Every day we face issues like climate change or the safety of vaccines where we have to answer questions whose answers rely heavily on scientific information. Scientists tell us that the world is warming. Scientists tell us that vaccines are safe. But how do we know if they are right? Why should be believe the science? The fact is, many of us actually don't believe the science. Public opinion polls consistently show that significant proportions of the American people don't believe the climate is warming due to human activities, don't think that there is evolution by natural selection, and aren't persuaded by the safety of vaccines.
Ogni giorno ci confrontiamo con problemi come il mutamento climatico o la sicurezza dei vaccini e dobbiamo rispondere a domande le cui risposte si basano fortemente su informazioni scientifiche. Gli scienziati ci dicono che il mondo si sta riscaldando. Gli scienziati ci dicono che i vaccini sono sicuri. Ma come facciamo a sapere se hanno ragione? Perché dovremmo credere alla scienza? Il punto è che molti di noi in realtà non credono alla scienza. I sondaggi sull'opinione pubblica mostrano continuamente che una porzione significativa di Americani non crede che il clima si stia riscaldando a causa dell'uomo, non crede che ci sia un'evoluzione sulla base della selezione naturale e non è convinta della sicurezza dei vaccini.
So why should we believe the science? Well, scientists don't like talking about science as a matter of belief. In fact, they would contrast science with faith, and they would say belief is the domain of faith. And faith is a separate thing apart and distinct from science. Indeed they would say religion is based on faith or maybe the calculus of Pascal's wager. Blaise Pascal was a 17th-century mathematician who tried to bring scientific reasoning to the question of whether or not he should believe in God, and his wager went like this: Well, if God doesn't exist but I decide to believe in him nothing much is really lost. Maybe a few hours on Sunday. (Laughter) But if he does exist and I don't believe in him, then I'm in deep trouble. And so Pascal said, we'd better believe in God. Or as one of my college professors said, "He clutched for the handrail of faith." He made that leap of faith leaving science and rationalism behind.
Quindi, perché dovremmo credere alla scienza? Gli scienziati non ne fanno una questione di crederci. Loro infatti contrappongono la scienza alla fede e direbbero che il credere rientra nel campo della fede. E la fede è una cosa distinta e separata dalla scienza. Direbbero invero che la religione è basata sulla fede o forse sul calcolo della scommessa di Pascal. Blaise Pascal era un matematico del diciassettesimo secolo che cercò di applicare il ragionamento scientifico al dilemma sul credere o non credere in Dio. La sua scommessa era la seguente: Se Dio non esiste ma io decido di credere che esista in realtà non perderei molto. Forse qualche ora la domenica. (Risate) Ma se invece lui esiste ed io non ci credo allora mi troverei in un bel guaio. E quindi Pascal diceva che faremmo meglio a credere in Dio. O, come diceva uno dei miei professori all'università, "Si aggrappò alla ringhiera della fede". Fece un atto di fede lasciandosi indietro la scienza ed il razionalismo.
Now the fact is though, for most of us, most scientific claims are a leap of faith. We can't really judge scientific claims for ourselves in most cases. And indeed this is actually true for most scientists as well outside of their own specialties. So if you think about it, a geologist can't tell you whether a vaccine is safe. Most chemists are not experts in evolutionary theory. A physicist cannot tell you, despite the claims of some of them, whether or not tobacco causes cancer. So, if even scientists themselves have to make a leap of faith outside their own fields, then why do they accept the claims of other scientists? Why do they believe each other's claims? And should we believe those claims?
E il punto è proprio che per molti di noi la maggior parte degli assunti scientifici è un atto di fede. Non possiamo quasi mai giudicare gli assunti scientifici da soli. Ed in effetti questo è vero anche per gli scienziati fuori dall'ambito delle loro specializzazioni. Se ci pensate, un geologo non può dirvi se un vaccino sia sicuro oppure no. La maggior parte dei chimici non è esperto di teoria evolutiva. Un fisico non può dirvi, nonostante le pretese di qualcuno di loro, se il tabacco provochi il cancro o meno. Quindi anche gli stessi scienziati devono fare un atto di fede fuori dai loro ambiti. E quindi perché accettano le affermazioni degli altri scienziati? Perché credono gli uni agli assunti degli altri? E dovremmo crederci anche noi?
