Объективное знание. Эволюционный подход - страница 54

что теория может предсказать такие совершенно невероятные предсказания, если она не истинна. Отсюда делается вывод, что вероятность ее истинности столь же велика, сколь велика невероятность того, что эти ее успехи объясняются скоплением случайностей.

Я не думаю, что аргумент (1) в этой форме может считаться вполне состоятельным, но я полагаю, что в нем все-таки что-то есть. Рассмотрим его внимательней.

Допустим, что аргумент (1) состоятелен (valid). Тогда мы можем рассчитать вероятность того, что теория истинна, как 1 минус вероятность

того, что верифицируется она только случайно. И если предсказываемые ею эффекты очень маловероятны — например, потому что их количественное значение предсказывается очень точно и правильно — то произведения этих очень маленьких чисел дадут число, вычитаемое из единицы. Другим словами, при таком способе подсчета мы получим для хорошего предположения вероятность, очень близкую к единице [95]Этот аргумент на первый взгляд кажется убедительным, но он очевидно несостоятелен. Возьмем теорию Ньютона (N). Она дает столько точных предсказаний, что согласно рассматриваемому аргументу должна иметь вероятность, очень близкую к единице. Теория Эйнштейна (Е) должна получить еще большую вероятность. Но согласно исчислению вероятностей (будем обозначать «или» через V) мы имеем:

а поскольку эти теории несовместимы, так что p(NE)=0, мы получаем, что

то есть вероятность истинности одной из этих двух теорий очень близка к 2, что абсурдно.

Решение этой проблемы состоит в том, что аргумент (I) есть пример поверхностного (specious) рассуждения и вместо него мы можем сформулировать следующее утверждение:

(2) Хорошее согласие с маловероятными наблюдаемыми результатами не является случайностью, но и определяется не истинностью теории, а только ее правдоподобностью (truthlikeness).

Этот аргумент (2) объясняет, почему многие несовместимые теории могут согласовываться между собой во многих тонких моментах, причем таких, что было бы крайне маловероятно[96], чтобы это согласие было результатом чистой случайности.

Таким образом, аргумент (1) можно сформулировать несколько более корректно в следующей форме:

(1') Существует нечто вроде правдоподобности (verisimilitude), и очень маловероятное — если рассматривать его как случайность — согласие между теорией и фактом может рассматриваться как показатель того, что эта теория имеет (сравнительно) высокую правдоподобность. Вообще говоря, лучшее согласие с фактами по маловероятным пунктам может истолковываться как показатель большей правдоподобности.

Я не думаю, что можно много чего сказать против этого аргумента, хотя мне не понравилось бы, если бы из него стали развивать еще одну теорию индукции. Но я хочу, чтобы было совершенно ясно, что степень подкрепления теории (которая есть нечто вроде меры суровости выдержанных ею испытаний) не может интерпретироваться просто как мера ее правдоподобности. В лучшем случае она есть только индикатор (как я разъяснял в 1960 и 1963 годах, когда впервые ввел понятие правдоподобности — см., например Popper К. R. Conjectures and Refutations, pp. 234 f.) — правдоподобности теории, как ее можно оценить в момент t. Для степени суровости испытания теории я ввел термин «подкрепление (corroboration)». Его следует использовать в основном для сравнения, например в случае, когда теория Е подвергалась более жестким проверкам, чем теория JV. Степень подкрепления теории — всегда временной показатель: это та степень, в которой теория кажется хорошо проверенной во время t. Хотя это и не мера ее правдоподобности, ее можно использовать как показатель того, какой кажется правдоподобность теории в момент t по сравнению с другой теорией. Так что степень подкрепления может служить руководством при выборе одной из двух теорий — на определенной стадии их обсуждения — с точки зрения их видимого приближения к истине. Вместе с тем она может сказать нам только, что одна из двух предложенных теорий выглядит — в свете обсуждения — более близкой к истине.