• сильное индуктивное суждение опирается на прочно укоренившиеся паттерны, подкрепленные непротиворечивыми свидетельствами, а слабое – на неубедительные свидетельства, неочевидные паттерны, отличается непредсказуемостью и является довольно сложным для восприятия.

Говоря об убедительности индуктивного аргумента, мы пользуемся понятием индуктивной силы:

• когентный индуктивный аргумент имеет верную структуру, но его вывод не обязательно будет принят нами за истину, поскольку мы не уверены в истинности его предпосылок (аналог валидного дедуктивного аргумента);

• индуктивно сильный аргумент имеет как верную структуру, так и предпосылки, которые мы считаем истинными; это означает, что у нас есть достаточные основания считать таковым и вывод (аналог обоснованного дедуктивного аргумента).

Индукция требует озвучивать имплицитные уточнения, присутствующие в предпосылках: если общее утверждение не следует понимать буквально, нужно указать, применимо ли оно к немногим, многим или некоторым случаям, либо выполняется часто, иногда или редко.

Вероятность – это степень возможности наступления события или истинности утверждения.

• Вероятность обычно задается на шкале от 0 до 1, где 0 соответствует практически полной невозможности, а 1 – почти бесспорной возможности. Вероятность 0,5 указывает на равные шансы того, что событие произойдет или не произойдет. Если она превышает 0,5, то событие скорее возможно; если составляет менее 0,5, то оно скорее невозможно.

• Рациональные ожидания – главный элемент в оценке индуктивного аргумента. При условии истинности предпосылок эта величина показывает, что́ более рационально: считать вывод индуктивного аргумента истинным или ложным.

Использование выборок при индуктивном умозаключении обязательно. Выборка состоит из конкретных случаев, исследуемых с целью обобщения.

• Как правило, чем масштабнее выборка, тем лучше. В научной литературе объем выборки принято обозначать буквой n, причем n = 1 соответствует выборке из одного элемента – казусу или курьезу, единичному случаю.

• Репрезентативная выборка по своим характеристикам близко воспроизводит более обширную группу, из которой выделена, тогда как нерепрезентативная выборка не удовлетворяет этому условию. Индуктивные выводы на основе нерепрезентативной выборки, скорее всего, искажают реальность.

• Правильная рандомизация выборки является одним из лучших способов избежать ошибок отбора и осуществляется путем выбора элементов случайным образом из всей изучаемой совокупности, чтобы никакой элемент не получил чрезмерной представленности, вводящей исследователя в заблуждение.

• Поскольку никакая выборка не может быть идеально репрезентативной, важно учитывать предел погрешности (вероятность того, что результаты, полученные в ходе исследования, адекватны результатам по всей совокупности) и погрешность измерения (точность используемой системы измерений).

Проблема индукции заключается в том, что, сколь бы вероятным мы ни считали вывод, никакой индуктивный аргумент не может быть в полной мере подтвержден. Можно лишь стремиться к фальсифицированию (опровержению) теории и поиску контрпримеров.

• Фальсифицирование – важный для индукции процесс исследования, поскольку один-единственный контрпример способен показать ложность индуктивной логической цепочки, тогда как никакое количество подтверждающих примеров не доказывает ее истинности.

• «Черный лебедь» – событие, опровергающее как предыдущий опыт, так и основанные на нем ожидания, вследствие чего его практически невозможно спрогнозировать.

Глава 5. Ищем объяснения и выстраиваем теории

Пять вещей, которые вы узнаете из этой главы

1. В чем заключается отличие между объяснением, теорией и гипотезой.

2. Как применять критерии доказанности и значимости.

3. Как не перепутать корреляцию и каузальность.

4. Как правильно анализировать и применять научный метод.

5. Как сформулировать исследовательский вопрос и выдвинуть собственную идею.

В 1620 г. английский философ Фрэнсис Бэкон издал на латыни книгу под названием «Новый органон» (Novum Organum scientiarum), в которой утверждал, что логическое мышление на основе укоренившихся идей и существующих текстов неэффективно для постижения мира. Для решения этой проблемы Бэкон разработал эмпирический метод[15].

Согласно Бэкону, источником знания является непосредственный опыт чувственного восприятия. Эмпирический метод познания предполагает использование индукции – поиск убедительных подтверждений выводов на основе внимательного наблюдения и экстраполяции. Не менее важна логика иного типа, имеющая принципиальное значение как для современного научного метода, так и для наших с вами размышлений о мире. Ее задача – выработка теорий, описывающих тенденции, причины и законы материального мира, и проверка этих теорий путем последующих наблюдений.

XVII столетие стало золотым веком научных открытий, ознаменовавшимся такими достижениями, как обнаружение Галилео Галилеем спутников Юпитера, формулирование Исааком Ньютоном законов движения и тяготения, открытие Уильямом Гарвеем кровообращения, написание Робертом Бойлем фундаментального труда по химии, открытие и изучение Робертом Гуком с помощью усовершенствованного им микроскопа живых клеток, основание Лондонского королевского научного общества. Новые наблюдения и способы мышления способствовали появлению новаторских идей о природе и Вселенной и пришествию научной революции.

Способ теоретизирования, обеспечивший эти достижения человеческого познания, иногда называют абдукцией{82} (от лат. ab – «от» и ducere – «водить»). Этот метод логического мышления стремится к поиску наилучших объяснений фактов и явлений, двигаясь от конкретного свидетельства к теории, объясняющей, почему вещи таковы, какими они являются[16].

Знакомство с абдукцией

Если есть нечто, что мы считаем истиной, абдуктивная логика ставит перед нами вопрос: «Какова самая вероятная причина этого?» Одни считают абдукцию разновидностью аргумента и пользуются понятием «абдуктивного аргумента», другие относят ее к формам логического мышления. В этой книге абдукция рассматривается как форма обоснованного объяснения.

Подобно индукции, абдукция работает с неопределенностью и разрывами в умозаключениях, а не с чистой логикой. Однако если индуктивный аргумент делает рациональное обобщение на основе предпосылок, то абдуктивная логика стремится к разумному объяснению. Можно сказать, что абдукция – своего рода подсказанная логикой догадка, интуитивный скачок на основе самых надежных из имеющихся свидетельств, создающий объяснительную модель, которую затем можно подвергнуть дедуктивному анализу и сделать основой для индуктивного прогноза. Приведу один из самых известных в истории примеров абдукции в действии.

Одним теплым вечером Исаак Ньютон вышел после обеда в сад, чтобы в обществе друга выпить чаю в тени яблоневых деревьев. «Почему, – задумался он, – яблоки, сорвавшись с дерева, всегда падают на землю под прямым углом? Почему они не летят в сторону – или вверх? Чем вызвано это неуклонное стремление двигаться точно в направлении центра Земли?»

В мемуарах, оставленных в 1752 г. Уильямом Стьюкли, другом Ньютона, разделившим с ним чаепитие в тот памятный день, описывается момент, когда наблюдение за падением яблок с дерева вдохновило ученого на создание классической теории тяготения[17]. Ньютон заинтересовался возможным объяснением того факта, что буквально каждый объект – в том числе и яблоко – падает на землю перпендикулярно, а не под углом. Возможно, между поверхностью Земли и яблоками, а также любыми другими двумя объектами существует