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 questões como a mudança climática ou segurança das vacinas, quando temos que responder perguntas cujas respostas dependem profundamente de informações científicas. Os cientistas nos dizem que o planeta está ficando mais quente. Eles nos dizem que as vacinas são seguras. Mas como sabermos se eles estão certos? Por que deveríamos acreditar na ciência? A verdade é que muitos de nós não acreditamos na ciência. Pesquisas de opinião pública mostram consistentemente que parte significativa do povo americano não acredita que o aquecimento global se deva às atividades humanas, não acredita que haja evolução por meio da seleção natural e não se convence 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, por que devemos acreditar na ciência? Os cientistas não gostam de falar da ciência como uma questão de crença. Na verdade, eles contrastam a ciência à fé, e dizem que a crença está no campo da fé e que a fé é algo separado e distinto da ciência. De fato, eles dizem que a religião é baseada na fé ou no cálculo da aposta de Pascal. Blaise Pascal foi um matemático do século 17, que tentou trazer raciocínio científico à questão de se ele devia ou não acreditar em Deus, e sua aposta foi assim: "Se Deus não existir, mas eu decidir acreditar nele, não perco muita coisa. Talvez algumas horas no domingo. (Risos) Mas se ele existir e eu não acreditar nele, estarei encrencado." Então, Pascal disse que é melhor acreditarmos em Deus. Ou, como um de meus professores de faculdade dizia: "Ele se agarrou aos corrimãos da fé". Ele deu um salto de fé, deixando para trás o racionalismo e a ciência.
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?
Mas a questão é que, para a maioria de nós, a maior parte das afirmações científicas são um salto de fé. Não podemos julgar as afirmações científicas por nós mesmos, na maioria dos casos. De fato, isso também vale para a maioria dos cientistas fora de suas áreas de especialidade. Se pararmos para pensar, um geólogo não pode nos dizer se uma vacina é segura. A maioria dos químicos não é especialista em teoria da evolução. Um físico não pode dizer, embora alguns deles digam que podem, se o tabaco causa câncer ou não. Então, se os próprios cientistas têm de dar um salto de fé fora de suas áreas de especialidade, por que eles aceitam as afirmações de outros cientistas? Por que acreditam nas afirmações uns dos outros? Deveríamos 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."
Eu gostaria de argumentar que sim, devemos, mas não pelo motivo em que a maioria de nós acredita. A maioria de nós aprendeu na escola que devemos acreditar na ciência por causa do método científico. Aprendemos que os cientistas seguem um método e que esse método garante a veracidade de suas afirmações. O método que a maioria de nós aprendeu na escola, que podemos chamar de método do livro didático, é o método hipotético-dedutivo. De acordo com o modelo padrão, o modelo do livro didático, os cientistas desenvolvem hipóteses, eles deduzem as consequências dessas hipóteses, e depois vão ao mundo e dizem: "Certo. Bem, essas consequências são verdadeiras?" Podemos observá-las ocorrendo no mundo natural? E se elas forem verdadeiras, os cientistas dizem: "Ótimo. Sabemos que a hipótese está correta."
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 fazendo exatamente isso. Um dos exemplos mais famosos vem do trabalho de Albert Einstein. Quando Einstein desenvolveu a teoria geral da relatividade, uma das consequências de sua teoria foi que o espaço-tempo não era apenas um vazio absoluto, mas que, na verdade, era um tecido e que esse tecido se dobrava sob o peso de objetos gigantescos como o Sol. Se essa teoria fosse verdadeira, isso significava que a luz, ao passar pelo Sol, na verdade, deveria se dobrar ao redor dele. Essa foi uma previsão surpreendente e, somente depois de alguns anos, os cientistas puderam testá-la, mas fizeram o teste em 1919, e eis que a teoria provou-se verdadeira. A luz estelar realmente se curva ao passar em torno do Sol. Foi a grande confirmação da teoria. Foi considerada a prova da veracidade dessa nova ideia radical, e foi registrado em muitos jornais ao redor do 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.
Às vezes, porém, essa teoria, ou esse modelo, é chamado de modelo dedutivo-nomológico, principalmente porque os acadêmicos gostam de complicar as coisas, mas também porque, no cenário ideal, trata-se de leis. "Nomológico" tem a ver com leis. No cenário ideal, a hipótese não é apenas uma ideia. De forma ideal, é uma lei da natureza. E por que importa que seja uma lei da natureza? Porque, se é uma lei, não pode ser quebrada. Se é uma lei, sempre será verdadeira, em todas as épocas e lugares, independentemente das circunstâncias. E todos conhecemos ao menos um exemplo famoso de lei: a famosa equação de Einstein, E=mc², que nos diz qual é a relação entre energia e massa. E essa relação é absolutamente verdadeira.
