Giới hạn của khoa học và phạm vi của tri thức hiện có

Vì vậy, một kết luận khoa học thường không mang nghĩa “đây là chân lý cuối cùng”. Nó gần hơn với phát biểu: với dữ liệu hiện có, cách đo hiện có, các giả định đã nêu và những phép kiểm tra đã vượt qua, đây là lời giải thích hoặc ước lượng được hỗ trợ tốt nhất. Khi một trong các điều kiện đó thay đổi, phạm vi đáng tin cậy của kết luận cũng có thể thay đổi.

Giới hạn của khoa học trước hết là giới hạn của điều có thể được kiểm tra

Khoa học tạo tri thức bằng cách đặt các phát biểu về thế giới vào quan hệ với quan sát, đo lường, thí nghiệm hoặc những dấu vết thực nghiệm có thể được kiểm tra liên chủ thể. Do đó, một giới hạn căn bản xuất hiện ngay từ câu hỏi: mệnh đề đang xét có tạo ra hệ quả nào mà bằng chứng có thể phân biệt được hay không?

Trong triết học khoa học, Karl Popper nhấn mạnh tính có thể bị bác bỏ: một giả thuyết khoa học phải có khả năng xung đột với ít nhất một quan sát khả dĩ. Một lý thuyết tương thích với mọi kết quả tưởng tượng được sẽ rất khó bị kiểm tra bằng kinh nghiệm, bởi không có kết quả nào thực sự đặt nó vào nguy cơ sai.

Điều này không đồng nghĩa mọi phát biểu không kiểm nghiệm được đều vô nghĩa. Logic, toán học, đạo đức học hay nhiều vấn đề siêu hình có thể chứa những câu hỏi quan trọng nhưng không hoạt động theo cùng cơ chế kiểm chứng của khoa học thực nghiệm. Giới hạn ở đây là giới hạn thẩm quyền của phương pháp, không phải phán quyết rằng mọi tri thức ngoài phương pháp đó đều không có giá trị.

Ngay trong phạm vi kiểm nghiệm được, khoa học cũng không kiểm tra một phát biểu trong khoảng chân không. Quan sát phụ thuộc vào thiết bị, cách xác định biến, lý thuyết nền và tiêu chuẩn chấp nhận dữ liệu. Vì thế, “có thể kiểm tra” là điều kiện cần cho nhiều hoạt động khoa học, nhưng chưa đủ để biến mọi kết quả thành tri thức chắc chắn.

Dữ liệu giới hạn những gì khoa học có thể kết luận

Bất kỳ kết luận thực nghiệm nào cũng chỉ có thể mạnh tương ứng với dữ liệu mà nó dựa vào. Dữ liệu có thể thiếu vì hiện tượng chưa quan sát được, mẫu nghiên cứu không đại diện, thời gian theo dõi quá ngắn hoặc công cụ chưa đủ độ nhạy. Ngay cả khi dữ liệu phong phú, bản thân phép đo vẫn không hoàn toàn đồng nhất với hiện tượng được đo.

Trong đo lường khoa học, vì vậy, người ta không chỉ báo cáo một giá trị mà còn phải xem xét độ không đảm bảo của phép đo. Hướng dẫn GUM của Joint Committee for Guides in Metrology được thiết kế chính để đánh giá và biểu diễn loại bất định này trên nhiều lĩnh vực đo lường.

Có thể hình dung một chuỗi giới hạn:

Hiện tượng thực tế → đại lượng được lựa chọn → công cụ ghi nhận → dữ liệu thu được → dữ liệu được xử lý → kết luận.

Ở mỗi bước, thông tin có thể bị mất hoặc bị biến đổi. Một cảm biến có giới hạn phát hiện; một bảng hỏi chỉ ghi nhận những gì câu hỏi cho phép người tham gia biểu đạt; một mẫu bệnh nhân tại một bệnh viện không tự động đại diện cho mọi quần thể; dữ liệu lịch sử không thể cung cấp những biến chưa từng được ghi nhận.

Do đó, không tìm thấy bằng chứng không phải lúc nào cũng tương đương với có bằng chứng rằng hiện tượng không tồn tại. Nếu thiết kế nghiên cứu không đủ khả năng phát hiện một hiệu ứng nhỏ, kết quả không có ý nghĩa thống kê chẳng hạn không thể tự động được diễn giải thành chứng minh rằng hiệu ứng bằng không.

Giới hạn dữ liệu vì thế không chỉ là “chưa có đủ số liệu”. Nó bao gồm giới hạn về khả năng quan sát, chất lượng phép đo, độ đại diện, độ phân giải và lượng thông tin mà dữ liệu thực sự chứa.

