تکامل و فلسفه

درس‌هایی از "نظریه‌ی بازی تکاملی" برای افزایش همکاری اجتماعی (نمونه‌ای از فلسفه‌ورزی طبیعت‌گرایانه) شاخه‌ای از نظریه‌ی بازی تکاملی، توصیفی از چگونگی تکامل همکاری‌های اجتماعی عرضه می‌کند. اما از این توصیف‌ها می‌توان تجویزهایی برای بهتر زیستن استنباط کرد. هدایت جامعه بر اساس شواهد به این معناست که در ایدئولوژی‌های سیاسی و اقتصادی رایج بازبینی کنیم و اجازه دهیم علم راهنمای تصمیمات ما باشد. به برخی از پژوهش‌ها نگاهی بیاندازیم. ۱. نتایج پژوهشی نشان می‌دهد اگر خواهان افزایش رواداری در جامعه هستیم باید با افزایش نابرابری مقابله کنیم. در این پژوهش نشان داده شد بازتوزیع عادلانه‌تر ثروت در جامعه به افزایش رواداری می‌انجامد. ۲. اما پژوهش‌های دیگری نشان می‌دهند که برابری کامل نیز از کارآمدی همکاری می‌کاهد. به عبارتی، از یکسو نباید بگذاریم شکاف نابرابری‌ها در جامعه گسترش یابد و از سوی دیگر نباید به نحوی تصنعی همه‌ی افراد جامعه را برابر کنیم. این پژوهش همگام با پژوهش قبلی نشان می‌دهد افزایش نابرابری سدی بر سر راه همکاری است اما از سوی دیگر برای افزایش کارآمدی همکاری باید به برخی از افراد جامعه که قابلیت‌های بیشتری دارند منابع بیشتری در جهت افزایش کارکرد گروه اختصاص داد. ۳. در همین راستا پژوهش سومی نشان می‌دهد که باید تنوع را در جمعیت‌ها و گروه‌ها به رسمیت بشناسیم تا همکاری افزایش یابد. ۴. قبلاً نیز ژاپنی‌ها در سال ۲۰۱۷، نشان داده بودند که هرچه میزان تنوع هنجارها در سطح جامعه بیشتر باشد میزان همکاری بیشتر خواهد شد. (به عبارتی همکاری در جوامع چندحزبی که تنوعی از هنجارها را نمایندگی می‌کنند بیش از جوامع دوحزبی یا تک‌حزبی است. این ایده‌ی شایع که اگر همه‌ی مردم جامعه سخنان واحدی را بگویند به افزایش وحدت، و همکاریِ متعاقبِ آن می‌انجامد کاملاً نادرست است.) ۵. اما چگونه می‌توان شهروندانی تربیت کرد که تنوع هنجارها را در جامعه پذیرا باشند و در نتیجه همکاری افزایش یابد؟ ساده‌ترین پاسخ این است که باید همدلی را میان افراد جامعه افزایش دهیم. هنر بهترین ابزار در رسیدن به این هدف است. ۶. واضح به نظر می‌رسد که انسان‌ها با افرادی همکاری می‌کنند که اعتبار اجتماعی بالاتری داشته باشند. اما افراد جامعه به ندرت یکدیگر را می‌شناسند. پژوهشی که در ۲۰۲۱ نتایج آن در نیچر منتشر شد با بهره‌گیری از مدل‌های ریاضیاتی نشان داد که وجود نهادهایی که به نحوی شفاف اعتبار افراد را ارزیابی ‌می‌کنند بر همکاری اجتماعی می‌افزاید. (کارکرد نظام‌های شفاف‌سازی مالی و روزنامه‎های آزاد، روشن ساختن اعتبار شهروندان و سیاستمداران است.) ۷. وقتی نهادهایی برای افزایش همکاری تعبیه شود افراد حتی بدون تأمل در مورد پیشینه‌ی دیگران می‌توانند وارد همکاریِ کارآمدی با آنها شوند. در پژوهشی نشان داده شد که با سطح محدودی از حافظه، و بدون بررسی سوابق کامل افراد، نیز امکان همکاری وجود دارد. ۸. در پژوهش دیگری نشان داده شد که برای شکار جمعی نیازی به ساختارهای ذهنی پیچیده نیست و اگر شرایط یادگیریِ تقویتی فراهم شود موجوداتی با ذهنیت ساده نیز می‌توانند شکار جمعی کنند. اگر با ذهنیتی ساده نیز امکان همکاری پیچیده وجود دارد، احتمالاً باید موارد بیشتری از چنین پدیده‌هایی را در جهان طبیعت شاهد باشیم. پژوهش دیگری نشان می‌دهد که موجوداتی با ذهنیت بسیار ساده، همچون ماهی‌های سیکلید، با بهره‌گیری از تنبیه خاطیان سطح همکاری در حفظ قلمرو را افزایش می‌دهند. ۹. وقتی جانورانی ساده موفق به انجام یک کار گروهی جمعی می‌شوند انسان‌ها نیز می‌توانند. اگر نهادهایی در جهت افزایش همکاری طراحی شوند با سرعت بالایی می‌توان بسیاری از مشکلات امروز بشر را حل کرد. علم راه‌حل‌هایی دارد. به عنوان نمونه‌ای عملی از کاربست نظریه‌ی بازی تکاملی در حل مسائل اجتماعی، بکارگیری آن را در شبکه‌ی حمل‌ونقل جاده‌ای شهری ببینید. خلاصه: با توجه به داده‌های مورد اشاره، جامعه‌ای در مسیر به‌زیستی عمومی است که: شکاف نابرابری اقتصادی در آن کاسته شود؛ قابلیت‌های منحصربه‌فرد انسان‌ها به رسمیت شناخته شود؛ تنوعی از هنجارها در جامعه وجود داشته باشد؛ پروژه‌های یکسان‌سازی افراد کنار نهاده شود؛ نهادهای اعتبارسنجیِ شفاف در جامعه برقرار باشند؛ شرایط یادگیری تقویتی برای افراد در جامعه فراهم باشد؛ و خاطیان همکاری اجتماعی نیز تنبیه شوند. آنچه در اینجا بیان شد استنباطِ توصیه‌هایی عملی از علوم تجربی و ریاضیات بود. این نمونه‌ای از فلسفه‌ی طبیعت‌گرایانه‌‌ی تجویزی‌ست: اینکه توصیه‌های به‌زیستی مبتنی بر آخرین داده‌های علمی باشند. برگرفتن داده‌هایی علمی به سان مهره‌های یک گردن‌آویز و به رشته درآوردن آنها در عرضه راهکارهایی برای خوب‌زیستن؛ و نه آنکه بدون توجه به داده‌های تجربی نسخه‌هایی برای هدایت جوامع و به‌زیستی انسان عرضه کنیم. هادی صمدی @evophilosophy