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.
Acontece que há alguns problemas nesse modelo. O principal problema é que ele está incorreto. Simplesmente não é verdadeiro. (Risos) E vou falar de três razões pelas quais ele é incorreto. A primeira é uma razão lógica. É o problema da falácia da afirmação do consequente. Essa é outra forma elegante e acadêmica de dizer que falsas teorias podem fazer deduções verdadeiras. Então, não é porque a dedução se comprova que provamos, de forma lógica, que a teoria está correta. Também tenho um bom exemplo disso, que, mais uma vez, vem da história da ciência. Esta é uma ilustração do universo de Ptolomeu, com a Terra sendo o centro do universo e o Sol e os planetas girando em torno dela. O modelo de Ptolomeu foi tido como correto por muitas pessoas inteligentes, durante muitos séculos. Por quê? Bem, a resposta é que ele deduziu diversas coisas que se comprovaram. O sistema ptolomaico permitiu que os astrônomos fizessem deduções precisas sobre o movimento do planeta, na verdade, mais precisas, em princípio, que as da teoria de Copérnico, que hoje diríamos ser a verdadeira. Esse é um dos problemas do modelo do livro didático. O segundo é um problema prático, que tem a ver com as hipóteses auxiliares. Hipóteses auxiliares são suposições que os cientistas fazem, talvez estando ou não conscientes disso. Um exemplo importante disso vem do modelo de Copérnico, que, por fim, substituiu o sistema de Ptolomeu. Quando Nicolau Copérnico disse que a Terra, na verdade, não era o centro do universo, que o Sol é o centro do Sistema Solar e que a Terra gira em torno do Sol, os cientistas disseram: "Certo, Nicolau. Se for verdade, temos de conseguir detectar o movimento da Terra em torno do Sol." E este slide ilustra um conceito conhecido como paralaxe estelar. Os astrônomos disseram que, se a Terra estivesse se movendo e observássemos um estrela proeminente, digamos, Sirius... Sei que em Manhattan não conseguimos ver as estrelas, mas imaginem que vocês estão no campo, que tenham escolhido uma vida rural, e que observamos uma estrela em dezembro e vemos essa estrela contra o pano de fundo de estrelas distantes. Se fizermos a mesma observação seis meses depois, quando a Terra tiver se movido para essa posição, em junho, observamos a mesma estrela, contra um pano de fundo diferente. Essa diferença, essa diferença de ângulo, é o paralaxe estelar. Essa é uma dedução que o modelo de Copérnico faz. Os astrônomos buscaram o paralaxe estelar e não encontraram nada, absolutamente nada. E muitos argumentaram que isso provava que o modelo de Copérnico era incorreto.
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.
Então, o que aconteceu? Bem, olhando para trás, podemos dizer que os astrônomos estavam criando duas hipóteses auxiliares, que hoje diríamos serem incorretas. A primeira foi uma suposição sobre o tamanho da órbita da Terra. Os astrônomos presumiam que a órbita da Terra era extensa em relação à distância a que estava das estrelas. Hoje, a imagem seria mais assim. Essa imagem é da NASA, e vemos que a órbita da Terra é, na verdade, bem pequena. Na verdade, é bem menor que nesta ilustração. Portanto, o paralaxe estelar é bem pequeno e, na verdade, bem 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.
E isso nos leva à segunda razão pela qual a dedução não funcionou, porque os cientistas também presumiam que os telescópios que tinham eram sensíveis o bastante para detectar o paralaxe. E isso provou-se incorreto. Foi somente no século 19 que os cientistas conseguiram detectar o 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 um terceiro problema. Esse terceiro problema é simplesmente factual: muito da ciência não cabe no modelo do livro didático. Muito da ciência não é nada dedutivo. Na verdade, é indutivo. Dizemos com isso que os cientistas não necessariamente começam com teorias e hipóteses. Geralmente, começam com observações de coisas que acontecem no mundo. E o exemplo mais famoso disso é um dos mais famosos cientistas que já existiu, Charles Darwin. Quando Darwin partiu, ainda jovem, na viagem do Beagle, ele não tinha uma hipótese, ou uma teoria. Ele só sabia que queria ter uma carreira como cientista e começou a coletar dados. Sobretudo, ele sabia que detestava medicina poque ver sangue o fazia passar mal. Por isso, ele tinha de ter uma carreira alternativa. Então, ele começou a coletar dados. Ele coletou muitas coisas, incluindo seus famosos fringilídeos. Ao capturá-los, ele os lançava em uma sacola e não fazia ideia de sua importância. Muitos anos depois, em Londres, Darwin analisou novamente seus dados e começou a desenvolver uma explicação, e essa explicação foi a teoria da seleção 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.
