آیا «علم» با «حقیقت» هم‌معنی است؟
کوین زولمن/ ترجمه: مریم درودیان

کوین زولمن دانشیار گروه فلسفه دانشگاه کارنگی‌ملون[1] و همچنین دانشیار مرکز فلسفه‌ علم در دانشگاه پیتسبورگ[2] است.

«علم» با «حقیقت» هم‌معنی است؟ نظریه‌ی بازی‌ها می‌گوید «همیشه این‌طور نیست». علم خوب گاهی اوقات قربانی تمایل دانشمندان به ارائه‌ی یک «خبرسازی بزرگ» می‌شود. نظریه‌ی بازی‌ها را می‌توان به روش‌های گوناگونی برای درک علم به کار گرفت. یکی از ویژگی‌های جالب توجه در مورد علم معاصر این است که توسط گروه‌های بزرگی از افراد که با یکدیگر در تعامل‌اند پیش برده می‌شود؛ بنابراین علم فقط یک دانشمند تنها در آزمایشگاه خود نیست که از دیگران جدا افتاده باشد، بلکه شامل تیم‌هایی است که گاهی با هم همکاری می‌کنند و گاهی در رقابت با تیم‌های دیگری هستند که می‌کوشند برای دستیابی به یک کشف بزرگ، از آن‌ها پیشی بگیرند. در نتیجه‌، این فرآیند بیش از پیش شبیه نوعی تعامل اقتصادی شده است. این دانشمندان در تلاش‌اند تا اعتبار همتایان خود و کمک‌های مالی از سوی آژانس‌های فدرال را به دست آورند، و از این رو بسیاری از تصمیماتی که می‌گیرند، ماهیتی راهبردی دارند. آن‌ها می‌کوشند به درستی تصمیم بگیرند که چه موضوعاتی بودجه دریافت خواهند کرد و چه راهبردهایی به احتمال بیشتر به یک پیشرفت علمی منتهی می‌شوند. چگونه می‌توانند کاری کنند که در رقابت از حریفان خود پیش بیفتند و در عین حال تحسین همتایانشان را نیز به دست آورند؟

نظریه‌ی بازی به ما کمک می‌کند تا دریابیم انگیزه‌هایی که دانشمندان در تلاش برای کسب اعتبار، دریافت کمک‌هزینه و به دست آوردن تحسین با آن‌ها روبرو هستند، چگونه ممکن است بر تصمیم‌هایشان تاثیر بگذارد. در واقع، گاهی حتی تلاش دانشمندان برای کسب تحسین می‌تواند وضعیت علم را بدتر کند؛ زیرا ممکن است دانشمندی اگر فکر کند از عهده‌ی کار برآید، دست به تقلب بزند، یا ممکن است دانشمندی برای شکست دادن رقبا، نتیجه‌ی پژوهش‌ خود را با عجله منتشر کند، حتی اگر کاملا مطمئن نباشد که نتایجش درست هستند. بنابراین، ما که از نظریه‌ی بازی برای بررسی و درک علم بهره می‌گیریم، آن را به کار می‌بریم تا بفهمیم این انگیزه‌هایی که دانشمندان با آن‌ها مواجه‌اند، چگونه ممکن است در نهایت بر توانایی آن‌ها در تولید حقایق و اطلاعات مفیدی که جامعه‌ی ما می‌تواند از آن‌ها بهره‌مند شود، تاثیر بگذارد؛ یا این‌که چگونه ممکن است این مشوق‌ها آن‌ها را به انجام کارهایی ترغیب کنند که برای پیشرفت علم زیان‌بار است –خواه از طریق انتشار داده‌های نادرست یا تقلبی، و خواه با پنهان کردن اطلاعاتی که می‌تواند ارزشمند باشد.

