Naomi Oreskes: Why we should trust scientists

Translator: Kelwalin Dhanasarnsombut Reviewer: Jaa Yimhin

Every day we face issues like climate change

ทุกๆ วันเราเจอปัญหาอย่าง การเปลี่ยนแปลงสภาพทางภูมิอากาศ

or the safety of vaccines

หรือความปลอดภัยของวัคซีน

where we have to answer questions whose answers

ซึ่งคำถามที่เราต้องตอบนั้น

rely heavily on scientific information.

ต้องพึ่งพาข้อมูลทางวิทยาศาสตร์มาก

Scientists tell us that the world is warming.

นักวิทยาศาสตร์บอกเราว่าโลกของเราร้อนขึ้น

Scientists tell us that vaccines are safe.

นักวิทยาศาสตร์บอกเราว่าวัคซีนนั้นปลอดภัย

But how do we know if they are right?

แต่เราจะรู้ได้อย่างไรว่าพวกเขาพูดถูก

Why should be believe the science?

ทำไมเราต้องเชื่อวิทยาศาสตร์ด้วย

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

อันที่จริง พวกเราหลายคนไม่เชื่อวิทยาศาสตร์

Public opinion polls consistently show

ความคิดเห็นจากการทำการสำรวจ แสดงให้เห็นเสมอว่า

that significant proportions of the American people

คนอเมริกันจำนวนมากทีเดียว

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

ที่ไม่เชื่อว่าภูมิอากาศเปลี่ยนแปลงไป เพราะการกระทำของมนุษย์

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

ไม่คิดว่ามี วิวัฒนาการ ที่เกิดจากการคัดเลือกทางธรรมชาติ

and aren't persuaded by the safety of vaccines.

และไม่ได้คล้อยตามว่าวัคซีนนั้นปลอดภัย

So why should we believe the science?

แล้วทำไมเราต้องเชื่อวิทยาศาสตร์

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

นักวิทยาศาสตร์ไม่ได้ชอบ ที่จะพูดถึงวิทยาศาสตร์ว่าเป็นความเชื่อ

In fact, they would contrast science with faith,

ที่จริง พวกเขามักทำให้เห็นความต่างระหว่าง วิทยาศาสตร์และความศรัทธา

and they would say belief is the domain of faith.

และพวกเขาอาจบอกว่า ความเชื่ออยู่ในขอบเขตของความศรัทธา

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

และความศรัทธานั้นเป็นสิ่งที่ต่าง และห่างออกไปจากวิทยาศาสตร์

Indeed they would say religion is based on faith

พวกเขาจะพูดแน่ๆ ว่าศาสนา นั้นอยู่บนรากฐานของความศรัทธา

or maybe the calculus of Pascal's wager.

หรือบางทีจะขอใช้แคลคูลัสของปาสกัล เป็นเดิมพัน

Blaise Pascal was a 17th-century mathematician

เบลส ปาสกัล (Blaise Pascal) นักคณิตศาสตร์ในศตวรรษที่ 17

who tried to bring scientific reasoning to the question of

ผู้ซึ่งพยายามที่จะนำการให้เหตุผล ทางวิทยาศาสตร์ไปใช้กับคำถามที่ว่า

whether or not he should believe in God,

เขาควรเชื่อในพระเจ้าหรือไม่

and his wager went like this:

และเดิมพันของเขาก็คือ

Well, if God doesn't exist

เอาล่ะ ถ้าพระเจ้าไม่มีอยู่จริง

but I decide to believe in him

แต่ฉันตัดสินใจที่จะเชื่อในพระเจ้า

nothing much is really lost.

ก็ไม่เห็นจะเสียหายอะไรมาก

Maybe a few hours on Sunday.

บางทีก็แค่เวลาไม่กี่ชั่วโมงตอนวันอาทิตย์

(Laughter)

(เสียงหัวเราะ)

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

แต่ถ้าพระองค์มีอยู่จริง แล้วผมไม่เชื่อ

then I'm in deep trouble.

ทีนี้ล่ะ ผมเจอปัญหาใหญ่แน่

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

ปาสกัลก็เลยบอกว่า เราควรที่จะเชื่อในพระเจ้า

Or as one of my college professors said,

หรืออย่างหนึ่งที่ศาสตราจารย์ของฉันบอก

"He clutched for the handrail of faith."

"เขายึดหลักเกาะเกี่ยวกับความศรัทธา"

He made that leap of faith

เขาทำการกระโจนออกไปด้วยความศรัทธา

leaving science and rationalism behind.

ทิ้งวิทยาศาสตร์และหลักความเชื่อเรื่องเหตุผล ไว้ข้างหลัง

Now the fact is though, for most of us,

ทีนี้ความจริงนั้นมันยาก สำหรับเราส่วนใหญ่

most scientific claims are a leap of faith.

ข้อกล่าวอ้างทางวิทยาศาสตร์ส่วนใหญ่ เป็นการกระโจนด้วยศรัทธา

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

พวกเราไม่สามารถตัดสินข้อกล่าวอ้าง ทางวิทยาศาสตร์ส่วนใหญ่ได้ด้วยตัวเองจริงๆ

And indeed this is actually true for most scientists as well

และแน่นอน มันจริงเช่นกัน สำหรับนักวิทยาศาสตร์ส่วนใหญ่

outside of their own specialties.

เมื่อมันเป็นเรื่องที่นอกเหนือความเชี่ยวชาญ

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

ดังนั้น ถ้าคุณคิดถึงมัน นักธรณีวิทยาไม่สามารถบอกคุณได้

whether a vaccine is safe.

ว่าวัคซีนปลอดภัยหรือเปล่า

Most chemists are not experts in evolutionary theory.

นักเคมีส่วนใหญ่ไม่ได้เป็นผู้เชี่ยวชาญ ในทฤษฎีวิวัฒนาการ

A physicist cannot tell you,

นักฟิสิกส์ไม่สามารถบอกคุณได้

despite the claims of some of them,

เว้นเสียแต่ว่าเป็นข้อกล่าวอ้างบางข้อ

whether or not tobacco causes cancer.