Além da ciência indutiva, os cientistas também geralmente criam modelos. Uma das coisas que os cientistas querem fazer na vida é explicar as causas das coisas. E como fazemos isso? Bem, uma forma de fazermos isso é criar um modelo que teste essa 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.
Essa é uma imagem de Henry Cadell, geólogo escocês do século 19. Pode-se dizer que é escocês, pois está usando um chapéu de caçador e botas Wellington. (Risos) E Cadell queria responder a pergunta: como as montanhas se formam? Algo que ele tinha observado é que, se analisarmos montanhas como os Apalaches, geralmente percebemos que suas rochas são dobradas, e dobradas de forma peculiar, o que o levou a crer que, na verdade, elas estavam sendo comprimidas na lateral. Essa ideia, mais tarde, teria um importante papel nas discussões sobre a deriva continental. Ele construiu um modelo, uma engenhoca maluca com alavancas e madeira, seu carrinho de mão, baldes, uma grande marreta. Não sei por que botas Wellington. Talvez fosse chover. Ele criou esse modelo físico para demonstrar que poderíamos, de fato, criar padrões em rochas, ou, ao menos neste caso, na lama, que se pareciam muito com os das montanhas se comprimidas pela lateral. Era uma argumentação sobre o que gerava as 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 em dia, a maioria dos cientistas prefere trabalhar internamente. Por isso, eles não criam tantos modelos físicos, mas criam simulações de computador. Mas uma simulação de computador é uma espécie de modelo. É um modelo criado com matemática e, como os modelos físicos do século 19, é muito importante para analisar causas. Uma das grandes questões relacionadas à mudança climática é que temos inúmeras evidências de que a Terra está esquentando. Neste slide, a linha preta mostra as medições que os cientistas tomaram dos últimos 150 anos, e que mostram que a temperatura da Terra aumentou continuamente. É possível ver que, especialmente nos últimos 50 anos, houve um aumento drástico de aproximadamente um grau centígrado, ou quase dois graus Fahreinheit.
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.
Mas o que está causando essa mudança? Como podemos saber o que está causando o aquecimento observado? Bem, os cientistas podem criar um modelo, utilizando uma simulação de computador. Este diagrama ilustra uma simulação de computador que analisou todos os diferentes fatores que sabemos poderem influenciar o clima da Terra. Partículas de sulfato da poluição do ar, poeira vulcânica de erupções, mudanças na radiação solar e, claro, os gases de efeito estufa. Eles fizeram a pergunta: que conjunto de variáveis, colocadas num modelo, reproduzirão exatamente o que vemos na vida real? A realidade é esta, em preto. Este é o modelo, em cinza claro, e a resposta é que um modelo que inclua... é a alternativa E no Enem, "todas as alternativas acima". A única maneira de reproduzirmos as medições de temperatura observadas é com todas essas coisas juntas, incluindo os gases de efeito estufa. É possível ver, especialmente, que o aumento dos gases de efeito estufa acompanha esse aumento drástico da temperatura, ao longo dos últimos 50 anos. É por isso que os climatologistas dizem que sabemos não apenas que a mudança climática está ocorrendo, mas também que os gases de efeito estufa são, em grande parte, os responsáveis por isso.
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.
Por haver tantas coisas diferentes que os cientistas fazem, o filósofo Paul Feyerabend disse algo notório: "O único princípio na ciência que não inibe o progresso é que tudo é válido". Essa citação geralmente é tirada de seu contexto, porque Feyerabend, na verdade, não estava dizendo que, na ciência, tudo é válido. O que ele disse foi... Na verdade, a citação inteira é assim: "Se me pressionarem a dizer qual é o método da ciência, eu teria que dizer: tudo é válido." Ele estava tentando dizer que os cientistas fazem um monte de 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 isso nos faz voltar à questão: se os cientistas não utilizam um método único, como então eles decidem o que está correto ou errado? E quem avalia isso? A resposta é que são os cientistas que avaliam, avaliando as evidências. Os cientistas coletam evidências de muitas maneiras diferentes, mas, independentemente de como as coletam, eles precisam examiná-las minuciosamente. E isso levou o sociólogo Robert Merton a focar essa questão de como os cientistas examinam os dados e as evidências e ele disse que eles fazem isso de uma forma que ele chamou de "ceticismo organizado". Ele quis dizer que é organizado pois fazem isso coletivamente, fazem como um grupo, e o ceticismo é porque fazem isso a partir de uma olhar de desconfiança. Isto é, o ônus da prova recai sobre aquele com uma nova teoria. Neste sentido, a ciência é intrinsecamente conservadora. É bem difícil persuadir a comunidade científica a dizer: "Sim, sabemos isso. Isso é verdadeiro". Apesar da popularidade do conceito de mudanças de paradigma, descobrimos que, na verdade, mudanças realmente importantes 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.
