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.