افزایش نقش ریاضیات در برنامه‌ی پژوهشی تکامل داروین ریاضی‌دان خوبی نبود. به واقع، در نقطه‌ی مقابل، اعتراف کرده بود که از ریاضیات سر در نمی‌آورد. از علل اصلی مخالفت دانشمند-فیلسوفانی مانند هرشل و هیوئل با او همین فقدان وجه ریاضیاتی نظریه‌ی انتخاب طبیعی در کتاب منشاء انواع بود. از دید هرشل و هیوئل حسن نظریه‌ی نیوتن این بود که نیوتن سخنان خود را به زبان ریاضیات عرضه کرده بود. بدتر آنکه، نظریه‌ی تکاملِ داروین مملو از وجوه آماری و احتمالی بود و بنابراین حتی اگر داروین ریاضی‌دان خوبی بود باز هم احتمال پذیرش یک نظریه‌ی آماری در زیست‌شناسی توسط هرشل و هیوئل، که استاندارد بالایی همچون قوانینِ کلی و ضروری نیوتن را برای علمی بودن یک نظریه درنظر داشتند، کم بود. تا عدم ظهور مدل‌های آماری از نظریه‌ی انتخاب طبیعی در نیمه نخست قرن بیستم توسط پیرسون، وِلدون، رایت، هالدین، و به ویژه رونالد فیشر، آماردان معروفی که داوکینز او را بزرگ‌ترین جانشین داروین می‌داند،‌ نظریه‌ی انتخاب طبیعی در حاشیه ماند. از آن پس ریاضیات نقش روزافزونی در برنامه پژوهشی تکامل بر عهده گرفت تا جایی‌که امروزه در بخش‌های مختلفی از نظریه‌ی تکامل مدل‌های بسیار پیچیده‌ی ریاضیاتی به وفور یافت می‌شود. با این حال محدودیت‌هایی نیز در خودِ ریاضیات وجود داشته که مانعی بر گسترش کاربرد ریاضیات در زیست‌شناسی تکاملی بوده است. یکی از محدودیت‌ها فقدان راه‌حلی برای معادلاتی بوده است که در آنها عوامل تصادفی وجود دارند. در بخش‌های مهمی از فرایندهای تکاملی و فرایندهای اقلیمی شاهد وجود چنین عوامل تصادفی هستیم و عدم وجود راه‌حلی برای این معادلات، امکان مدل‌سازی ریاضیاتی این بخش‌ها را از بین می‌برد. اما حالا ریاضی‌دان‌ها موفق به عرضه‌ی راه‌حل‌هایی برای برخی از این معادلات شده‌اند. این خبر خوبی برای تکامل‌دانان است و برایشان به این معنی‌ست که کاربرد ریاضیات در علومی از این دست رو به فزونی خواهد گذاشت. این مثال می‌تواند نشانی باشد که چگونه پیشرفت در شاخه‌ای از معرفت، حتی در شاخه‌ای مانند ریاضیات که کاملاً پیشینی است، می‌تواند به پیشرفت علمی تجربی مانند زیست‌شناسی کمک کند. باید قدری صبر کنیم تا شاهد تأثیرات آن باشیم. از سال ۱۹۷۰، که جورج پرایسِ ریاضی‌دان، با درآمیختن دو تعریف ریاضیاتی ساده، یعنی تعریف میانگین عددی و تعریف کوواریانس، معادله‌ی پرایس را به زیست‌شناسان تکاملی معرفی کرد ساختار مفهومی نظریه‌ی تکامل نیز به یکباره پیشرفت فوق‌العاده‌ای را شاهد بود. زیست‌شناسی نظری و بیوانفورماتیک نیز از این تاریخ به بعد بود که گسترشی شگرف داشتند. تاریخ نشان می‌دهد که درخواست هرشل و هیوئل از داروین برای عرضه‌ی قوانینی کمّی در نظدیه‌ی تکامل بیجا نبوده است. این درخواست از داروین، حکایت از شم قوی آنها دارد و امروزه دیگر نباید مخالفت‌های آنها با داروین را یکسره مبتنی بر ایدئولوژی آنها بگذاریم. افزایش نقش ریاضیات همچنین به معنای افزایش بهره‌گیری از هوش‌مصنوعی در حل مسائل زیستی نیز خواهد بود؛ زیرا با توجه به اثبات عرضه‌شده برای معادلات مربوطه، امکان تهیه‌ی الگوریتم‌هایی فراهم می‌شود که می‌توانند نقشی در طراحی الگوریتم‌های بزرگ‌تر بازی کنند، که قرار است فرایندهای تکاملی را بازنمایی کنند.   پررنگ شدن هرچه بیشتر  مدل‌های ریاضیاتی در زیست‌شناسی پرسش‌های فلسفی مهمی را در پی دارد که برخی از آنها هم اکنون نیز با توجه به کاربست ریاضیات در تکامل مطرح است. اما فعلاً به جای پرداختن به این بحث فلسفی به جاست به چند پژوهش بدیع که اخیرا منتشر شده‌اند، و به واقع نوآوری‌های کم‌نظیری در برنامه‌ی پژوهشی تکامل هستند، نگاهی بیاندازیم. در این پژوهش‌ها ریاضی‌دانانی که در "نظریه‌ی بازی تکاملی" (Evolutionary Game Theory) مشغول فعالیت هستند (که فقط یکی از شاخه‌های کاربست ریاضیات در برنامه‌ی پژوهشی تکامل است که اکنون ۵۰ ساله شده) به راه‌حل‌های بدیعی در تکامل همکاری در جوامع انسانی رسیده‌اند و به این ترتیب راه را بر علوم اجتماعیِ ریاضیاتی-تکاملی باز کرده‌اند. این یافته‌ها مسیر جامعه‌شناسی و علوم سیاسی را تغییرات اساسی خواهند داد و بنابراین دانشجویان رشته‌های مختلف علوم اجتماعی را به پیگیری آنها دعوت می‌کنم. در پست‌ بعدی چند پژوهش در حوزه نظریه‌ی بازی تکاملی معرفی می‌شوند که اخیراً در نشریه‌ی نیچر منتشر شده‌اند و نشان می‌دهند چگونه از همکاری ریاضیات و تکامل می‌توان در جهت افزایش همکاری اجتماعی برای بهبود به‌زیستی عمومی انسان بهره گرفت. به این ترتیب وجه هنجاری داروینیسم بسیار قوی‌تر از پیش شده است. هادی صمدی @evophilisophy  

طوفان ماریا و کاهش خشونت در میمون‌ها داروین معتقد بود که وقتی تغییرات محیطی جهت‌داری را شاهد باشیم، مثلاً محیط به تدریج گرم یا سرد شود، یا خشکی محیطی به تدریج زیاد یا کم شود، جاندارانی که در آن اکوسیستم زندگی می‌کنند در جهت سازگاری با تغییرات محیطی شاهد تغییرات تدریجی تکاملی خواهند بود. مثلاً با افزایش خشکی گیاهانی که مقاومت بیشتری به خشکی دارند بخت بقاء بالاتری دارند و بنابراین به تدریج تباری از گیاهان مقاوم به خشکی شکل می‌گیرد. در مقابل هاکسلی معتقد بود تدریجی بودن تغییرات در محیط، و متناظر با آن تغییرات تدریجی در جانداران، بخش ضروری نظریه‌ی تکامل نیست و داروین بی‌جهت برآن تأکید می‌گذارد. یافته‌های بعدی نشان می‌دادند که هرچند عموم تغییرات از نوعی‌ست که داروین می‌گفت اما هاکسلی نیز درست می‌گفت که همه‌ی تغییرات لزوماً از این سنخ نیستند. مقاله‌ای که اخیراً در نشریه‌ی ساینس