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.
Todos os dias enfrentamos problemas como as alterações climáticas ou a segurança das vacinas em que temos que responder a questões cujas respostas se baseiam bastante em informações científicas. Os cientistas dizem-nos que o mundo está a aquecer. Dizem-nos que as vacinas são seguras. Mas como sabemos se eles têm razão? Porque devemos acreditar na ciência? A questão é que muitos de nós não acreditamos na ciência. Sondagens de opinião pública mostram de forma consistente que grande parte do povo americano não acredita que o clima está a aquecer devido à actividade humana, não pensa que haja evolução por seleção natural, e não está convencida da segurança das vacinas.
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.
Então porque devemos acreditar na ciência? Bem, os cientistas não gostam de falar da ciência como uma questão de crença. De facto, eles contrapõem ciência e fé, e diriam que a crença é do domínio da fé. E a fé é algo distinto e separado da ciência. Na verdade, diriam que a religião é baseada na fé ou talvez no cálculo da aposta de Pascal. Blaise Pascal foi um matemático do século XVII que tentou trazer raciocínio científico à questão de dever ou não acreditar em Deus, e a sua aposta era a seguinte: Bem, se Deus não existe mas eu decido acreditar nele, nada se perde realmente. Talvez umas horas ao domingo. (Risos) Mas se ele existe e eu não acredito nele, então estou em grandes sarilhos. Então Pascal disse que é melhor acreditarmos em Deus. Ou como disse um dos meus colegas, "Ele agarrou-se ao corrimão da fé". Deu esse salto de fé deixando a ciência e o racionalismo para trás.
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?
O facto é que, para a maioria de nós, a maior parte das afirmações científicas são um salto de fé. Na maioria dos casos, não podemos julgar sozinhos as afirmações científicas. E isto é verdade também para a maioria dos cientistas fora das suas especialidades. Se pensarmos nisso, um geólogo não nos pode dizer se uma vacina é segura. A maior parte dos químicos não é especialista na teoria da evolução. Um físico não nos pode dizer, apesar das pretensões de alguns, se o tabaco causa ou não cancro. Se até os cientistas têm que dar um salto de fé fora das suas áreas, então porque aceitam as afirmações de outros cientistas? Porque acreditam nas afirmações uns dos outros? Devemos acreditar nessas afirmações?
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."
O que eu gostaria de argumentar é que sim, devemos, mas não pelas razões que a maioria de nós pensa. Aprendemos na escola que a razão de acreditar na ciência se deve ao método científico. Aprendemos que os cientistas seguem um método e que este método garante a verdade das suas afirmações. Podemos chamar "método do manual" ao método que aprendemos na escola, é o método hipotético-dedutivo. De acordo com o modelo padrão, o modelo do manual, os cientistas desenvolvem hipóteses, deduzem as consequências dessas hipóteses, e então observam o mundo e perguntam: "Ok, estas consequências são verdadeiras? "Podemos observá-las no mundo natural?" Se são verdadeiras, os cientistas dizem: "Bestial, sabemos que a hipótese é correcta!"
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.
Há muitos exemplos famosos na história da ciência de cientistas que fazem exactamente isto. Um dos exemplos mais famosos vem do trabalho de Albert Einstein. Quando Einstein desenvolveu a Teoria da Relatividade Geral, uma das consequências da sua teoria era que o espaço-tempo não era apenas um vazio mas, na verdade, tinha uma textura. Essa textura era dobrada na presença de objectos maciços como o sol. Se esta teoria era verdadeira, então a luz, ao passar no Sol, devia ser desviada à sua volta. Esta era uma previsão bastante surpreendente e demorou alguns anos até que os cientistas pudessem testá-la. Mas testaram-na em 1919, e afinal verificou-se ser verdade. A luz das estrelas é realmente desviada quando viaja perto do Sol. Isto foi uma enorme confirmação da teoria. Foi considerada prova da verdade desta nova e radical ideia e foi escrita em muitos jornais por todo o mundo.
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.
Por vezes esta teoria ou este modelo é referido como modelo dedutivo-nomológico, apenas porque os académicos gostam de complicar as coisas. Mas também porque, no caso ideal, trata-se de leis. Nomológico significa estar relacionado com leis. E no caso ideal, a hipótese não é apenas uma ideia: idealmente, é uma lei da natureza. Porque é importante que seja uma lei da natureza? Porque, se é uma lei, não pode ser violada. Se é uma lei, será sempre verdadeira em todos os tempos e lugares independentemente das circunstâncias. E todos vocês conhecem pelo menos um exemplo de uma lei famosa: a famosa equação de Einstein, E=mc2, que nos diz qual a relação entre energia e massa. Essa relação é verdadeira em qualquer caso.