So what I'd like to argue is yes, we should, but not for the reason that most of us think. Most of us were taught in school that the reason we should believe in science is because of the scientific method. We were taught that scientists follow a method and that this method guarantees the truth of their claims. The method that most of us were taught in school, we can call it the textbook method, is the hypothetical deductive method. According to the standard model, the textbook model, scientists develop hypotheses, they deduce the consequences of those hypotheses, and then they go out into the world and they say, "Okay, well are those consequences true?" Can we observe them taking place in the natural world? And if they are true, then the scientists say, "Great, we know the hypothesis is correct."
Quello che voglio dimostrare è che sì, dovremmo. Ma non per le ragioni a cui molti di noi pensano. A scuola ci hanno insegnato che il motivo per cui dovremmo credere nella scienza è il metodo scientifico. Ci hanno insegnato che gli scienziati seguono un metodo e che questo metodo garantisce la verità di ciò che dicono. Il metodo che ci hanno insegnato a scuola, noi lo chiamiamo il metodo da manuale, è il metodo ipotetico-deduttivo. Secondo il modello standard, il modello dei libri, gli scienziati sviluppano ipotesi, deducono le conseguenze di quelle ipotesi e poi si rivolgono al mondo e dicono: "Ok, sono vere queste conseguenze? Possiamo osservarle realizzarsi davvero nel mondo naturale?" E se le conseguenze sono vere allora gli scienziati dicono, "Fantastico, sappiamo che l'ipotesi è corretta".
So there are many famous examples in the history of science of scientists doing exactly this. One of the most famous examples comes from the work of Albert Einstein. When Einstein developed the theory of general relativity, one of the consequences of his theory was that space-time wasn't just an empty void but that it actually had a fabric. And that that fabric was bent in the presence of massive objects like the sun. So if this theory were true then it meant that light as it passed the sun should actually be bent around it. That was a pretty startling prediction and it took a few years before scientists were able to test it but they did test it in 1919, and lo and behold it turned out to be true. Starlight actually does bend as it travels around the sun. This was a huge confirmation of the theory. It was considered proof of the truth of this radical new idea, and it was written up in many newspapers around the globe.
Ci sono molti esempi famosi nella storia di scienziati che hanno fatto esattamente così. Uno degli esempi più famosi viene dal lavoro di Albert Einstein. Quando Einstein sviluppò la teoria della relatività generale una delle conseguenze della sua teoria era che lo spazio-tempo non era solo un vuoto ma aveva una struttura e quella struttura si piegava in presenza di oggetti enormi come il sole. Quindi se quella teoria fosse stata vera avrebbe significato che la luce, superando il sole, avrebbe dovuto ripiegarsi intorno ad esso. Era un'ipotesi sconvolgente e ci vollero degli anni prima che gli scienziati fossero in grado di testarla. Ma lo fecero nel 1919 ed ecco che diventò vera. La luce stellare si piega davvero quando viaggia intorno al sole. E questa è stata un'enorme conferma della teoria. È stata considerata la prova della veridicità di questa nuova idea radicale ed è stata riportata in molti giornali di tutto il mondo.
Now, sometimes this theory or this model is referred to as the deductive-nomological model, mainly because academics like to make things complicated. But also because in the ideal case, it's about laws. So nomological means having to do with laws. And in the ideal case, the hypothesis isn't just an idea: ideally, it is a law of nature. Why does it matter that it is a law of nature? Because if it is a law, it can't be broken. If it's a law then it will always be true in all times and all places no matter what the circumstances are. And all of you know of at least one example of a famous law: Einstein's famous equation, E=MC2, which tells us what the relationship is between energy and mass. And that relationship is true no matter what.
A volte ci si riferisce a questa teoria o a questo modello col nome di "modello nomologico-deduttivo", principalmente perché agli accademici piace fare le cose complicate. Ma anche perché, nel caso ideale, è un modello che riguarda le leggi. Quindi "nomologico" è qualcosa che ha a che fare con le leggi. E nel caso ideale l'ipotesi non è solamente un'idea: idealmente, è una legge della natura. Cosa significa che è una legge della natura? Significa che se è una legge, non può essere infranta. Se è una legge allora sarà sempre vera, in qualunque tempo e luogo, a prescindere dalle circostanze. E tutti voi conoscerete almeno un esempio di legge famosa: la famosa equazione di Einstein, E=MC2, che ci dice quale relazione esiste tra energia e massa e che quella relazione è vera a prescindere da tutto.
