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.
Elke dag worden we geconfronteerd met problemen als klimaatverandering of de veiligheid van vaccins, waar we vragen moeten beantwoorden waarvan de antwoorden sterk afhankelijk zijn van wetenschappelijke informatie. Wetenschappers vertellen ons dat de wereld aan het opwarmen is. Ook dat vaccins veilig zijn. Maar hoe weten we of ze gelijk hebben? Waarom moeten we de wetenschap geloven? Feit is dat velen de wetenschap niet geloven. Uit opiniepeilingen blijkt nog steeds dat een groot percentage van het Amerikaanse volk niet gelooft dat het klimaat opwarmt door menselijke activiteiten, niet denkt dat er evolutie is door natuurlijke selectie, en niet overtuigd is van de veiligheid van vaccins.
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.
Waarom zouden we de wetenschap geloven? Wetenschappers zien wetenschap niet graag voorgesteld als een geloof. In feite stellen ze wetenschap tegenover geloof. Ze zeggen dat geloof thuishoort bij (religieus) geloof. En dat geloof is iets anders dan wetenschap. Zij vinden dat religie gebaseerd is op dat soort geloof of misschien op Pascals gok. Blaise Pascal was een 17e-eeuwse wiskundige die een wetenschappelijk antwoord probeerde te geven op de vraag of hij in God moest geloven. Hij gokte als volgt: “Als God niet bestaat, maar ik besluit om in Hem te geloven, is er echt niet veel verloren. Misschien een paar uur op zondag.” (Gelach) “Maar als Hij bestaat en ik niet in Hem geloof, dan kom ik zwaar in de problemen.” En dus zei Pascal dat we maar beter in God konden geloven. Of zoals een van mijn professoren zei: "Hij greep de houvast van het geloof." Hij maakte een geloofssprong en liet wetenschap en rationalisme voor wat ze waren.
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?
Feit is dat voor de meesten van ons de meeste wetenschappelijke claims een geloofssprong vragen. We kunnen wetenschappelijke claims meestal niet zelf beoordelen. Dit geldt eigenlijk ook voor de meeste wetenschappers als het buiten hun eigen specialisatie valt. Als je erover nadenkt, kan een geoloog je niet vertellen of een vaccin veilig is. De meeste chemici zijn geen experts in de evolutietheorie. Een natuurkundige kan, ondanks de beweringen van een aantal onder hen, je niet vertellen of tabak kanker veroorzaakt. Als zelfs wetenschappers buiten hun eigen gebied een geloofssprong moeten maken, waarom accepteren ze dan de beweringen van andere wetenschappers? Waarom geloven ze dan elkaars claims? Waarom zouden wij die claims moeten geloven?
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."
Ik wil ervoor pleiten dat we dat moeten, maar niet om de reden waar de meesten aan denken. We hebben op school geleerd dat we in de wetenschap moeten geloven omwille van de wetenschappelijke methode. We hebben geleerd dat wetenschappers een methode volgen en dat deze methode de waarheid van hun beweringen garandeert. De methode die de meesten van ons op school geleerd hebben, kunnen we de handboekmethode noemen. Het is de hypothetisch-deductieve methode. Volgens het standaardmodel, het handboekmodel, ontwikkelen wetenschappers hypothesen, leiden ze de gevolgen van deze hypothesen af, proberen ze ze uit in de praktijk en zeggen: "Komt mijn voorspelling uit? Kunnen we het zien gebeuren in de natuurlijke wereld?” Als ze waar zijn, zeggen de wetenschappers: "Geweldig, we weten dat de hypothese juist is."
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.