منتشر شده نمونه‌ای شگفت‌انگیز از این تغییرات سریع را در ماکاک‌ها نشان می‌دهد. پژوهشگران از حدود ده سال پیش رفتار ماکاک‌ها را در پورتوریکو مطالعه می‌کردند. سال ۲۰۱۷ طوفان مهیبِ ماریا پورتوریکو را درنوردید. سه هزار نفر کشته و درختان جنگل‌ها ریشه‌کن شدند. محیطِ زیست ماکاک‌های رزوس به یکباره تغییری اساسی کرد. در نتیجه‌ی تخریب جنگل، در آفتاب شدید تابستان سایه‌ی درختان به منبعی کمیاب تبدیل شد. در این شرایط عموماً اعضاء گونه وارد رقابت با یکدیگر می‌شوند تا از سایه بهره گیرند. اما، چنانکه آنارشیست روس، کراپوتکین در کتاب کمک دوجانبه (۱۹۰۲) تذکر داده بود رقابت یگانه راه نیست: می‌توان همکاری را در دستور کار قرار داد. ماکاک‌های پورتوریکو نیز، مطابق پیش‌بینی کراپوتکین، به جای رقابت بر سر سایه میزان بردباری خود را برای حضور دیگری در زیر سایه‌های کمیاب افزایش دادند. پژوهش نشان داد که در شرایط جدید ماکاک‌هایی که تحمل اجتماعی بالاتری داشته‌اند از بخت بیشتری برای بقاء و تولیدمثل برخوردار بوده‌اند. ماکاک‌ها را به طور متعارف در زمره‌ی نخستی‌های خشن می‌شناسیم که پیوندهای اجتماعی آنها قابل مقایسه با رفتارهای اجتماعی قوی شامپانزه‌ها و بونوبوها نیست. این مثال ثبت‌شده در جهان وحش از این نظر یگانه است که نشان می‌دهد چگونه یک حادثه‌ی طبیعی توانسته است رفتار یکی از نخستی‌های خشن را اینگونه تغییر دهد. این کاهش پرخاشگری مشاهده‌شده را می‌توان با کاهش خشونت منفعلانه در انسان‌ها مقایسه کرد. شباهت دیگری نیز وجود دارد که شاید صرفاً یک تقارن تصادفی باشد: انسان‌ها نیز با ترک محیط جنگل وارد بیشه‌های ساوانا شدند که آنجا نیز سایه کمیاب بود! تحلیلی فلسفی از نقدهایی که به داروین می‌شد، و امروزه نیز  کماکان شاهد آن هستیم، این بود که ما موردی از تکامل را در جانداران مشاهده نکرده‌ایم. مثال‌هایی از این دست به خوبی نشان می‌دهد که شرایط مشاهده‌ی مواردی مانند این تغییر رفتار در ماکاک‌ها بسیار نادر است. نخست آنکه باید دانشگاهی مانند دانشگاه پنسیلوانیا، بودجه پژوهشی بزرگی تخصیص دهد که زیست‌شناسان به مطالعه‌ی ماکاک‌های پورتوریکو در بازه‌ی زمانی طولانی ده ساله بپردازند. دوم آنکه تقارن زمانی چنین تغییرات بزرگ محیطی در بازه‌ی زمانی پژوهش، رویدادی بسیار نادر است. بعلاوه، عمر آدمی برای مشاهده‌ی تغییرات بزرگ ناچیز است. ما کوه‌زایی را، در ابعادی که شاهد ایجاد کوهی مانند دماوند باشد، نیز ندیده‌ایم. اما ارتفاع گرفتن چند سانتی‌متری سطح زمین را در اثر برخی زلزله‌ها ثبت کرده‌ایم. از انباشت همان تغییرات کوچک است که کوه‌های بزرگ شکل گرفته‌اند. نقادانی که می‌گویند نظریه‌ی تکامل به این دليل نادرست است که ما به چشم خود شاهد گونه‌زایی نبوده‌ایم درواقع باید از عمر کوتاه انسان گلایه کنند! همچنین باید به این پرسش پاسخ دهند که به چه میزان به مطالعه‌ی مستقیم جانداران پرداخته‌اند، یا لااقل اخبار زیست‌شناسی تکاملی را پیگیری می‌کنند. در علوم تاریخی مانند بخش‌هایی از  زمین‌شناسی، زیست‌شناسی تکاملی، و نجوم، تغییرات بزرگ را با مشاهده‌ی دسته‌ای از تغییرات کوچک استنباط می‌کنیم. وقتی فرایندی چند میلیون سال به طول می‌انجامد مشاهده‌ی مستقیم آن برای انسان ناممکن است. جالب است بدانیم حتی خود داروین نیز گمان نداشت بتوانیم نمونه‌هایی از وقوع تکامل را ثبت کنیم. اما در دهه‌های اخیر، با انجام پروژه‌هایی طولانی‌مدت و البته بسیار پرهزینه مانند پژوهش مورد اشاره، امکان رصد کردن نمونه‌هایی از تکامل فراهم شده است. نکته مهم اینجاست که میزان موفقیت رصد کردن فرایندی تکاملی در چنین پژوهش‌هایی بسیار پایین است؛ زیرا طبیعت تعهدی به پژوهشگران ندارد که در بازه‌ی زمانی پژوهش، تغییرات بزرگی مانند طوفان ماریا را در طبیعت، یا تغییراتی تکاملی را در همان گونه‌ی مورد مطالعه، به ظهور برساند. خلاصه‌ی مقاله را اینجا ببینید. هادی صمدی @evophilosophy

روان‌شناسی انتخابات: نگاهی به چند پژوهش جدید انتخابات اخیر اتحادیه‌ی اروپا به زلزله‌ای سیاسی در اروپا انجامیده و این پرسش را مطرح کرده که چرا احزاب راست افراطی، در قلب اروپایی که دو جنگ جهانی را در نتیجه‌ی غلبه یافتن اندیشه‌های افراطی تجربه کرده، مجدد با اقبال عمومی مواجه شده‌اند. در آمریکا این سخن مطرح است که چرا طرفداران ترامپ، که عموماً، و البته نه تماماً، از بخش محافظه‌کار جامعه هستند با شنیدن خبر محکومیت او در یک پرونده مرتبط با جرایم جنسی، که قاعدتاً باید برای محافظه‌کاران بسیار مهم باشد، تغییری در نظر خود نداده‌اند؟ در ایران نیز بحث داغی در شبکه‌های اجتماعی بر سر شرکت یا عدم شرکت در انتخابات مطرح است. در این میان سیل استدلال‌هایی‌ست که طرفین مجادلات عرضه می‌کنند. عموم افراد گمان دارند که استدلال، راهنمای ایشان است و با آن استدلال‌ها می‌توانند بر رأی افراد مردد نیز اثر گذارند. اما یافته‌های روان‌شناسی چیز دیگری می‌گویند: پیش‌زمینه‌هایی زیستی و روان‌شناختی از یکسو، و وضعیت اقتصادی و سیاسی جامعه از سوی دیگر رفتارهای سیاسی ما را جهت می‌دهند و استدلال‌ها عموماً درخدمت تصمیمی از پیش‌گرفته‌شده‌اند، و نه هدایتگر باورها و رفتارها سیاسی. طی انتخابات ۲۰۱۶ آمریکا، در پژوهشی از طرفداران ترامپ پرسیده می‌شد که نظر شما در مورد فلان سخن ترامپ چیست؟ اما جمله‌ای از کلینتون بیان می‌شد. مخاطب نیز بدون توجه به محتوای سخن، فقط به صرف اینکه شنیده بود این سخن از ترامپ است، موافقت خود را با آن بیان می‌کرد؛ و در توجیه موافقتِ خود نیز دلایلی عرضه می‌کرد! همین آزمایش به نحوی معکوس در مورد طرفداران کلينتون انجام شد و همان نتایج بدست آمد. به عبارتی طرفداران دوآتشه‌ی انتخابات به محتوای سخنان نامزدهای مورد حمایت خود کمتر توجه داشتند. نگاهی به چند پژوهش ۱. پژوهشِ کلاسیکی در این زمینه، که در ۲۰۰۴ انجام شد، نشان داد که در مناظرات سیاسی مرتبط با انتخابات، با عقلانیتی که در پس هیجان‌هایی مانند گریز از ترس است عمل می‌کنیم و نه استدلال‌های مرتبه‌ی بالاتر. (توجه: هیجانات برای تصمیم‌های سریع که مرتبط با جهان نیاکان ما بوده است بسیار خوب عمل می‌کرده‌اند و سازگاری تکاملی محسوب می‌شوند. اما با تغییرات گسترده در جهان کنونی لزوماً عمل کردن بر اساس هیجان بهترین انتخاب نیست. ما نیازمند تفکرات سطوح بالاتر هستیم هر چند که شواهد تجربی نشان می‌دهند که این تفکرات نیز مستقل از هیجانات نیستند.) ۲. در پژوهشی که اخیراً در مورد حقوق حیوانات در سویس انجام شد برخی از شرکت‌کنندگان ایمیلی دریافت کردند با این عنوان که «افراد خوش‌قلب با حیوانات خوب رفتار می‌کنند». درصد افرادی که به نفع حقوق حیوانات رأی دادند در این دسته بالاتر بود. فرد با این رأیِ مثبت، به خود سیگنالی ارسال می‌کند که فرد خوش‌قلبی است. این پژوهش به خوبی نشان می‌دهد که چگونه می‌توان با تحریک هیجانات افراد بر رأی آنها اثر گذاشت. ۳. مطابق پژوهشی در عصب‌شناسی، در پردازش انتخاب‌های سیاسی در مغز، بخش‌های مربوط به پردازش هیجانات فعال می‌شود. ۴. نتایج پژوهش دیگری نشان می‌دهد که بیش از نوع سخنان نامزدهای انتخاباتی، نوع رفتارهای بدنی، و به ویژه نوع خنده‌ی آنهاست، که بسته به اینکه برای مخاطب جذاب یا انزجارآور باشد، بر میزان رأی آن نامزد اثر دارد.   اما جدا از سطح روان‌شناختی، پیش‌زمینه‌های محیطی، اقتصادی و اجتماعی نیز در انتخاب افراد مؤثراند. ۵. دموکرات‌ها در آمریکا بیش از جمهوری‌خواهان تمایل به رأی‌گیری پُستی دارند. اما در انتخابات ۲۰۲۰ آمریکا به دلیل شرایط همه‌گیری کووید بود که مردم بیشتر از انتخابات پُستی بهره گرفتند و نه به دلیل گرایش به حزبی خاص. (منبع) ۶. پژوهش بزرگی که در ۳۰ کشور انجام شده نشان می‌دهد که بحث‌های سیاسی، از جمله بحث‌های انتخاباتی، در شبکه‌های اجتماعی در چه شرایطی به خشونت می‌انجامند. پژوهش نشان می‌دهد که یک. هرچه سطح دموکراسی در جامعه پایین‌تر، و دو. هرچه سطح نابرابری‌های اقتصادی بالاتر باشد، خشونت در گفتار در شبکه‌های اجتماعی بالاتر است. به وضوح اگر در جامعه‌ای هم سطح دموکراسی پایین، و هم سطح نابرابری اقتصادی بالا باشد نباید انتظار ملایمت در گفتار را در دوران انتخابات داشته باشیم. رفتارهای ما مستقل از زمینه‌ای که در آن زیست می‌کنیم نیستند. ۷. در شکاف‌های سیاسی ایجادشده، افراد به راحتی به یکدیگر برچسب‌های غیراخلاقی می‌زنند. در پژوهشی نشان داده شد که در آمریکا حتی وقتی فردی از حزب مخالف رفتار خوبی با ما دارد باز هم می‌توانیم به راحتی به او برچسب‌های غیراخلاقی بزنیم. داده‌هایی از این دست به معنای آن نیستند که استدلال‌ها یکسره بی‌فایده‌اند. اما برای عموم مردم هیجانات و بسترهای اجتماعی افراد است که حرف نخست را می‌زنند. هادی صمدی @evophilosophy

جلبک‌های یخچالی: مثالی جدید از تکامل در شاخه‌ای که پیچیدگی کاهش یافته است مطابق فهم عرفی، و البته نادرست، جهت تکامل همواره از ساده به پیچیده بوده است. معمولاً در نقض این تفکر به مواردی اشاره می‌شود که از پیچیدگی‌های موجودات کاسته شده است. به عنوان نمونه به موجوداتی اشاره می‌کنیم که طی فرایند تکامل برخی خصیصه‌ها را از دست داده‌اند. از معروف‌ترین مثال‌ها برای این پدیده به تحلیل رفتن دست و پا در نیاکان مارها اشاره می‌شود که در نهایت به حذف دست و پا در مارها انجامیده است. با این حال، آشکار به نظر می‌رسد که در شاخه‌هایی از تکامل که به موجودات پرسلولی نظیر درختان و پستانداران رسیده، گذار از تک‌سلولی‌ها به پرسلولی‌ها را شاهد بوده‌ایم. اما آیا ممکن است طی فرایند تکامل از موجودی پرسلولی به سمت موجودی تک‌سلولی برویم؟! در نقد نظریه‌ی تکامل شنیده‌ایم که می‌گویند چرا هیچگاه طی تکامل موجودی پیچیده به موجود ساده‌تر تبدیل نشده است؟! پژوهشی که اخیراً نتایج آن منتشر شده مثال نقض جالبی را برای این پدیده عرضه می‌کند. زمین حدود ۶۵۰ میلیون سال پیش دوران بسیار سردی را گذراند که در نتیجه‌ی آن سرمای قطب‌ها تا استوا گسترش یافت و سراسر زمین یخ زد. عمر جلبک‌های یخچالی امروزه، که تک سلولی هستند حدوداً به ۲۰۰ میلیون سال پس از این دوران یخبندان، که به "زمین گلوله‌برفی" موسوم است، باز می‌گردد. اما نیای مشترک جلبک‌های یخچالی و گیاهان، جلبک‌های "پرسلولی" بوده‌اند که در دوران زمین گلوله‌برفی می‌زیسته‌‌اند. به عبارتی نیای جلبک‌های یخچالی که تک‌سلولی‌اند، جلبک‌های پرسلولی بوده‌اند. اکنون مثالی داریم برای آنکه تکامل از پرسلولی به تک‌سلولی نیز رخ داده است و لزوماً تکامل به سمت افزایش پیچیدگی نیست. این یافته از منظری دیگر نیز حائز اهمیت است: شواهد ژنتیکی بررسی شده در این پژوهش درک بهتری از تکامل گیاهان را ممکن می‌سازد. خلاصه مقاله را اینجا ببینید. هادی صمدی @evophilosophy

