مسأله‌ی برازاندن منحنی و ارتباط آن با چیستان گودمن

چیستان گودمن (New Riddle of Induction) با مسأله‌ی برازاندن منحنی (Curve Fitting) در علم پیوند نزدیکی دارد (تصویر ۳-۲: مسئله‌ی برازاندن منحنی). در علم، ما اغلب داده‌های محدودی را جمع‌آوری می‌کنیم و تلاش می‌کنیم منحنی‌ای را بیابیم که این داده‌ها را به بهترین شکل توضیح دهد. برای نمونه، اگر داده‌هایی درباره‌ی حرکت یک سیاره داشته باشیم، می‌توانیم منحنی‌های مختلفی را پیشنهاد کنیم که داده‌های موجود را توضیح می‌دهند. اما چگونه می‌توانیم مطمئن باشیم که منحنی انتخاب‌شده، حرکت آینده‌ی سیاره را به درستی پیش‌بینی می‌کند؟

این مسأله شبیه به چیستان گودمن است. همان‌طور که در چیستان گودمن، «سبز» و «سبزآب» هر دو با داده‌های گذشته سازگار بودند، اما پیش‌بینی‌های متفاوتی برای آینده داشتند، در برازاندن منحنی نیز می‌توان منحنی‌های متعددی را یافت که داده‌های گذشته را توضیح می‌دهند، اما پیش‌بینی‌های متفاوتی برای آینده دارند. برای نمونه، ممکن است یک منحنی ساده، مانند یک خط مستقیم، داده‌های گذشته را توضیح دهد، اما یک منحنی پیچیده‌تر نیز می‌تواند همان داده‌ها را توضیح دهد. انتخاب میان این منحنی‌ها نیازمند معیارهایی فراتر از داده‌های موجود است.

گودمن استدلال کرد که انتخاب اصطلاح‌های مناسب، مانند «سبز» به جای «سبزآب»، یا انتخاب یک منحنی ساده به جای یک منحنی پیچیده، به سادگی (Simplicity) و انسجام (Coherence) با دانش پیشین بستگی دارد. اما این معیارها خود به نظریه‌ای درباره‌ی جهان نیاز دارند که خود از استقرا ناشی می‌شود. این ارتباط نشان می‌دهد که مسأله‌ی برازاندن منحنی و چیستان گودمن هر دو به دشواری‌های بنیادین در استقرا اشاره دارند، یعنی ناتوانی در ارائه‌ی یک نظریه‌ی صوری محض برای تأیید علمی.


📓 درآمدی بر فلسفه‌ی علم: پژوهشی در باب یک‌صد سال مناقشه بر سر چیستی علم
✍ پیتر گادفری-اسمیت
®️ نواب مقربی

🆔 @Chekide_ha