In de geschiedenis van de wetenschap vind je veel beroemde voorbeelden waarbij wetenschappers precies dit doen. Een van de bekendste voorbeelden komt uit het werk van Albert Einstein. Toen Einstein de algemene relativiteitstheorie ontwikkelde, was een van de gevolgen van zijn theorie dat de ruimte-tijd niet zomaar lege ruimte was maar dat ze gestructureerd was. En dat die structuur vervormd werd door massieve objecten zoals de zon. Als zijn theorie waar was, dan betekende dat het licht afgebogen zou worden als het langs de zon passeerde. Dat was een vrij verrassende voorspelling en het duurde een paar jaar voordat wetenschappers in staat waren om ze te testen. Dat gebeurde in 1919 en ze bleek nog waar te zijn ook. Sterrenlicht buigt af als het langs de zon passeert. Dat was een enorme bevestiging van de theorie. Het werd beschouwd als bewijs van de waarheid van dit radicaal nieuwe idee. Het werd in vele kranten over de hele wereld vermeld. Soms wordt deze theorie het deductief-nomologische model genoemd.
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.
Academici zeggen de dingen nu eenmaal graag een beetje moeilijk. Maar het gaat in het ideale geval ook over wetten gaat. Nomologisch wil zeggen dat het met wetten te maken heeft. In het ideale geval is de hypothese niet alleen zomaar een idee, in het ideale geval is het een natuurwet. Waarom is dat belangrijk? Als het een wet is, kan ze niet worden gebroken. Als het een wet is, moet ze altijd waar zijn, altijd en overal, maakt niet uit wat de omstandigheden zijn. Jullie kennen allen ten minste één voorbeeld van zo’n wet: Einsteins beroemde formule: E = m.c2, die ons vertelt wat de relatie is tussen energie en massa. Die relatie geldt altijd en overal. Nu blijkt echter dat er verschillende problemen zijn met dit model.
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.
Het grootste probleem is dat het verkeerd is. Het is gewoon niet waar. (Gelach) Ik haal drie redenen aan waarom het verkeerd is. De eerste reden is een logische reden. Het is het probleem van de drogreden ‘bevestiging door de consequentie’. Dat is weer zo’n leuke, academische manier om te zeggen dat valse theorieën juiste voorspellingen kunnen doen. Dat een voorspelling uitkomt, is nog geen logisch bewijs dat de theorie klopt. Een goed voorbeeld komt ook weer uit de geschiedenis van de wetenschap. Dit is een beeld van het Ptolemeïsche universum met de aarde in het midden ervan terwijl de zon en de planeten errond draaien. Het Ptolemeïsche model werd vele eeuwen lang door veel heel slimme mensen geloofd. Waarom? Omdat het veel voorspellingen maakte die uitkwamen. Het Ptolemeïsche systeem liet astronomen toe planetenbewegingen nauwkeurig te voorspellen. In feite gaf het eerst meer accurate voorspellingen dan de Copernicaanse theorie waarvan we nu zeggen dat ze waar is. Dat is één probleem van het leerboekmodel. Een tweede probleem is een praktisch probleem, het probleem van hulphypothesen. Hulphypothesen zijn aannames die wetenschappers maken terwijl ze er zich soms niet bewust van zijn dat ze ze maken. Een belangrijk voorbeeld hiervan komt van het Copernicaanse model, dat uiteindelijk het Ptolemeïsche systeem verving. Toen Nicolaus Copernicus zei dat de Aarde niet het centrum van het universum was, maar dat de zon het centrum was van het zonnestelsel en de Aarde om de zon bewoog, zeiden wetenschappers: “Oké, Nicolaus, als dat waar is moeten we in staat zijn om de beweging van de aarde rond de zon te detecteren.” Deze dia hier illustreert het concept 'stellaire parallax'. Astronomen zeiden dat als de Aarde beweegt en we naar een opvallende ster kijken, laten we zeggen, Sirius - ik weet wel dat jullie in Manhattan geen sterren kunnen zien, maar stel je voor dat je op de buiten bent - en we kijken naar een ster in december, dan zien we die ster tegen een achtergrond van verder afgelegen sterren. Als we nu zes maanden later dezelfde observatie maken, als de aarde in juni naar deze positie is verplaatst, dan zien we dezelfde ster tegen een andere achtergrond. Dat hoekverschil noemen we de stellaire parallax. Dit is een voorspelling van het Copernicaanse model. Astronomen zochten naar die stellaire parallax en ze vonden niets, helemaal niets. En veel mensen betoogden dat dit bewees dat het Copernicaanse model vals was.
