📚 درآمدی بر فلسفه‌ی علم | ❤️ ۷۲/۶٣


بیزگروی، طبیعت‌گرایی و روش‌های کار در علم

بیزگروی (Bayesianism) را نباید هم‌چون یک نظریه‌ی کامل و تمام‌عیار درباره‌ی شواهد (Evidence) نگریست. بیزگروی در بهترین حالت خود بخشی از یک بسته‌ی بزرگ‌تر است که می‌تواند به همراه دیگر نظریه‌ها و به‌ویژه همراه با طبیعت‌گرایی (Naturalism) فهمیده شود. در اینجا منظور از طبیعت‌گرایی، طبیعت‌گرایی‌ای است که در آن علم به شیوه‌ای باز درباره‌ی جهان می‌آموزد و این آموختن از راه به کار بستن روش‌های گوناگون روی می‌دهد. بیزگروی به ما می‌گوید که چگونه احتمالات را در پرتو شواهد روزآمد کنیم، ولی این تنها بخشی از داستان است. نظریه‌های علمی می‌بایست در چارچوب روش‌های کاری گوناگونی سنجیده شوند که در آن‌ها هم از آزمون و هم از دیگر انواع استدلال استفاده می‌شود.

بیزگروان درباره‌ی اینکه چگونه می‌توان به نظریه‌های علمی‌ای که احتمال پیشین آن‌ها صفر یا نزدیک به صفر است احتمال معقولی داد، با دشواری روبه‌رو هستند. در این مورد، پاره‌ای بیزگروان می‌گویند که ما باید به سراغ روش‌های کاری‌ای برویم که در آن‌ها از استدلال‌هایی غیربیزی استفاده می‌شود. این استدلال‌ها می‌توانند هم‌چون بخشی از یک بسته‌ی طبیعت‌گرایانه به کار روند که در آن بسته روش‌های کاری‌ای که در علم واقعی به کار می‌روند بازتاب می‌یابند. برای نمونه، هنگامی که ما درباره‌ی نظریه‌های علمی گوناگون می‌اندیشیم، می‌توانیم معیارهای گوناگونی را به کار بندیم که در میان آن‌ها معیارهایی چون سادگی (Simplicity)، قدرت تبیینی (Explanatory Power)، و توانایی نظریه در یکپارچه‌سازی دیده می‌شوند. این معیارها می‌توانند در کنار بیزگروی به کار روند و به ما کمک کنند تا نظریه‌هایی را برگزینیم که احتمال پیشین آن‌ها صفر یا نزدیک به صفر است.

دیدگاه طبیعت‌گرایانه‌ای که در اینجا از آن سخن می‌گویم، دیدگاهی است که در آن علم به مثابه‌ی یک فعالیت چندوجهی نگریسته می‌شود. در این دیدگاه، شواهد (Evidence) تنها از راه مشاهده‌های ساده به دست نمی‌آیند، بلکه از راه روش‌های کاری پیچیده‌ای به دست می‌آیند که در آن‌ها از انواع گوناگون استدلال و آزمون استفاده می‌شود. این روش‌های کاری شامل بررسی‌های آماری، آزمایش‌های کنترل‌شده، و حتی استدلال‌های نظری‌ای هستند که به نظریه‌ها امکان می‌دهند تا با داده‌های موجود سازگار شوند یا پیش‌بینی‌های جدیدی به دست دهند.

اینجا لازم است به مسأله‌ی کلاغ‌های سیاه بازگردیم. این مسأله به این پرسش می‌پردازد که چگونه مشاهده‌ی کلاغ‌های سیاه می‌تواند فرضیه‌ی «همه‌ی کلاغ‌ها سیاه‌اند» را تأیید کند. گمان می‌کنم همپل برخطا بود که گمان می‌کرد تعمیم‌های کلی را همیشه نمونه‌های جزئی آن تعمیم‌ها تأیید می‌کنند. تأیید (Confirmation) یا تقویت نظریه تنها هنگامی وجود دارد که روش کار بنیادی آن از نوع صحیح باشد. برای نمونه، اگر ما در نمونه‌برداری تصادفی‌ای از کلاغ‌ها کلاغ سیاهی را مشاهده کنیم، این مشاهده آگاهی‌دهنده است. کلاغ سیاه در اینجا تنها یک نقطه‌ی داده (Data Point) است، ولی این نقطه‌ی داده بخشی از نمونه‌برداری‌ای است که می‌تواند به پرسش‌های ما پاسخ دهد. ولی همین کلاغ سیاه اگر در نمونه‌برداری‌ای از چیزهای سیاه پدیدار شود، هیچ آگاهی‌ای درباره‌ی مسأله‌ی عام و خاص کلاغ‌ها به ما نمی‌دهد؛ هیچ راهی یافت نمی‌شود که با آن بتوان یک همچو نمونه‌برداری‌ای را در حل هر یک از آن دو مسأله به کار برد. بنابراین، روش‌های کار (Methods of Procedure) نقش اساسی دارند؛ یک مشاهده‌ی خاص تنها هنگامی شاهد به شمار می‌رود که در روش کار مناسب خود گنجانده شده باشد.


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

✈️ @Chekide_ha