ว่ายาสูบทำให้เกิดมะเร็งหรือเปล่า

So, if even scientists themselves

ดังนั้น ถ้าแม้แต่นักวิทยาศาสตร์เอง

have to make a leap of faith

ยังจะต้องมีการกระโจนด้วยศรัทธา

outside their own fields,

เมื่อออกไปนอกองค์ความรู้ของพวกเขา

then why do they accept the claims of other scientists?

แล้วทำไมพวกเขาถึงยอมรับ ข้อกล่าวอ้างของนักวิทยาศาสตร์คนอื่นๆ

Why do they believe each other's claims?

ทำไมพวกเขาจึงเชื่อข้อกล่าวอ้างของกันและกัน

And should we believe those claims?

และเราควรที่จะเชื่อข้อกล่าวอ้างพวกนั้นหรือ

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

ที่ฉันอยากจะแย้งคือ ใช่ เราควรค่ะ

but not for the reason that most of us think.

แต่ไม่ใช่ด้วยเหตุผลที่ว่า พวกเราส่วนใหญ่คิดอย่างนั้น

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

พวกเราส่วนใหญ่ถูกสอนมาในโรงเรียน ว่าเหตุผลที่เราควรเชื่อในวิทยาศาสตร์

believe in science is because of the scientific method.

ก็เพราะว่าด้วยวิธีการทางวิทยาศาสตร์

We were taught that scientists follow a method

เราถูกสอนว่า นักวิทยาศาสตร์ทำตามขั้นตอน

and that this method guarantees

และวิธีการนี้รับรอง

the truth of their claims.

ความจริงให้กับข้อกล่าวอ้างของพวกเขา

The method that most of us were taught in school,

วิธีการที่พวกเราส่วนใหญ่ ถูกสอนมาในโรงเรียน

we can call it the textbook method,

พวกเราเรียกมันว่าวิธีการตามตำราก็ได้

is the hypothetical deductive method.

มันเป็นวิธีแบบนิรนัยจากสมมติฐาน (hypothetical deductive method)

According to the standard model, the textbook model,

ตามแบบจำลองมาตรฐาน ตามแบบจำลองตำรา

scientists develop hypotheses, they deduce

นักวิทยาศาสตร์พัฒนาสมมติฐาน พวกเขาอนุมาน

the consequences of those hypotheses,

ผลที่จะตามมาของสมมติฐานนั้น

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

และจากนั้นพวกเขาก็ออกไปในโลก และบอกว่า

"Okay, well are those consequences true?"

"เอาล่ะ สิ่งที่เกิดตามมานั้นมันจริงหรือเปล่า"

Can we observe them taking place in the natural world?

เราทำการสำรวจ ว่ามันเกิดขึ้นในโลกปกติได้ไหม

And if they are true, then the scientists say,

และถ้ามันจริง นักวิทยาศาสตร์ก็จะบอกว่า

"Great, we know the hypothesis is correct."

"ยอดเลย เรารู้ว่าสมมติฐานนี้ถูกต้อง"

So there are many famous examples in the history

มีตัวอย่างที่โด่งดังมากมาย ในประวัติศาสตร์ของวิทยาศาสตร์

of science of scientists doing exactly this.

ที่นักวิทยาศาสตร์ทำแบบนี้เป๊ะๆ

One of the most famous examples

หนึ่งในตัวอย่างที่โด่งดังที่สุด

comes from the work of Albert Einstein.

มาจากผลงานของอัลเบิร์ต ไอสไตน์

When Einstein developed the theory of general relativity,

เมื่อไอสไตน์พัฒนาทฤษฎีสัมพันธภาพทั่วไป

one of the consequences of his theory

หนึ่งในผลที่เกิดขึ้นต่อมาจากทฤษฎีของเขา

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

คืออวกาศ-เวลา ไม่ได้เป็นแค่ห้วงว่างเปล่า

but that it actually had a fabric.

แต่แท้จริงแล้วมันมีโครงสร้าง

And that that fabric was bent

และโครงสร้างนั้นก็ถูกดัด

in the presence of massive objects like the sun.

เมื่อมีวัตถุขนาดยักษ์อย่างดวงอาทิตย์

So if this theory were true then it meant that light

ดังนั้น ถ้าทฤษฎีนี้เป็นจริงแล้ว มันหมายความว่า

as it passed the sun

เมื่อแสงเดินทางผ่านดวงอาทิตย์

should actually be bent around it.

ควรที่จะถูกดัดให้โค้งไปรอบมัน

That was a pretty startling prediction

มันค่อนข้างจะเป็นการคาดคะเนที่น่าตกใจ

and it took a few years before scientists

และมันก็กินเวลาสองสามปี ก่อนที่นักวิทยาศาสตร์

were able to test it

จะสามารถที่จะทดสอบมันได้

but they did test it in 1919,

แต่พวกเขาทำการทดสอบในปี 1919

and lo and behold it turned out to be true.

และดูเสียก่อน กลายเป็นว่ามันเป็นความจริงซะด้วย

Starlight actually does bend as it travels around the sun.

แสงดาวถูกดัดให้โค้งจริงๆ เมื่อมันเดินทางรอบดวงอาทิตย์

This was a huge confirmation of the theory.

นี่เป็นการยืนยันที่ยิ่งใหญ่ของทฤษฎีนี้

It was considered proof of the truth

มันได้รับการพิจารณาว่าเป็นข้อพิสูจน์ความจริง

of this radical new idea,

ของความคิดใหม่แสนสุดโต่ง

and it was written up in many newspapers

และมันถูกเขียนถึงในหนังสือพิมพ์หลายฉบับ

around the globe.

ทั่วโลก

Now, sometimes this theory or this model

ทีนี้ บางครั้งทฤษฎีหรือแบบจำลองนี้

is referred to as the deductive-nomological model,

ถูกกล่าวถึงว่าเป็นแบบจำลองแบบกฎของการอนุมาน (deductive-nomological model)

mainly because academics like to make things complicated.

โดยหลักแล้ว เพราะทางวิชาการ ชอบที่จะทำสิ่งที่ซับซ้อน

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

แต่มันก็ยังเป็นเพราะในกรณีที่สมบูรณ์ มันเกี่ยวกับกฎเกณฑ์

So nomological means having to do with laws.

คำว่า โนโมโลจิคัล (nomological) หมายถึง เกี่ยวข้องกับกฎเกณฑ์

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

และในกรณีที่สมบูรณ์ สมมติฐานไม่ได้เป็นแค่ความคิด

ideally, it is a law of nature.

โดยสมบูรณ์แล้ว มันคือกฎแห่งธรรมชาติ

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

ทำไมมันถึงสำคัญ ที่วามันเป็นกฎแห่งธรรมชาติ

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

เพราะว่า ถ้ามันเป็นกฎแล้ว มันก็ไม่สามารถที่จะถูกฝ่าฝืนได้

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

ถ้ามันเป็นกฎแล้วมันจะเป็นจริงเสมอ

in all times and all places

ในทุกเวลาและทุกสถานที่

no matter what the circumstances are.

ไม่ว่าสถานการณ์จะเป็นอย่างไร

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

และที่คุณทุกคนก็รู้อย่างน้อยหนึ่งตัวอย่าง ของกฎที่โด่งดัง

Einstein's famous equation, E=MC2,

สมการที่โด่งดังของไอสไตน์ E=MC2

which tells us what the relationship is

ซึ่งบอกเราว่าความสัมพันธ์

between energy and mass.

ระหว่างพลังงานและมวลคืออะไร

And that relationship is true no matter what.

และความสัมพันธ์นั้นก็จริงไม่ว่าจะอย่างไร

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

ทีนี้ มันกลายเป็นว่า แบบจำลองนี้มีปัญหา อยู่สองสามอย่าง

The main problem is that it's wrong.

ปัญหาหลักคือมันผิด

It's just not true. (Laughter)

มันก็แค่ไม่จริง (เสียงหัวเราะ)

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

และฉันกำลังที่จะบรรยายเกี่ยวกับอีกสามเหตุผล ว่าทำไมมันผิด

So the first reason is a logical reason.

เหตุผลแรกคือเหตุผลทางตรรกะ

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

มันเป็นปัญหาแห่งความคิดผิดๆ เกี่ยวกับการยืนยันผลที่ตามมา

So that's another fancy, academic way of saying

นั่นเป็นอีกหนึ่งความคิดผิดๆ เป็นการพูดอย่างนักวิชาการ

that false theories can make true predictions.

ว่าทฤษฎีที่ผิดสามารถให้การคาดเดาที่ถูกได้

So just because the prediction comes true

แค่เพียงเพราะการคาดเดาออกมาถูก

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

ไม่ได้พิสูจน์ด้วยตรรกะจริงๆ ว่าทฤษฎีนั้นถูกต้อง

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

และฉันมีตัวอย่างด้วยเช่นกัน อีกครั้ง จากประวัติศาสตร์ของวิทยาศาสตร์

This is a picture of the Ptolemaic universe

นี่คือรูปภาพของจักรวาลของปโตเลมี

with the Earth at the center of the universe

ที่มีโลกอยู่ศูนย์กลางจักรวาล

and the sun and the planets going around it.

และดวงอาทิตย์และดาวเคราะห์อื่นๆ โคจรไปรอบๆ มัน

The Ptolemaic model was believed

แบบจำลองแบบปโตเลมีได้รับความเชื่อถือ

by many very smart people for many centuries.

โดยคนฉลาดมากมาย เป็นเวลาหลายศตวรรษ

Well, why?

เพราะอะไรล่ะ

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

คำตอบก็คือ เพราะว่ามันทำการคาดคะเนมากมาย ที่ผลออกมาเป็นจริง

The Ptolemaic system enabled astronomers

ระบบแบบปโตเลมีทำให้นักดาราศาสตร์

to make accurate predictions of the motions of the planet,

ทำการคาดคะเนการเคลื่อนที่ของดาวเคราะห์ ได้อย่างแม่นยำ

in fact more accurate predictions at first

อันที่จริง ตอนแรกคาดคะเนได้แม่นยำมากกว่า

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

ทฤษฎีของโคเปอร์นิคัส ซึ่งตอนนี้เราบอกได้ว่ามันจริง

So that's one problem with the textbook model.

นั่นเป็นหนึ่งปัญหาของแบบจำลองตามตำรา

A second problem is a practical problem,

ปัญหาที่สองเป็นปัญหาทางในทางปฏิบัติ

and it's the problem of auxiliary hypotheses.

และมันเป็นปัญหาของสมมติฐานเสริม

Auxiliary hypotheses are assumptions

สมมติฐานเสริมเป็นการสันนิษฐาน

that scientists are making

ที่นักวิทยาศาสตร์ได้สร้างขึ้น

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

ซึ่งพวกเขาอาจจะหรือไม่ตระหนัก ว่าพวกเขากระทำ

So an important example of this

ตัวอย่างสำคัญของสิ่งนี้

comes from the Copernican model,

มาจากแบบจำลองโคเปอร์นิคัส

which ultimately replaced the Ptolemaic system.

ซึ่งท้ายที่สุดแล้ว มาแทนที่ระบบแบบปโตเลมี

So when Nicolaus Copernicus said,

เมื่อนิโคลัส โคเปอร์นิคัส กล่าวว่า

actually the Earth is not the center of the universe,

ที่จริงโลกไม่ได้เป็นศูนย์กลางจักรวาล

the sun is the center of the solar system,

ดวงอาทิตย์อยู่ศูนย์กลางระบบสุริยจักรวาล

the Earth moves around the sun.

โลกโคจรไปรอบๆ ดวงอาทิตย์

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

นักวิทยาศาสตร์บอกว่า เอาล่ะ นิโคลัส ถ้านั่นมันจริง

we ought to be able to detect the motion

เราก็ควรที่จะสามารถตรวจจับการเคลื่อนไหว

of the Earth around the sun.

ของโลกรอบๆ ด้วยอาทิตย์ได้สิ

And so this slide here illustrates a concept

และสไลด์นี้เป็นภาพของแนวคิด

known as stellar parallax.

ที่เรียกว่า การเหลื่อมตำแหน่งของดวงดาว (stellar parallax)

And astronomers said, if the Earth is moving

และนักดาราศาสตร์บอกว่า ถ้าโลกกำลังเคลื่อนที่

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

และเรามองไปยังดาวที่เด่นชัด เช่น ซิริอัส

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

ฉันรู้ว่าฉันอยู่ในแมนฮัตตัน คุณก็เลยไม่เห็นดาว

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

แต่ลองนึกดูว่าคุณออกไปอยู่ในชนบท ลองคิดว่าคุณเลือกชีวิตไกลกรุง

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

และเรามองดวงดาวในเดือนธันวาคม เราเห็นดาวดวงนั้น

against the backdrop of distant stars.