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.
Wat was het geval? Achteraf gezien kunnen we zeggen dat de astronomen twee hulphypothesen maakten, beide incorrect zoals we nu weten. De eerste was een aanname over de grootte van de aardbaan. Astronomen veronderstelden dat de baan van de aarde groot was ten opzichte van de afstand tot de sterren. Vandaag zou het beeld er meer zo uitzien, - dit komt van NASA - en je ziet de baan van de Aarde eigenlijk heel klein is. In feite zelfs nog veel kleiner dan hier getoond. De stellaire parallax is dus zeer klein en eigenlijk heel moeilijk te detecteren.
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.
Dat leidt tot de tweede reden waarom de voorspelling niet werkte, omdat wetenschappers ook veronderstelden dat hun telescopen gevoelig genoeg waren om de parallax te detecteren. Ook dat bleek niet waar te zijn. Pas in de 19e eeuw konden wetenschappers de stellaire parallax aantonen.
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.
Er is nog een derde probleem. Het derde probleem is gewoon het feit dat veel van de wetenschap niet past in het leerboekmodel. Veel wetenschap is helemaal niet deductief, maar inductief. We bedoelen dat wetenschappers niet per se beginnen met theorieën en hypothesen. Vaak beginnen ze gewoon met waarnemen van wat er gebeurt in de wereld. Het bekendste voorbeeld daarvan is wel Charles Darwin, een van de beroemdste wetenschappers ooit. Toen Darwin als jonge man op reis ging met de Beagle, had hij geen hypothese, geen theorie. Hij wist alleen dat hij een carrière als wetenschapper wilde en begon gegevens te verzamelen. Hij wist vooral dat hij geneeskunde haatte. Hij kon niet tegen bloed en wilde een alternatieve carrière. Hij begon met verzamelen van gegevens. Hij verzamelde van alles, waaronder ook zijn beroemde vinken. Toen hij deze vinken verzamelde, gooide hij ze in een zak zonder enig idee van hun betekenis. Vele jaren later terug in Londen bekeek Darwin zijn gegevens opnieuw en begon er een uitleg voor te ontwikkelen. Die uitleg was de theorie van natuurlijke selectie.
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.
Naast inductieve wetenschap, maken wetenschappers ook vaak modellen. Wat ze in de eerste plaats willen, is de oorzaken van dingen verklaren. Hoe doen ze dat? Een manier is een model bouwen om een idee uit te testen.
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.
Dit is Henry Cadell, een Schotse geoloog uit de 19e eeuw. Je kunt aan zijn deerstalkermuts en laarzen zien dat hij een Schot is. (Gelach) Cadell wilde weten hoe bergen worden gevormd. Hij had opgemerkt dat als je naar bergen zoals de Appalachen kijkt, je vaak ziet dat de rotsen erin op een bepaalde manier opgevouwen lijken. Dit gaf hem het idee dat ze vanaf de zijkant samengedrukt waren. Dit idee zou later een belangrijke rol spelen bij discussies over continentale drift. Hij bouwde dit model, dit gekke ding met hendels en hout. Hier zie je zijn kruiwagen, emmers en grote voorhamer. Geen idee waarom hij laarzen aanheeft. Misschien regende het. Met dit fysische model kon hij aantonen dat je in rotsen, of zoals hier in modder, patronen kon maken die veel leken op bergen als je het van opzij samendrukte. Het was een argument over de oorzaak van bergen.
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.
Tegenwoordig werken de meeste wetenschappers liever binnenshuis, ze bouwen niet zo vaak meer fysische modellen. Ze doen het met computersimulaties. Maar ook een computersimulatie is een soort model. Het is een wiskundig model, en net als de fysische modellen van de 19e eeuw, is het erg belangrijk voor het denken over oorzaken. Een van de grote vragen gaat over de klimaatverandering. We hebben enorme hoeveelheden bewijs dat de aarde aan het opwarmen is. Op deze dia hier toont de zwarte lijn de metingen van de laatste 150 jaar waaruit blijkt dat de temperatuur van de aarde gestaag is toegenomen. Je kunt zien dat we in het bijzonder in de laatste 50 jaar een dramatische toename hadden van bijna 1 graad Celsius, of bijna 2 graden 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.