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.
No entanto, surgem alguns problemas com este modelo. O maior problema é que está errado. (Risos) Simplesmente não é verdade. (Risos) Vou dar-vos três razões para que esteja errada. A primeira é uma razão lógica. É o problema da falácia de afirmar a consequência. É uma forma elegante e académica de dizer que teorias falsas podem fazer previsões verdadeiras. Só porque a previsão é verdadeira não prova de forma lógica que a teoria está correcta. Tenho também um bom exemplo disso, de novo da história da ciência. Isto é uma imagem do universo de Ptolomeu com a Terra no centro do universo e o Sol e os planetas à sua volta. O modelo ptolomaico foi aceite por muitas pessoas muito inteligentes, durante muitos séculos. Bem, porquê? A resposta é que ele fez muitas previsões que se revelaram verdadeiras. O sistema ptolomaico permitiu aos astrónomos fazer previsões precisas dos movimentos do planeta, de facto mais precisas de início do que a teoria de Copérnico que agora diríamos ser verdadeira. Então há um problema com o modelo do manual. Um segundo problema é prático, e é a questão das hipóteses auxiliares. As hipóteses auxiliares são assumpções que os cientistas andam a fazer podendo estar ou não conscientes de que as fazem. Um importante exemplo disto vem do modelo de Copérnico, que substituiu o sistema ptolomaico. Quando Nicolau Copérnico afirmou que a Terra não é o centro do universo, que o Sol é o centro do sistema solar, que a Terra se move em torno do Sol, os cientistas disseram: "Nicolau, se isso é verdade "devemos ser capazes de detectar o movimento "da Terra em torno do Sol". Este diapositivo ilustra um conceito conhecido como paralaxe estelar. Os astrónomos disseram que, se a Terra se move e olharmos para uma estrela importante, digamos Sirius — estamos em Manhattan pelo que não podemos ver as estrelas, mas imaginemos que estamos no campo, que escolhemos essa vida rural — e olharmos para uma estrela em dezembro, vemos essa estrela contra um fundo de estrelas distantes. Se repetirmos a observação seis meses mais tarde em que a Terra se moveu para esta posição em junho, olhamos para a mesma estrela e vemo-la contra um fundo diferente. Essa diferença angular é a paralaxe estelar. Esta é uma previsão do modelo de Copérnico. Os astrónomos procuraram a paralaxe estelar e não encontraram nada, de todo. Muitos argumentaram que isto provava que o modelo de Copérnico era falso.
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.
O que aconteceu? Em retrospectiva, podemos dizer que os astrónomos estavam a formular duas hipóteses auxiliares, que, diríamos agora, eram ambas incorrectas. A primeira era uma assumpção sobre o tamanho da órbita da Terra. Os astrónomos assumiam que a órbita da Terra era grande relativamente à distância às estrelas. Hoje representaríamos a situação desta forma. (isto é da NASA) Estão a ver que a órbita da Terra é de facto pequena. De facto, é muito menor do que podemos ver aqui. Então a paralaxe estelar é muito pequena e difícil de detectar.
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.
Isso conduz à segunda razão por que a previsão não funcionou, porque os cientistas também assumiam que os seus telescópios eram suficientemente sensíveis para detectar a paralaxe. E isso revelou-se não ser verdade. Só no século XIX os cientistas puderam detectar a paralaxe estelar.
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.
Há ainda um terceiro problema. É simplesmente um problema factual, que muita ciência não se adapta ao modelo do manual. Muita ciência não é de todo dedutiva, é na verdade indutiva. E com isso queremos dizer que os cientistas nem sempre começam com teorias e hipóteses, muitas vezes começam apenas com observações de coisas que vão acontecendo no mundo. O exemplo mais famoso disso é um dos cientistas mais famosos que já viveram, Charles Darwin. Quando o jovem Darwin iniciou a viagem no Beagle não tinha uma hipótese nem uma teoria. Só sabia que queria uma carreira como cientista e começou a reunir dados. Principalmente, sabia que detestava medicina porque ver sangue o punha doente pelo que tinha que ter uma carreira alternativa. Então começou a reunir dados. E coleccionou muitas coisas, incluindo os famosos tentilhões. Quando coleccionou estes tentilhões, pô-los num saco e não fazia ideia do que significavam. Muitos anos mais tarde de regresso a Londres, Darwin olhou para os seus dados e começou a desenvolver uma explicação, e essa explicação era a Teoria da Selecção Natural.