این موضوع امروزه یکی از مشکلات بزرگی است که بسیاری از افراد در نحوه‌ی کار انگیزه‌های علمی شناسایی کرده‌اند. دانشمندان برای انتشار یافته‌های خود اعتبار کسب می‌کنند و از این رو تشویق می‌شوند یافته‌های جدید و هیجان‌انگیزی را منتشر کنند که پدیده‌ای تازه و بی‌سابقه را نشان می‌دهد. اما وقتی دانشمندی چیزی نمی‌یابد، کار او نیز آموزنده است؛ زیرا این واقعیت که من نتوانستم نتیجه‌ی دانشمند دیگری را بازتولید کنم، نشان می‌دهد که شاید خطایی در میان بوده است. با این حال، در ساختار فعلی نظام علمی، پژوهشگر برای انتشار آنچه «نتیجه‌ی پوچ» نامیده می‌شود -یعنی یافته‌ای که در آن فردی چیزی را که دیگری ادعای کشفش را داشت، نیافته است- اعتباری دریافت نمی‌کند. در نتیجه، وقتی به نتایج علمی منتشرشده در مجلات نگاه می‌کنیم، مشخص می‌شود که این نتایج به سمت یافته‌های مثبت متمایل شده و از نتایج پوچ فاصله گرفته‌اند. بسیاری از افراد پیشنهاد کرده‌اند که باید روش تشویق دانشمندان را تغییر دهیم و برای انتشار نتایج پوچ و نیز تلاش برای تکرار نتایج دیگران، پاداش بیشتری در نظر بگیریم. این مسئله به‌ویژه در حوزه‌هایی مانند روان‌شناسی و پزشکی اهمیت دارد؛ حوزه‌هایی که یافته‌های فراوانی در آن‌ها وجود دارد و چیزهای زیادی برای بررسی هست. متخصصان واقعا بر این باورند که باید تصمیم بگیریم انگیزه‌ها را اندکی تغییر دهیم و تلاش‌های تکراری را تشویق کنیم، تا مطمئن شویم نتیجه‌ای هیجان‌انگیز اما احتمالا نادرست، در متون علمی بدون چالش باقی نمی‌ماند.

تا همین اواخر نیز، دانشمندان به‌طور سنتی بیشتر در پی تحسین همتایان خود بودند. در علم، زمانی موفق به‌شمار می‌آمدید که دانشمند دیگری در رشته‌ی شما -یا شاید چند دانشمند از رشته‌های دیگر- شما را تحسین می‌کرد. اما اکنون که حوزه‌ی روزنامه‌نگاری علمی در حال گسترش است و عموم مردم به علم علاقه‌مند شده‌اند، دانشمندان نیز برای انجام کارهایی که مورد توجه عامه‌ی مردم است، پاداش دریافت می‌کنند. این رویکرد یک جنبه‌ی خوب و یک جنبه‌ی بد دارد. جنبه‌ی خوب آن این است که دانشمندان به سمت پژوهش‌هایی سوق داده می‌شوند که تأثیر عمومی دارند و مردم آن‌ها را مفید و جالب می‌دانند. این امر کمک می‌کند دانشمندان صرفا به دنبال پرسش‌هایی بسیار خاص و تخصصی نروند که شاید هیچ ربطی به زندگی روزمره‌ی مردم نداشته باشد. جنبه‌ی بد ماجرا این است که اکنون دانشمندان تشویق می‌شوند کارهایی انجام دهند که سروصدای زیادی به پا ‌کند، مقاله‌ای در نیویورک تایمز برایشان به ارمغان آورد، یا نامشان را در اینترنت همه‌گیر کند -اما این‌ها لزوما کارهایی نیستند که از نظر علمی خوب باشند. بنابراین، یکی از نگرانی‌های مهم این است که این انگیزه‌ی جدید، یعنی محبوبیت نزد عامه‌ی مردم، می‌تواند دانشمندان را به سمت پژوهش‌هایی سوق دهد که احتمالا هیجان‌انگیزند، اما لزوما درست نیستند. از آنجا که مردم متوجه نمی‌شوند ده سال بعد که ما نتیجه می‌گیریم آن پژوهش اشتباه بوده است، تنها همان پژوهشی را به یاد می‌آورند که ده سال پیش در نیویورک تایمز خوانده بودند. بنابراین، خطر در این است که وقتی دانشمندان برای ایجاد یک خبرسازی بزرگ پاداش می‌گیرند، اطلاعات نادرست بسیاری منتشر ‌شود.

