпосылок. Догадка же таковым не является. Для выдвижения догадки не требуется рациональное обоснование: мы можем позаимствовать ее, придумать, «украсть» или даже получить с помощью генератора случайных чисел. Во-вторых, мы вполне можем предположить обратное — что закономерность не сохранится (так называемая контриндукция). В-третьих, даже если мы решаем уделить особое внимание экстраполяции прошлых закономерностей, это лишь вопрос расстановки приоритетов в исследованиях, а не индукция. Наконец, для любой догадки наш метод допускает возможность «антидогадки» — то есть того, что наше предположение окажется неверным. Нам вовсе не обязательно отдавать предпочтение какой-то одной версии.
|
|
|
|
Наш метод стремится обнаружить единообразие — если оно существует, — но именно природа решает, есть ли оно там на самом деле.
|
|
|
|
Еще одно возможное возражение заключается в том, что мы априори исходим из «единообразия природы», что, по сути, равносильно использованию индукции. Да, при построении моделей мы действительно зачастую предполагаем определенную степень единообразия природы. Это объясняется тем, что без такого допущения крайне сложно сформулировать точные модели. Тем не менее, наш метод оставляет пространство и для отсутствия единообразия. Если природа окажется неоднородной или, пользуясь термином Пуанкаре, «капризной», она вполне может породить такие данные, которые не поддаются никакому описанию. Наш метод стремится обнаружить единообразие — если оно существует, — но сама природа решает, есть ли оно на самом деле.
|
|
|
|
В некотором смысле физики могут даже проверять модели частично однородных вселенных: в них одни величины остаются неизменными (например, масса покоя или электрический заряд частицы), тогда как другие — скажем, скорость частицы — меняются; возможен и вариант, при котором сама форма физических законов варьируется в зависимости от времени или положения в пространстве. Теперь наши допущения вновь сформулированы явно — они не протаскиваются в теорию «тайком», — и мы возвращаемся к вопросу о том, как их проверить.
|
|
|
|
«Если теория расходится с результатами эксперимента — она неверна».
|
|
|
|
Одно из преимуществ индукции заключается в том, что она, по-видимому, дает основания для суждений о будущем, тогда как использование данных для опровержения моделей лишь указывает на то, в чем мы ошибаемся. Можем ли мы — пусть даже предварительно — верить в то, что прогнозы наших хорошо проверенных моделей верны?
|
|
|
|
Рассмотрим все возможные модели, которые могут соответствовать имеющемуся набору данных. Если допустить бесконечное множество вариантов, возникнут трудности. Один из способов решения — объединить модели в конечное число классов: например, класс моделей, в которых планеты всегда движутся по эллиптическим орбитам, и класс, в котором это не так.
|
|
|
|
Если учесть все возможные модели, то сумма вероятностей того, что каждая из них верна, должна составлять 100 процентов. Когда мы используем данные для опровержения определенных классов моделей, эти 100 процентов вероятности должны перераспределиться между оставшимися классами — хотя мы, возможно, и не будем знать, какие именно модели получили при этом наибольший «вес». Тем не менее, у нас появляются основания для того, чтобы усилить доверие к оставшимся классам и к тому, что входящие в них модели предсказывают относительно будущего. Эти основания опираются на данные, а не на веру.
|
|
|
|
Критики могут спросить: почему бы нам не опасаться внезапных перемен — скажем, того, что планеты вдруг перейдут на треугольные орбиты? Подобный сценарий тоже согласуется с имеющимися на сегодняшний день данными. Однако для этого потребовалась бы модель, содержащая новые допущения — например, о переходе к треугольным орбитам в какой-то произвольно выбранный момент времени. Но почему мы должны считать, что этот момент — «сейчас», а не сто лет назад, не на следующей неделе или не через сто лет? Хотя полностью исключить такой вариант нельзя, модель, предполагающая внезапные перемены в ближайший момент, находится в совершенно ином положении, чем модель, которая их не предполагает.
|
|
|
|
У нас появляются основания для того, чтобы усилить доверие к оставшимся классам и к тому, что входящие в них модели предсказывают относительно будущего. Эти основания опираются на данные, а не на веру.
|
|
|
|
Такая осторожная уверенность в отношении ближайшего будущего сменяется принципом «ожидай неожиданного», когда речь заходит об отдаленном будущем или о ситуациях, в которых условия наблюдения существенно меняются. Согласно Пуанкаре, ученые целенаправленно ищут подобные «великие потрясения» — вопреки принципу индукции, они вовсе не считают их чем-то невероятным:
|
|
|
|
«В этом одна из многих причин, почему столь интересны астрономические факты и геологические эпохи. Совершая далекие путешествия в пространстве или времени, мы можем обнаружить, что наши привычные правила полностью перестают действовать; эти масштабные перемены позволяют нам яснее увидеть и лучше понять те незначительные изменения, которые происходят вблизи нас»14.
|
|
|
|
Наука способна предсказать, когда солнце не взойдет.
|
|
|
|
Действительно ли наука обязана опираться на индукцию — способ рассуждения, который логически несостоятелен, рационально необоснован и срабатывает лишь изредка?
|
|
|
|
Мы видим, что строгая формулировка научного метода располагает богатым инструментарием. Курица наблюдает закономерность: еда, еда, еда… и делает вывод, что так будет и дальше. Ученый же, видя закономерность, задается вопросом: какие гипотезы могут ее объяснить, когда, согласно этим гипотезам, она должна измениться и как можно проверить их истинность? На практике индукция может проявляться по-разному: как психологическая привычка (в духе Юма), как методологическое упрощение или как рационально ограниченное соглашение, позволяющее выдвигать обоснованные предположения.
|
|
|
|
Даже если представленное здесь упрощенное описание научного метода верно, это вовсе не превращает науку в непогрешимую систему чистой дедуктивной логики. И даже если это описание ошибочно и наука действительно опирается на индукцию, это не делает ее равнозначной вере. В любом случае, научное мышление опирается на доводы и доказательства — аспекты, которые зачастую упускаются из виду в популярных, искаженных интерпретациях идей Юма и «проблемы оправдания индукции» (POI).
|
|
|
|
Источник
|