Wat veroorzaakt deze verandering? Hoe achterhalen we de oorzaak van de waargenomen opwarming? Wetenschappers kunnen het modelleren met een computersimulatie. Dit diagram illustreert een computersimulatie die rekening hield met de verschillende factoren waarvan we weten dat ze het klimaat op aarde beïnvloeden, zoals sulfaatdeeltjes van luchtvervuiling, vulkanisch stof van vulkanische uitbarstingen, veranderingen in zonnestraling, en, natuurlijk, broeikasgassen. Ze stelden de vraag, welke set van variabelen in een model reproduceert wat we in het echt zien. De zwarte lijn geeft de metingen weer. De lichtgrijze is het model. En het model dat alles omvat, is antwoord E op de toets, 'alle antwoorden zijn juist'. de enige manier waarop je de waargenomen temperatuurmetingen kan reproduceren is door al deze dingen te combineren, met inbegrip van de broeikasgassen. Merk in het bijzonder op dat de stijging van de broeikasgassen die zeer dramatische temperatuurstijging in de afgelopen 50 jaar volgt. Dit is de reden waarom klimaatwetenschappers zeggen dat we niet alleen weten dat klimaatverandering een feit is, maar ook dat broeikasgassen daar een belangrijk aandeel in hebben. Over al die verschillende dingen die wetenschappers doen,
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.
deed de filosoof Paul Feyerabend zijn bekende uitspraak: "Het enige principe in de wetenschap dat de vooruitgang niet remt, is 'alles mag'.” Nu wordt dit citaat vaak uit zijn verband gerukt. Feyerabend bedoelde niet dat in de wetenschap alles kan. Hier komt dan ook het volledige citaat, "Als u me prest om te zeggen wat de methode van de wetenschap is, moet ik zeggen: alles mag.” Wat hij wilde zeggen, is dat wetenschappers veel verschillende dingen doen. Wetenschappers zijn creatief.
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.
Maar dan kaatst deze vraag de bal terug: “Als wetenschappers geen bepaalde methode gebruiken, hoe beslissen ze dan wat juist is en wat fout?” En wie beoordeelt dat? Het antwoord is: wetenschappers, en zij oordelen door naar het bewijsmateriaal te kijken. Wetenschappers verzamelen op allerlei manieren bewijsmateriaal, maar hoe ze het ook verzamelen, het moet aan controle worden onderworpen. Dit bracht de socioloog Robert Merton ertoe zich bezig te houden met de vraag hoe wetenschappers gegevens en bewijzen onderzoeken. Hij zei dat ze het doen door ‘georganiseerd scepticisme’. Hij bedoelde dat het georganiseerd is omdat ze het collectief doen , ze doen het als groep, en scepticisme, omdat ze het doen vanuit een positie van wantrouwen. Dat wil zeggen, de bewijslast ligt bij de persoon met een nieuwe claim. In deze zin is wetenschap intrinsiek conservatief. De wetenschappelijke gemeenschap zal niet vlug zeggen "Ja, we weten iets, het is waar." Ondanks de populariteit van het concept van paradigma-verschuivingen, zien we dat echt grote veranderingen in het wetenschappelijk denken relatief zeldzaam zijn in de geschiedenis van de wetenschap. Dat brengt ons bij nog een idee:
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.
doordat wetenschappers bewijs collectief beoordelen, zijn historici zich gaan bezighouden met de vraag van consensus. Uiteindelijk is wetenschap, wetenschappelijke kennis, de consensus van wetenschappelijke deskundigen die door dit proces van georganiseerde, collectieve controle, het bewijsmateriaal hebben beoordeeld en tot een conclusie komen: ofwel ja, ofwel nee. Dus kunnen we aan wetenschappelijke kennis denken
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."