บนพื้นหลังที่มีดาวที่ห่างออกไป

If we now make the same observation six months later

ถ้าพวกเราทำการสังเกตหกเดือนหลังจากนี้

when the Earth has moved to this position in June,

เมื่อโลกได้เคลื่อนที่ไปยังตำแหน่งในเดือนมิถุนายน

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

เรามองไปยังดาวดวงเดิม และเราเห็นมัน บนพื้นหลังที่ต่างออกไป

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

ความแตกต่างนั้น องศาที่แตกต่างนั้น คือ การเหลื่อมตำแหน่งของดวงดาว

So this is a prediction that the Copernican model makes.

ดังนั้น การคาดการโดยแบบจำลองโคเปอร์นิคัส

Astronomers looked for the stellar parallax

นักดาราศาสตร์มองหา การเหลื่อมตำแหน่งของดวงดาว

and they found nothing, nothing at all.

และพวกเขาไม่พบอะไร ไม่พบอะไรเลย

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

และคนมากมายเถียงว่า นี่เป็นข้อพิสูจน์ที่ว่าแบบจำลองโคเปอร์นิคัสเป็นเท็จ

So what happened?

แล้วมันเกิดอะไรขึ้น

Well, in hindsight we can say that astronomers were making

เมื่อเราเข้าใจปัญหาหลังจากที่มันเกิดขึ้นแล้ว เราสามารถบอกได้ว่านักดาราศาสตร์

two auxiliary hypotheses, both of which

ได้ตั้งสองสมมติฐานเสริม ซึ่งทั้งสองข้อนั้น

we would now say were incorrect.

ตอนนี้เราบอกได้ว่ามันไม่ถูก

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

อย่างแรกคือข้อสมมติเกี่ยวกับขนาดของวงโคจรโลก

Astronomers were assuming that the Earth's orbit was large

นักดาราศาสตร์เคยคาดไว้ว่าวงโคจรของโลกนั้นใหญ่

relative to the distance to the stars.

เป็นสัดส่วนกับระยะห่างจากดวงดาว

Today we would draw the picture more like this,

วันนี้เราจะเขียนภาพเป็นแบบนี้มากกว่า

this comes from NASA,

มันมาจากนาซ่า

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

และคุณเห็นวงโคจรของโลกว่ามันค่อนข้างเล็ก

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

อันที่จริง มันเล็กกว่าที่แสดงให้เห็นตรงนี้

The stellar parallax therefore,

การเหลื่อมตำแหน่งของดวงดาวนั้น

is very small and actually very hard to detect.

เล็กมากๆ และอันที่จริง ยากที่จะตรวจจับได้

And that leads to the second reason

และนั่นนำไปสู่เหตุผลที่สอง

why the prediction didn't work,

ทำไมการคาดคะเนถึงไม่ได้ผล

because scientists were also assuming

เพราะว่านักวิทยาศาสตร์ยังเข้าใจว่า

that the telescopes they had were sensitive enough

กล้องโทรทัศน์ที่พวกเขามีนั้นไวพอ

to detect the parallax.

ที่จะตรวจจับการเหลื่อมตำแหน่งได้

And that turned out not to be true.

และนั่นกลายเป็นว่าไม่เป็นความจริง

It wasn't until the 19th century

ไม่จนกระทั่งศตวรรษที่ 19

that scientists were able to detect

ที่นักวิทยาศาสตร์สามารถที่จะตรวจจับ

the stellar parallax.

การเหลื่อมตำแหน่งของดาวได้

So, there's a third problem as well.

ดังนั้น มันมีปัญหาที่สามเช่นกัน

The third problem is simply a factual problem,

ปัญหาที่สามเป็นปัญหาที่เกี่ยวกับข้อเท็จจริง

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

ที่ว่า วิทยาศาสตร์มากมาย ไม่ได้เป็นไปตามแบบจำลองตำรา

A lot of science isn't deductive at all,

วิทยาศาสตร์มากมายไม่ใช่การนิรนัยเลย

it's actually inductive.

มันเป็นการอุปนัย

And by that we mean that scientists don't necessarily

และที่เราบอกว่า นักวิทยาศาสตร์

start with theories and hypotheses,

ไม่จำเป็นจะต้องเริ่มต้นด้วยทฤษฎีและสมมติฐาน

often they just start with observations

บ่อยครั้ง พวกเขาเริ่มจากการสังเกต

of stuff going on in the world.

สิ่งต่างๆ ที่เกิดขึ้นในโลก

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

และตัวอย่างที่โด่งดังที่สุดนั้น

famous scientists who ever lived, Charles Darwin.

คืองานจากนักวิทยาศาสตร์ที่โด่งดังที่สุดที่เคยมี ชาร์ล ดาวิน

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

เมื่อดาวิน ได้เดินทางไปกับเรือบีเกิลเมื่อยังหนุ่ม

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

เขาไม่ได้มีสมมติฐาน เขาไม่ได้มีทฤษฎี

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

เขาแค่รู้ว่าเขาต้องการจะมีอาชีพ เป็นนักวิทยาศาสตร์

and he started to collect data.

และเขาก็เริ่มเก็บข้อมูล

Mainly he knew that he hated medicine

โดยหลักๆ แล้ว เขารู้ว่าเขาเกลียดการแพทย์

because the sight of blood made him sick so

เพราะการเห็นเลือดทำให้เขารู้สึกไม่ดี

he had to have an alternative career path.

เขาต้องหาอาชีพทางเลือกอื่น

So he started collecting data.

ดังนั้นเขาจึงเริ่มเก็บข้อมูล

And he collected many things, including his famous finches.

และเขาเก็บสิ่งต่างๆ มากมาย รวมทั้งนกฟินช์

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

เมื่อเขาเก็บนกเหล่านี้ เขาโยนมันเข้าไปในถุง

and he had no idea what they meant.