تکامل فرهنگ انباشتی عنوان مقاله‌ای که اخیراً در مجموعه مقالات آکادمی ملی علوم (آمریکا)  منتشر شده این است: «۳/۳ میلیون سال پیچیدگی ابزارهای سنگی نشان می‌دهد که فرهنگ انباشتی در دوران پلیستوسن میانه آغاز شده است.» عنوان مقاله گویاست که پژوهشگران توانسته‌اند نقطه‌ی آغازی برای فرهنگ انباشتی معرفی کنند. فرهنگ انباشتی چیست؟ گوشی هوشمند، کامپیوتر، و اتومبیل محصول انباشت هزاران تکنولوژی ساده‌تر در نسل‌های گذشته‌اند. اگر به عقب‌تر برویم ابزارهایی مانند بیل و کلنگ نیز، به رغم آنکه ساده به نظر می‌رسند، محصول انباشتِ صدها گام در عرصه‌ی تکنولوژی هستند. باز هم به عقب‌تر برویم. مشته‌های سنگی که نیاکان بسیار دور ما، قبل از آنکه انسان هوشمند ظاهر شود، استفاده می‌کردند نیز محصول انباشتِ ده‌ها گام تکنولوژیکی بوده‌اند. (مشته‌ها سنگ‌های تراش‌خورده‌ای هستند که به عنوان ابزاری برای شکار یا کندن پوست جانوران استفاده می‌شدند.)  اگر باز هم به عقب‌تر برویم ابزارهای ساده‌تری، مانند تکه‌های چوب، را خواهیم دید که استفاده از آنها در مواردی در شامپانزه‌ها نیز مشاهده شده است. بنابراین در مسیر تکاملی انسان شاهد انباشت تکنولوژی‌ها و نوآوری‌ها بوده‌ایم. این فرایند انباشت با تکامل گونه‌ی انسان درآمیخته است و انسان‌ها محصول هم‌تکاملی ژن‌ها و تکنولوژی‌ها هستند. فرهنگ بشر محصول هم‌افزایی تکنولوژی‌های سخت (ابزارهایی مانند مشته، بیل، اتومبیل) و تکنولوژی‌های نرم (از جمله هنجارها، مناسک، و قوانین) است که به نحوی انباشتی پیچیده‌تر شده است. از چه زمانی انسان‌ها وارد فاز فرهنگ انباشتی شدند؟ برای پاسخ به این پرسش پژوهشگران به سراغ تکنولوژی‌های سخت به جا مانده توسط نیاکان بسیار دور ما رفتند؛ یعنی بخشی از فرهنگ که ردیابی بقایای آن امکان‌پذیر است. از حدود ۳/۳ میلیون سال پیش آثاری از مشته‌ها یافت شده است. پژوهشگران مشته‌ها را بر اساس اینکه چند فرایند در تولید آنها به کار رفته تحلیل می‌کنند. هر کدام از این فرایندها، که پژوهشگران آنها را «واحدهای فرایندی» می‌نامند، نیز نوعی تکنولوژی هستند. مثلاً ما به فرایند اَره کردن چوب تکنولوژی اره‌کردن می‌گوییم؛ همانطور که به میز و صندلی ساخته شده نیز مصنوعات تکنولوژیک می‌گوییم. صندلی‌ای که بر روی آن خراطی، کنده‌کاری، و نقاشی انجام شود پیچیده‌تر از صندلی‌ای است که هیچکدام از این فرایندها بر روی آن انجام نشده باشد. به نحو مشابه همه‌‌ی مشته‌ها نیز پیچیدگی‌های تکنولوژیکی یکسانی ندارند. مشته‌های اولیه که تاریخی حدود ۳/۳ تا ۱/۸ میلیون‌ساله داشته‌اند ساده‌تر بوده‌اند و از یک تا شش «واحد فرایندی» در تولید آنها به کار رفته است. از ۱/۸ میلیون‌سال‌پیش تا ۶۰۰ هزارسال‌پیش مشته‌های ظریف‌تری به‌جا مانده که بین ۴ تا ۷ فرایند بر روی آنها اعمال شده است. اما به یکباره از ۶۰۰هزارسال پیش‌، تنوعی از فرایندهای تولید بر روی مشته‌ها مشاهده می‌شود که بین ۵ تا ۱۸ واحد فرایندی در ساخت آنها به کار رفته است. بنابراین با استفاده از روش به کار رفته در این پژوهش می‌دانیم که از ۶۰۰ هزارسال‌پیش، یعنی حدوداً ۴۰۰ هزار سال قبل از ظهور هومو ساپینس، روند انباشتِ تکنولوژی‌ها سرعت زیادی گرفته است.      خلاصه‌ی مقاله را اینجا ببینید. اما سازوکار انباشت فرهنگ چه بوده است؟ در پاسخ به این پرسش چندین فرضیه وجود دارد که به دوتا از آخرین آنها اشاره می‌کنم. الف. مطابق یک نظریه باید دو سنخ تکامل فرهنگیِ انباشتی را از هم تمییز دهیم. در شکل اول نیاکان ما موفق شده‌اند با بهینه‌سازی ابزارها از آنچه در محیط استفاده می‌کردند بهتر استفاده کنند. (مثلاً مشته‌هایی تولید کنند که کارآمدتر پوست شکار را می‌شکافت.) در نوع دوم ابزارهایی تولید کردند که دامنه‌ی آنچه را می‌توانستند از آن بهره گیرند گسترش می‌داد. (مثلاً ابزاری مانند تیر وکمان دامنه‌ی شکارهای انسان را گسترش داد.) در این نظریه استدلال می‌شود که نوع دوم تکامل فرهنگیِ انباشتی، به دلیل آن‌که نسبت به نوآوری‌های جدید پذیراتر است، به تکامل گونه‌ی انسان بیشتر کمک کرده است. نوع اول مانند بهبود در تکامل رادیوها بوده است و نوع دوم به مثابه اختراع رادیو. به وضوح اختراع رادیو گام فرهنگی بزرگ‌تری نسبت به بهبودِ کیفیتِ رادیوها بوده است. ب. کلودیو تِنی، از نظریه‌پردازان معروف این حوزه، معتقد است که سنت‌های فرهنگی در شامپانزه‌ها محصولِ یادگیری فردی و عمدتاً محصول‌محور هستند. اما فرهنگ انسانی، در مقابل، دارای ویژگی متمایزی‌ست که تغییراتی را در طول زمان انباشته می‌کند: یک. یادگیری اجتماعی انسان بیشتر فرآیندمحور است تا محصول‌محور (نجاری را یاد می‌گیریم و نه صرفا ساخت صندلی را)؛ و دو. انسان‌ها از کودکی فعالانه و آگاهانه آموزش می‌بینند، و عدم انطباق افراد با گروه را نیز تنبیه می‌کنند، که انگیزه‌ای مهم در فراگیری آموزش‌هاست. هادی صمدی @evophilosophy  