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.
Para além da ciência indutiva, os cientistas participam com frequência na modelização. Uma das coisas que os cientistas querem fazer na vida é explicar a causa das coisas. Como fazemos isso? Uma forma de o fazer é construir um modelo que verifica uma ideia.
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.
Isto é uma imagem de Henry Cadell, que foi um geólogo escocês do século XIX. Não se pode perceber que é escocês porque está a usar um chapéu de feltro e umas botas Wellington. (Risos) Cadell queria responder a uma questão: "Como se formam as montanhas?" Uma das coisas que observou foi que, se olharmos para montanhas como os Apalaches, descobrimos que as suas rochas estão dobradas de um modo especial que lhe sugeriu que estavam a ser comprimidas lateralmente. Esta ideia teria mais tarde um papel importante em discussões sobre a deriva dos continentes. Ele construiu este modelo, esta engenhoca maluca com alavancas e madeira, e aqui está o seu carrinho de mão, baldes, um martelo grande. Não sei porque está com botas Wellington. Talvez fosse chover. E criou este modelo físico para demonstrar que podia de facto criar padrões em rochas ou, pelo menos, em lama, que se parecessem muito com montanhas se fossem comprimidas de lado. Era um argumento sobre a causa das montanhas.
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.
Hoje, muitos cientistas preferem trabalhar no interior, pelo que já não constroem modelos físicos mas usam simulações no computador. Mas uma simulação no computador é uma espécie de modelo. É um modelo feito com matemática e, tal como o modelo físico do século XIX, é muito importante para pensar em causas. Uma das grandes questões é a das alterações climáticas. Temos uma enorme quantidade de indícios de que a Terra está a aquecer. Neste diapositivo, a linha preta mostra as medições feitas pelos cientistas nos últimos 150 anos, mostrando que a temperatura da Terra tem aumentado consistentemente. Podem ver que, em particular nos últimos 50 anos, houve um aumento dramático de cerca de um grau centígrado, ou quase dois graus 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.
Então o que está a provocar esta mudança? Como podemos saber o que causa este aquecimento observado? Bem, os cientistas podem criar modelos usando uma simulação de computador. Este diagrama ilustra uma simulação de computador que considerou todos os diferentes factores que sabemos poder influenciar o clima da Terra: partículas de sulfato da poluição do ar, poeira vulcânica das erupções, alterações na radiação solar, e, claro, gases de efeito de estufa. E colocaram a questão: "Que conjunto de variáveis colocadas num modelo "reproduzirão o que vemos na vida real?" Aqui, a preto, está a vida real. Aqui, a cinzento claro, está o modelo. E a resposta... É a resposta "E" neste teste de admissão à universidade — é um modelo que inclui tudo. A única forma de reproduzirmos as medições de temperatura observadas é com todas estas coisas em conjunto, incluindo os gases de efeito de estufa. Em particular, vemos que o aumento nos gases de efeito de estufa segue este aumento dramático na temperatura nos últimos 50 anos. É por isso que os cientistas do clima dizem: "Não sabemos apenas que as alterações climáticas estão a acontecer "sabemos que os gases de efeito de estufa "são em grande parte a sua causa".
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.
Então, devido a todas estas coisas que os cientistas fazem, o filósofo Paul Feyerabend disse muito bem: "O único princípio em ciência "que não inibe o progresso é: vale tudo". Esta citação tem sido com frequência retirada do seu contexto, porque Feyerabend não estava realmente a dizer que em ciência vale tudo. O que ele estava a dizer era... Na realidade, a citação completa é: "Se me pressionarem para dizer "qual é o método da ciência, "terei de dizer: vale tudo". O que ele estava a tentar dizer é que os cientistas fazem muitas coisas diferentes. Os cientistas são criativos.
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.
Mas isto traz de novo a questão: "Se os cientistas não usam um único método, "então como decidem "o que é certo e o que é errado? "E quem julga?" A resposta é: os cientistas julgam, e julgam com base na evidência. Os cientistas reúnem evidências de muitas formas diferentes, mas seja como for que o façam, devem sujeitá-las a escrutínio. Isto levou o sociólogo Robert Merton a focar-se nesta questão de como os cientistas fazem o escrutínio dos dados e das evidências. Ele disse que o fazem de um modo a que chamou "cepticismo organizado". Com isso ele quis dizer que é organizado porque o fazem colectivamente, fazem-no como um grupo, e cepticismo porque o fazem de uma posição de desconfiança. Quer dizer, o ónus da prova está na pessoa com uma nova afirmação. E neste sentido, a ciência é intrinsecamente conservadora. É bastante difícil convencer a comunidade científica a dizer "Sim, sabemos algo, isto é verdade". Apesar da popularidade do conceito de mudanças de paradigma, o que verificamos é que as grandes mudanças no pensamento científico são relativamente raras na história da ciência.