และเขาไม่รู้เลยว่าเขาได้ทำอะไร

Many years later back in London,

หลายปีผ่านไปในลอนดอน

Darwin looked at his data again and began

ดาวินดูข้อมูลของเขาอีกครั้ง

to develop an explanation,

แล้วเริ่มที่จะพัฒนาคำอธิบาย

and that explanation was the theory of natural selection.

และนั่นคำอธิบายนั่นก็คือ ทฤษฎีของการคัดเลือกโดยธรรมชาติ

Besides inductive science,

นอกเหนือจากวิทยาศาสตร์อุปนัย

scientists also often participate in modeling.

นักวิทยาศาสตร์ยังข้องเกี่ยว กับการสร้างแบบจำลองบ่อยๆ

One of the things scientists want to do in life

สิ่งหนึ่งที่นักวิทยาศาสตร์ต้องการจะทำในชีวิต

is to explain the causes of things.

ก็คือได้อธิบายเหตุของสิ่งต่างๆ

And how do we do that?

และเราทำอย่างนั้นได้อย่างไร

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

ทางหนึ่งที่คุณสามารถทำได้คือสร้างแบบจำลอง

that tests an idea.

และทดสองความคิด

So this is a picture of Henry Cadell,

นี่คือภาพของแฮนรี่ คาร์เดล

who was a Scottish geologist in the 19th century.

ผู้ซึ่งเป็นนักธรณีวิทยาชาวสกอตในศตวรรษที่ 19

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

คุณสามารถบอกได้ว่าเขาเป็นชาวสกอต จากชุดที่เขาใส่

a deerstalker cap and Wellington boots.

หมวกคนล่ากวางและรองเท้าบูทเวลิงตัน

(Laughter)

(เสียงหัวเราะ)

And Cadell wanted to answer the question,

และคาร์เดลต้องการที่จะหาคำตอบสำหรับคำถามที่ว่า

how are mountains formed?

ภูเขาเกิดขึ้นมาได้อย่างไร

And one of the things he had observed

และหนึ่งในสิ่งที่เขาสังเกตเห็น

is that if you look at mountains like the Appalachians,

คือถ้าคุณดูภูเขา อย่างเทือกเขาแอปพาเลเชีย (Appalachians)

you often find that the rocks in them

คุณมักพบว่าหินในนั้น

are folded,

โค้งงอ

and they're folded in a particular way,

และพวกมันโค้งงอในแบบจำเพาะ

which suggested to him

ที่แนะเขาว่า

that they were actually being compressed from the side.

พวกมันถูกบีบอัดจากด้านข้าง

And this idea would later play a major role

และความคิดนี้ต่อมาได้มีบทบาทที่สำคัญ

in discussions of continental drift.

ในการอภิปรายในเรื่องการเคลื่อนตัวของทวีป

So he built this model, this crazy contraption

เขาสร้างแบบจำลองนี้ เครื่องมือแสนประหลาด

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

ที่มีคานและไม้ และนี่คือรถเข็นล้อเดียวของเขา

buckets, a big sledgehammer.

ตะกร้า และค้อนยักษ์

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

ฉันไม่รู้ว่าทำไมเขาถึงใส่บูทเวลลิงตัน

Maybe it's going to rain.

บางทีมันอาจจะกำลังฝนตก

And he created this physical model in order

และเขาสร้างแบบจำลองทางกายภาพนี้เพื่อที่จะ

to demonstrate that you could, in fact, create

แสดงว่า อันที่จริงคุณสามารถสร้าง

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

แบบร่างในหิน หรืออย่างน้อย ในกรณีนี้ ในตม

that looked a lot like mountains

ที่มองดูเหมือนภูเขา

if you compressed them from the side.

ถ้าคุณอัดมันจากด้านข้าง

So it was an argument about the cause of mountains.

มันเป็นข้อถกเถียงเกี่ยวกับสาเหตุการกำเนิดภูเขา

Nowadays, most scientists prefer to work inside,

ทุกวันนี้ นักวิทยาศาสตร์ส่วนใหญ่ ชอบที่จะทำงานจากข้างใน

so they don't build physical models so much

ดังนั้น พวกเขาจึงไม่ได้สร้างแบบจำลองทางกายภาพ

as to make computer simulations.

มากเท่ากับการสร้างภาพจำลองคอมพิวเตอร์

But a computer simulation is a kind of a model.

แต่ภาพจำลองคอมพิวเตอร์เป็นแบบจำลองอย่างหนึ่ง

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

มันเป็นแบบจำลองที่สร้างขึ้นด้วยคณิตศาสตร์

and like the physical models of the 19th century,

และเหมือนกับแบบจำลองทางกายภาพ ยุคศตวรรษที่ 19

it's very important for thinking about causes.

มันสำคัญมากสำหรับการคิดถึงสาเหตุ

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

ดังนั้นหนึ่งในคำถามข้อใหญ่ที่เกี่ยวกับ การเปลี่ยนแปลงสภาวะอากาศ

we have tremendous amounts of evidence

เรามีหลักฐานมากมาย

that the Earth is warming up.

ที่โลกอุ่นขึ้น

This slide here, the black line shows

สไลด์นี้ เส้นสีดำแสดง

the measurements that scientists have taken

การวัดที่นักวิทยาศาสตร์ได้ทำ

for the last 150 years

ในช่วง 150 ปีที่ผ่านมา

showing that the Earth's temperature

ซึ่งแสดงให้เห็นว่าอุณหภูมิของโลก

has steadily increased,

เพิ่มขึ้นอย่างคงที่

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

และคุณสามารถเห็นได้ว่าใน 50 ปีที่ผ่านมา

there's been this dramatic increase

มันมีการเพิ่มขึ้นอย่างมาก

of nearly one degree centigrade,

ถึงเกือบหนึ่งองศาเซลเซียส

or almost two degrees Fahrenheit.

หรือเกือบสององศาฟาเรนไฮด์

So what, though, is driving that change?

แล้วอะไรล่ะ ที่ทำให้เกิดการเปลี่ยนแปลงนี้

How can we know what's causing

เราจะรู้ได้อย่างไร ว่าอะไรที่ทำให้

the observed warming?

เกิดอากาศที่อุ่นขึ้นอย่างที่เราเห็น

Well, scientists can model it

นักวิทยาศาสตร์สามารถสร้างแบบจำลองของมัน

using a computer simulation.

