Naomi Oreskes: Why we should trust scientists

نائومی ارسكز: چرا بايد به دانشمندان اعتماد كنيم

Translator: Amin Behshad Reviewer: Leila Ataei

Every day we face issues like climate change

هر روز ما با موضوعاتی مواجه می شویم مانند تغییرات آب و هوا

or the safety of vaccines

و یا سلامت واکسن ها

where we have to answer questions whose answers

و مجبوریم پاسخ سوالاتی را دهیم که جوابشان

rely heavily on scientific information.

وابستگی شدیدی به اطلاعات علمی دارد.

Scientists tell us that the world is warming.

دانشمندان می گویند که جهان در حال گرم شدن است.

Scientists tell us that vaccines are safe.

دانشمندان به ما می گویند که واکسیناسیون ایمن و بی خطر است.

But how do we know if they are right?

ولی ما از کجا می دانیم که آنها درست می گویند؟

Why should be believe the science?

چرا باید به علم اعتقاد داشته باشیم؟

The fact is, many of us actually don't believe the science.

واقعیت این است که تعداد زیادی از ما عملاً اعتقادی به علم نداریم

Public opinion polls consistently show

نظر سنجی های عمومی به طور مدام نشان می دهند

that significant proportions of the American people

که نسبت قابل توجهی از مردم آمریکا

don't believe the climate is warming due to human activities,

اعتقادی ندارند که آب و هوا در نتیجه ی فعالیت های انسانی در حال گرم شدن است،

don't think that there is evolution by natural selection,

فکر نمی کنند که فرگشت(تكامل) درنتيجه انتخاب های طبیعی بوجود آمده،

and aren't persuaded by the safety of vaccines.

و نسبت به بی خطری واکسن ها متقاعد نشده اند.

So why should we believe the science?

پس چرا باید به علم اعتقاد داشته باشیم؟

Well, scientists don't like talking about science as a matter of belief.

خوب، داشنمندان دوست ندارند در مورد علم به عنوان موضوعی اعتقادی صحبت کنند.

In fact, they would contrast science with faith,

در حقیقت آنها علم و ایمان را از هم متمایز می کنند،

and they would say belief is the domain of faith.

و آنها می گویند باور دامنه ی ایمان است.

And faith is a separate thing apart and distinct from science.

ایمان چیزی جدا و متمایز از علم است.

Indeed they would say religion is based on faith

در واقع می گویند که مذهب بر پایه ی ایمان

or maybe the calculus of Pascal's wager.

یا شاید هم بر پایه ی محاسبات «قمار پاسکال» (استدلال پاسکال برای اعتقاد داشتن به وجود خدا) است.

Blaise Pascal was a 17th-century mathematician

بلز پاسکال یک ریاضیدان قرن هفدهم بود

who tried to bring scientific reasoning to the question of

که سعی کرد تا برای این پرسش دلایلی علمی بیاورد

whether or not he should believe in God,

که آیا او باید به خدا اعتقاد داشته باشد یا نه،

and his wager went like this:

و شرط بندی او به این شکل پیش رفت:

Well, if God doesn't exist

خوب، اگر خدایی وجود نداشته باشد

but I decide to believe in him

ولی من تصمیم بگیرم که به خدا اعتقاد داشته باشم

nothing much is really lost.

چیز زیادی از دست نرفته است.

Maybe a few hours on Sunday.

شاید تنها چند ساعت از یکشنبه (برای کلیسا).

(Laughter)

(خنده ی حاضرین)

But if he does exist and I don't believe in him,

ولی اگر خدا وجود داشته باشد و من اعتقاد نداشته باشم

then I'm in deep trouble.

من در یک مصیبت بزرگ هستم.

And so Pascal said, we'd better believe in God.

و در نتیجه پاسکال گفت که بهتر است ما به خدا اعتقاد داشته باشیم.

Or as one of my college professors said,

یا همانطور که یکی از اساتید کالج من گفت،

"He clutched for the handrail of faith."

"او به ایمان چنگ انداخت".

He made that leap of faith

او یک خیز ایمانی برداشت

leaving science and rationalism behind.

و علم و منطق گرایی را پشت سر نهاد.

Now the fact is though, for most of us,

درواقع حقیقت این است که برای بیشتر ما،

most scientific claims are a leap of faith.

دستاوردهای علمی، حرکتهای ایمانی هستند.

We can't really judge scientific claims for ourselves in most cases.

در بیشتر مواقع نمی توانیم خودمان در مورد دستاوردهای علمی قضاوت کنیم.

And indeed this is actually true for most scientists as well

و در بیشتر مواقع برای خود دانشمندان هم خارج از

outside of their own specialties.

حوزه تخصصیشان، به همین صورت است

So if you think about it, a geologist can't tell you

اگر در موردش فکر کنید میبینید که یک زمین شناس

whether a vaccine is safe.

نمیتواند به شما بگوید که واکسن مشکلی ندارد.

Most chemists are not experts in evolutionary theory.

بیشتر شیمی دانها در تئوری فرگشت(تکامل) تخصصی ندارند.

A physicist cannot tell you,

یک فیزیکدان نمیتواند به شما بگوید،

despite the claims of some of them,

-البته صرفنظر از ادعاهای بعضیشان-

whether or not tobacco causes cancer.