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.
Finalmente isto traz-nos a uma outra ideia. Uma vez que os cientistas julgam a evidência colectivamente, isto levou historiadores a focar-se na questão do consenso e a dizer que, afinal, o que a ciência é, o que o conhecimento científico é, é o consenso dos especialistas científicos que, através deste processo de escrutínio organizado, escrutínio colectivo, julgaram as evidências e chegaram a uma conclusão: ou sim ou não.
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."
Podemos pensar no conhecimento científico como um consenso de especialistas. Podemos também pensar na ciência como sendo uma espécie de júri, só que é um tipo muito especial de júri. Não é um júri dos nossos pares, é um júri de cromos. (Risos) É um júri de homens e mulheres com doutoramentos. Ao contrário de um júri convencional, que tem apenas duas hipóteses, culpado ou inocente, o júri científico tem realmente uma série de escolhas. Os cientistas podem dizer: "Sim, algo é verdadeiro". Os cientistas podem dizer: "Não, é falso". Ou podem dizer: "Bem, pode ser verdade "mas precisamos de trabalhar mais e reunir mais evidência". Ou podem dizer: "Pode ser verdade, "mas não sabemos como responder à questão " e vamos pô-la de lado. " Talvez voltemos a ela mais tarde". É o que os cientistas chamam de "intratável".
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)
Mas isto conduz-nos a um último problema: se a ciência é o que os cientistas afirmam, então não é isso um apelo à autoridade? Não aprendemos todos na escola que o apelo à autoridade é uma falácia lógica? Bem, aqui está o paradoxo da ciência moderna, o paradoxo da conclusão a que chegaram, penso eu, historiadores, filósofos e sociólogos, de que a ciência actual é um apelo à autoridade, mas não é a autoridade do indivíduo, por muito inteligente que seja, como Platão, Sócrates ou Einstein. É a autoridade da comunidade colectiva. Podem pensar nela como uma espécie de sabedoria da multidão, mas um tipo especial de multidão. A ciência faz apelo à autoridade, mas não se baseia num indivíduo, não importa quão inteligente esse indivíduo possa ser. É baseada na sabedoria colectiva, o conhecimento e o trabalho colectivos, de todos os cientistas que trabalharam num problema particular. Os cientistas têm uma espécie de cultura de desconfiança colectiva, esta cultura do "mostra-me", ilustrada por esta simpática mulher que mostra a sua evidência aos colegas. Claro que estas pessoas não parecem cientistas, porque estão demasiado bem dispostas. (Risos)
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.
Isto traz-me ao meu último ponto. A maioria de nós levanta-se de manhã. Confiamos no nosso carro. Pensando melhor, estou em Manhattan, é uma má analogia, mas a maioria dos americanos que não vive em Manhattan levanta-se de manhã e mete-se no carro, liga a ignição e o carro funciona e funciona muito bem. O automóvel moderno quase nunca avaria.
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.
Porquê? Porque é que os carros funcionam tão bem? Não é por causa do génio de Henry Ford ou Karl Benz ou até Elon Musk. É porque o automóvel moderno é o produto de mais de 100 anos de trabalho de centenas e milhares e dezenas de milhares de pessoas. O automóvel moderno é o produto do trabalho, sabedoria e experiência colectivas de todo o homem e mulher que alguma vez trabalhou num carro, e a confiança na tecnologia é o resultado desse esforço acumulado. Não beneficiamos apenas do génio de Benz de Ford e de Musk mas da inteligência colectiva e trabalho árduo de todas as pessoas que alguma vez trabalharam num carro moderno. E o mesmo é verdade para a ciência, só que a ciência é mais antiga ainda. A nossa base de confiança na ciência é a mesma da nossa confiança na tecnologia, e a mesma da nossa confiança em qualquer coisa, nomeadamente, a experiência.
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.
Mas não deve ser confiança cega tal como não devemos ter confiança cega em nada. A nossa confiança na ciência, tal como a própria ciência, deve basear-se na evidência, e isso quer dizer que os cientistas devem tornar-se melhores comunicadores. Devem explicar-nos, não apenas o que sabem mas como o sabem. Isso significa que devemos tornar-nos melhores ouvintes.
Thank you very much.
Muito obrigada.
(Applause)
(Aplausos)