โดยใช้ภาพจำลองคอมพิวเตอร์

So this diagram illustrates a computer simulation

ภาพนี้แสดงให้เห็นภาพจำลองคอมพิวเตอร์

that has looked at all the different factors

ที่มองไปยังตัวแปลต่างๆ

that we know can influence the Earth's climate,

ที่เรารู้ว่าสามารถส่งผลกระทบต่อภูมิอากาศโลก

so sulfate particles from air pollution,

อนุภาคซัลเฟตจากมลภาวะทางอากาศ

volcanic dust from volcanic eruptions,

ฝุ่นภูเขาไฟจากการระเบิดของภูเขาไฟ

changes in solar radiation,

การเปลี่ยนแปลงของรังสีสุริยะ

and, of course, greenhouse gases.

และแน่นอน ก๊าซเรือนกระจก

And they asked the question,

และพวกเขาถามคำถาม

what set of variables put into a model

ว่าตัวแปรชุดไหนที่ใส่เข้ามาในแบบจำลอง

will reproduce what we actually see in real life?

แล้วจะเลียนแบบสิ่งที่เราเห็นในชีวิตจริงได้

So here is the real life in black.

นี่คือชีวิตจริงในสีดำ

Here's the model in this light gray,

นี่คือแบบจำลองในสีเทาอ่อน

and the answer is

และคำตอบก็คือ

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

ตัวอย่างที่ประกอบด้วย มันคือคำตอบ E บน SAT นั่น

all of the above.

ทั้งหมดพวกนั้น

The only way you can reproduce

ทางเดียวที่เราสามารถจะเลียนแบบ

the observed temperature measurements

การวัดอุณหภูมิที่สังเกตเห็น

is with all of these things put together,

คือด้วยการนำสิ่งเหล่านี้ทั้งหมดเข้ามารวมกัน

including greenhouse gases,

รวมไปถึงก๊าซเรือนกระจก

and in particular you can see that the increase

และโดยเฉพาะถ้าคุณเห็นว่าการเพิ่มขึ้น

in greenhouse gases tracks

ของการติดตามก๊าซเรือนกระจก

this very dramatic increase in temperature

การเพิ่มขึ้นอย่างมากมายของอุณหภูมิ

over the last 50 years.

ตลอด 50 ปีที่ผ่านมา

And so this is why climate scientists say

และนี่เป็นเหตุที่ทำไมนักวิทยาศาสตร์ด้านภูมิอากาศ บอกว่า

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

มันไม่ใช่แค่เรารู้ว่า การเปลี่ยนแปลงสภาวะอากาศ กำลังเกิดขึ้น

we know that greenhouse gases are a major part

เรารู้ว่า ก๊าซเรือนกระจกเป็นส่วนใหญ่

of the reason why.

ของเหตุผลว่าทำไม

So now because there all these different things

ดังนั้น เพราะมันมีสิ่งต่างๆ มากมาย

that scientists do,

ที่นักวิทยาศาสตร์ทำ

the philosopher Paul Feyerabend famously said,

นักปรัชญา พอล ฟีเยอร์เบน (Paul Feyeraben ) กล่าวไว้ว่า

"The only principle in science

"หลักการทางวิทยาศาสตร์เดียว

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

ที่ไม่ได้หยุดยั้งการพัฒนาคือ: ยังไงก็ได้"

Now this quotation has often been taken out of context,

คำพูดนี้มักถูกอ้างถึงอย่างผิดบริบท

because Feyerabend was not actually saying

เพราะฟีเยอร์เบนไม่ได้พูดจริงๆ

that in science anything goes.

ว่าในวิทยาศาสตร์ จะยังไงก็ได้

What he was saying was,

ที่เขาพูดคือ

actually the full quotation is,

จริงๆ ก็คือ

"If you press me to say

"ถ้าคุณต้องให้ผมพูด

what is the method of science,

ว่าอะไรคือวิธีการทางวิทยาศาสตร์

I would have to say: anything goes."

ผมต้องบอกว่า ยังไงก็ได้"

What he was trying to say

ที่เขาพยายายามจะพูด

is that scientists do a lot of different things.

คือนักวิทยาศาสตร์ทำอะไรมากมาย

Scientists are creative.

นักวิทยาศาสตร์มีความคิดสร้างสรรค์

But then this pushes the question back:

แต่แล้วนี่มันก็ดันปัญหากลับ

If scientists don't use a single method,

ถ้าวิทยาศาสตร์ไม่ได้ใช้วิธีการเดียว

then how do they decide

แล้วเขาจะตัดสินได้อย่างไร

what's right and what's wrong?

ว่าอะไรถูกอะไรผิด

And who judges?

และใครจะเป็นผู้ตัดสิน

And the answer is, scientists judge,

และคำตอบก็คือ นักวิทยาศาสตร์เป็นผู้ตัดสิน

and they judge by judging evidence.

และพวกเขาตัดสินโดยตัดสินจากหลักฐาน

Scientists collect evidence in many different ways,

นักวิทยาศาสตร์เก็บหลักฐานในวิธีการต่างๆ

but however they collect it,

แต่อย่างไรก็ดี พวกเขาเก็บมัน

they have to subject it to scrutiny.

พวกเขาจะต้องไตร่ตรองมันอย่างถี่ถ้วน

And this led the sociologist Robert Merton

และมันก็นำนักสังคมวิทยา โรเบิร์ต เมอร์ตัน (Robert Merton)

to focus on this question of how scientists

ไปสู่ความสนใจในคำถามว่านักวิทยาศาสตร์

scrutinize data and evidence,

ไตร่ตรองข้อมูลและหลักฐานอย่างไร

and he said they do it in a way he called

และเขาบอกว่า พวกเขาทำมันในแบบที่เขาเรียกว่า

"organized skepticism."

"กังขาอย่างมีระเบียบ"

And by that he meant it's organized

และนั่นเขาหมายถึงว่ามันเป็นระเบียบ

because they do it collectively,

เพราะว่าพวกเขาทำมันเป็นกลุ่ม

they do it as a group,

พวกเขาทำมันอย่างเป็นหมวดหมู่

and skepticism, because they do it from a position

และกังขาสงสัย เพราะพวกเขาทำมันจากตำแหน่ง

of distrust.