Now, it turns out, though, that there are several problems with this model. The main problem is that it's wrong. It's just not true. (Laughter) And I'm going to talk about three reasons why it's wrong. So the first reason is a logical reason. It's the problem of the fallacy of affirming the consequent. So that's another fancy, academic way of saying that false theories can make true predictions. So just because the prediction comes true doesn't actually logically prove that the theory is correct. And I have a good example of that too, again from the history of science. This is a picture of the Ptolemaic universe with the Earth at the center of the universe and the sun and the planets going around it. The Ptolemaic model was believed by many very smart people for many centuries. Well, why? Well the answer is because it made lots of predictions that came true. The Ptolemaic system enabled astronomers to make accurate predictions of the motions of the planet, in fact more accurate predictions at first than the Copernican theory which we now would say is true. So that's one problem with the textbook model. A second problem is a practical problem, and it's the problem of auxiliary hypotheses. Auxiliary hypotheses are assumptions that scientists are making that they may or may not even be aware that they're making. So an important example of this comes from the Copernican model, which ultimately replaced the Ptolemaic system. So when Nicolaus Copernicus said, actually the Earth is not the center of the universe, the sun is the center of the solar system, the Earth moves around the sun. Scientists said, well okay, Nicolaus, if that's true we ought to be able to detect the motion of the Earth around the sun. And so this slide here illustrates a concept known as stellar parallax. And astronomers said, if the Earth is moving and we look at a prominent star, let's say, Sirius -- well I know I'm in Manhattan so you guys can't see the stars, but imagine you're out in the country, imagine you chose that rural life — and we look at a star in December, we see that star against the backdrop of distant stars. If we now make the same observation six months later when the Earth has moved to this position in June, we look at that same star and we see it against a different backdrop. That difference, that angular difference, is the stellar parallax. So this is a prediction that the Copernican model makes. Astronomers looked for the stellar parallax and they found nothing, nothing at all. And many people argued that this proved that the Copernican model was false.
Tuttavia si scopre che ci sono diversi problemi con questo modello. Il problema principale è che è sbagliato. Semplicemente non è vero. (Risate) Vi dirò i tre motivi per cui questo modello è sbagliato. Il primo è un motivo logico. È il problema della fallacia dell'affermazione del conseguente. Che è un altro modo estroso degli accademici per dire che teorie false possono produrre previsioni vere. Quindi solo perché una previsione si avvera, secondo la logica ciò non implica che la teoria sia corretta. Ho un buon esempio anche di questo, tratto sempre dalla storia della scienza. Questa è un'immagine dell'universo tolemaico, con la Terra al centro dell'universo e il sole e i pianeti che le girano intorno. Il modello Tolemaico è stato preso per buono per molti secoli da persone molto intelligenti. Perché? La risposta è: perché faceva un sacco di previsioni che si sono avverate. Il sistema tolemaico ha consentito agli astronomi di fare previsioni accurate sul movimento dei pianeti. Previsioni addirittura più accurate di quelle venute con la teoria copernicana, che noi adesso riteniamo vera. Questo è il primo problema con il modello da manuale. Un secondo problema è di natura pratica, ed è il problema delle ipotesi ausiliarie. Le ipotesi ausiliarie sono delle ipotesi che gli scienziati fanno consapevoli o meno del fatto che le stiano facendo. Un esempio importante viene dal modello copernicano, che ha sostituito il modello tolemaico. Quando Niccolò Copernico disse che in realtà non era la Terra il centro dell'universo, ma che il sole stava al centro del sistema solare e che la Terra si muoveva intorno al sole, gli scienziati dissero: "Ok, Niccolò, se questo è vero dovremmo essere in grado di notare il movimento della Terra intorno al Sole". Questa slide illustra un concetto conosciuto come "parallasse stellare". Gli astronomi dissero: se la Terra si muove e guardiamo una stella fondamentale, diciamo per esempio Sirio -- lo so, sono a Manhattan e voi ragazzi non potete vedere le stelle, ma immaginate di essere in campagna, immaginate di aver scelto la vita rurale -- se guardiamo una stella a dicembre, vediamo quella stella sullo sfondo delle stelle lontane. Se ripetiamo la stessa osservazione sei mesi dopo, a Giugno, quando la Terra ha cambiato la sua posizione, guardando la stessa stella la vedremo con uno sfondo diverso. Quella differenza angolare, è la parallasse stellare. Quindi questa era la previsione che fa il modello Copernicano. Gli astronomi cercarono la parallasse stellare e non trovarono niente, niente di niente. Molti sostennero che questa fosse la prova della falsità del modello Copernicano.