که تنباکو باعث سرطان میشود یا نه.

So, if even scientists themselves

بنابراین اگر خود دانشمندان هم

have to make a leap of faith

باید خارج از حوزه تخصصشون

outside their own fields,

به بعضی چیزها ایمان بیاورند،

then why do they accept the claims of other scientists?

پس چطور ادعاهای دیگر دانشمندان را قبول میکنند؟

Why do they believe each other's claims?

چرا به اکتشافات همدیگر اعتقاد دارند؟

And should we believe those claims?

و اینکه ما هم باید این ادعاهای علمی را قبول کنیم؟

So what I'd like to argue is yes, we should,

خوب اين چيزيست كه من ميخوام در موردش صحبت كنم، باید اینطور باشد،

but not for the reason that most of us think.

ولي نه به دليلی كه بيشتر ما گمان می كنيم.

Most of us were taught in school that the reason we should

بيشتر ما در مدرسه می آموزيم كه به خاطر روش های علمی

believe in science is because of the scientific method.

بايد به روشهای علمی اعتقاد داشته باشيم.

We were taught that scientists follow a method

آموخته ايم كه دانشمندان از روشی پيروی می كنند كه

and that this method guarantees

اين روش درستی ادعاهايشان

the truth of their claims.

را تضمين می كند.

The method that most of us were taught in school,

اين روشی كه بيشتر ما در مدرسه آموخته ايم،

we can call it the textbook method,

را ميتوانيم روش جزوه ای بناميم،

is the hypothetical deductive method.

كه همان روش فرضی-قياسی است.

According to the standard model, the textbook model,

براساس مدل استاندارد، در روش جزوه ای،

scientists develop hypotheses, they deduce

دانشمندان فرضياتی را طرح می كنند، و نتايج را

the consequences of those hypotheses,

آن فرضيا ت استنباط می كنند.

and then they go out into the world and they say,

و به اين صورت به دنيای اطراف اعلام می كنند كه

"Okay, well are those consequences true?"

"بسيار خوب! نتایج درست هستند!"

Can we observe them taking place in the natural world?

آيا در جهان طبيعت می توانيم آنها را به همين صورت مشاهده كنيم؟

And if they are true, then the scientists say,

و اگر آنها درستند، آنگاه دانشمندان می گويند

"Great, we know the hypothesis is correct."

"عاليست! ما ميدونيم كه فرضيات درستند!"

So there are many famous examples in the history

خوب، مثالهای بسياری در تاريخ موجودند كه

of science of scientists doing exactly this.

دانش دانشمندان دقيقا به همين صورت بوده.

One of the most famous examples

يكي از معروفترين مثالها

comes from the work of Albert Einstein.

كار آلبرت انشتين است.

When Einstein developed the theory of general relativity,

هنگامي كه تئوری نسبيت عام را مطرح كرد،

one of the consequences of his theory

يكي از پيامدهای فرضيه اش اين بود كه

was that space-time wasn't just an empty void

زمان-فضا يك حفره توخالی نيست

but that it actually had a fabric.

بلكه دارای تاروپوديست

And that that fabric was bent

و اون تار و پود، در اطراف

in the presence of massive objects like the sun.

اجرامی مثل خورشيد خم می شود.

So if this theory were true then it meant that light

خوب اگر اين فرضيه درست بود به اين معنا بود كه نور

as it passed the sun

با گذر از خورشيد

should actually be bent around it.

بايد اندكی اطراف آن خم شود.

That was a pretty startling prediction

كه يه پيشگویی ترو تميز شگفت انگيز بود و

and it took a few years before scientists

چندين سال قبل از اينكه دانشمندان بتوانند آزمايشش كنند،

were able to test it

مطرح شد

but they did test it in 1919,

ولی وقتی در سال ۱۹۱۹ آزمايش شد...

and lo and behold it turned out to be true.

ديدند آها خودش است! و درست درآمد.

Starlight actually does bend as it travels around the sun.

درحقيقت نور ستارگان در گذر از اطراف خورشيد خم می شود.

This was a huge confirmation of the theory.

كه تاييد درست و حسابی برای اين نظريه بود.

It was considered proof of the truth

و اينگونه اثباتی برای اين فرضيه افراطی جديد

of this radical new idea,

به وجود آمد.

and it was written up in many newspapers

و مقالات زيادی درسرتاسر دنيا در موردش

around the globe.

نوشته شد.

Now, sometimes this theory or this model

امروزه بعضی وقتها اين نظريه يا مدل

is referred to as the deductive-nomological model,

به صورت مدل اصل استنتاجی مطرح می شود.

mainly because academics like to make things complicated.

به اين دليل كه دانشگاهيان دوست دارن چيزهارو پيچيده كنند!

But also because in the ideal case, it's about laws.

از سوی ديگر به اين دليل كه در اين مثال ايده آل در مورد قوانين هست.

So nomological means having to do with laws.

خوب اصل به اين معناست كه بايد با قوانين كار كنيم.

And in the ideal case, the hypothesis isn't just an idea:

و در اين مثال ايده آل،فرضيات فقط ايده هايی ساده نيستند:

ideally, it is a law of nature.

درحالت ايده آل آننا قانون طبيعتی هستند.

Why does it matter that it is a law of nature?

خوب چرا اين موضوع قانون طبيعت است؟

Because if it is a law, it can't be broken.