نامعقولیت هوش‌مصنوعی: گزارشی از چهار پژوهش طرح مسئله: روان‌شناسان شناختی نشان داده‌اند که انسان‌ها خطاهای نظام‌مندی در استدلال‌های خود دارند. در این راه دسته‌ی بزرگی از آزمون‌ها را طراحی کرده‌اند. یک نمونه را ببینیم: مسئله‌ی لیندا: لیندا ۳۱ساله، مجرد، بی‌پروا و بسیار باهوش است. در رشته‌ی فلسفه تحصیل کرده، در دوران دانشجویی نگران مسائل تبعیض‌آمیز و عدالت اجتماعی بوده، و همچنین در تظاهرات ضدهسته‌ای شرکت می‌کرده است. باتوجه به این اطلاعات کدام گزینه محتمل‌تر است؟ الف. لیندا کارمند بانک است. ب. لیندا کارمند بانک، و فعال حقوق زنان است. بیشتر افراد گزینه‌ی دوم را انتخاب می‌کنند درحالی‌که گزینه‌ی دوم عطف گزینه‌ی اول و یک گزینه‌ی اضافی است و بنابراین به لحاظ ریاضیاتی نامحتمل‌تر است. دسته‌ی بسیار بزرگی از داده‌ها نشان می‌دهند که عموم انسان‌ها به‌نحوی پیش‌بینی‌پذیر گزینه‌های نادرست را انتخاب می‌کنند؛ اما مدل‌های زبانی بزرگ، مانند چت‌جی‌بی‌تی، چطور؟ پژوهش نخست: اگر این دسته از پرسش‌ها را از مدل‌های زبانی بزرگ بپرسیم چه پاسخی دریافت خواهیم کرد؟ در جهت یافتن پاسخ به این پرسش در آزمونی از ۷ مدلِ زبانی مشهور و رایج (بارد، چت‌جی‌بی‌تی،  لاما، و...) سؤالات مشابهی پرسیدند. نتیجه؟ اولاً همه‌ی مدل‌ها، همانند انسان، گاه پاسخ‌های نادرستی به پرسش‌ها می‌دادند. (وضعیت چت‌جی‌بی‌تی بهتر بود.) ثانیاً نامعقولیت آنها متفاوت از انسان‌ها بود: در انسان‌ها برخی پاسخ‌های نادرست به‌نحوی قابل پیش‌بینی عرضه می‌شود. درحالی‌که خطاهای این مدل‌های زبانی قابل پیش‌بینی نبود. به عبارتی در هوش‌مصنوعی نیز درجاتی از نامعقولیت مشاهده می‌شود که از جنسی متفاوت با انسان است. پژوهش دوم: در راستای یافته‌های پژوهش نخست، پژوهش دوم نشان می‌دهد عوامل داخلی که نحوه‌ی تصمیم‌گیری مدل‌های زبانی بزرگ را تعیین می‌کند، به دلیل محاسبات پیچیده‌ی سیستم‌ها، برای پژوهشگران کاملاً شناخته‌شده و شفاف نیست. خلاف تصور رایج، تصمیم‌گیری انسان گاهی به‌طور قابل‌توجهی شفاف‌تر و قابل‌اعتمادتر از تصمیم‌گیری الگوریتمی است. انسان‌ها تصمیمات خود را با ارائه‌ی دلایل توضیح می‌دهند و ضمن این کار ممکن است جرح و تعدیل‌هایی در تصمیم اولیه رخ دهد. درحالی‌که سیستم‌های کنونی هوش‌مصنوعی فاقد این ویژگی خودتنظیمی هستند. پژوهش سوم: وقتی از سوگیری هوش‌مصنوعی سخن می‌گوییم توجه ما عموماً به سوی سوگیری در داده‌های ورودی معطوف است، اما در این مقاله نشان داده می‌شود که هوش‌مصنوعی سوگیری‌هایی را نیز تولید می‌کند. همچنین عقلانیت رسمی تعبیه‌شده در الگوریتم‌های مبتنی بر هوش‌‌مصنوعی، عملکرد مناسبی در زمینه‌های پیچیده ندارد و بنابراین منجر به سوگیری و تصمیم‌گیری‌های ضعیف می‌شود.  پژوهش چهارم: مفهوم "اثر پروانه‌ای" که از نظریه‌ی آشوب ناشی شده است نشان می‌دهد که چگونه تغییرات به‌ظاهر جزئی می‌تواند منجر به نتایج قابل‌توجه اما غیرقابل پیش‌بینی در سیستم‌های پیچیده شود. سوگیری‌های کوچک در داده‌های اولیه، انحرافات در طول آموزش الگوریتم، یا تغییر در توزیع داده‌ها می‌توانند به‌طور ناخواسته منجر به نتایجی شوند که در سطح اجتماعی از عدالت و انصاف به دور است و بر گروه‌های به‌حاشیه رانده‌شده تأثیرات منفی می‌گذارد و نابرابری‌های اجتماعی موجود را تقویت می‌کند. علاوه‌براین، اثر پروانه‌ای می‎تواند سوگیری در داده‌ها یا الگوریتم‌ها را بزرگ،‌ و حلقه‌های بازخورد را تشدید کند. نتیجه: نقاط ضعف مدل‌های بزرگ زبانی در تصمیم‌گیری‌های عقلانی عبارتند از: ۱. برخی داده‌های ورودی سوگیری‌هایی دارند؛ ۲. جدای از این بخش خود سیستم نیز سوگیری‌هایی می‌آفریند؛ ۳. برخی از این سوگیری‌ها، خلاف سوگیری‌های شناختی در انسان‌ها قابل‌پیش‌بینی نیستند؛ ۴. طی اثر پروانه‌ای این سوگیری‌های کوچک می‌توانند پیامدهای بزرگی در سطح اجتماعی داشته باشند. ۵. سازوکارهای تولید این سوگیری‌ها روشن نبوده و بنابراین رفع آنها ساده نیست. عقلانیت انسانی، به‌رغم مشکلاتی که دارد، طی تکامل شکل گرفته است. طی دهه‌های آتی بسیاری از مشکلات عقلانیت در هوش‌‌مصنوعی برطرف می‌شود، اما درآن‌صورت مسئله‌ای بس بزرگ‌تر را پیش‌رو داریم. آن ابرهوش‌مصنوعی، از چنان اعتباری برخوردار می‌شود که تخطی از توصیه‌های نادرست و ناکارآمدش، هرچند تعداد آنها بسیار کم شده باشد، ناممکن می‌شود. از آنجا که علی‌الصول امکان طراحی سیستمی بدون اشتباه توسط انسان یا هوش‌مصنوعی وجود ندارد، هیچگاه «نباید» مسئولیت گرفتن تصمیم‌های مهم به هوش‌مصنوعی واگذار شود. اما از یک‌سو، ورودی الگوریتم‌‌ها داده‌های انسانی است (مثلأ آنچه روزانه سرچ می‌دهیم)، و از سوی دیگر، الگوریتم‌ها هدایتگر رفتار انسان‌اند. بنابراین هویت انسان‌ها و الگوریتم‌ها درهم‌تنیده‌‌تر از آن خواهد بود که نظارت بر هوش‌مصنوعی معنای محصلی داشته باشد.     هادی صمدی @evophilosophy

در جلسه‌ای که با همراهی دکتر عارف عبادی در صدانت و در مورد اعتبار نظریه‌ی تکامل داشتیم، بحث میزان اعتبار مقالات علمی مطرح شد: اینکه مقالات نشریافته در آخرین و معتبرترین ژورنال‌های علمی نقطه‌ی آغاز پژوهش‌های بعدی‌اند و نه نقطه‌ی پایان. در حوزه‌ای که اختلاف نظری وجود نداشته باشد نشریات علمی نیز تمایلی به انتشار مقاله ندارند. دکتر عبادی متن جالبی را در کانال تلگرامی اشتباه میمون منتشر کرده‌، و در ادامه‌ی آن نیز شواهد آماری مربوطه را آورده‌اند. خواندن متن و آمارهای متعاقب آن به کسانی که مایل‌اند به درک بهتری از کارکرد علم رایج برسند توصیه می‌شود. اجتناب از نگاه تقدس‌گرایانه به داده‌ها مهم‌ترین گام پیشرفت علمی است. علم با تمامی خطاهایش، یگانه مسیر ما در کشف حقایق جهان پیرامونی‌ست. دلیل این قدرت نیز اذعان به خطاپذیری تولیداتش از یکسو، و پذیرش نقادانه‌ی داوری آزمایش‌ها از سوی دیگر است. علم اشتباهات خود را پنهان نمی‌کند؛ منکر نمی‌شود؛ درست برعکس، اشتباهات خود را در معتبرترین نشریات برملا می‌کند، بدون آنکه ترسی از بی‌اعتبار شدن داشته باشد. با این تواضع است که چنین اعتبار یگانه‌ای یافته است. https://t.me/FortunateMistake

چرا مغز نخستی‌ها بزرگ‌تر است؟ ابطال فرضیه‌ای دیگر در زیست‌شناسی تکاملی   طرح مسئله: یک. مغز عضوی بسیار پرمصرف است. دو. نسبت مغز به جثه در چیتا کمتر از شامپانزه است. سه. اما چیتا قادر است با سرعتی اعجاب‌آور در ناهمواری‌های مرتع بدود و مانورهای سریع بدهد. این سه واقعیت در کنار هم سؤالی را ایجاد می‌کند: اگر با مغز کوچک‌ترِ چیتا نیز می‌توان چنین چابک شکار کرد چه نیازی به مغز بزرگ‌ترِ پرمصرف در جانوری مانند شامپانزه بوده است؟ عموم برنامه‌ی پژوهشی تکامل در پاسخ به پرسش‌هایی از این نوع شکل می‌گیرد و زیست‌شناسان تکاملی در پاسخ روایت‌هایی طرح می‌کنند. مثلاً دسته‌ای فواید برای مغز بزرگ‌تر شامپانزه معرفی می‌کنند که بتواند پاسخگوی هزینه‌های آن باشد. طرح فرضیه: فرضیه‌ی اصلی در تبیینِ تکامل مغزهای بزرگ این است که یک حلقه‌ی بازخورد وجود دارد: مغز بزرگ‌تر جانور را هوشمندتر می‌کند و جانور هوشمند مسیرهای رسیدن به غذا را به‌طور مؤثرتری رصد می‌کند و در نتیجه غذای بیشتری می‌یابد؛ غذای بیشتر نه فقط جوابگوی مغز پرمصرف است بلکه مازاد انرژی به بقای طولانی‌تر و افزایش امکان تولیدمثل می‌انجامد. اگر بپذیریم که بزرگی مغز ریشه‌ای وراثتی دارد، چرخه‌ی تکاملی فعال شده، و به مرور در آن تبار از جانداران، مغز طی چندین نسل بزرگ‌تر می‌شود. (آیا چیتا مثال نقض این تبیین نیست؟ نه ضرورتاً. چیتا برای شکارکردن کیلومترها راه می‌رود و از هر چند اقدام، فقط در یکی موفق ‌می‌شود.) آزمون این فرضیه: آزمون چنین فرضیه‌هایی در طبیعت بسیار سخت بوده است. یک زیست‌شناس در محیط طبیعت، مثلاً در یک جنگل مناطق حاره را در نظر آورید که می‌خواهد رابطه‌ی میان بزرگی مغز و سهولت رسیدن به غذا را بیازماید. محاسبه‌ی نسبت مغز به جثه بخش ساده‌ی کار است؛ اما چگونه می‌توان میزان موفقیت جانورانی را که با سرعت بر روی درختان در حال حرکت هستند، در تهیه‌ی غذا سنجید؟ یکی از موارد، اندازه‌گیری میزانِ تحرک جانور در یافتن غذا است. اما استفاده از این داده با مشکلاتی مواجه است: ممکن است جانوری انرژی زیادی در پیداکردن غذا صرف‌کند اما در عوض همانند چیتا پس از موفقیت در شکار به منبع غنی غذایی دسترسی پیدا کند. آنچه پژوهشگر باید بسنجد نسبت میزان کالری مصرف‌شده (که از طریق مسافت پیموده شده و اندازه‌ی جثه محاسبه می‌شود) به کالری دریافت‌شده از منبع غذایی است. حالا فرضیه به این شکل در می‌آید: آیا جانورانی که نسبت مغز به جثه‌ی بالاتری دارند با صرف انرژی کمتری به منابع غذایی دسترسی پیدامی‌کنند؟ ابطال این فرضیه: تا قبل از ظهور تکنولوژی‌های مدرن ردیابی حرکت جانوران ناممکن بود. اما در آزمون این فرضیه، ۴۲ جانور از چهارگونه از پستاندارانِ میوه‌خوار در جنگل‌های بارانی را با استفاده از تکنولوژی‌های مدرن ردیابی کردند و با کمک هواپیماهای بدون سرنشین نشان دادند که رابطه‌ای میان بزرگی مغز و سهولت پیداکردن غذا وجود ندارد. نتیجه؟ در چنین مواردی شاهد دو راهکار توسط سایر پژوهشگران هستیم: یک. نتیجه را بپذیرند، اما از تعمیم آن به گونه‌هایی فراتر از چهارگونه‌ی آزمایش‌شده خودداری کنند. دو. این داده را شاهدی بر ابطال کلی فرضیه در نظر گیرند که دراین‌صورت فرضیه‌های رقیب بالاتر می‌آیند: مثلاً این فرضیه که مغز بزرگ‌تر به کار پردازش روابط اجتماعی می‌آمده است. (در این‌صورت، این‌بار نیازمند آزمایشی هستیم که میزان روابط هر جانور با دیگر اعضای گروه را بسنجد. چه فرضیه‌ی جدید رد شود و چه تأیید، همواره اختلاف‌نظرهایی باقی‌ست.) تحلیل فلسفی: هرچه فرضیه‌های رقیب بیشتر باشند اختلاف‌نظرها نیز شدیدتر خواهد بود. حدس‌های عرضه شده بر اساس اینکه چقدر قانع‌کننده باشند، به چه میزان قدرت تبیینی داشته باشند، و از چه میزان حمایت تجربی برخوردار باشند، در مقایسه با حدس‌های رقیب پررنگ‌تر می‌شوند، یا رنگ می‌بازند. مشکل اصلی در آزمون فرضیه‌های تکاملی، همانند سایر علوم تاریخی، عدم‌دسترسی مستقیم به گذشته است. تفسیر داده‌های تاریخی خود مبتنی بر فرضیه‌های زیادی است که با تغییر در آنها فهم ما از داده‌ها نیز تغییر می‌کند. به‌علاوه، اینکه آزمایش مستقیم نیازمند دستکاری در طبیعت و سنجشِ پیامدهای دستکاری است. اما به گذشته‌ دسترسی نداریم که بتوانیم دستکاری در آن انجام دهیم. حالا با ورود انواعی از تکنولوژی‌ها، در سطوح مختلف، بسیاری از اختلاف‌هایی که زمانی گمان می‌رفت به دلیل عدم‌دسترسی به گذشته هیچگاه از میان نخواهد رفت رو به کاهش‌اند، هرچند در مرزهای تکامل اختلاف‌های جدیدی شکل می‌گیرند. ۱. اعتراف به خطاپذیری معرفت علمی، ۲. احترام به تکثر آرا، که در قالب فرضیه‌های رقیب عرضه می‌شوند، و ۳. پذیرش نقادانه‌ی داوری آزمایش‌ها (به‌عنوان بهترین داور در تلاش برای رسیدن به حقیقت)، بنیادهای معرفت‌شناختی برنامه‌ی پژوهشی تکامل را شکل می‌دهند. هادی صمدی @evophilosophy