So what happened? Well, in hindsight we can say that astronomers were making two auxiliary hypotheses, both of which we would now say were incorrect. The first was an assumption about the size of the Earth's orbit. Astronomers were assuming that the Earth's orbit was large relative to the distance to the stars. Today we would draw the picture more like this, this comes from NASA, and you see the Earth's orbit is actually quite small. In fact, it's actually much smaller even than shown here. The stellar parallax therefore, is very small and actually very hard to detect.
Cos'era successo? Col senno di poi, possiamo dire che gli astronomi stavano facendo due ipotesi ausiliarie, ognuna delle quali possiamo ritenere oggi non corretta. La prima era un assunto sulla grandezza dell'orbita terrestre. Gli astronomi stavano assumendo che l'orbita terrestre fosse ampia in relazione alla distanza dalle stelle. Oggi rappresenteremmo l'immagine così, questa è un'immagine della NASA e vedete come l'orbita terrestre sia in realtà piuttosto piccola. E in realtà è ancora più piccola di quanto mostrato qui. La parallasse stellare quindi è molto piccola e molto difficile da individuare.
And that leads to the second reason why the prediction didn't work, because scientists were also assuming that the telescopes they had were sensitive enough to detect the parallax. And that turned out not to be true. It wasn't until the 19th century that scientists were able to detect the stellar parallax.
E questo ci porta al secondo motivo per cui la previsione non funzionò. Gli scienziati assumevano anche che i telescopi di cui erano in possesso fossero abbastanza sensibili da individuare la parallasse. E questo si rivelò non essere vero. Solo nel diciannovesimo secolo gli scienziati sono stati in grado di individuare la parallasse stellare.
So, there's a third problem as well. The third problem is simply a factual problem, that a lot of science doesn't fit the textbook model. A lot of science isn't deductive at all, it's actually inductive. And by that we mean that scientists don't necessarily start with theories and hypotheses, often they just start with observations of stuff going on in the world. And the most famous example of that is one of the most famous scientists who ever lived, Charles Darwin. When Darwin went out as a young man on the voyage of the Beagle, he didn't have a hypothesis, he didn't have a theory. He just knew that he wanted to have a career as a scientist and he started to collect data. Mainly he knew that he hated medicine because the sight of blood made him sick so he had to have an alternative career path. So he started collecting data. And he collected many things, including his famous finches. When he collected these finches, he threw them in a bag and he had no idea what they meant. Many years later back in London, Darwin looked at his data again and began to develop an explanation, and that explanation was the theory of natural selection.
C'è anche un terzo problema. Il terzo problema è semplicemente un problema effettivo: la scienza non sempre si adatta al modello da manuale. Molta scienza non è affatto deduttiva. È induttiva. E con questo intendo che gli scienziati non devono necessariamente iniziare da teorie ed ipotesi. Spesso iniziano dall'osservazione di quello che succede nel mondo. Il più celebre esempio è quello del più famoso scienziato mai vissuto, Charles Darwin. Quando Darwin da ragazzo partì con l'HMS Beagle, non aveva un'ipotesi né una teoria. Sapeva soltanto che voleva fare carriera come scienziato e cominciò a raccogliere dei dati. Sapeva di odiare la medicina, perché la vista del sangue lo faceva sentire male e aveva dovuto scegliere un altro percorso. Quindi cominciò a raccogliere dati. Raccolse anche molte altre cose, inclusi i suoi famosi fringuelli. Quando raccoglieva questi fringuelli li buttava in un sacco senza avere idea di cosa significassero. Molti anni dopo, una volta tornato a Londra, Darwin riguardò i suoi dati e cominciò a sviluppare una spiegazione. Quella spiegazione era la teoria della selezione naturale.