چون اگر قانون باشد نمی توان آن را شکست!

If it's a law then it will always be true

اگر قانون باشد در نتیجه هميشه درست است!

in all times and all places

در همه زمانها و مكانها

no matter what the circumstances are.

و فرقی هم نمی كند كه با چه موقعيتی روبرو هستيم.

And all of you know of at least one example of a famous law:

خوب همه شما اقلا يك نمونه از يك قانون مشهور را می شناسيد:

Einstein's famous equation, E=MC2,

فرمول معروف انشتين، E=MC2

which tells us what the relationship is

كه ارتباط بين ماده و انرژی

between energy and mass.

را بيان می كند.

And that relationship is true no matter what.

و اين ارتباط درست است، مهم هم نيست چرا!

Now, it turns out, though, that there are several problems with this model.

خوب به هر حال اين مدل چند مشكل هم دارد.

The main problem is that it's wrong.

كه بزرگترينش غلط بودن آن است!

It's just not true. (Laughter)

درست نيست.(خنده حاضرين)

And I'm going to talk about three reasons why it's wrong.

می خواهم در مورد سه دليلی صحبت كنم كه چرا غلط است.

So the first reason is a logical reason.

اولين دليل، دليل منطقی هست.

It's the problem of the fallacy of affirming the consequent.

كه سفسطه درست بودن نتيجه است.

So that's another fancy, academic way of saying

خوب يک چيز مسخره ديگر نحوه بيان دانشگاهی

that false theories can make true predictions.

فرضيات غلطی است كه ميتوانند پيش بينيهای درست انجام دهند.

So just because the prediction comes true

فقط به اين دليل كه پيش بينی ها درست درميایند

doesn't actually logically prove that the theory is correct.

از لحاظ منطقی به اين معنا نيست كه اثبات انجام شده فرضيه درستی است.

And I have a good example of that too, again from the history of science.

كه برای اين هم مثال خوب از تاريخ علم دارم.

This is a picture of the Ptolemaic universe

اين تصويری از جهان بطلميوسی هست،

with the Earth at the center of the universe

كه زمين در مركز كائنات قرار دارد

and the sun and the planets going around it.

و خورشيد و ديگر سيارات حول اون می چرخند.

The Ptolemaic model was believed

افراد باهوش زيادی قرنها گمان می كردند

by many very smart people for many centuries.

مدل بطلميوسی درست است.

Well, why?

خوب چرا؟

Well the answer is because it made lots of predictions that came true.

خوب جواب اين است كه بسياری از پيش بينيهای اين مدل درست از آب درآمده.

The Ptolemaic system enabled astronomers

سيستم بطلميوسی ستاره شناسان را قادر ساخت تا

to make accurate predictions of the motions of the planet,

پيش بينيهای دقيقی از حركت ديگر كرات انجام دهند

in fact more accurate predictions at first

در حقيقت پيشبينی هایی دقيقتر از قبل.

than the Copernican theory which we now would say is true.

بعد از آن نظريه كوپرنيكی بود كه دنيا ميگفت درست است.

So that's one problem with the textbook model.

خوب اين يکی از مشكلات مدل جزوه ای است.

A second problem is a practical problem,

مشكل بعدی مشكل كاربرديست،

and it's the problem of auxiliary hypotheses.

و آن مشكل، درمورد فرضيات كمكی است.

Auxiliary hypotheses are assumptions

فرضيات كمكی حدسياتی هستند

that scientists are making

كه دانشمندان می سازند بصورت

that they may or may not even be aware that they're making.

آگاهانه يا حتی نا آگاهانه .

So an important example of this

خوب يک مثال خوب در اين زمينه

comes from the Copernican model,

مدل كپرنيك هست،

which ultimately replaced the Ptolemaic system.

كه در نهايت جايگزين مدل بطلميوسی شد.

So when Nicolaus Copernicus said,

وقتی نيكلاس كپرنيك می گوید

actually the Earth is not the center of the universe,

در واقع زمين مركز گيتی نيست

the sun is the center of the solar system,

و خورشيد مرکز منظومه خورشيدی است

the Earth moves around the sun.

و زمين حول خورشيد حركت می كند؛

Scientists said, well okay, Nicolaus, if that's true

دانشمندان می گویند،بسيار خوب! اگر نيكولاس درست بگوید

we ought to be able to detect the motion

بايد بتوانيم حركت زمين حول خورشيد

of the Earth around the sun.

را رديابی كنيم.

And so this slide here illustrates a concept

و اين اسلايد مفهومی كه تحت عنوان پارالكس ستاره ای

known as stellar parallax.

شناخته می شود را نشون ميدهد .

And astronomers said, if the Earth is moving

و ستاره شناسان می گویند اگر زمين در حال حركت باشد

and we look at a prominent star, let's say, Sirius --

و به ستاره بسيار دوری مثلا سيروس(شباهنگ) نگاه كنيم،--

well I know I'm in Manhattan so you guys can't see the stars,

خوب ميدانم من در منهتنم و من و شما نمی توانيم اين ستاره را ببينيم

but imagine you're out in the country, imagine you chose that rural life —

ولي فرض كنيد در روستایی زندگی می كنيد--

and we look at a star in December, we see that star

و در ماه دسامبر به ستاره ای در پس زمینه

against the backdrop of distant stars.

ستارگان فرادست می نگریم.

If we now make the same observation six months later

ولي اگر همين مشاهده رو ۶ ماه بعد انجام دهيم،

when the Earth has moved to this position in June,

وقتي كه زمين به اين موقعيت در ماه ژوئن ميرسد،

we look at that same star and we see it against a different backdrop.

همان ستاره را با پس زمينه ای متفاوت می بينيم.

That difference, that angular difference, is the stellar parallax.

اين اختلاف، نوعی اختلاف زاويه ايست وپارالكس ستاره ای ناميده می شود.

So this is a prediction that the Copernican model makes.

خوب اين نوعی از پيش بينی است كه مدل كپرنيكی انجام ميدهد.

Astronomers looked for the stellar parallax

ستاره شناسان براي مشاهده پارالكس ستاره ای شروع به مشاهده كردند

and they found nothing, nothing at all.

ولي چیزی پيدا نكردند. هيچی!

And many people argued that this proved that the Copernican model was false.

به همين دليل، بسياری گفتند كه اثباتيی بر غلط بودن مدل كپرنيك هست.

So what happened?

پس چه اتفاقی افتاد؟

Well, in hindsight we can say that astronomers were making

خوب، به صورت ساده می توانيم بگویيم كه ستاره شناسان

two auxiliary hypotheses, both of which

دو فرضيه كمكی مطرح كردند كه

we would now say were incorrect.

امروزه می گویم هردوشان غلط بود.

The first was an assumption about the size of the Earth's orbit.

اولی حدسی بود در مورد اندازه مدار زمين.

Astronomers were assuming that the Earth's orbit was large

ستاره شناسان فرض كردند كه مدار زمين

relative to the distance to the stars.

در مقايسه با فاصله از ستاره ها، بزرگ است.

Today we would draw the picture more like this,

امروزه می توانيم تصويری مثل اين را ترسيم كنيم

this comes from NASA,

كه منبعش ناساست.

and you see the Earth's orbit is actually quite small.

و همونطور كه می توانيد ببينيد مدار زمين بسيار كوچك است.

In fact, it's actually much smaller even than shown here.

درحقيقت كوچكتر از آن است كه قابل نمايش در اينجا باشد.

The stellar parallax therefore,

بنابراين پارالكس ستاره ای،

is very small and actually very hard to detect.

بسيار كوچك است و به سختی تشخيص داده می شود.

And that leads to the second reason

می رسيم به دومين دليلی كه

why the prediction didn't work,

چرا پيش بينی جواب نداد،

because scientists were also assuming

چون فرض دانشمندان بر اين بود كه

that the telescopes they had were sensitive enough

تلسكوپهایشان به قدر كافی برای ديدن

to detect the parallax.

پارالكس حساس است.

And that turned out not to be true.

درصورتيكه معلوم شد درست نيست.

It wasn't until the 19th century

تا قرن ۱۹ طول كشيد تا

that scientists were able to detect

دانشمندان بتوانند پارالكس ستاره ای

the stellar parallax.

را شناسايی كنند.

So, there's a third problem as well.

خوب، مشكل سومی هم وجود دارد.

The third problem is simply a factual problem,

كه اين مشكل سوم در عمل و واقعيت ظاهر می شود

that a lot of science doesn't fit the textbook model.

اين كه بسياری از علوم در کتابهای درسی یافت نمی شوند..

A lot of science isn't deductive at all,

بسياری از علوم وجود دارند كه اصلا استنتاجی و قياسی نيستند.

it's actually inductive.

و در واقع استقرايی هستند.

And by that we mean that scientists don't necessarily

و براين مبنا قصد داريم بگویيم كه لزوما دانشمندان

start with theories and hypotheses,

با فرض و فرضيه شروع نمی كنند،

often they just start with observations

اغلب فقط با مشاهده موضوعاتی در جهان هستی،

of stuff going on in the world.

شروع می كنند.

And the most famous example of that is one of the most

و يكی از معروفترين مثالهای اين مورد، يكی از مشهورترين

famous scientists who ever lived, Charles Darwin.

دانشمندانی است كه تاكنون زيسته: چارلز داروين.

When Darwin went out as a young man on the voyage of the Beagle,

زماني كه داروين جوانی روی کشتی بيگل بود و با آن سفر می كرد،

he didn't have a hypothesis, he didn't have a theory.

فرضيه و نظريه ای نداشت.

He just knew that he wanted to have a career as a scientist

فقط ميدانست كه دوست دارد دانشمند باشد

and he started to collect data.

و با جمع آوريی داده ها شروع كرد.

Mainly he knew that he hated medicine

درحقيقت ميدانست كه از پزشكی متنفر است

because the sight of blood made him sick so

چون ديدن خون حالش را بد می كرد

he had to have an alternative career path.

پس بايد مسير شغلی ديگری را برمی گزيد.

So he started collecting data.

پس شروع به جمع آوری داده ها كرد.

And he collected many things, including his famous finches.

بسياری چيزها از جمله فنچهای معروفش را جمع آوری كرد.

When he collected these finches, he threw them in a bag

وقتي فنچهارو جمع آوری كرد، آنها را توی كيسه ای انداخت

and he had no idea what they meant.

و هدف خاصی هم برای اين كارش نداشت.

Many years later back in London,

سالها بعد كه به لندن برگشت

Darwin looked at his data again and began

دوباره به داده ها نگاهی انداخت و

to develop an explanation,

شروع به طرح يك توضيح كرد،

and that explanation was the theory of natural selection.

توضيحی كه نظريه انتخاب طبيعی شد.

Besides inductive science,

صرف نظر از علوم استقرايی،

scientists also often participate in modeling.

دانشمندان اغلب از مدلسازيی هم استفاده می كنند.

One of the things scientists want to do in life

يكی از چيزهايی كه دانشمندان می خواهند در طول حياتشان انجام دهند،

is to explain the causes of things.

يافتن توضيح برای دليل پديده هاست.

And how do we do that?

با اين چيكار كنيم؟

Well, one way you can do it is to build a model

خوب، يك راه ساخت مدل

that tests an idea.

برای آزمودن ايده است.

So this is a picture of Henry Cadell,

اين تصويری از هنری كدل است

who was a Scottish geologist in the 19th century.

زمين شناس قرن ۱۹ اسكاتلندی.

You can tell he's Scottish because he's wearing

می توانيد بهش بگویيد اسكاتلندی چون

a deerstalker cap and Wellington boots.

كلاه شكاری و چكمه مخصوصشان را پوشیده

(Laughter)

(خنده)

And Cadell wanted to answer the question,

كدل ميخواست به اين سوال پاسخ دهد كه

how are mountains formed?

كوهها چگونه شكل گرفته اند؟

And one of the things he had observed

و يكی از چيزهايی كه مشاهده كرد

is that if you look at mountains like the Appalachians,

اين بود كه اگر به كوههای نظير آپالاچيان نگاه كنيد،

you often find that the rocks in them

اغلب می توانيد صخره هايی ببينيد كه

are folded,

چين خورده اند

and they're folded in a particular way,

و درجهت خاصی تا خورده اند

which suggested to him

كه برای او به مفهوم

that they were actually being compressed from the side.

از کناره تحت فشار بودنشان بود.

And this idea would later play a major role

و اين نظر بعدها در مباحث رانش قاره ای

in discussions of continental drift.

نقش اصلی را بازی كرد.

So he built this model, this crazy contraption

به اين صورت مدل خودش را ساخت، اختراع ديوانه واری

with levers and wood, and here's his wheelbarrow,

با اهرمها و چوب، همینطور فرغون،

buckets, a big sledgehammer.

سطلها و يک پتك بزرگ.

I don't know why he's got the Wellington boots.

من نميداونم ايشان چرا از اين چكمه ها می پوشيد.

Maybe it's going to rain.

شايد تو باران بيرون می رفت.

And he created this physical model in order

و به اين صورت مدل فيزيكی مورد نظرش را ساخت تا

to demonstrate that you could, in fact, create

نشان دهد كه شما هم می توانيد،

patterns in rocks, or at least, in this case, in mud,

كه روی صخره ها يا اقلا در اين مورد روی گِل، الگوی مورد نظرتون را اجرا كنيد

that looked a lot like mountains

كه مثل تعداد زيادی قله به نظر می رسد

if you compressed them from the side.

اگر از بغل فشرده شان كنيم.

So it was an argument about the cause of mountains.

خوب اين هم بحثی بود درباره پیدایش كوهها.

Nowadays, most scientists prefer to work inside,

امروزه بيشتر دانشمندان ترجيح می دهند در آزمایشگاه كار كنند،

so they don't build physical models so much

برای همين خيلی مدل فيزيكی درست نمی كنند،

as to make computer simulations.

و درعوض شبيه سازيهای يارانه ای انجام می دهند.

But a computer simulation is a kind of a model.

ولی شبيه سازی يارانه ای هم خودش نوعی مدل سازی است.

It's a model that's made with mathematics,

مدليه كه با رياضيات ساخته ميشه

and like the physical models of the 19th century,

و مثل مدلهای فيزيكی قرن نوزدهمی

it's very important for thinking about causes.

برای اندیشیدن در مورد علل، بسيار مهم می باشد.

So one of the big questions to do with climate change,

خوب اينجا سوال مهمی كه پيش مياد در مورد تغييرات آب و هوايی است.

we have tremendous amounts of evidence

ما شواهد بسيار دهشتناكی داريم

that the Earth is warming up.

كه زمين در حال گرم شدن است.

This slide here, the black line shows

در اين اسلايد، خط سياه

the measurements that scientists have taken

اندازه گيريهايی را نشان ميدهد كه دانشمندان

for the last 150 years

اقلا از ۱۵۰ سال پيش انجام داده اند.

showing that the Earth's temperature

نشان ميدهد كه دمای زمين

has steadily increased,

به طور پيوسته در حال افزايش هست

and you can see in particular that in the last 50 years

و می توانيد به طور خاص ببينيد كه طی ۵۰ سال گذشته،

there's been this dramatic increase

به طرز چشمگيری افزايشی در

of nearly one degree centigrade,

حدود ۱ درجه سانتی گراد داشته ايم

or almost two degrees Fahrenheit.

يا تقريبا دو درجه فارنهايت.

So what, though, is driving that change?

خوب حالا چه چیزی اين تغييرات را ايجاد می كند؟

How can we know what's causing

چطور می توانيم بفهميم چی باعث

the observed warming?

اين افزايش دمای مشاهده شده است؟

Well, scientists can model it

خوب دانشمندان ميتوانند این کار را با استفاده از

using a computer simulation.

شبيه سازيهای يارانه ای مدل سازی كنند.

So this diagram illustrates a computer simulation

خوب اين دياگرام شبيه سازی يارانه ای را نشان ميدهد

that has looked at all the different factors

كه به کلیه فاكتورهای مختلفی ميپردازد

that we know can influence the Earth's climate,

كه میدانيم روی آب و هوای زمين تاثير دارند.

so sulfate particles from air pollution,

ذرات سولفات ناشی از آلودگی هوا،

volcanic dust from volcanic eruptions,

گرد و غبار آتش فشانی ناشی از فعاليت آتشفشانی

changes in solar radiation,

تغييرات تابش خورشيدی

and, of course, greenhouse gases.

و البته گازهای گلخانه ای.

And they asked the question,

خوب حالا آنها اين سوال را پرسيدند كه

what set of variables put into a model

چه متغيرهايی را وارد مدل كنند تا

will reproduce what we actually see in real life?

همان چيزهایی كه در جهان واقعی می بينيم را بازتوليد كنيم؟

So here is the real life in black.

اينجا جهان واقعی با رنگ سياه نشون داده شده.

Here's the model in this light gray,

اين خاكستری كمرنگ هم نتايج مدل است

and the answer is

و جواب آن

a model that includes, it's the answer E on that SAT,

مدلی است كه شامل جواب همه موارد بالا می باشد.

all of the above.

همه موارد بالا.

The only way you can reproduce

تنها راهی كه می توان

the observed temperature measurements

دماهای اندازه گيری شده را بازتوليد كرد

is with all of these things put together,

اين است که همه اين چيزها را یکجا جمع كنيم،

including greenhouse gases,

از جمله گازهای گلخانه ای،

and in particular you can see that the increase

كه به طور خاص می توان شاهد

in greenhouse gases tracks

روند افزایشی گازهای گلخانه ای بود،

this very dramatic increase in temperature

این افزايش چشمگير دما

over the last 50 years.

در۵۰ سال گذشته.

And so this is why climate scientists say

و اين هم دليلی هست كه هواشناسان می گویند

it's not just that we know that climate change is happening,

كه فقط به اين ختم نمی شود كه بدانيم تغييرات آب و هوا در حال رخ دادن است.

we know that greenhouse gases are a major part

بلكه می دانيم كه گازهای گلخانه ای نقش اصلی را

of the reason why.

در چرايی اين ماجرا دارد.

So now because there all these different things

خوب حالا به خاطر وجود همه اين چيزها

that scientists do,

كه دانشمندان انجام دادند

the philosopher Paul Feyerabend famously said,

پل فيراباند فيلسوف مشهور می گوید:

"The only principle in science

"تنها اصل(قانون) در دانش

that doesn't inhibit progress is: anything goes."

كه هيچوقت دچار تغيير نمی شود اين است كه: هيچ چيز پايدار نيست".

Now this quotation has often been taken out of context,

اين سخن اغلب مورد توجه قرار نگرفته،

because Feyerabend was not actually saying

چون فيرابند در واقع نمی گوید كه

that in science anything goes.

در دانش همه چيز از بين ميرود.

What he was saying was,

چيزی كه او می گفت،

actually the full quotation is,

و سخن كاملش اين بود:

"If you press me to say

"اگر منو مجبور كنی تا بگم

what is the method of science,

روش علم چيست،

I would have to say: anything goes."

خواهم گفت: هرچيزی تغيير ميكنه".

What he was trying to say

چيزی كه وی تلاش می كرد بگوید

is that scientists do a lot of different things.

اين بود كه دانشمندان كارهای مختلفی انجام می دهند.

Scientists are creative.

دانشمندان خلاق اند.

But then this pushes the question back:

ولي اين ما را به سوال قبلی برمی گرداند:

If scientists don't use a single method,

اگر دانشمندان از يك روش استفاده نمی کنند

then how do they decide

خوب چطور تصميم می گیرند

what's right and what's wrong?

چي درسته است و چی غلط؟

And who judges?

و چه كسی قضاوت می كند؟

And the answer is, scientists judge,

و پاسخ اين است كه دانشمندان قضاوت می كنند

and they judge by judging evidence.

و با داوری در مورد مدارك قضاوت را انجام می دهند.

Scientists collect evidence in many different ways,

دانشمندان شواهد را به روشهای بسيار مختلفی جمع آوری می کنند.

but however they collect it,

ولي صرفنظر از اين كه آنها را چگونه جمع آوری می كنند

they have to subject it to scrutiny.

بايد بازرسی دقيقی روی آنها انجام دهند.

And this led the sociologist Robert Merton

و اين مطلب به رابرت مرتون جامعه شناس كمك كرد تا

to focus on this question of how scientists

روی اين پرسش كه دانشمندان چگونه شواهد و داده ها را

scrutinize data and evidence,

مورد ارزيابی دقيق قرار می دهند تمركز كند

and he said they do it in a way he called

و گفت كه آنها به روشی كه "ترديد سازمان يافته" ناميد،

"organized skepticism."

اين كار را انجام ميدهند.

And by that he meant it's organized

كه بدين معناست اين عمل سازمان يافته است

because they do it collectively,

زيرا به صورت يكجا انجام می شود.

they do it as a group,

به صورت گروهی انجامش می دهند،

and skepticism, because they do it from a position

و شك گراست چون به صورتی با

of distrust.

بي اعتمادی انجامش می دهند.

That is to say, the burden of proof

و اين چيزی است كه مسئوليت اثبات نام دارد

is on the person with a novel claim.

و بردوش شخصی است كه ادعای علمی را مطرح کرده.

And in this sense, science is intrinsically conservative.

و از اين جنبه دانش ذاتا پايدار است.

It's quite hard to persuade the scientific community

تقريبا مشكل است كه جامعه علمی را مجبور كنيم

to say, "Yes, we know something, this is true."

كه بگویند:" بله ما چيزی را فهميديم و اين درست است!".

So despite the popularity of the concept

پس صرفنظر از عموميت اين مفهوم

of paradigm shifts,

تغييرات گفتمان،

what we find is that actually,

چيزی كه در واقعيت با آن روبرو می شويم اين است كه

really major changes in scientific thinking

در تاريخ علم، تغييرات بسيار شگرف در تفكر دانشمندان،

are relatively rare in the history of science.

نسبتا كمياب بوده.

So finally that brings us to one more idea:

خوب در نهايت به اين ايده ميرسيم كه:

If scientists judge evidence collectively,

اگر دانشمندان روی شواهد به صورت كلی نگر قضاوت كنند،

this has led historians to focus on the question

باعث تمرکز تاريخ نگاران روی اتفاق نظرها

of consensus,

می شود،

and to say that at the end of the day,

و برای گفتن این حرف در خاتمه روز که

what science is,

علم چیست

what scientific knowledge is,

و دانش علمی چیست،

is the consensus of the scientific experts

اتفاق نظر متخصصين دانشمندان

who through this process of organized scrutiny,

از درون اين فرايند بازرسی دقيق سازمان يافته است،

collective scrutiny,

بازرسی كلی نگر

have judged the evidence

که در مورد شواهد به قضاوت پرداخته اند

and come to a conclusion about it,

و به يك نتيجه گيری و جمع بندی در مورد آن رسيده اند،

either yea or nay.

خواه آره يا نه.

So we can think of scientific knowledge

پس می توانيم فكر كنيم كه دانش علمی

as a consensus of experts.

اتفاق نظر متخصصين است.

We can also think of science as being

می توانيم اينطوری هم به قضيه نگاه كنيم كه دانش

a kind of a jury,

به هيات داورانی میماند

except it's a very special kind of jury.

البته با این استثناء که يک هيات داوران بسيار خاص است.

It's not a jury of your peers,

هيات داوران از همكاران شما نيست

it's a jury of geeks.

گروهی از آدمهای خوره علم است.

It's a jury of men and women with Ph.D.s,

هياتی متشكل از زنان و مردانی با مدرك دكترا،

and unlike a conventional jury,

و شبيه هياتهای داوران معمولی نيست.

which has only two choices,

كه فقط دو انتخاب دارند

guilty or not guilty,

گناهكار يا بيگناه!

the scientific jury actually has a number of choices.

هيات داوران علمی تعدادی انتخاب دارد.

Scientists can say yes, something's true.

دانشمندان می توانند به درستی به بعضی چيزها بگویند بله.

Scientists can say no, it's false.

دانشمندان می توانند بگویند نه! غلط است.

Or, they can say, well it might be true

يا می توانند بگویند خوب ممكن است درست باشد

but we need to work more and collect more evidence.

ولی ما نياز به كار بيشتری داريم و بايد شواهد بيشتری جمع كنيم.

Or, they can say it might be true,

يا می توانند بگویند بله... ممكن است درست باشد

but we don't know how to answer the question

ولی نمی دانيم به سوال چگونه بايد پاسخ دهیم

and we're going to put it aside

و می خواهيم رهایش كنيم

and maybe we'll come back to it later.

ولی شايد بعدا بهش برگرديم.

That's what scientists call "intractable."

كه دانشمندان اين رو "رام نشدنی" ناميدند.

But this leads us to one final problem:

ولي اين مطلب ما را به مسئله نهايی ميرساند:

If science is what scientists say it is,

اگر علم چيزيست كه دانشمندان می گویند

then isn't that just an appeal to authority?

پس آيا علم فقط استفاده از مقام برای اثبات درستی است؟

And weren't we all taught in school

و آيا به همه ما تو مدرسه گفته نشده

that the appeal to authority is a logical fallacy?

كه استفاده از عناوين رسمی و مقامات برای اثبات حرفی، نوعی سفسطه است؟

Well, here's the paradox of modern science,

خوب اين پارادوكس علم مدرن است،

the paradox of the conclusion I think historians

پارادوكسی كه من فكر ميكنم هم تاريخ دانان و هم

and philosophers and sociologists have come to,

فيلسوفان و جامعه شناسان به آن رسیده اند،

that actually science is the appeal to authority,

كه علم درواقع يک جور ارجاع به مقامات و خبرگان برای اثبات است

but it's not the authority of the individual,

ولی به منظور مرجعیت فردی نيست،

no matter how smart that individual is,

و اصلا هم مهم نيست نفرات به تنهايی چقدر باهوش باشند

like Plato or Socrates or Einstein.

مثل افلاطون يا انشتين.

It's the authority of the collective community.

بلكه منظور مرجعيت جمعی است.

You can think of it is a kind of wisdom of the crowd,

می توانيد اينطور تصور كنيد كه يه نوع خرد جمعی است،

but a very special kind of crowd.

ولی نوع خاصی از جمع.

Science does appeal to authority,

علم برای اثبات از مرجع استفاده می کند،

but it's not based on any individual,

ولي بر مبنای هيچ فرد خاصی نيست

no matter how smart that individual may be.

مهم هم نيست كه نفرات چقدر باهوش باشند.

It's based on the collective wisdom,

بلكه روي خرد جمعي،

the collective knowledge, the collective work,

دانش جمعی و كار جمعی

of all of the scientists who have worked

همه دانشمندانی كه روي يك موضوع خاص كار كرده اند،

on a particular problem.

بنا شده.

Scientists have a kind of culture of collective distrust,

دانشمندان دارای نوع فرهنگ جمعی شك گرايانه هستند،

this "show me" culture,

اين به من فرهنگی را نشون می دهد

illustrated by this nice woman here

كه دراینجا توسط اين بانوی نیک تشریح شده،

showing her colleagues her evidence.

كه به همكارانش، مدارک و شواهدی را نشان می دهد.

Of course, these people don't really look like scientists,

البته، اين افراد واقعا دانشمند نيستند،

because they're much too happy.

چون خيلی خيلی خوشند!

(Laughter)

(خنده)

Okay, so that brings me to my final point.

خوب و اينك نكته نهاييم رو مطرح می كنم

Most of us get up in the morning.

بيشتر ما صبح از خواب بيدار می شويم.

Most of us trust our cars.

بيشترمان به خودرو ها اعتماد ميكنيم.

Well, see, now I'm thinking, I'm in Manhattan,

خوب می دانيد، حالا دارم فكر می كنم کهمن تو منهتن هستم

this is a bad analogy,

و مثال خوبی نيست

but most Americans who don't live in Manhattan

ولي بيشتر آمريكاييهایی كه در منهتن زندگی نمی كنند

get up in the morning and get in their cars

صبح از خواب بيدار شده و سوار ماشين می شوند

and turn on that ignition, and their cars work,

استارت می زنند و ماشينشان كار می نه

and they work incredibly well.

و بی نهايت هم خوب كار می کنه.

The modern automobile hardly ever breaks down.

خودروهای جديد اصلا به ندرت خراب می شوند.

So why is that? Why do cars work so well?

خوب چرا اينطوره؟ چرا خودروها به اين خوبی كار می كنند؟

It's not because of the genius of Henry Ford

به خاطر هوش مرحوم هنری فورد نيست

or Karl Benz or even Elon Musk.

يا كارل بنز يا حتي الون موسك.

It's because the modern automobile

بلكه به اين خاطر كه خودروهای جديد

is the product of more than 100 years of work

محصول بيش از صد سال كار هستند

by hundreds and thousands

كه بوسيله صدها، هزاران

and tens of thousands of people.

و دهها هزار انسان ساخته شدند.

The modern automobile is the product

خودروی امروزی محصول

of the collected work and wisdom and experience

كار و خرد جمعی و تجربه

of every man and woman who has ever worked

همه مردان و زنانی كه تا به حال روی يک ماشين

on a car,

كار كرده اند،

and the reliability of the technology is the result

و قابليت اطمينان به فناوری هم نتيجه

of that accumulated effort.

اين تلاشهای جمعی است.

We benefit not just from the genius of Benz

ما نه تنها از هوش بنز و فورد و موسك

and Ford and Musk

بهره می بريم

but from the collective intelligence and hard work

بلكه از هوش و كار جمعی

of all of the people who have worked

تمام افرادی كه تا به حال روی يك خودروی امروزی كار كرده اند

on the modern car.

هم بهره مند می شويم.

And the same is true of science,

همين مطلب در مورد دانش صحت دارد،

only science is even older.

فقط اينكه دانش قديمی تر است.

Our basis for trust in science is actually the same

پايه های اعتماد به دانش در واقع هملن است

as our basis in trust in technology,

كه در فناوری داريم و اعتمادی که می كنيم.

and the same as our basis for trust in anything,

و مانند پايه اعتماد به بقيه چيزهاست

namely, experience.

مثلا تجربه.

But it shouldn't be blind trust

ولی نبايد اعتمادی كوركورانه باشد

any more than we would have blind trust in anything.

به هيچ چيز نبايد اعتماد كوركورانه داشت.

Our trust in science, like science itself,

اعتماد ما به دانش مثل خود دانش

should be based on evidence,

بايد بر مبنای شواهد باشدد

and that means that scientists

و اين بدان معناست كه دانشمندان

have to become better communicators.

بايد ارتباطات خودشان را تقويت كنند.

They have to explain to us not just what they know

آننا نه تنها بايد در مورد چيزی كه می دانند به ما توضيح دهند، بلكه

but how they know it,

اين كه چگونه آن را فهميدند را هم بگویند،

and it means that we have to become better listeners.

كه به مفهوم این است که بايد شنونده های بهتری نیز باشيم.

Thank you very much.

بسيار سپاسگذارم.

(Applause)

(تشويق)