معمای اسفنج‌ها پژوهشی که در نشریه‌ی نیچر منتشر شده معمای اسفنج‌ها را حل کرده است. اما معمای اسفنج‌ها چیست؟   طرح معما: عمر اسفنج‌ها، از راه محاسبه از طریق ساعت مولکولی، حدود ۷۰۰ میلیون سال پیش پیش‌بینی می‌شود؛ اما قدیمی‌ترین فسیلی که از اسفنج‌ها یافته‌ایم به ۵۴۰ میلیون سال پیش باز می‌گردد: نمونه‌ای از عدم تطابق پیش‌بینی از راه محاسبات با داده‌ها. در چنین مواردی دو راه پیش رو است. راه نخست شک کردن در محاسبات است: داده‌ها را مبنا قرار داده و می‌گوییم چه بسا حداقل در یکی از فاکتورها (مثلاً نرخ تغییرات ژنتیکی) اشتباهی رخ داده، یا محاسبات را اشتباه انجام داده‌ایم. راه دوم آنکه بر صحت محاسبات تأکید کنیم و در صحت، یا کفایتِ داده‌های موجود تردید کنیم. مطابق راه نخست عمر اسفنج‌ها ۵۴۰ میلیون سال است و باید در شیوه‌ی محاسباتی ساعت مولکولی تردید کرد. مطابق راه دوم شیوه‌ی محاسباتی ما مشکلی ندارد و عمر اسفنج‌ها ۷۰۰ میلیون سال است. دراین‌صورت توصیه‌ی محاسبه‌کنندگان به پژوهشگرانِ میدانی آن است که برای یافتن فسیل‌های قدیمی‌تر تلاش بیشتری کنند. اما محاسبات ساعت ملکولی در سایر بخش‌های حیات با دقت زیادی با داده‌ها تطابق داشته است. چطور ممکن است شیوه‌ای محاسباتی درباره‌ی سایر شاخه‌های حیات درست پیش‌بینی کند و فقط در مورد اسفنج‌ها به این میزان خطا کند؟ از سوی دیگر در تعیین عمر فسیل‌ها نیز اشتباه نکرده بودند زیرا با همان شیوه که عمر سایر فسیل‌ها را سنجیده بودند عمر فسیل اسفنج‌ها را نیز اندازه‌گیری کرده بودند. پس فقط یک راه باقی مانده بود: اینکه بیشتر بگردند تا شاید فسیلی قدیمی‌تر پیدا کنند. آنچه باعث شده بود این مسئله را معما بخوانند این بود که ۱۶۰ میلیون سال اختلاف، آن‌قدر زمانی طولانی است که قاعدتاً باید طی جست‌وجوهای فراوان فسیلی پیدا می‌کردند. اما طی سال‌های اخیر هرچه بیشتر گشتند کمتر یافتند. راه‌حل: بالاخره پژوهشگران چینی فسیلی یافتند. فسیل مربوط به ۵۵۰ میلیون سال قبل بود. قاعدتاً باید با کاستن ۱۰ میلیون سال از آن ۱۶۰ میلیون سالِ گمشده، دعوی متواضعانه‌تری می‌داشتند: اینکه قدری از وجه معماآمیز داستان کم کرده‌اند و نه اینکه آن را حل کرده‌ باشند. اما مدعی شدند که این فسیل معما را حل کرده است. چرا؟ زیرا این فسیل، فاقد اثری از سوزنه‌هایی سیلیسی و کلسیمی بود که ساختار دیواره‌ی اسفنج‌های امروزی را شکل می‌دهد. راه‌حل معما ساده بود: اسفنج‌های آن دورانِ گمشده فاقد سوزنه بوده‌اند و بنابراین شکل‌گیری فسیل آنها بسیار سخت‌تر بوده است و با گشتن بیشتر نیز بعید است چیزی بیابیم. نقش پیش‌فرض‌های نظری در مشاهده آیا واقعاً معما حل شده است؟ از قبل نیز پیشنهاد شده بود که احتمالاً اسفنج‌های قدیمی فاقد سوزنه بوده‌اند اما شاهدی بر اسفنج بدون سوزنه برای جدی‌گرفتن این فرضیه وجود نداشت. اکنون این شاهد یافت شده است. اما پیشنهاددهنده‌ی قبلی چه کسی بوده؟ دست بر قضا همین پژوهشگرانی که اکنون فسیل را یافته‌اند! دو تحلیل وجود دارد: یک. ذهن گروه به سمت تشخیص اسفنج در فسیل جاندار دیگری سوگیری داشته است. بنابراین آنچه را «می‌خواسته‌اند» بیایند، یافته‌اند. این تحلیل تقریباً مردود است. زیرا وقتی پژوهشگران موفق به انتشار مقاله در نیچر شده‌اند به این معنی است که داوران، که احتمالاً در میان آنها مخالفان این فرضیه نیز وجود داشته‌اند در اسفنج‌بودن فسیل یافت‌شده به توافق رسیده‌اند. دو. ذهن این گروه برای یافتن چنین فسیلی آماده‌تر بوده است. داروین در نقد نگاه فرانسیس بیکن که گفته بود "با ذهنی خالی به طبیعت بروید و اجازه دهید طبیعت خود را به شما بنمایاند" به زیست‌شناس جوانی گفته بود وقتی بدون پیش‌فرض به طبیعت بروی چیزی هم نخواهی دید! باید مسئله‌ای داشته باشیم و به ناچار با دسته‌ای پیش‌فرض‌ها به دنبال راه‌حل به طبیعت مراجعه کنیم. این پیش‌فرض‌ها هم کمکی برای یافتن راه‌حل هستند و هم مانعی برای بازنمایی آینه‌وار طبیعت. پیش‌فرض‌ها هم راهنما هستند و هم عامل گمراهی.     فعلاً زیست‌شناسان فعال در این حوزه‌ی پژوهشی جشنی برای حل این معما برپا کرده‌اند، اما دیر نیست روزی که راه‌حل پیشنهادی نقد شود. مثلاً ممکن است پژوهشگری بگوید از کجا معلوم که نرخ جهش‌ها در گذشته و حال یکی باشد؟ محاسبات بر اساس ساعت مولکولی، ثبات در نرخ جهش‌ها را «پیش‌فرض» می‌گیرد. اما اگر نرخِ جهش در ژن‌ها خود محصول انتخاب طبیعی باشد، چه؟ (که به احتمال زیاد محصول انتخاب طبیعی است و در این صورت باید دارای تنوع باشد و بنابراین همواره ثابت نبوده است.) یا اگر داده‌ای نشان دهد نرخ جهش در اسفنج‌ها متفاوت با سایر جانداران است، چه؟ علم این‌گونه پیش می‌رود: هر کشفی مسائل جدیدی را هم معرفی می‌کند. هادی صمدی @evophilosophy