Besides inductive science, scientists also often participate in modeling. One of the things scientists want to do in life is to explain the causes of things. And how do we do that? Well, one way you can do it is to build a model that tests an idea.
Oltre alla scienza induttiva, gli scienziati spesso partecipano anche alla costruzione di modelli. Una delle cose che gli scienziati vogliono fare nella vita è spiegare le cause delle cose. E come facciamo a farlo? Un modo è quello di costruire un modello che sperimenti un'idea.
So this is a picture of Henry Cadell, who was a Scottish geologist in the 19th century. You can tell he's Scottish because he's wearing a deerstalker cap and Wellington boots. (Laughter) And Cadell wanted to answer the question, how are mountains formed? And one of the things he had observed is that if you look at mountains like the Appalachians, you often find that the rocks in them are folded, and they're folded in a particular way, which suggested to him that they were actually being compressed from the side. And this idea would later play a major role in discussions of continental drift. So he built this model, this crazy contraption with levers and wood, and here's his wheelbarrow, buckets, a big sledgehammer. I don't know why he's got the Wellington boots. Maybe it's going to rain. And he created this physical model in order to demonstrate that you could, in fact, create patterns in rocks, or at least, in this case, in mud, that looked a lot like mountains if you compressed them from the side. So it was an argument about the cause of mountains.
Questa è una foto di Henry Cadell, un geologo scozzese del diciannovesimo secolo. Potete dire che è scozzese perché indossa un cappello da cacciatore di cervi e degli stivali Wellington. (Risate) Cadell voleva rispondere alla domanda su come si formano le montagne ed una delle cose che osservò fu che se si osservano montagne come gli Appalachi, vi si trovano spesso delle rocce che sono ripiegate e sono ripiegate in un modo particolare, che gli suggerì che le pietre fossero compresse ai lati. Quest'idea più tardi giocherà un ruolo importantissimo nella discussione sulla deriva dei continenti. Quindi costruì questo modello, questo aggeggio assurdo con leve, pezzi di legno, questa è la sua carriola secchi e un martello da fabbro. Non so perché indossasse degli stivali Wellington. Forse stava per piovere. Lui creò questo modello fisico per dimostrare che si possono creare in effetti delle forme con delle rocce o, almeno in questo caso, con del fango, che somigliavano molto a delle montagne se si comprimono ai lati. Questa fu una discussione sull'origine delle montagne.
Nowadays, most scientists prefer to work inside, so they don't build physical models so much as to make computer simulations. But a computer simulation is a kind of a model. It's a model that's made with mathematics, and like the physical models of the 19th century, it's very important for thinking about causes. So one of the big questions to do with climate change, we have tremendous amounts of evidence that the Earth is warming up. This slide here, the black line shows the measurements that scientists have taken for the last 150 years showing that the Earth's temperature has steadily increased, and you can see in particular that in the last 50 years there's been this dramatic increase of nearly one degree centigrade, or almost two degrees Fahrenheit.
Al giorno d'oggi gli scienziati preferiscono lavorare al chiuso, quindi non costruiscono molti modelli fisici, fanno delle simulazioni al computer. Ma una simulazione al computer è una sorta di modello. È un modello fatto con la matematica e, come i modelli fisici del diciannovesimo secolo, è molto importante per riflettere sulle cause delle cose. Una delle grandi questioni ha a che fare con il mutamento climatico. Abbiamo una quantità impressionante di prove che la Terra si stia surriscaldando. In questa slide, la linea nera mostra le misurazioni che gli scienziati hanno effettuato negli ultimi 150 anni. Dimostra che la temperatura della Terra è aumentata costantemente. Si può notare che negli ultimi 50 anni c'è stato un incremento drammatico di circa un grado centigrado o quasi due gradi Fahrenheit.
