Проверка

Итак, обратимся к процедуре верификации. Прежде всего, не следует считать процесс проверки научной гипотезы простым сопоставлением того, что предполагается гипотезой, и того, что показывают результаты экспериментального испытания. Подобное представление несколько

наивно. Процесс оценки гипотезы — сложный и часто весьма длитель­ный процесс, ведь научную гипотезу нельзя понимать как некое изоли­рованное утверждение, подлежащее однократной и однозначной вери­фикации. На самом деле гипотеза является определённой системой утверждений и включена в более широкий теоретический контекст, в котором, в частности, одни предложения исходной концептуальной об­ласти непротиворечиво совместимы с гипотезой, а другие следуют из неё. Теория, пополненная гипотезой, может предсказывать некоторые факты, связывать воедино ранее независимые положения и т.п. Иными словами, вхождение гипотезы в теоретический контекст сопряжено с появлением целого «поля» предпосылок и следствий как эмпирического, так и внутри-теоретического характера. Если какое-либо отдельно взятое следствие данной гипотезы было подтверждено опытом (скажем, сбывшееся пред­сказание), то мы ещё не имеем права говорить о доказанности гипотезы, т.к. это подтверждённое следствие в общем случае может оказаться совмести­мым и с какой-то другой гипотезой. Кроме того, у гипотезы ведь есть и иные следствия, которые тоже подлежат эмпирической проверке. Ко­нечно, чем больше следствий проверено, тем обоснованнее выглядит их «родительская» гипотеза. Поэтому идеалом подтверждения гипотезы сле­довало бы считать согласие с опытом всего множества следствий данной гипотезы. Но с логической точки зрения число возможных следствий лю­бого высказывания бесконечно.

Конечно, исходя из разумных оснований научное сообщество на ка­ком-то этапе соглашается с той или иной гипотезой, но этот процесс го­раздо сложнее, чем простой эффект количественного накопления под­тверждённых следствий. Нельзя представлять дело так, как будто бы мы, достигнув какого-то числа подтверждённых следствий, могли бы автоматически засчитать гипотезу как подтверждённую. Ведь если мы обнаружили в п эмпирических ситуациях согласие с исходным предполо­жением, то где гарантия, что в случае (п +1) мы не столкнёмся с противо­речащим результатом? Иными словами, никакое конечное множество единичных подтверждающих случаев не даёт нам логического права го­ворить о том, что наша гипотеза всегда верна (т.е. выполнима для беско­нечного числа ситуаций). Поэтому процесс накопления подтверждающих данных оказывается с логической точки зрения принципиально незавершимым.

Следующий момент касается опровержения гипотезы. Давно заме­чена т.н. асимметрия подтверждения и опровержения: подтверждать какое-либо предположение можно бесконечно долго, а для опроверже­ния достаточно только одного случая. Хрестоматийным примером та­кой асимметрии является предположение «все лебеди белые»: можно

найти сколь угодно много белых лебедей в поддержку этого предпо­ложения, но оно будет опровергнуто находкой лишь одного чёрного ле­бедя. Так возникает идея положить в основание процесса проверки ги­потезы именно поиск опровергающих примеров, т.е. при разработке программы верификации выдвинутой гипотезы мы должны думать не о том, как её подтвердить, а о том, чем бы её опровергнуть.

Подобная методологическая стратегия называется фальсификационизмом. Заслуга её выдвижения и попытка её систематического обоснования в качестве универсальной научной методологии вообще принадлежат К. Попперу. Согласно его подходу мы вообще, строго говоря, не имеем права считать ту или иную гипотезу подтверждённой (т.к. понятие подтверж­дения вносит в методологию неопределённость). Мы можем лишь потребо­вать, чтобы выдвинутая гипотеза подверглась строгим проверкам на опровержение, в результате чего она будет либо однозначно опровергнута с помощью обнаруженных контрпримеров, либо (в случае неудач с поис­ком опровержения, несмотря на все настойчивые наши старания) ей мож­но придать статус неопровергнутой, но с известной осторожностью (т.е. помня о том, что этот статус логически неокончательный: он, в принципе, может быть отброшен в будущем, если найдётся контрпример).