Phương pháp đặt giới hạn cho kiểu suy luận có thể thực hiện

Dữ liệu không tự nói lên kết luận. Giữa dữ liệu và kết luận luôn tồn tại một chuỗi suy luận, và mỗi phương pháp chỉ hỗ trợ một số dạng suy luận nhất định.

Một tương quan quan sát được, chẳng hạn, có thể phù hợp với nhiều cơ chế khác nhau. Nếu A và B cùng thay đổi, có thể A gây ra B, B gây ra A, hoặc một biến C tác động lên cả hai. Vì vậy, bằng chứng về tương quan không tự động cung cấp bằng chứng đầy đủ về quan hệ nhân quả.

Đây là một biểu hiện của vấn đề rộng hơn gọi là tính không xác định đầy đủ của lý thuyết bởi bằng chứng. Trong một số trường hợp, cùng một tập quan sát có thể tương thích với nhiều cách giải thích. Việc một giả thuyết dự đoán đúng dữ liệu vì thế chưa bảo đảm rằng chỉ giả thuyết đó mới có thể tạo ra dự đoán ấy.

Các phương pháp khoa học cố gắng giảm vấn đề này bằng nhiều cách: đối chứng, ngẫu nhiên hóa, đo biến gây nhiễu, dự đoán trước kết quả, kiểm tra trên dữ liệu mới hoặc tìm bằng chứng độc lập từ nhiều phương pháp. Nhưng mỗi biện pháp đều có điều kiện áp dụng.

Thí nghiệm ngẫu nhiên có sức mạnh lớn trong việc nhận diện một số quan hệ nhân quả, nhưng không phải hiện tượng nào cũng có thể hoặc nên được thao tác bằng thí nghiệm. Thiên văn học, địa chất học tiến hóa hay nghiên cứu các biến cố lịch sử độc nhất thường phải suy luận từ dấu vết quan sát thay vì tái tạo toàn bộ hiện tượng trong phòng thí nghiệm.

Vì thế không tồn tại một thước đo duy nhất theo đó nghiên cứu càng “giống thí nghiệm phòng lab” thì càng khoa học. Câu hỏi đúng hơn là: phương pháp được chọn có đủ khả năng phân biệt những cách giải thích cạnh tranh cho câu hỏi cụ thể hay không?

Mô hình giải thích luôn đơn giản hóa thực tại

Khoa học không làm việc trực tiếp với toàn bộ thực tại cùng một lúc. Nó sử dụng khái niệm, phương trình, mô hình thống kê, mô phỏng và lý thuyết để giữ lại những quan hệ được xem là quan trọng đối với một câu hỏi.

Chính khả năng giản lược này làm mô hình hữu ích. Nhưng nó đồng thời tạo ra giới hạn.

Một mô hình có thể dự đoán tốt trong miền dữ liệu đã quan sát nhưng thất bại khi điều kiện thay đổi. Một quan hệ gần tuyến tính trong khoảng nhỏ không nhất thiết tiếp tục tuyến tính ở phạm vi lớn. Mô hình về một quần thể trung bình có thể không mô tả tốt từng cá thể. Một mô hình thống kê dự báo chính xác cũng chưa chắc đã chỉ ra đúng cơ chế nhân quả đứng sau dự báo.

Vì vậy cần phân biệt ít nhất ba câu hỏi:

Mô hình có khớp dữ liệu không?

Điều này đánh giá mức độ mô hình tái tạo những mẫu đã quan sát.

Mô hình có dự đoán được dữ liệu mới không?

Điều này kiểm tra khả năng tổng quát hóa vượt khỏi dữ liệu dùng để xây dựng mô hình.

Mô hình có giải thích đúng cơ chế không?

Đây là yêu cầu mạnh hơn, bởi nhiều mô hình khác nhau đôi khi có thể tạo ra dự đoán tương tự trong cùng miền quan sát.

Ba câu hỏi có liên hệ nhưng không đồng nhất. Một mô hình hữu ích trong dự báo không nhất thiết là bản mô tả đầy đủ của thực tại. Ngược lại, việc mô hình có giả định đơn giản hóa không làm nó vô giá trị; điều quan trọng là biết giả định nào đang được sử dụng và kết luận còn đáng tin trong điều kiện nào.

Giới hạn của khả năng giải thích vì thế thường là giới hạn miền áp dụng, chứ không nhất thiết là thất bại tuyệt đối của lý thuyết.

Tri thức khoa học có tính tạm thời nhưng không đồng nghĩa với tùy ý

Việc một kết luận khoa học có thể được sửa đổi đôi khi bị hiểu thành “khoa học hôm nay nói thế này, mai có thể nói ngược lại nên không có gì đáng tin”. Cách hiểu đó bỏ qua sự khác biệt giữa có thể sửa đổi và không có căn cứ.

Kết luận khoa học được củng cố khi nhiều phép đo, phương pháp và nhóm nghiên cứu độc lập tạo ra kết quả tương thích; khi dự đoán mới thành công; khi các cách giải thích cạnh tranh bị loại bỏ; và khi kết quả vẫn đứng vững trước những phép kiểm tra nghiêm ngặt hơn.

National Academies of Sciences, Engineering, and Medicine phân biệt reproducibility — khả năng thu được kết quả nhất quán từ cùng dữ liệu và quy trình phân tích — với replicability, tức thu được kết quả phù hợp qua các nghiên cứu mới cùng giải quyết một câu hỏi khoa học. Báo cáo của tổ chức này cũng nhấn mạnh rằng khoa học xây dựng độ tin cậy thông qua kiểm tra lặp lại, nhiều tuyến bằng chứng và việc biểu diễn mức độ bất định thích hợp.

Bởi vậy, giới hạn không phải một khuyết điểm nằm bên ngoài khoa học. Việc định lượng sai số, công bố bất định, thử bác bỏ giả thuyết, tái kiểm tra kết quả và xác định miền áp dụng chính là những cơ chế khoa học sử dụng để quản lý giới hạn của chính mình.

Một kết luận có độ tin cậy cao vẫn không cần được gọi là chắc chắn tuyệt đối. Ngược lại, một kết luận còn bất định cũng không có nghĩa mọi phương án giải thích đều ngang nhau. Bằng chứng có thể ủng hộ một số giả thuyết mạnh hơn những giả thuyết khác dù chưa loại bỏ hoàn toàn mọi khả năng cạnh tranh.

Phạm vi của tri thức hiện có được xác định bằng mức độ bằng chứng cho phép

Khi hỏi “khoa học biết đến đâu?”, cách trả lời hữu ích hơn không phải là vẽ một đường cố định giữa phần đã biết và chưa biết. Cần xác định mức độ hỗ trợ của từng loại kết luận.

Có những hiện tượng được đo rất chính xác nhưng cơ chế vẫn còn tranh luận. Có những cơ chế được hiểu tốt nhưng khả năng dự báo từng trường hợp cụ thể còn thấp. Có những quan hệ được chứng minh trong một quần thể nhưng chưa đủ cơ sở để tổng quát sang quần thể khác. Và cũng có những câu hỏi chưa thể kiểm tra vì chưa có công cụ hoặc dữ liệu phù hợp.

Ngoài ra, dữ liệu thực nghiệm tự nó không quyết định mọi câu hỏi chuẩn tắc. Khoa học có thể ước lượng tác động của một chính sách, rủi ro của một công nghệ hoặc hậu quả của một lựa chọn; nhưng để kết luận xã hội nên ưu tiên mục tiêu nào còn cần các tiền đề về giá trị. Đây không phải trường hợp khoa học “thất bại”, mà là sự khác nhau giữa phát biểu mô tả thế giới và phán đoán về điều nên được coi là đáng mong muốn.

Vì thế, khi đánh giá một tuyên bố khoa học, thay vì chỉ hỏi “đúng hay sai”, nên hỏi: dữ liệu nào hỗ trợ nó, dữ liệu đó được tạo ra như thế nào, phép suy luận dựa trên giả định gì, có cách giải thích cạnh tranh nào chưa bị loại bỏ, mô hình áp dụng trong điều kiện nào và mức bất định còn lại là bao nhiêu.

Đó cũng là cách hiểu chính xác nhất về giới hạn của khoa học: không phải một bức tường cố định bao quanh tri thức, mà là tập hợp các ràng buộc xác định mức độ một kết luận có thể được quan sát, kiểm tra, suy luận, giải thích và khái quát từ bằng chứng hiện có.

Giới hạn của khoa học xuất hiện ở cả ba tầng liên kết với nhau. Dữ liệu giới hạn những gì có thể quan sát và đo được; phương pháp giới hạn những suy luận có thể rút ra một cách hợp lệ; còn mô hình và lý thuyết giới hạn phạm vi mà một lời giải thích có thể đại diện cho thực tại.

Những giới hạn này khiến tri thức khoa học có điều kiện và có thể được sửa đổi, nhưng không làm nó trở thành tri thức tùy ý. Ngược lại, sức mạnh của khoa học nằm ở việc các giới hạn ấy có thể được nhận diện, biểu diễn bằng bất định, kiểm tra bằng bằng chứng mới và thu hẹp dần khi phương pháp cùng năng lực quan sát tiến bộ.