So what, though, is driving that change? How can we know what's causing the observed warming? Well, scientists can model it using a computer simulation. So this diagram illustrates a computer simulation that has looked at all the different factors that we know can influence the Earth's climate, so sulfate particles from air pollution, volcanic dust from volcanic eruptions, changes in solar radiation, and, of course, greenhouse gases. And they asked the question, what set of variables put into a model will reproduce what we actually see in real life? So here is the real life in black. Here's the model in this light gray, and the answer is a model that includes, it's the answer E on that SAT, all of the above. The only way you can reproduce the observed temperature measurements is with all of these things put together, including greenhouse gases, and in particular you can see that the increase in greenhouse gases tracks this very dramatic increase in temperature over the last 50 years. And so this is why climate scientists say it's not just that we know that climate change is happening, we know that greenhouse gases are a major part of the reason why.
Cos'è che determina questo cambiamento? Come facciamo a sapere cosa sta causando il surriscaldamento che è stato rilevato? Beh, gli scienziati possono crearne un modello, usando una simulazione virtuale. Questo diagramma illustra una simulazione virtuale che ha osservato tutti i diversi fattori che sappiamo possono influenzare il clima sulla Terra. Particelle di solfato dall'inquinamento dell'aria, polvere vulcanica dalle eruzioni, cambiamenti nella radiazione solare e, ovviamente, i gas serra. Si sono posti la domanda: quale insieme di variabili messe in un modello riprodurrà quello che osserviamo nella vita vera? Ecco, in nero, la vita vera. E in grigio chiaro la simulazione. La risposta è: un modello che include -- sarebbe la risposta E di un test -- tutte le opzioni precedenti. L'unico modo in cui si possano riprodurre le misurazioni della temperatura è con tutti questi elementi messi insieme, inclusi i gas serra. In particolare, potete vedere che l'incremento dei gas serra segna questo aumento marcato della temperatura in questi ultimi 50 anni. Questo è il motivo per cui i climatologi dicono che non solo sappiamo che il mutamento climatico sta avvenendo ma sappiamo anche che i gas serra sono una parte fondamentale del motivo.
So now because there all these different things that scientists do, the philosopher Paul Feyerabend famously said, "The only principle in science that doesn't inhibit progress is: anything goes." Now this quotation has often been taken out of context, because Feyerabend was not actually saying that in science anything goes. What he was saying was, actually the full quotation is, "If you press me to say what is the method of science, I would have to say: anything goes." What he was trying to say is that scientists do a lot of different things. Scientists are creative.
Proprio perché ci sono tutte queste cose che fanno gli scienziati, il filosofo Paul Feyerabend ha detto la famosa frase: "L'unico principio nella scienza che non inibisce il progresso è: qualsiasi cosa può andar bene". Questa citazione è stata spesso ripresa fuori contesto, perché in realtà Feyerabend non stava dicendo che nella scienza tutto può andare bene. Quello che stava dicendo era -- in realtà la citazione per intero è "Se mi costringete a dire quale sia il metodo della scienza, io dovrei dire: qualsiasi cosa può andar bene." Quello che stava cercando di dire è che gli scienziati fanno un sacco di cose. Gli scienziati sono creativi.
But then this pushes the question back: If scientists don't use a single method, then how do they decide what's right and what's wrong? And who judges? And the answer is, scientists judge, and they judge by judging evidence. Scientists collect evidence in many different ways, but however they collect it, they have to subject it to scrutiny. And this led the sociologist Robert Merton to focus on this question of how scientists scrutinize data and evidence, and he said they do it in a way he called "organized skepticism." And by that he meant it's organized because they do it collectively, they do it as a group, and skepticism, because they do it from a position of distrust. That is to say, the burden of proof is on the person with a novel claim. And in this sense, science is intrinsically conservative. It's quite hard to persuade the scientific community to say, "Yes, we know something, this is true." So despite the popularity of the concept of paradigm shifts, what we find is that actually, really major changes in scientific thinking are relatively rare in the history of science.
