«Руководство скептика по Вселенной»: Как отличить реальность от вымысла в мире, который тонет в фальши. - Steven Novella

В то же время утверждение, что нам следует крайне серьезно относиться к консенсусу ученых, считающих, что жизнь — результат органической эволюции, не будет ошибочным. Это прочный консенсус (более 98 процентов ученых), построенный на целой горе доказательств, которые изучались и обсуждались на протяжении более чем века. Легкомысленное отмахивание от авторитетного научного консенсуса как от «апелляции к авторитету» — это неверное использование понятия логической ошибки. Кроме того, это отличный пример того, насколько важен контекст при оценке неформальных логических ошибок.

Здесь самое время упомянуть еще один аспект неформальных логических ошибок — дискуссию между «объединителями» (lumpers) и «разделителями» (splitters). Должны ли мы объединять схожие типы логических ошибок в одну широкую категорию или разделять их, давая каждой малейшей вариации собственное имя? Сам я скорее отношусь к «объединителям». Думаю, важнее уловить суть ошибки и понять, как она применяется в широком смысле.

Например, существует множество разновидностей апелляции к авторитету. Можно апеллировать к авторитету общественного мнения (что может отдельно именоваться аргументом ad populi, то есть обращением к народу). Или можно апеллировать к авторитету знаменитостей, или к подразумеваемому авторитету будущего, в котором ваши взгляды якобы найдут подтверждение. Всякий раз, когда вы полагаетесь на источник аргумента или позиции, а не на факты и логику, это может превратиться в апелляцию к авторитету.

Апелляция к конечному результату

Подобные аргументы (также называемые телеологическими) строятся на перестановке причины и следствия местами, поскольку в них утверждается, будто явление вызвано тем конечным эффектом, к которому оно приводит, или целью, которой оно служит. Христианские креационисты, например, утверждали, что эволюция не может быть правдой, потому что если бы она была верна, то вела бы к безнравственности (что само по себе является ложной посылкой).

Наивное эволюционное мышление тоже может быть телеологическим — к примеру, утверждение, что перья у птиц развились для того, чтобы они могли летать, тогда как на самом деле перья, скорее всего, должны были появиться до возникновения полета, а предки птиц знать не знали, что в итоге станут использовать перья для летания. Эволюция не умеет смотреть в будущее. Протоперья должны были развиться ради той цели, которой они служили в то время, например ради теплоизоляции.

Post Hoc Ergo Propter Hoc

Пожалуй, это самая распространенная из логических ошибок. Ее базовая схема такова: событие А предшествовало событию Б, следовательно, А стало причиной Б. Причинно-следственная связь между двумя событиями предполагается просто потому, что они связаны во времени (латинское выражение переводится как «после этого — значит по причине этого»). К этой логической ошибке часто прибегают при защите различных видов альтернативной медицины: «Я болел, принял средство А, мне стало лучше, следовательно, средство А меня вылечило». Это логическая ошибка, поскольку выздороветь от болезни можно и вообще без какого-либо лечения.

Смешение корреляции и причинно-следственной связи

Эта ошибка похожа на post hoc тем, что в ней предполагается причинно-следственная связь между двумя переменными просто на основании того, что они наблюдаются вместе. Данную ошибку часто совершают, пытаясь истолковать статистическую корреляцию как причинную связь. Например, в 1990-х годах росла как посещаемость религиозных служб, так и употребление нелегальных наркотиков. Ошибочно было бы сделать вывод, будто посещение церкви ведет к наркомании. Возможен и обратный вариант: употребление наркотиков побуждает чаще ходить в церковь, или же рост обоих показателей вызван третьей переменной — например, ростом социальной нестабильности. Вполне вероятно и то, что эти две переменные никак не связаны друг с другом, а их одновременный рост — чистое совпадение.

По сути, у любой видимой корреляции всегда есть четыре возможных толкования. Первое — корреляция вообще не связана с причинностью. Второе — А вызывает Б. Третье — Б вызывает А. Четвертое — и А, и Б вызваны другой переменной, В. Полезно рассмотреть все эти варианты, прежде чем делать вывод о верности какой-то одной причинно-следственной связи.

Эта ошибка часто сочетается с интеллектуальным анализом данных (data mining) — поиском видимых корреляций в больших массивах информации. Люди обычно недооценивают количество корреляций, которые могут возникнуть по чистой случайности, если массивы данных достаточно велики.

Для иллюстрации этого можно привести сайт Тайлера Вигена под названием Spurious Correlations («Ложные корреляции»). Вы можете ввести несколько переменных в базы данных, на которые ссылается сайт, и он выдаст график, показывающий, насколько хорошо они коррелируют.

Например, расходы США на науку, космос и технологии в период с 1999 по 2009 год тесно коррелируют с количеством смертей в результате повешения, удавления и удушения. Также существует прекрасная корреляция между числом людей, утонувших в бассейне, и количеством фильмов, в которых снялся Николас Кейдж. Моя любимая, впрочем, — это тесная корреляция между продажами органических продуктов и количеством диагнозов «аутизм». Надо полагать, все это чисто случайные корреляции.

Этой ошибкой — смешением причинно-следственной связи и корреляции — нередко злоупотребляют или применяют ее не к месту, чтобы отвергнуть любые статистические доказательства. На самом деле это само по себе представляет собой логическую ошибку: отрицание причинно-следственной связи. Суть этого злоупотребления отражена в часто цитируемой (и искажаемой) фразе: «Корреляция не означает причинно-следственной связи». Что ж, вообще-то она ее подразумевает и может быть вызвана конкретной причиной — иногда А действительно вызывает Б. Точнее было бы сказать, что корреляция не обязательно указывает на причинно-следственную связь или что она сама по себе её не доказывает. Но она служит одним из доказательств в её пользу.

Чтобы правильно истолковать значение видимой корреляции, мы должны обратиться к самим доказательствам. Если корреляция обнаружена в ходе эксперимента, где контролировались все возможные переменные — например, в двойном слепом плацебо-контролируемом медицинском исследовании, — то любая найденная корреляция, скорее всего, отражает реальный эффект лечения. Если лечение коррелирует с улучшением состояния, а все эффекты плацебо были исключены благодаря контролю, вполне вероятно, что эта корреляция действительно обусловлена причинно-следственной связью: лечение привело к выздоровлению.

Во-вторых, даже на основе чисто эпидемиологических или статистических данных можно выстроить убедительную научную аргументацию в пользу конкретной причинно-следственной связи. Слабость подобных наблюдательных данных заключается в том, что в них не контролируются сопутствующие факторы, поэтому причин у видимой корреляции может быть множество. Тем не менее, мы можем рассмотреть несколько независимых корреляций, чтобы проверить, указывают ли они все на одну и ту же причинно-следственную связь. Мы можем методом триангуляции выйти на наиболее вероятную причину.

Например, было замечено, что курение сигарет коррелирует с заболеваемостью раком легких. Табачная индустрия, ссылаясь на логическую уловку «корреляция не означает причинно-следственной связи», утверждала, что это не доказывает, будто курение