Я люблю следить за перепалками между разными экспертами и глубокомысленными мыслителями. Это здорово помогает раскрыть тонкости логики, науки и доказательств. Недавно состоялся интересный онлайн-обмен мнениями между физиками-коммуникаторами (Сабина Хоссенфельдер) и некоторыми климатологами (Зик Хаусфатер и Эндрю Десслер). Спор идет о равновесной чувствительности климата (ECS) и недавней “проблеме горячей модели”.
Сначала позвольте мне ознакомиться с соответствующей информацией. ECS – это показатель того, насколько сильно произойдет потепление климата при увеличении концентрации CO2 в атмосфере, в частности, повышение температуры в градусах Цельсия при удвоении содержания CO2 (по сравнению с доиндустриальным уровнем). Это число имеет огромное значение для проблемы изменения климата, поскольку оно, по сути, говорит нам о том, насколько сильно и как быстро потеплеет климат по мере того, как мы будем продолжать выбрасывать CO2 в атмосферу. Существуют и другие переменные, такие как другие парниковые газы и многочисленные механизмы обратной связи, что делает климатические модели очень сложными, но ECS, безусловно, является очень важной переменной в этих моделях.
Существует множество способов получения ECS, таких как моделирование климата со всеми переменными и определение того, какими должны быть ECS, чтобы модель соответствовала реальности – фактическому потеплению, которое мы наблюдаем. Поэтому наша оценка ECS в значительной степени зависит от того, насколько хороши наши климатические модели. Климатологи используют статистический метод для определения вероятного диапазона чувствительности климата. Они берут все исследования, оценивающие ECS, формируют диапазон результатов, а затем определяют 90%–ный доверительный интервал – с вероятностью 90%, учитывая все результаты, ECS находится в пределах 2-5 С.
Недавно Хоссенфельдер снял видео, в котором обсуждалась проблема горячих моделей. Это относится к тому факту, что некоторые из последних климатических моделей, которые, как утверждается, улучшены по сравнению со старыми моделями, включающими улучшенную физику и моделирование облаков, дали оценку ECS за пределами 90% доверительного интервала, с ECSs выше 5,0. Хоссенфельдер выразил серьезную обеспокоенность тем, что если эти модели ближе к истине в отношении ECS у нас большие неприятности. Скорее всего, потепление усилится раньше, а это означает, что у нас даже меньше времени, чем мы думали, для обезуглероживания нашей экономики, если мы хотим избежать худшего, что может ожидать нас от изменения климата. Некоторые ученые-климатологи отреагировали на ее видео, а затем Хоссенфельдер ответил тем же (ссылки выше). Вот тут-то и начинается интересное.
Чтобы немного сформулировать мой взгляд на эту дискуссию, когда мы думаем о любой научной дискуссии, нам часто приходится рассматривать два широких уровня проблем. Один из типов проблем – это общие принципы логики и надлежащей научной процедуры. Эти общие принципы могут применяться в любой научной области – хакерство есть хакерство, независимо от того, являетесь ли вы геологом или мануальным терапевтом. Это та область, с которой я обычно имею дело: базовые принципы статистики, методологическая строгость и умение избегать распространенных ошибок при сборе и интерпретации фактических данных.
Однако второй важный уровень – это знания по конкретной теме. Здесь я делаю все возможное, чтобы разобраться в соответствующей науке, полагаюсь на мнение экспертов и, по сути, стараюсь как можно лучше понять консенсусное мнение экспертов. Часто между этими двумя уровнями существует сложное взаимодействие. Но если исследователи допускают вопиющие ошибки на уровне элементарной логики и статистики, то детали, относящиеся к конкретной теме, не имеют большого значения для этого факта.
За свою карьеру в сфере научных коммуникаций я пытался получить глубокое представление о логике и методах противопоставления хорошей и плохой науки на основе моей собственной области знаний – медицины. Это позволяет мне лучше применять эти общие принципы в других областях. В то же время я старался развивать свои знания в области философии науки и понимания разницы между наукой и псевдонаукой.
В своем ответном видео Хоссенфельдер отчасти пытается сделать то же самое, извлечь общие уроки из своей области и применить их к науке о климате (признавая при этом, что она не является специалистом по климату). Ее основная мысль заключается в том, что в прошлом физики сильно недооценивали неопределенность некоторых измерений, которые они проводили (например, период полураспада протонов вне ядра). В итоге истинное значение оказалось за пределами диапазона неопределенности, который был ранее – как это произошло? Ее выводы сводились к тому, что, скорее всего, это была предвзятость в подтверждении – как только значение было определено (даже если оно было только предварительным), начинает проявляться предвзятость в подтверждении. Вы склонны принимать более поздние доказательства, которые подтверждают более ранние предварительные данные, при этом более тщательно исследуя любые результаты, которые выходят за рамки этого диапазона.
Вот что делает предвзятость в подтверждении такой сложной и часто ее трудно обнаружить. Логика и методы, используемые для того, чтобы подвергнуть сомнению нежелательные или неожиданные результаты, могут быть обоснованными. Но часто существует субъективное мнение о том, какие методы являются лучшими или наиболее подходящими, и может быть предвзятость в том, как они применяются. Это похоже на P-хакинг – используемые статистические методы могут быть разумны в индивидуальном порядке, но если вы используете их после изучения данных, их применение будет предвзятым. Хоссенфельдер, на мой взгляд, правильно рекомендует принимать решение обо всех методах исследования, прежде чем рассматривать какие-либо данные. Такая же рекомендация теперь существует и в медицине, даже при условии предварительной регистрации методов до сбора данных, а эксперты-рецензенты теперь следят за тем, насколько хорошо был соблюден этот процесс.
Итак, Хаусфатер и Десслер в своем ответе Хоссенфельдер выдвигают обоснованные аргументы, но, что интересно, это не опровергает ее точку зрения. Их аргументы могут быть обоснованными сами по себе, но необъективными в применении. Ученые-климатологи отмечают (как и другие), что новые горячие модели относительно плохо справляются с прогнозированием исторических температур, а также с моделированием последнего ледникового максимума. Это звучит как обоснованная точка зрения. В связи с этим некоторые климатологи рекомендуют, чтобы при совместном усреднении всех климатических моделей для получения кривой вероятности ECS модели, которые лучше предсказывают исторические температуры, были взвешены тяжелее, чем модели, которые работают плохо. Опять же, звучит разумно.
Но это не отменяет точку зрения Хоссенфельдера. Они решили взвесить климатические модели после того, как некоторые из последних моделей создавали проблемы из-за перегрева. Они “решали” “проблему” горячих моделей. Стали бы они взвешивать модели, если бы не было проблем с горячими моделями? Это просто предвзятое отношение к подтверждению?
Ничто из этого не означает, что решение неверно или что горячие модели верны. Но это означает, что климатологи должны четко осознавать, что они делают. Это позволяет контролировать любую потенциальную предвзятость в подтверждении. Принцип работы (опять же, общий научный принцип, который может быть применим в любой области) заключается в поиске свежих данных. Климатологам необходимо выработать согласованный метод – на какие модели обращать внимание, как оценивать их результаты – и затем провести новый анализ, включающий новые данные. Каждый раз, когда вы вносите какие-либо изменения в свои методы после изучения данных, вы не можете по-настоящему полагаться на результаты. В лучшем случае вы создали гипотезу – возможно, этот новый метод даст более точные результаты, – но затем вы должны подтвердить этот метод, применив его к свежим данным.
Возможно, этим занимаются ученые-климатологи (я подозреваю, что со временем они это сделают), хотя Хаусфатер и Десслер прямо не упомянули об этом в своем ответе.
Это отличный разговор. Каждая научная область, независимо от того, насколько она законна, могла бы извлечь выгоду из такого рода изучения и опроса. Наука сложна, и существует множество способов, с помощью которых может проявиться предвзятость. Ученым в любой области полезно иметь глубокое и тонкое представление о статистических ошибках, о том, как свести к минимуму предвзятость в подтверждении и хакерские атаки, а также о природе лженауки.