Ma questo rimanda alla domanda: se gli scienziati non usano un solo metodo, come fanno a decidere cosa è giusto e cosa è sbagliato? E chi giudica? La risposta è: gli scienziati giudicano e giudicano giudicando le prove. Gli scienziati raccolgono prove in molti modi diversi, ma in qualunque modo lo facciano, devono sottoporle ad un esame minuzioso. Questo ci collega al sociologo Robert Merton, per focalizzarci su questa questione di come gli scienziati esaminino i dati in loro possesso e le prove. Disse che lo fanno in una maniera che ha chiamato "scetticismo organizzato". Intendeva dire che è "organizzato" perché gli scienziati operano collettivamente, come gruppo, e "scetticismo" perché agiscono da una posizione di diffidenza. Vale a dire, l'onere della prova è a carico di chi effettua la scoperta. In questo senso la scienza è intrinsecamente conservativa. È piuttosto difficile convincere la comunità scientifica a dire "Sì, conosciamo questa cosa ed è vera". Quindi, nonostante la popolarità del concetto del cambiamento del paradigma, quello che riteniamo è che in realtà i cambiamenti veramente grandi nel pensiero scientifico sono relativamente rari nella storia della scienza.
So finally that brings us to one more idea: If scientists judge evidence collectively, this has led historians to focus on the question of consensus, and to say that at the end of the day, what science is, what scientific knowledge is, is the consensus of the scientific experts who through this process of organized scrutiny, collective scrutiny, have judged the evidence and come to a conclusion about it, either yea or nay.
E questo ci porta ancora ad un'altra idea: se gli scienziati giudicano le prove collettivamente, questo ha portato gli storici a concentrarsi sulla questione del consenso. Alla fine dei giochi, ciò che è la scienza, ciò che è la conoscenza scientifica, non è altro che il consenso degli esperti scientifici che, attraverso questo processo di minuziosa analisi organizzata, un'analisi collettiva, hanno giudicato le prove e sono arrivati ad una conclusione, positiva o negativa.
So we can think of scientific knowledge as a consensus of experts. We can also think of science as being a kind of a jury, except it's a very special kind of jury. It's not a jury of your peers, it's a jury of geeks. It's a jury of men and women with Ph.D.s, and unlike a conventional jury, which has only two choices, guilty or not guilty, the scientific jury actually has a number of choices. Scientists can say yes, something's true. Scientists can say no, it's false. Or, they can say, well it might be true but we need to work more and collect more evidence. Or, they can say it might be true, but we don't know how to answer the question and we're going to put it aside and maybe we'll come back to it later. That's what scientists call "intractable."
Quindi possiamo pensare alla conoscenza scientifica come ad un'opinione generale che gli esperti hanno. Possiamo pensare alla scienza anche come ad una specie di giuria, una giuria molto speciale. Non è una giuria di persone come voi. È una giuria di geek. Una giuria di uomini e donne con titoli di dottorato. E, a differenza di una giuria normale, che ha solamente due scelte: colpevole o non colpevole, la giuria scientifica ha un gran numero di scelte. Gli scienziati possono dire: sì, questa cosa è vera. Possono dire: no, è falsa. O possono anche dire: beh, questa cosa potrebbe essere vera ma abbiamo bisogno di lavorarci di più e raccogliere più prove. O ancora: potrebbe essere vera ma non sappiamo come rispondere alla domanda e per adesso la mettiamo da parte, magari ci ritorneremo più avanti. Questo è quello che gli scienziati definiscono "non trattabile".