یکی از چیزهایی که از طریق به‌کارگیری نظریه‌ی بازی‌ها در مطالعه‌ی علم کشف کرده‌ایم، این است که علم واقعا بسیار پیچیده است. ممکن است در ابتدا چنین به نظر برسد که تلاش دانشمندان برای کسب اعتبار از همتایانشان، نتیجه‌ی معکوس دارد؛ شما فکر می‌کنید: «خب، دانشمندان باید فقط به حقیقت اهمیت دهند و نه چیز دیگر.» اما در واقع آنچه اتفاق می‌افتد این است که گاهی تمایل به کسب اعتبار می‌تواند کارهایی انجام دهد که واقعا برای علم مفید است. دانشمندان تشویق می‌شوند نتایج خود را به‌سرعت منتشر کنند، نه این‌که آن‌ها را تا زمان اطمینان کامل از صحت‌شان پنهان نگه دارند. این رویکرد در واقع می‌تواند سودمند باشد، زیرا در این صورت دانشمندان دیگر می‌توانند بر پایه‌ی آن داده‌ها کار کنند و از آن‌ها در اکتشافات خود بهره بگیرند. همه‌ی این‌ها جنبه‌ی خوب ماجراست. اما جنبه‌ی بدی نیز وجود دارد و آن این است که تلاش برای کسب اعتبار می‌تواند گاهی دانشمندان را تشویق کند به سمت پروژه‌ای خاص منحرف شوند و نیروی کار خود را به عنوان جامعه‌ای از دانشمندان، میان مجموعه‌ای از پروژه‌های مختلف توزیع نکنند. یکی از چیزهایی که در علم واقعا مهم است، این است که دانشمندان روی پروژه‌های مختلف کار ‌کنند، زیرا نمی‌دانیم کدام پروژه در نهایت به نتیجه می‌رسد. برای مثال، راه‌های مختلفی برای تشخیص امواج گرانشی وجود دارد، یا روش‌های گوناگونی برای کشف یک ذره‌ی زیر اتمی. آنچه ما می‌خواهیم این است که دانشمندان خود را به خوبی توزیع کنند تا در نهایت گروه‌هایی داشته باشیم که روی پروژه‌های متفاوت کار می‌کنند. گاهی اوقات میل به کسب اعتبار می‌تواند آن‌ها را تشویق کند بیش از حد همگن شوند؛ یعنی همه به پروژه‌ای بپیوندند که به نظر بهترین گزینه می‌رسد و خود را به شیوه‌ای مفید میان پروژه‌های مختلف پخش نکنند.

هنوز هیچ‌کس ایده‌ی خوبی برای چگونگی متعادل کردن این موارد ندارد، زیرا در این موضوع هم جنبه‌ی خوب وجود دارد و هم جنبه‌ی بد. ما نمی‌خواهیم دانشمندان کاملا از دنیا جدا شوند، اما از سوی دیگر، خطر در اینجاست که اگر بیش از حد بر پاداش عمومی و تحسین مردم تاکید کنیم، باید نگران باشیم؛ زیرا در آن صورت دانشمندانی خواهیم داشت که در تلاش برای جلب تحسین عامه، پیوسته داده‌هایی نادرست اما هیجان‌انگیز تولید می‌کنند.

منبع:

https://bigthink.com/neuropsych/is-science-synonymous-with-truth-game-theory-says-not-always/

 

[1] Carnegie Mellon University

[2] University of Pittsburgh

مطالب مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا