Naomi Oreskes: Why we should trust scientists

번역: YERI OH 검토: Juhyeon Kim

Every day we face issues like climate change

날마다 우리는 기후변화나

or the safety of vaccines

백신의 안전성 같은 이슈를 접합니다.

where we have to answer questions whose answers

우리가 답해야 하는 질문의 대답은

rely heavily on scientific information.

과학 정보에 상당히 의존하고 있습니다.

Scientists tell us that the world is warming.

과학자들은 지구가 온난화되고 있고

Scientists tell us that vaccines are safe.

백신이 안전하다고 말합니다.

But how do we know if they are right?

하지만 과학자들이 옳다는 걸 어떻게 알죠?

Why should be believe the science?

왜 우리가 과학을 믿어야 하죠?

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

사실, 대부분의 사람들은 과학을 믿지 않습니다.

Public opinion polls consistently show

여론조사 결과를 보면

that significant proportions of the American people

미국인의 상당수는

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

지구온난화의 원인이 인류에게 있다는걸 믿지 않습니다.

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

자연도태에 따른 진화도 믿지 않구요.

and aren't persuaded by the safety of vaccines.

백신이 안전하다는 말도 의심합니다.

So why should we believe the science?

그럼 왜 우리는 과학을 믿어야 할까요?

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

과학자들은 과학을 두고 믿음을 말하는걸 싫어합니다.

In fact, they would contrast science with faith,

사실 과학과 신앙은 대조적이며,

and they would say belief is the domain of faith.

믿음은 신앙의 영역에 있는 것이죠.

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

신앙은 과학과 구별되는 별개의 문제입니다.

Indeed they would say religion is based on faith

종교는 신앙에 기반한 것이거나

or maybe the calculus of Pascal's wager.

또는 파스칼의 내기에 나오는 계산법일 수 있습니다.

Blaise Pascal was a 17th-century mathematician

블레즈 파스칼은 17세기의 수학자였습니다.

who tried to bring scientific reasoning to the question of

파스칼은 신을 믿어야 하는지 아닌지에 대한

whether or not he should believe in God,

과학적인 이유를 대려고 했습니다.

and his wager went like this:

그의 생각은 이렇습니다.

Well, if God doesn't exist

만약 신이 존재하지 않는데

but I decide to believe in him

내가 신을 믿는다면

nothing much is really lost.

그다지 잃을 것이 없다.

Maybe a few hours on Sunday.

뭐 일요일에 몇 시간 정도?

(Laughter)

(웃음)

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

하지만 신이 존재하는데 내가 믿지 않는다면

then I'm in deep trouble.

난 큰 곤경에 처한다.

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

그래서 파스칼은 신을 믿는게 좋다고 했죠.

Or as one of my college professors said,

어쩌면 그는 제 동료 교수처럼

"He clutched for the handrail of faith."

"신앙의 난간을 붙잡고 있는" 것이겠죠.

He made that leap of faith

그는 맹목적 신앙을 선택했고

leaving science and rationalism behind.

과학과 합리주의를 버렸습니다.

Now the fact is though, for most of us,

그런데 사실 말이죠, 우리들 대부분에게

most scientific claims are a leap of faith.

대다수 과학적 주장은 맹목적 신앙과 같습니다.

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

대부분 경우에 우리는 스스로 과학적 주장을 판단할 수 없으니까요.

And indeed this is actually true for most scientists as well

사실 대부분 과학자들도 마찬가지입니다.

outside of their own specialties.

자기 분야가 아니라면 말이죠.

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

생각해보세요.

지질학자가 백신이 안전한지를 말해줄 수는 없잖아요.

whether a vaccine is safe.

Most chemists are not experts in evolutionary theory.

또 화학자들 대부분은 진화론에 대해서 잘 모릅니다.

A physicist cannot tell you,

물리학자 또한

담배가 암을 유발하는지 아닌지

despite the claims of some of them,

whether or not tobacco causes cancer.

확답을 줄 수 없죠.

So, if even scientists themselves

그러니까 만약 과학자들조차도

have to make a leap of faith

자기 전공 외 분야에 대해서

outside their own fields,

맹목적 믿음을 가져야 한다면,

then why do they accept the claims of other scientists?

왜 그들은 다른 과학자의 주장을 받아들일까요?

Why do they believe each other's claims?

왜 과학자들은 서로의 주장을 믿는 걸까요?

And should we believe those claims?

그리고 우리도 그걸 믿어야 할까요?

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

제가 주장하는 바는, 믿어야 한다는 겁니다.

but not for the reason that most of us think.

하지만 흔히들 생각하시는 이유 때문은 아닙니다.

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

학교에서는 과학을 믿어야 하는 이유가

believe in science is because of the scientific method.

과학적 방법 때문이라고 가르칩니다.

We were taught that scientists follow a method

과학자들은 어떤 방법을 따르는데

and that this method guarantees

그 방법이 가설의 사실 여부를

the truth of their claims.

증명한다고 배웠습니다.

The method that most of us were taught in school,

우리가 학교에서 배운 방법론을

교과서적 방법론이라고 부릅니다.

we can call it the textbook method,

is the hypothetical deductive method.

가설 연역적 방법이죠.

According to the standard model, the textbook model,

표준 모델, 교과서 모델에 따르면

scientists develop hypotheses, they deduce

과학자들은 가설을 세우고

the consequences of those hypotheses,

가설의 결과를 추론합니다.

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

그리고 세상에 발표하면서 묻습니다.

"Okay, well are those consequences true?"

"자, 이 결론이 맞나요?"

Can we observe them taking place in the natural world?

이것이 자연 세계에서 일어나는 걸 관찰할 수 있나요?

And if they are true, then the scientists say,

그렇다면, 과학자가 말합니다.

"Great, we know the hypothesis is correct."

"좋아, 이 가설이 옳다는걸 알았어."

So there are many famous examples in the history

과학사에 나오는 여러 유명한 사례에서

of science of scientists doing exactly this.

과학자들은 이렇게 합니다.

One of the most famous examples

가장 유명한 사례가

comes from the work of Albert Einstein.

알버트 아인슈타인이죠.

When Einstein developed the theory of general relativity,

그가 일반 상대성이론을 만들었을 때

one of the consequences of his theory

그 이론의 한가지 결론은

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

시공간은 그저 텅 비어있는 것이 아니라

사실 어떤 구조를 가지고 있다는 것이었습니다.

but that it actually had a fabric.

And that that fabric was bent

그리고 그 구조는

in the presence of massive objects like the sun.

태양처럼 거대한 물질이 존재하면 휘어진다는 것이었죠.

So if this theory were true then it meant that light

만약 이 이론이 사실이라면

as it passed the sun

빛이 태양을 지날 때

should actually be bent around it.

실제로 그 주변에서 휘어야 합니다.

That was a pretty startling prediction

이것은 깜짝 놀랄만한 예측이었고

and it took a few years before scientists

수년이 지난 후에야 과학자들이

were able to test it

실험을 할 수 있었습니다.

but they did test it in 1919,

1919년에 한 실험에서

and lo and behold it turned out to be true.

이 가설은 사실로 밝혀졌습니다.

Starlight actually does bend as it travels around the sun.

별빛은 태양 주변을 지날 때 정말로 휘었습니다.

이는 엄청난 확증이었습니다.

This was a huge confirmation of the theory.

It was considered proof of the truth

아인슈타인의 과격하고 새로운 이론이

of this radical new idea,

사실이라는 증거로 받아들여졌습니다.

and it was written up in many newspapers

그리고 지구상의 수많은 신문이

around the globe.

이를 보도했습니다.

Now, sometimes this theory or this model

이제, 이런 이론 혹은 이런 모델은

is referred to as the deductive-nomological model,

연역-법칙적 모델이라고 불립니다.

mainly because academics like to make things complicated.

학자들이 말을 어렵게 하는 걸 좋아해서 그래요.

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

이상적인 경우에 법칙에 관한 것이죠.

So nomological means having to do with laws.

법칙적이라는 건 법칙과 관련이 있다는 거죠.

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

이상적인 경우, 가설은 그저 생각이 아닙니다.

ideally, it is a law of nature.

자연의 법칙이죠.

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

자연의 법칙인 것은 왜 중요할까요?

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

법칙이라는 것은 바뀔 수 없기 때문입니다.

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

만약 법칙이라면 언제나 사실이어야 합니다.

in all times and all places

어느 시공간에서든

no matter what the circumstances are.

어떤 상황에서도 사실이어야 합니다.

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

여러분 모두가 알만한 유명한 법칙은

Einstein's famous equation, E=MC2,

아인슈타인의 방정식 E=MC²입니다.

which tells us what the relationship is

이것이 말해주는 바는

between energy and mass.

에너지와 질량의 관계죠.

And that relationship is true no matter what.

이 관계는 어찌되었든 사실입니다만

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

지금은 이 이론에 관한 몇 가지 오류가 밝혀졌습니다.

The main problem is that it's wrong.

가장 큰 문제는 틀렸다는 거죠.

It's just not true. (Laughter)

맞지 않아요. (웃음)

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

이게 왜 틀렸는지 세가지 이유를 말씀드릴게요.

So the first reason is a logical reason.

첫 번째로는, 논리적인 이유에서 틀린 겁니다.

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

결과를 단언하는 오류를 범한 것이죠.

So that's another fancy, academic way of saying

즉 또 하나의 공상이며, 학문적으로 말하면

that false theories can make true predictions.

잘못된 가설이 올바른 예측을 할 수도 있는 것이죠.

So just because the prediction comes true

그러니까 예측이 맞다고 해서

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

이론도 옳다고 논리적으로 증명되는 것은 아닙니다.

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

좋은 예시가 하나 있는데요, 역시 과학사에 있던 일입니다.

This is a picture of the Ptolemaic universe

이 그림은 프톨레마이오스의 우주입니다.

with the Earth at the center of the universe

지구가 우주의 중앙에 있고

and the sun and the planets going around it.

태양과 다른 행성이 주변을 돌고 있죠.

The Ptolemaic model was believed

프톨레마이오스의 이론은 수 세기동안

by many very smart people for many centuries.

대부분 지식인이 사실로 믿었습니다.

Well, why?

왜일까요?

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

이에 근거한 많은 예측이 사실로 드러났기 때문입니다.

The Ptolemaic system enabled astronomers

프톨레마이오스의 이론으로

to make accurate predictions of the motions of the planet,

천문학자들은 행성의 움직임을 정확히 예측할 수 있었고

in fact more accurate predictions at first

오늘날 우리가 사실이라고 믿는

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

코페르니쿠스의 지동설보다 더 정확했습니다.

So that's one problem with the textbook model.

이런 사례가 바로 교과서적 모델의 문제점입니다.

A second problem is a practical problem,

두 번째로, 실제적인 문제점이 있습니다.

and it's the problem of auxiliary hypotheses.

보조 가설의 오류이기도 하죠.

Auxiliary hypotheses are assumptions

보조 가설은

과학자들이 추측을 하는 겁니다.

that scientists are making

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

의식적으로든 무의식적으로든 말이죠.

이에 대한 중요한 사례는

So an important example of this

comes from the Copernican model,

코페르니쿠스의 지동설입니다.

which ultimately replaced the Ptolemaic system.

결국 프톨레마이오스의 천동설을 대체했죠.

So when Nicolaus Copernicus said,

니콜라우스 코페르니쿠스는

actually the Earth is not the center of the universe,

지구는 우주의 중심이 아니고

the sun is the center of the solar system,

태양이 태양계의 중심이며

the Earth moves around the sun.

지구는 태양 주위를 움직인다고 했는데,

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

과학자들은 말했죠. "니콜라우스, 그게 사실이라면

we ought to be able to detect the motion

태양 주위를 도는 지구의 움직임을

of the Earth around the sun.

감지할 수 있어야 하네."

And so this slide here illustrates a concept

이 그림은 별의 시차라는 개념을

known as stellar parallax.

설명하는 그림입니다.

And astronomers said, if the Earth is moving

천문학자들의 말은 이렇습니다. 만약 지구가 움직인다면,

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

눈에 띄는 별, 예를 들어 시리우스를 볼 때,

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

- 물론 맨하탄에 사는 우리는 별을 볼 수가 없지만,

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

도시가 아닌 시골에서 전원생활을 한다고 상상해보세요 -

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

12월에 시리우스를 봤을 때

against the backdrop of distant stars.

배경에는 더 먼 별들이 보일 겁니다.

If we now make the same observation six months later

그리고 6개월 뒤에 다시 별을 보면,

when the Earth has moved to this position in June,

6월엔 지구가 이 위치로 이동했으니까

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

똑같이 시리우스 별을 봐도 뒷 배경은 달라야 합니다.

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

이런 차이, 각도의 차이가 바로 별의 시차입니다.

So this is a prediction that the Copernican model makes.

코페르니쿠스 이론에 기반한 예측이었죠.

Astronomers looked for the stellar parallax

그래서 천문학자들이 별의 시차를 기대했습니다.

and they found nothing, nothing at all.

하지만 아무것도 발견하지 못했습니다. 시차가 없었죠.

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

그래서 많은 사람들은 코페르니쿠스의 이론이 틀렸다고 주장했습니다.

So what happened?

그래서 어떻게 됐을까요?

Well, in hindsight we can say that astronomers were making

뒤늦게 우리는 천문학자들에게

two auxiliary hypotheses, both of which

두가지 보조 가설이 있었고

we would now say were incorrect.

모두 틀렸다는 것을 알게 되었죠.

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

첫 번째는 지구 궤도의 크기를 잘못 추정한 것입니다.

Astronomers were assuming that the Earth's orbit was large

천문학자들은 별들의 거리에 비해서

relative to the distance to the stars.

지구의 궤도를 크게 추정했죠.

Today we would draw the picture more like this,

오늘날 별의 시차 모형은 이렇습니다.

this comes from NASA,

이건 NASA에서 만든겁니다.

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

보다시피 지구의 궤도는 아주 작죠.

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

실제로는, 이 그림보다도 훨씬 작습니다.

The stellar parallax therefore,

그러므로 별의 시차라는 건

is very small and actually very hard to detect.

매우 작고 감지하기가 매우 어렵습니다.

And that leads to the second reason

그리고 그것은 예측이 틀리는

why the prediction didn't work,

두번째 이유로 이어지는데,

because scientists were also assuming

천체망원경의 성능이

that the telescopes they had were sensitive enough

별의 시차를 감지할 수 있을 정도로

to detect the parallax.

정교하다고 가정했던 것입니다.

And that turned out not to be true.

망원경은 그만큼 정교하질 못했죠.

It wasn't until the 19th century

19세기가 되기 전까지는

that scientists were able to detect

과학자들이 별의 시차를

the stellar parallax.

감지할 수 없었습니다.

So, there's a third problem as well.

또한 세 번째 문제도 있습니다.

The third problem is simply a factual problem,

세 번째는 단순히 사실적 오류입니다.

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

대부분의 과학이 교과서적 모델에는 맞지 않습니다.

A lot of science isn't deductive at all,

대부분 과학은 연역적이지 않습니다.

it's actually inductive.

사실 귀납적입니다.

And by that we mean that scientists don't necessarily

그러니까, 과학자들이 꼭 이론이나 가설로

start with theories and hypotheses,

시작할 필요가 없습니다.

often they just start with observations

자연세계의 현상을 관찰하는 것에서

of stuff going on in the world.

시작하곤 합니다.

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

이에 관한 가장 유명한 사례는

famous scientists who ever lived, Charles Darwin.

세상에서 가장 유명한 과학자, 찰스 다윈입니다.

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

다윈이 젊어서 비글호를 타고 여행할 때

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

그는 가설도, 이론도 없었습니다.

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

단지 과학자 경력을 쌓고 싶어했고

and he started to collect data.

정보 수집을 시작했죠.

Mainly he knew that he hated medicine

피를 보는 것을 끔찍하게 싫어했기 때문에

의학을 싫어하는 것을 알았고

because the sight of blood made him sick so

he had to have an alternative career path.

다른 진로를 찾아야 했습니다.

So he started collecting data.

그래서 정보를 수집하기 시작했습니다.

And he collected many things, including his famous finches.

다윈은 많은 것들을 수집했는데, 유명한 참새류도 그 일부였습니다.

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

그는 새들을 모아서 가방 안에 던져두었고,

and he had no idea what they meant.

그것이 어떤 의미인지 몰랐죠.

Many years later back in London,

몇 년 후 런던에서

Darwin looked at his data again and began

다윈은 수집한 정보들을 다시 보다가

to develop an explanation,

어떤 해석을 내놓게 되는데

and that explanation was the theory of natural selection.

이것이 바로 자연 도태 이론입니다.

Besides inductive science,

귀납적인 과학 이외에도

scientists also often participate in modeling.

과학자들은 종종 모델을 만드는데 참여합니다.

One of the things scientists want to do in life

과학자들이 생전에 하고 싶은 일 하나가

is to explain the causes of things.

사물의 원인을 설명하는 일입니다.

And how do we do that?

어떻게 하냐구요?

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

한가지 방법은 이론을 시험하는

that tests an idea.

모델을 만드는 것입니다.

So this is a picture of Henry Cadell,

사진 속 인물은 헨리 카델입니다.

who was a Scottish geologist in the 19th century.

19세기의 스코틀랜드 지질학자죠.

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

사냥모자와 웰링턴부츠를 신고 있으니

a deerstalker cap and Wellington boots.

스코틀랜드 사람인 건 아시겠죠?

(Laughter)

(웃음)

And Cadell wanted to answer the question,

카델은 이런 의문을 가졌습니다.

how are mountains formed?

산은 어떻게 형성되었을까?

And one of the things he had observed

그리고 카델이 관찰한 바로는

is that if you look at mountains like the Appalachians,

아팔래치아 산맥을 예로 들면

you often find that the rocks in them

접혀진 바위들을 볼 수 있는데

are folded,

이 바위들이

and they're folded in a particular way,

특정한 방식으로 접혀져 있습니다.

which suggested to him

that they were actually being compressed from the side.

카델이 생각하기엔

이 바위들이 옆에서 눌린 것이었죠.

And this idea would later play a major role

이 생각은 후에 대륙이동설에 관한

in discussions of continental drift.

논쟁에서 중요한 역할을 합니다.

So he built this model, this crazy contraption

그래서 카델은 이 모형, 이 괴상한 장치를 만들었습니다.

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

레버와 나무, 그리고 손수레,

buckets, a big sledgehammer.

양동이, 커다란 해머가 있습니다.

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

왜 웰링턴부츠를 신었는지는 모르겠네요.

Maybe it's going to rain.

아마 비가 오려고 했나 보죠.

And he created this physical model in order

카델은 이 실제 모형을 만들어서,

to demonstrate that you could, in fact, create

여기서는 진흙을 사용했는데

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

바위에 문양을 만들거나

that looked a lot like mountains

산처럼 보이게 만들 수 있음을 보여주었습니다.

if you compressed them from the side.

양쪽에서 압축해서 말이죠.

So it was an argument about the cause of mountains.

그것은 산의 형성 원인에 관한 논증이었죠.

Nowadays, most scientists prefer to work inside,

요즘에는 대부분의 과학자들이 앉아서 연구합니다.

so they don't build physical models so much

실제 모형을 많이 만들지 않고

as to make computer simulations.

컴퓨터 시뮬레이션을 활용합니다.

But a computer simulation is a kind of a model.

물론 시뮬레이션도 일종의 모형이죠.

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

수학으로 만들어진 모형입니다.

and like the physical models of the 19th century,

19세기의 실제 모형과 마찬가지로

it's very important for thinking about causes.

원인을 생각하는데 매우 중요합니다.

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

기후변화와 관련된 큰 문제는

we have tremendous amounts of evidence

지구가 점점 더워지고 있다는

that the Earth is warming up.

증거가 엄청나게 많다는 건데요.

This slide here, the black line shows

여기를 보시면, 검은색 선은

the measurements that scientists have taken

과학자들이 지난 150년간

for the last 150 years

측정한 것입니다.

showing that the Earth's temperature

지구의 온도가 꾸준히

has steadily increased,

높아지는 것이 보이시죠.

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

특히 최근 50년 동안에

there's been this dramatic increase

거의 섭씨 1도 정도,

of nearly one degree centigrade,

혹은 화씨 2도에 가깝게

or almost two degrees Fahrenheit.

급격하게 증가했습니다.

So what, though, is driving that change?

그렇다면 도대체 무엇이 이런 변화를 일으킬까요?

How can we know what's causing

더워지는 현상을 관찰했는데

the observed warming?

원인은 어떻게 알 수 있을까요?

Well, scientists can model it

과학자는 모형을 만들 수 있어요.

using a computer simulation.

컴퓨터 시뮬레이션을 활용해서요.

So this diagram illustrates a computer simulation

이 표의 컴퓨터 시뮬레이션에는

that has looked at all the different factors

지구의 기후에 영향을 줄 수 있는

that we know can influence the Earth's climate,

모든 다양한 요인들이 나타납니다.

so sulfate particles from air pollution,

대기오염으로 생긴 황산화입자,

volcanic dust from volcanic eruptions,

화산폭발로 인한 화산재,

changes in solar radiation,

태양 복사열의 변화,

그리고 물론 온실가스도 있죠.

and, of course, greenhouse gases.

And they asked the question,

과학자들은 어떤 변수 요인이

what set of variables put into a model

우리가 보는 현실을

will reproduce what we actually see in real life?

재생해내는지 물었습니다.

So here is the real life in black.

여기 검은 선이 실제 현실입니다.

Here's the model in this light gray,

여기 엷은 회색선이 모형인데,

and the answer is

그 대답은

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

이 모델이 앞서 말한 모든 것을

all of the above.

다 포함한 것이죠.

The only way you can reproduce

관측된 기후 변화를

the observed temperature measurements

재현할 수 있는 유일한 방법은

is with all of these things put together,

온실가스를 포함한 이 모든 요인을

including greenhouse gases,

함께 집어넣는 것입니다.

and in particular you can see that the increase

특히, 온실가스의 증가가

in greenhouse gases tracks

지난 50년간

this very dramatic increase in temperature

기온이 급격하게 증가한 것과

over the last 50 years.

비슷함을 알 수 있죠.

And so this is why climate scientists say

그렇기 때문에 기상학자들이

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

기후변화가 일어나는 것 뿐만 아니라

we know that greenhouse gases are a major part

그 주요 원인이 온실가스라는 것도

of the reason why.

알 수 있다고 하는 겁니다.

So now because there all these different things

자, 이 모든 다양한 일들을

that scientists do,

과학자들이 하기 때문에,

the philosopher Paul Feyerabend famously said,

철학자 파울 파이어아벤트는 이런 유명한 말을 남겼습니다.

"The only principle in science

"발전을 막지 않는 유일한 과학 원칙은

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

어떤 것이든 허용된다는 것이다."

Now this quotation has often been taken out of context,

이 말은 때로는 문맥을 벗어나서 인용되곤 합니다.

because Feyerabend was not actually saying

사실 파이어아벤트가 하려던 말은

that in science anything goes.

과학에선 뭐든지 허용된다는 게 아니었어요.

What he was saying was,

그가 했던 말을

actually the full quotation is,

정확하게 인용하자면 이렇습니다.

"If you press me to say

"과학적 방법이 무엇이냐고

what is the method of science,

나에게 대답을 강요한다면

I would have to say: anything goes."

어떤것이든 허용된다고 답하겠다."

What he was trying to say

그가 말하려던 의미는

is that scientists do a lot of different things.

과학자들이 다양한 방법을 시도한다는 것이었죠.

Scientists are creative.

과학자들은 창의적입니다.

But then this pushes the question back:

다시 이 질문으로 돌아오게 되는군요.

If scientists don't use a single method,

과학자들이 단일한 방법을 사용하는 것이 아니라면

then how do they decide

무엇이 옳고 그른지

what's right and what's wrong?

어떻게 판단할 수 있을까요?

And who judges?

그 판단은 누가 하나요?

And the answer is, scientists judge,

답을 말하자면, 그 판단은 과학자들이 합니다.

and they judge by judging evidence.

판별 증거들을 가지고 판단하죠.

Scientists collect evidence in many different ways,

다양한 방식으로 증거를 모으지만

but however they collect it,

어떤 식으로 수집했던간에

they have to subject it to scrutiny.

철저하게 조사해야합니다.

And this led the sociologist Robert Merton

그래서 사회학자 로버트 머튼은

to focus on this question of how scientists

과학자들이 어떻게 자료와 증거를

scrutinize data and evidence,

철저히 검증하는지 탐구했고

and he said they do it in a way he called

과학자들이 조사하는 방식을

"organized skepticism."

"조직화된 회의주의"라고 했습니다.

And by that he meant it's organized

조직적이라고 한 이유는

because they do it collectively,

과학자들이 집단적으로

they do it as a group,

그룹을 이루기 때문이고,

and skepticism, because they do it from a position

회의주의라고 한 이유는

의심에서 출발하기 때문입니다.

of distrust.

That is to say, the burden of proof

그러니까, 증명할 의무는

is on the person with a novel claim.

가설을 제기한 사람에게 있습니다.

And in this sense, science is intrinsically conservative.

이런 면에서, 과학은 본질적으로 보수적입니다.

It's quite hard to persuade the scientific community

과학자 집단이 설득을 당해

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

"그래, 알겠어, 이건 옳아"라고 말하는 일은 드뭅니다.

So despite the popularity of the concept

패러다임의 전환이란 개념이

of paradigm shifts,

인기 있기는 하지만,

what we find is that actually,

우리가 발견한 바로는,

really major changes in scientific thinking

과학적 사고가 크게 변화한 일은

are relatively rare in the history of science.

과학의 역사에서 찾아보기 힘듭니다.

So finally that brings us to one more idea:

그래서 우리는 또 다른 생각을 하게 됩니다.

If scientists judge evidence collectively,

과학자들이 집단적으로 증거를 판단한다면

this has led historians to focus on the question

어떻게 의견이 일치되는지에

of consensus,

역사학자들은 주목했습니다.

and to say that at the end of the day,

결국 가장 중요한 것은

what science is,

과학이란,

what scientific knowledge is,

과학적 지식이란

is the consensus of the scientific experts

과학 전문가들의 합의란 것이죠.

who through this process of organized scrutiny,

조직화된 검증, 집단적 검증의

collective scrutiny,

과정을 거쳐서

have judged the evidence

그것이 옳은지 아닌지

and come to a conclusion about it,

증거를 판단하고

either yea or nay.

결론에 이른 것이죠.

So we can think of scientific knowledge

그러므로 우리는 과학적 지식을

as a consensus of experts.

전문가들의 합의라고 볼 수 있습니다.

We can also think of science as being

또한 과학을 배심원이 되는 것으로

a kind of a jury,

생각할 수 있어요.

except it's a very special kind of jury.

매우 특별한 배심원이죠.

It's not a jury of your peers,

평범한 사람들이 아니라

it's a jury of geeks.

괴짜들로 이뤄진 배심원이죠.

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

모든 배심원이 박사 학위가 있어요.

and unlike a conventional jury,

일반적인 배심원과 달리

which has only two choices,

유죄 또는 무죄 2가지 선택만

guilty or not guilty,

하는 것이 아니라

the scientific jury actually has a number of choices.

과학자들은 여러가지 선택을 할 수 있습니다.

Scientists can say yes, something's true.

무언가 옳으면 옳다고 할 수 있어요.

Scientists can say no, it's false.

틀렸으면 틀렸다고 할 수 있어요.

Or, they can say, well it might be true

또는 "사실일 수도 있지만

but we need to work more and collect more evidence.

더 조사하고 증거를 수집하자"고 할 수도 있죠.

Or, they can say it might be true,

아니면, "사실일 수도 있지만

but we don't know how to answer the question

제대로 증명할 방법을 모르니까

and we're going to put it aside

우선은 제쳐두고

and maybe we'll come back to it later.

나중에 다시 생각하자"고 할 수도 있죠.

That's what scientists call "intractable."

이런 경우를 과학자들은 "다루기 힘들다"고 말합니다.

But this leads us to one final problem:

하지만 이러면 우리는 마지막 의문에 도달합니다.

If science is what scientists say it is,

과학자들이 옳다고 하는 것이 과학이라면

then isn't that just an appeal to authority?

그저 권위에 호소하는 것 아닌가요?

And weren't we all taught in school

권위에 호소하는 것은 논리적 오류라고

that the appeal to authority is a logical fallacy?

학교에서 배우지 않았나요?

Well, here's the paradox of modern science,

이 점이 바로 현대 과학의 역설입니다.

the paradox of the conclusion I think historians

제 생각에, 역사학자들과 철학자들,

and philosophers and sociologists have come to,

그리고 사회학자들이 도달한 결론은

that actually science is the appeal to authority,

과학이 사실은 권위에 호소하고 있다는 것이죠.

but it's not the authority of the individual,

하지만 그건 개인의 권위가 아닙니다.

no matter how smart that individual is,

개인이 얼마나 똑똑한가는 문제가 되지 않습니다.

like Plato or Socrates or Einstein.

플라톤, 소크라테스, 또는 아인슈타인이라 해도 말이죠.

It's the authority of the collective community.

과학은 집합적 공동체의 권위에 호소하는 겁니다.

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

군중의 지혜라고 생각하실 수도 있지만

but a very special kind of crowd.

이 경우엔 특별한 종류의 집단이죠.

Science does appeal to authority,

과학은 권위에 호소를 합니다만,

but it's not based on any individual,

그건 개인에게 근거하는 것이 아니며

no matter how smart that individual may be.

그 개인이 얼마나 똑똑한지는 중요하지 않습니다.

It's based on the collective wisdom,

그것의 근거는 집단적 지혜,

the collective knowledge, the collective work,

집단적 지식, 집단적 연구입니다.

of all of the scientists who have worked

특정한 문제에 대해서

on a particular problem.

함께 연구하는 과학자 모두의 것이죠.

Scientists have a kind of culture of collective distrust,

과학자들에겐 집단적으로 의심하는 문화가 있습니다.

this "show me" culture,

"증명해 봐" 하는 문화죠.

illustrated by this nice woman here

여기 멋진 여성이 동료들에게

showing her colleagues her evidence.

증거를 보여주는 모습이 있네요.

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

물론, 이 사람들이 진짜 과학자 같지는 않네요.

because they're much too happy.

너무 행복해 보이니까요.

(Laughter)

(웃음)

Okay, so that brings me to my final point.

자, 그래서 결론을 말씀드리자면

Most of us get up in the morning.

우리는 다들 아침에 일어나고,

Most of us trust our cars.

자동차를 신뢰합니다.

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

저는 맨하탄에 살기 때문에

this is a bad analogy,

좋은 비유는 아니지만,

but most Americans who don't live in Manhattan

맨하탄에 살지 않는 대부분의 미국인들은

get up in the morning and get in their cars

아침에 일어나서 차를 탑니다.

and turn on that ignition, and their cars work,

시동을 걸면 차가 작동을 하죠.

and they work incredibly well.

놀랍게도 잘 작동합니다.

The modern automobile hardly ever breaks down.

요즘 자동차는 거의 망가지지가 않아요.

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

왜 그럴까요? 어째서 이렇게 잘 작동하는거죠?

It's not because of the genius of Henry Ford

그건 핸리 포드, 칼 벤츠, 또는 엘론 머스크같은 사람들의

or Karl Benz or even Elon Musk.

천재성 때문이 아닙니다.

It's because the modern automobile

이는 현대의 자동차가

is the product of more than 100 years of work

100년이 넘는 노동의 산물이며,

by hundreds and thousands

거기엔 수백, 수천, 수만명이

and tens of thousands of people.

관여했기 때문입니다.

The modern automobile is the product

현대의 자동차는 그 동안

of the collected work and wisdom and experience

자동차 산업에 종사해온

of every man and woman who has ever worked

각각의 남녀의 집합적 노동과

지혜와 경험의 산물입니다.

on a car,

and the reliability of the technology is the result

기술을 믿을 수 있는 이유는

of that accumulated effort.

축적된 노력의 결과이기 때문입니다.

We benefit not just from the genius of Benz

우리는 차를 타는 것은 천재였던 벤츠나

포드나 머스크 덕분이 아니라

and Ford and Musk

but from the collective intelligence and hard work

현대의 자동차를 만들기 위해

of all of the people who have worked

열심히 일해온 모든 사람들의 노력과

on the modern car.

집단적 지식 덕분이죠.

And the same is true of science,

과학도 자동차와 마찬가지입니다.

only science is even older.

단지 과학이 더 오래 됐죠.

Our basis for trust in science is actually the same

우리가 과학을 신뢰하는 근거는

as our basis in trust in technology,

기술을 신뢰하는 근거와 같고,

and the same as our basis for trust in anything,

무엇이든 신뢰하는 것,

namely, experience.

말하자면, 경험과 같습니다.

But it shouldn't be blind trust

하지만 이 신뢰는 우리가 아무 것이나 믿는

any more than we would have blind trust in anything.

맹목적인 믿음이 되어서는 안됩니다.

Our trust in science, like science itself,

과학에 대한 신뢰는, 과학처럼

should be based on evidence,

증거에 기반해야 합니다.

and that means that scientists

그러기 위해서 과학자들은

have to become better communicators.

소통에 더 관심을 가져야겠지요.

They have to explain to us not just what they know

뭘 아는지 뿐만 아니라

어떻게 알았는지도 설명해야 합니다.

but how they know it,

and it means that we have to become better listeners.

그리고 우리도 더 나은 청취자가 되려 노력해야겠죠.

Thank you very much.

감사합니다.

(Applause)

(박수)