als aan een consensus van deskundigen. We kunnen de wetenschap ook zien als een soort jury, maar dan een heel speciaal soort jury. Het is geen jury van collega's, maar een jury van geeks. Het is een jury van mannen en vrouwen met een doctorstitel, en in tegenstelling tot een conventionele jury, die slechts twee keuzes heeft, schuldig of niet schuldig, heeft de wetenschappelijke jury in feite meerdere keuzes. Wetenschappers kunnen zeggen: “Ja, iets is waar.” Wetenschappers kunnen zeggen: “Nee, het klopt niet.” Of : “Goed, het kan waar zijn, maar we moeten er nog wat aan werken en meer bewijsmateriaal verzamelen.” Ofwel: “Het zou waar kunnen zijn, maar we zijn er nog niet uit, houden het even in beraad en komen er later misschien op terug.” Dat is wat wetenschappers 'onbehandelbaar’ noemen. Maar dit leidt ons naar een laatste probleem:
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)
Als wetenschap is wat wetenschappers zeggen dat het is, gebruiken ze dan niet gewoon een gezagsargument? En leerden we niet op school dat het gezagsargument een logische denkfout is? Hier heb je de paradox van de moderne wetenschap, de paradox van de conclusie waartoe historici, filosofen en sociologen zijn gekomen, om te zeggen dat wetenschap wel beroep doet op autoriteit, maar niet op het gezag van het individu, hoe slim die persoon dan ook mag zijn, zoals een Plato, Socrates of Einstein. Het is het gezag van de collectieve gemeenschap. Je kan eraan denken als een soort wijsheid van de menigte, maar een zeer speciaal soort menigte. Wetenschap doet beroep op autoriteit, maar niet gebaseerd op één individu, maakt niet uit hoe slim die persoon kan zijn. Het is gebaseerd op de collectieve wijsheid, de collectieve kennis, het collectieve werk, van alle wetenschappers die eraan hebben gewerkt. Wetenschappers hebben een cultuur van collectief wantrouwen, een ‘toon het me aan’-cultuur, hier geïllustreerd door deze aardige mevrouw die aan haar collega's haar bewijsmateriaal toont. Deze mensen zien er niet uit als echte wetenschappers. Ze staan er veel te tevreden bij. (Gelach)
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.
Oké, dat brengt me bij mijn laatste punt. We staan ‘s morgens op en vertrouwen op onze auto's. Voor Manhattan is dit een slechte analogie, maar de meeste Amerikanen die niet in Manhattan wonen, springen ‘s morgens in hun auto's starten ze en hun auto's werken, ze werken zelfs ongelooflijk goed. De moderne auto laat het zelden afweten. Waarom? Waarom doen auto’s het zo goed?
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.
Niet door het genie van een Henry Ford, Karl Benz of zelfs Elon Musk. Maar omdat de moderne auto het product is van meer dan 100 jaar werk van honderden, duizenden, tienduizenden mensen. De moderne auto is het product van het verzamelde werk, wijsheid en ervaring van iedere man en vrouw die ooit aan een auto hebben gewerkt. De betrouwbaarheid van de technologie is het resultaat van die geaccumuleerde inspanning. Wij profiteren niet alleen van het genie van Benz, Ford en Musk, maar van de collectieve intelligentie en het harde werk van alle mensen die aan de moderne auto hebben gewerkt. Hetzelfde geldt voor de wetenschap, alleen is de wetenschap nog ouder. Ons vertrouwen in de wetenschap is eigenlijk hetzelfde als ons vertrouwen in de technologie, en hetzelfde als ons vertrouwen in alles: het berust op ervaring. Maar het moet geen blind vertrouwen zijn,
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.
net zomin als we in alles blind moeten vertrouwen. Ons vertrouwen in de wetenschap, zoals de wetenschap zelf, moet gebaseerd zijn op bewijs, en dat betekent dat wetenschappers beter moeten gaan communiceren. Ze moeten ons niet alleen vertellen wat ze weten, maar ook hoe ze het weten. Dat betekent dat wij betere luisteraars moeten worden.
Thank you very much.
Heel hartelijk bedankt.
(Applause)
(Applaus)