Что такое наука, и как она работает - Джеймс Цимринг Страница 9

Общий подход к проблеме индукции, который часто используется в ответ на ранее высказанные опасения, состоит в том, чтобы сформулировать индуцированные утверждения о знаниях в вероятностных терминах. Это относится к заявлениям о ненаблюдаемых сущностях как в настоящем, так и на протяжении времени. Например, если мы наблюдали 99 воронов и все они были черными, можно предположить, что «все вороны черные». Однако если 100-й наблюдаемый ворон окажется белым, мы не станем разводить руками в разочаровании из-за незнания воронов. Скорее, мы просто изменим утверждение о знании, сказав, что «99 % наблюдаемых воронов черные». Этот трюк просто использует новые данные, чтобы откорректировать принцип, определяющий всех воронов. Затем новое определение можно использовать для прогнозирования ненаблюдаемых событий с вероятностной точки зрения; вы не можете утверждать, какого цвета будет следующий ворон, но вы можете сказать, что в 99 % случаев он будет черным, а в 1 % — нечерным, то есть не с абсолютной уверенностью в отношении следующего ворона, но с предсказательной силой в отношении всей популяции и относительной вероятностью того, какого цвета будет следующий ворон.

Да, вероятностный подход не позволяет предсказать отдельное событие, но нет причин, по которым он не может делать точные прогнозы относительно популяций.

Хотя рассуждения о пользе вероятности звучат утешительно, они почти не помогают решить проблему индукции и самого знания. Причина, по которой вероятностный подход не решает проблему знания, заключается в том, что даже если утверждение о вероятности истинно до последней буквы, оно никак не помогает достоверно предсказывать будущие события. В то время как утверждение сообщает вам о вероятности, что следующий ворон будет черным, следующий ворон может быть только черным или нечерным ^[25]. Способность определить вероятность того, что следующий ворон будет черным, — это своего рода предсказание. Тем не менее даже если человек обладает абсолютным знанием о популяции, оно не относится к конкретным случаям и, таким образом, все равно не помогает предсказать конкретные события. Когда большинство людей разговаривают со своим врачом, они не хотят знать, какова их вероятность заболеть раком; они ждут предсказание, заболеют ли раком именно они, — да или нет.

Еще одна проблема с утверждениями о вероятности состоит в том, что, как и в случае простой индукции, нельзя исключить возможность будущих изменений. После наблюдения еще за 100 воронами определение вероятности 99 % может снова измениться, и даже наверняка изменится, если только 99 из следующих воронов опять не будут черными. Хотя предсказание с вероятностью 99 % может быть лучше, чем случайное предположение, это не то знание, в котором нет места ошибке. Давайте еще дальше отступим от нашего стремления к абсолютному знанию и отметим, что чем больше воронов мы наблюдаем, тем лучше и точнее станет наше определение вероятности ^[26]. На первый взгляд это выглядит оправданным утверждением (которое часто называют законом больших чисел). Но это лишь еще один способ сказать, что чем ближе мы подходим к наблюдению за каждым вороном, тем лучше мы знаем цвет всех воронов ^[27]. Этот взгляд и подход были бы приемлемы и привели бы к определенным знаниям (хотя и вероятностным), если бы можно было сделать предположение, что вещи распределены по Вселенной равномерно. Однако любая кластеризация любого вида в определенное время или с течением времени разрушает этот принцип, и нет никаких оснований рассчитывать на единообразие во Вселенной; на самом деле существует достаточно данных об обратном. Давайте отступим еще дальше и допустим, что мы сделали абсолютно правильную вероятностную оценку Вселенной и что распределение изменчивости не является проблемой. До сих пор нет способа оценить, сохранятся ли существующие распределения вероятностей во Вселенной в будущем, что в первую очередь возвращает нас к основному вопросу индукции.