Por fim, isso nos leva a mais uma ideia: se os cientistas avaliam as evidências coletivamente, isso levou os historiadores a focarem a questão do consenso, e a dizer que, no fim das contas, a ciência, o conhecimento científico, é um consenso de especialistas em ciência que, por meio de um processo organizado de análise minuciosa, e em grupo, avaliam as evidências e chegam a uma conclusão sobre o assunto: 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."
Então, podemos ver o conhecimento científico como um consenso de especialistas. Também podemos ver a ciência como uma espécie de juri, mas uma espécie de juri muito especial. Não é um juri de pessoas comuns, mas um juri de <i>geeks</i>. É um juri de homens e mulheres com Ph.D., e, diferentemente de um juri convencional, que possui apenas duas alternativas, "culpado" ou "inocente", o juri científico, na verdade, possui várias alternativas. Os cientistas podem dizer que sim, que algo é verdadeiro. Eles podem dizer que não, que é falso. Ou podem dizer: "Bem, talvez seja verdadeiro, mas precisamos trabalhar mais e coletar mais evidências. Ou podem dizer: "Talvez seja verdadeiro, mas não sabemos como responder a questão e vamos colocá-la de lado, e talvez a retomemos depois". 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 isso nos leva a um problema final: se a ciência for o que os cientistas dizem que é, não seria ela, então, apenas um apelo à autoridade? Não aprendemos na escola que o apelo à autoridade é uma falácia lógica? Bem, eis o paradoxo da ciência moderna, o paradoxo da conclusão, creio eu, a que historiadores, filósofos e sociologistas chegaram, de que a ciência, na verdade, é o apelo à autoridade, mas não a autoridade do indivíduo, independentemente do nível de inteligência do indivíduo, como Platão, Sócrates ou Einstein. É a autoridade da coletividade da comunidade. Podemos imaginá-la como uma espécie de sabedoria coletiva, mas de uma coletividade muito especial. A ciência realmente apela à autoridade, mas não se baseia em indivíduo algum, independentemente do quanto esse indivíduo seja inteligente. Ela se baseia na sabedoria coletiva, no conhecimento coletivo, no trabalho coletivo de todos os cientistas que trabalharam em um problema específico. Os cientistas têm um tipo de cultura de desconfiança coletiva, uma cultura do "ver para crer", ilustrada por esta bela mulher aqui, mostrando a seus colegas suas evidências. Claro, essas pessoas não parecem exatamente cientistas, por que estão felizes demais. (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.
Certo. Isso me leva à minha finalização. A maioria de nós acorda de manhã. e confiamos em nossos carros. Imagino que estou em Manhattan, uma analogia ruim, mas a maioria dos americanos que não moram em Manhattan acordam de manhã, entram em seus carros, ligam a ignição, e seus carros funcionam, incrivelmente bem. O automóvel moderno raramente apresenta defeito.
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.
Então, por quê? Por que os carros funcionam tão bem? Não é por causa da genialidade de Henry Ford, de Karl Benz ou de Elon Musk, e sim porque o automóvel moderno é produto de mais de 100 anos de trabalho, de centenas e milhares, e dezenas de milhares de pessoas. O automóvel moderno é produto do trabalho coletivo, do conhecimento e da experiência de cada homem e mulher que já trabalhou em um carro, e a confiabilidade da tecnologia é resultado desse esforço cumulativo. Nós nos beneficiamos não apenas com a genialidade de Benz, de Ford e de Musk, mas da inteligência coletiva e trabalho árduo de todas as pessoas que trabalharam no carro moderno. O mesmo se aplica à ciência, só que a ciência é ainda mais antiga. Nossa base para a confiança na ciência, na verdade, é a mesma que nossa base para a confiança na tecnologia, e a mesma base para nossa confiança em qualquer coisa, ou seja, 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 uma confiança cega, mais do que confiaríamos em qualquer outra coisa. Nossa confiança na ciência, como a própria ciência, deve se basear em evidências. Isso significa que os cientistas têm que se tornar melhores comunicadores. Eles têm que nos explicar não apenas o que sabem, mas como o sabem, e isso significa que temos que nos tornar melhores ouvintes.
Thank you very much.
Muito obrigada.
(Applause)
(Aplausos)