Такая стратегия представляется весьма разумной. Она, безусловно, иг­рает важнейшую роль в научной методологии. Реальное применение её можно обнаружить в математической статистике и использующих её про­граммах экспериментов. Здесь реализуется идея нулевой гипотезы. Нуле­вая гипотеза — это обычно предположение, которое специально гото­вится на опровержение. Проводимые опыты планируются так, чтобы её опровергнуть. После серии таких попыток мы либо находим еёё опровер­жение, либо продолжаем поиски, либо соглашаемся с тем, что не смогли её отвергнуть. Конечно, последний вариант не означает подтверждения гипотезы, но служит основанием для её последующего принятия.

Асимметрия подтверждения и опровержения может быть обыграна следующим образом. Можно подготовить на опровержение гипотезу, противоположную той, которую мы выдвигаем, и в случае достоверного опровержения мы получаем существенные аргументы в пользу принятия нашей исходной гипотезы. Этот способ является сейчас типичным в эмпи­рических испытаниях. Скажем, в медико-биологических исследованиях часто возникает задача зафиксировать зависимость между приёмом пре­парата и клиническим эффектом от его применения. Задача прямого подтверждения (в данном случае необходимо прямо подтвердить пози­тивное влияние препарата на состояние пациентов) является, как мы го­ворили выше, неопределённой. Поэтому вводится гипотеза на опровер­жение, в нашем примере такой нулевой гипотезой окажется гипотеза об

отсутствии связи между приёмом препарата и состоянием пациентов. И, если мы достоверно получили её опровержение, это становится аргу­ментом в пользу исходной, ненулевой гипотезы.

Вообще вопросы, касающиеся асимметрии гипотезы и её альтернативы и критерия оптимального выбора между ними, давно находятся в поле зре­ния статистиков. Так, в 1933 г. Дж. фон Нейманом и Э. Пирсоном было получено решение, которое легло в основу позднейших статистических концепций (известный критерий Неймана—Пирсона). Но можем ли мы считать, что метод «фальсификации» действительно универсально решает проблему подтверждения и принятия гипотезы? К сожалению, нет. Прежде всего, как уже говорилось в § 2.6, математическая статистика не является панацеей, а должна применяться сознательно и с учётом содержательных факторов. Она не может автоматически решать вопросы оценки гипотез. Например, как замечают П. Бикел и К. Доксам, соотношение гипотезы и ее альтернативы часто не столь определённо, как хотелось бы. Если исходная-гипотеза ведома теорией и чётко формулируется, то о классе альтернатив мы часто вообще не можем сказать ничего определенного¹.

Подходя же более общо, следует отметить, что сама проблема опро­вержения гипотезы контрпримером гораздо сложнее, чем кажется на первый взгляд. Вернёмся к тому, что говорилось в предыдущем парагра­фе относительно отношения факта и теории; напомним критические вы­сказывания И. Лакатоса в адрес монотеоретической модели, суть которых в том, что при столкновении теории и факта происходит взаимодействие различных теоретических позиций. Одна позиция может состоять в дей­ствительном отбрасывании опровергаемой теории, другая же позиция — в критике, переосмыслении и реинтерпретации обнаруженных фактов, так что опровергаемая теория может весьма успешно защищаться от контр­примеров. Й. Лакатос выразительно замечает по этому поводу: «Дело обстоит не так, что мы предлагаем теорию, а Природа может крикнуть: «"нет"»; скорее, мы предлагаем целую связку теорий, а Природа может крикнуть: «"Они несовместимы"»². Поэтому фальсификационизм все же упрощённо трактует проблему подтверждения и принятия гипотезы и, к со­жалению, метод «фальсификации» не может быть признан универсальной научной методологией.

Итак, проблема проверки научной гипотезы при подробном рассмот­рении оказывается весьма сложной. Мы видим, что в общем случае поиск подтверждающих свидетельств и контрпримеров не приводит к одно­значному её решению.

¹ Бикел П., Доксам К. Математическая статистика. С. 182.

² Лакатос И. Фальсификация и методология научно-исследовательских программ. С. 75.