ของความไม่เชื่อ

That is to say, the burden of proof

มันบอกว่า ภาระของการพิสูจน์

is on the person with a novel claim.

อยู่บนคนที่มีข้อถือสิทธิ์ใหม่

And in this sense, science is intrinsically conservative.

และในกรณีนี้ วิทยาศาสตร์คือการสำรวจอย่างมีเงื่อนไข

It's quite hard to persuade the scientific community

มันค่อนข้างยากที่จะคะยั้นยะคอสังคมวิทยาศาสตร์

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

ให้บอกว่า "ใช่ เรารู้บางอย่าง มันเป็นความจริง"

So despite the popularity of the concept

ถึงแม้ว่าแนวคิดของกระบวนทัศน์นั้นเปลี่ยนไป

of paradigm shifts,

จะเป็นที่นิยม

what we find is that actually,

สิ่งที่เราพบแท้จริงแล้ว

really major changes in scientific thinking

คือการเปลี่ยนแปลงหลักในการคิดอย่างวิทยาศาสตร์

are relatively rare in the history of science.

ค่อนข้างหาได้ยากในประวัติศาสตร์วิทยาศาสตร์

So finally that brings us to one more idea:

ดังนั้นในที่สุด นั่นนำเราไปยังอีกหนึ่งแนวคิด

If scientists judge evidence collectively,

ถ้าวิทยาศาสตร์ตัดสินหลักฐานโดยรวม

this has led historians to focus on the question

มันได้นำนักประวัติศาสตร์ให้มาจดจ้องกับคำถาม

of consensus,

ของมหาชน

and to say that at the end of the day,

และการบอกว่า ที่สุดแล้วนั้น

what science is,

วิทยาศาสตร์คืออะไร

what scientific knowledge is,

ความรู้ทางวิทยาศาสตร์คืออะไร

is the consensus of the scientific experts

ความเห็นที่เป็นเอกฉันท์ ของผู้เชี่ยวชาญทางวิทยาศาสตร์

who through this process of organized scrutiny,

ผู้ซึ่งใช้กระบวนการการใคร่ครวญอย่างเป็นระเบียบ

collective scrutiny,

การไตร่ตรองครั้งแล้วครั้งเล่า

have judged the evidence

ได้ตัดสินหลักฐาน

and come to a conclusion about it,

และได้บทสรุปเกี่ยวกับมัน

either yea or nay.

ว่าจะเป็นใช่หรือไม่

So we can think of scientific knowledge

เราสามารถคิดถึงความรู้ทางวิทยาศาสตร์

as a consensus of experts.

เป็นความใคร่ครวญของผู้เชี่ยวชาญ

We can also think of science as being

เรายังสามารถคิดถึงวิทยาศาสตร์

a kind of a jury,

เป็นดั่งลูกขุน

except it's a very special kind of jury.

เว้นแต่ว่ามันเป็นลูกขุนชนิดพิเศษ

It's not a jury of your peers,

มันไม่ใช่ลูกขุนของเพื่อนคุณ

it's a jury of geeks.

มันเป็นลูกขุนของพวกบ้าวิชา

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

มันเป็นลูกขุนของชายหญิงผู้เป็น ดร.

and unlike a conventional jury,

และไม่เหมือนกับลูกขุนทั่วไป

which has only two choices,

ซึ่งมีแค่สองตัวเลือก

guilty or not guilty,

คือ ผิด หรือ ไม่ผิด

the scientific jury actually has a number of choices.

ลูกขุนวิทยาศาสตร์มีตัวเลือกมากมาย

Scientists can say yes, something's true.

นักวิทยาศาสตร์สามารถบอกว่า ใช่ บางทีมันจริง

Scientists can say no, it's false.

นักวิทยาศาสตร์สามารถบอกได้ว่า ไม่ มันผิด

Or, they can say, well it might be true

หรือพวกเขาจะบอกก็ได้ว่า อืม มันอาจจะจริง

but we need to work more and collect more evidence.

แต่เราต้องทำการศึกษาอีก และต้องเก็บหลักฐานเพิ่ม

Or, they can say it might be true,

หรือพวกเขาอาจบอกว่า มันอาจจะจริง

but we don't know how to answer the question

แต่เราไม่รู้ว่าจะตอบคำถามได้อย่างไร

and we're going to put it aside

และเรากำลังที่จะมองข้ามมันไป

and maybe we'll come back to it later.

และบางทีเราอาจกลับมาพูดถึงทีหลัง

That's what scientists call "intractable."

นั่นเป็นสิ่งที่นักวิทยาศาสตร์เรียกว่า "ความดึงดัน"

But this leads us to one final problem:

แต่มันนำเราไปยังปัญหาสุดท้าย

If science is what scientists say it is,

ถ้าวิทยาศาสตร์เป็นอย่างที่นักวิทยาศาสตร์บอกแล้ว

then isn't that just an appeal to authority?

ไม่ใช่ว่านั่นน่าสนใจสำหรับผู้รู้หรอกหรือ

And weren't we all taught in school

แล้วไม่ใช่ว่าเราทุกคนถูกสอนที่โรงเรียนหรือ

that the appeal to authority is a logical fallacy?

ว่าการดึงดูดผู้รู้ เป็นการหลอกลวงอย่างมีตรรกะ

Well, here's the paradox of modern science,

นี่คือปฏิทรรศน์ของวิทยาศาสตร์สมัยใหม่

the paradox of the conclusion I think historians

ปฏิทรรศน์ของบทสรุปที่ฉันคิดว่านักประวัติศาสตร์

and philosophers and sociologists have come to,

และนักปรัชญาและนักสังคมวิทยาได้เผชิญ

that actually science is the appeal to authority,

ที่จริงแล้ววิทยาศาสตร์เป็นตัวดึงดูดความสนใจของผู้รู้

but it's not the authority of the individual,

แต่มันไม่ใช่ผู้รู้ของปัจเจกชน

no matter how smart that individual is,

ไม่ว่าบุคคลนั้นจะฉลาดแค่ไหน

like Plato or Socrates or Einstein.

เป็นพลาโต หรือโสเครติส หรือไอสไตน์

It's the authority of the collective community.

มันเป็นผู้รู้แห่งสังคมรวม

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

คุณอาจคิดถึงมันว่าเป็นความรู้ของกลุ่มคน

but a very special kind of crowd.