But this leads us to one final problem: If science is what scientists say it is, then isn't that just an appeal to authority? And weren't we all taught in school that the appeal to authority is a logical fallacy? Well, here's the paradox of modern science, the paradox of the conclusion I think historians and philosophers and sociologists have come to, that actually science is the appeal to authority, but it's not the authority of the individual, no matter how smart that individual is, like Plato or Socrates or Einstein. It's the authority of the collective community. You can think of it is a kind of wisdom of the crowd, but a very special kind of crowd. Science does appeal to authority, but it's not based on any individual, no matter how smart that individual may be. It's based on the collective wisdom, the collective knowledge, the collective work, of all of the scientists who have worked on a particular problem. Scientists have a kind of culture of collective distrust, this "show me" culture, illustrated by this nice woman here showing her colleagues her evidence. Of course, these people don't really look like scientists, because they're much too happy. (Laughter)
E ci porta all'ultimo problema: Se la scienza è quello che dicono gli scienziati, allora non è altro che un ricorso all'autorità? E non ci hanno forse insegnato a scuola che il ricorso all'autorità è una fallacia logica? Ecco il paradosso della scienza moderna, il paradosso della conclusione a cui credo storici, filosofi e sociologi siano arrivati: la scienza è davvero un appello all'autorità, ma non è l'autorità di un singolo individuo, non importa quanto sia intelligente quell'individuo, che sia Platone, Socrate oppure Einstein. È l'autorità della comunità collettiva. Potete pensarci in termini di una saggezza della folla, ma è una folla molto particolare. La scienza fa appello all'autorità, ma non è basata su un individuo, non importa quanto intelligente possa essere quell'individuo. È basata sulla saggezza collettiva, sulla conoscenza collettiva, sul lavoro di tutti gli scienziati che hanno lavorato su una specifica questione. Gli scienziati hanno una sorta di cultura della diffidenza collettiva, la cultura del "dimostramelo", illustrata da questa simpatica signora che illustra ai suoi colleghi la sua dimostrazione. Certo, queste persone non sembrano dei veri scienziati perché sono troppo felici. (Risate)
Okay, so that brings me to my final point. Most of us get up in the morning. Most of us trust our cars. Well, see, now I'm thinking, I'm in Manhattan, this is a bad analogy, but most Americans who don't live in Manhattan get up in the morning and get in their cars and turn on that ignition, and their cars work, and they work incredibly well. The modern automobile hardly ever breaks down.
Ok, questo mi porta al punto conclusivo. La maggior parte di noi si alza al mattino. La maggior parte di noi si fida delle proprie automobili. Beh, adesso sto pensando che sono a Manhattan, non è un buon esempio. Ma la maggior parte degli Americani che non vive a Manhattan si alza al mattino e sale in macchina. Attiva l'accensione e la loro automobile funziona e funziona incredibilmente bene. L'automobile moderna difficilmente si rompe.
So why is that? Why do cars work so well? It's not because of the genius of Henry Ford or Karl Benz or even Elon Musk. It's because the modern automobile is the product of more than 100 years of work by hundreds and thousands and tens of thousands of people. The modern automobile is the product of the collected work and wisdom and experience of every man and woman who has ever worked on a car, and the reliability of the technology is the result of that accumulated effort. We benefit not just from the genius of Benz and Ford and Musk but from the collective intelligence and hard work of all of the people who have worked on the modern car. And the same is true of science, only science is even older. Our basis for trust in science is actually the same as our basis in trust in technology, and the same as our basis for trust in anything, namely, experience.
Perché? Perché le nostre macchine funzionano così bene? Non è per il genio di Henry Ford o di Karl Benz e neanche di Elon Musk. È perché l'automobile moderna è il prodotto di più di 100 anni di lavoro di centinaia, migliaia e decine di migliaia di persone. L'automobile moderna è il prodotto di un lavoro condiviso e della saggezza e dell'esperienza di ogni uomo e di ogni donna che abbia mai lavorato su una macchina. E l'affidabilità della tecnologia è il risultato di quello sforzo complessivo. Non beneficiamo solamente del genio di Benz, di Ford e di Musk, ma dell'intelligenza collettiva e del duro lavoro di tutte le persone che hanno lavorato sull'automobile moderna. E lo stesso vale per la scienza, solo che la scienza è ancora più vecchia. La nostra base per la fiducia nella scienza è la stessa base della fiducia nella tecnologia, e la stessa base della fiducia in qualunque cosa. E cioè l'esperienza.
But it shouldn't be blind trust any more than we would have blind trust in anything. Our trust in science, like science itself, should be based on evidence, and that means that scientists have to become better communicators. They have to explain to us not just what they know but how they know it, and it means that we have to become better listeners.
Ma non dev'essere una fede cieca. Non dovremmo avere una fiducia cieca in nessuna cosa. La nostra fede nella scienza, come la scienza stessa, dovrebbe essere basata sulle prove, il che significa che gli scienziati devono diventare dei comunicatori migliori. Non devono semplicemente spiegarci quello che conoscono, ma devono dirci come lo conoscono. E questo significa che noi dobbiamo diventare degli ascoltatori migliori.
Thank you very much.
Grazie mille.
(Applause)
(Applausi)