แต่เป็นกลุ่มคนชนิดพิเศษ

Science does appeal to authority,

วิทยาศาสตร์เป็นที่สนใจของผู้รู้

but it's not based on any individual,

แต่มันไม่ได้ขึ้นอยู่กับบุคคลใด

no matter how smart that individual may be.

ไม่ว่าบุคคลนั้นจะฉลาดแค่ไหนก็ตาม

It's based on the collective wisdom,

มันขึ้นอยู่กับความรู้ที่สั่งสมมา

the collective knowledge, the collective work,

ศาสตร์สหสาขา และการศึกษาต่อยอด

of all of the scientists who have worked

ของบรรดานักวิทยาศาสตร์ผู้ซึ่งได้ศึกษา

on a particular problem.

ปัญหาเฉพาะมากมาย

Scientists have a kind of culture of collective distrust,

นักวิทยาศาสตร์เหมือนมีวัฒนธรรม การไม่เชื่อแบบสั่งสม

this "show me" culture,

วัฒนธรรม "ไหนล่ะ" ที่ว่านี้

illustrated by this nice woman here

ถูกแสดงให้เห็นโดยผู้หญิงคนนี้

showing her colleagues her evidence.

ที่แสดงหลักฐานให้ผู้ร่วมงานเห็น

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

แน่ล่ะ คนเหล่านี้ไม่ได้ดูเหมือนนักวิทยาศาสตร์

because they're much too happy.

เพราะพวกเขาดูร่าเริงเกินไป

(Laughter)

(เสียงหัวเราะ)

Okay, so that brings me to my final point.

เอาล่ะ นั่นนำฉันมาถึงเรื่องสุดท้าย

Most of us get up in the morning.

พวกเราส่วนใหญ่ตื่นขึ้นมาในตอนเช้า

Most of us trust our cars.

พวกเราส่วนใหญ่เชื่อใจรถของเรา

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

ลองมาดูว่าฉันคิดยังไง ฉันอยู่ในแมนฮัตตัน

this is a bad analogy,

นี่เป็นการเปรียบเทียบที่แย่มาก

but most Americans who don't live in Manhattan

แต่ชาวอเมริกันส่วนมากที่ไม่ชอบแมนฮัตตัน

get up in the morning and get in their cars

ตื่นขึ้นมาตอนเช้าและขึ้นรถ

and turn on that ignition, and their cars work,

และทำการสตาร์ทรถ และรถก็ทำงานได้

and they work incredibly well.

และพวกมันก็ทำงานดีซะด้วย

The modern automobile hardly ever breaks down.

รถยนต์สมัยใหม่แทบจะไม่เคยพังเลย

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

แล้วทำไมล่ะ ทำไมรถถึงทำงานดีนัก

It's not because of the genius of Henry Ford

ไม่ใช่ว่ามันเป็นเพราะอัฉริยะ เฮนรี ฟอร์ด

or Karl Benz or even Elon Musk.

หรือ คาร์ล เบนซ์ หรือ อีลอน มัสค์

It's because the modern automobile

มันเป็นเพราะรถสมัยใหม่

is the product of more than 100 years of work

เป็นผลผลิตของการศึกษามากกว่าร้อยปี

by hundreds and thousands

โดยคนมากมาย

and tens of thousands of people.

นับร้อยนับพันคน

The modern automobile is the product

รถยนต์รุ่นใหม่ๆ

of the collected work and wisdom and experience

จากการศึกษาที่สั่งสม ความรู้ และประสบการณ์

of every man and woman who has ever worked

ของบุรุษและสตรีผู้ซึ่งได้ทำการศึกษา

on a car,

เกี่ยวกับรถยนต์

and the reliability of the technology is the result

และความน่าเชื่อถือของเทคโนโลยีคือผลลัพธ์

of that accumulated effort.

ของความพยายามที่สะสมมา

We benefit not just from the genius of Benz

เราได้รับประโยขน์ ไม่ใช่แค่จากอัฉริยะอย่างเบนซ์

and Ford and Musk

หรือฟอร์ด หรือ มัสค์

but from the collective intelligence and hard work

แต่เป็นจากสติปัญญา และการทำงานอย่างจริงจังที่สั่งสมมา

of all of the people who have worked

ของทุกคนที่ได้ทำงาน

on the modern car.

เกี่ยวกับรถสมัยใหม่

And the same is true of science,

และมันก็เป็นจริงเช่นเดียวกันในวิทยาศาสตร์

only science is even older.

เพียงแต่วิทยาศาสตร์นั้นแก่กว่าเสียอีก

Our basis for trust in science is actually the same

พื้นฐานความเชื่อของเราในวิทยาศาสตร์นั้น แท้จริงแล้วเหมือนกันกับ

as our basis in trust in technology,

พื้นฐานความเชื่อของเราที่มีต่อเทคโนโลยี

and the same as our basis for trust in anything,

และเหมือนกันกับพื้นฐานความเชื่อในทุกสิ่ง

namely, experience.

เป็นต้นว่า ประสบการณ์

But it shouldn't be blind trust

แต่มันมิอาจเป็นความเชื่ออย่างมืดบอด

any more than we would have blind trust in anything.

มากไปกว่าที่เราเชื่อสิ่งอื่นๆ อย่างหน้ามืดตามัว

Our trust in science, like science itself,

ความเชื่อของเราที่มีต่อวิทยาศาสตร์ เช่นตัววิทยาศาสตร์เอง

should be based on evidence,

ควรที่จะตั้งอยู่บนหลักฐาน

and that means that scientists

และนั่นหมายความว่านักวิทยาศาสตร์

have to become better communicators.

จะต้องกลายเป็นนักสื่อสารที่ดีขึ้น

They have to explain to us not just what they know

พวกเขาจะต้องอธิบายให้เราฟัง ไม่ใช่แค่ในสิ่งที่เขาเข้าใจ

but how they know it,

แต่ต้องอธิบายว่าพวกเขาเข้าใจอย่างไรด้วย

and it means that we have to become better listeners.

และนั่นหมายความว่าพวกเขา จะต้องเป็นผู้ฟังที่ดี

Thank you very much.

ขอบคุณมากๆ ค่ะ

(Applause)

(เสียงปรบมือ)