6. Hempel e Salmon Spiegazione scientifica, leggi e controfattual
6.3 Hempel Il modello IS
L’articolo del 1948 lasciò una proficua eredità e fu ampiamente dibattuto. Hempel propose un nuovo modello nel 1962, che non era inteso a sostituire quello precedente, e nemmeno a
53 Nella stessa pagina Goodman distingue anche i “controlegali”, i “controidentificativi” e i “controcomparativi” come casi secondari che servono solo a gettare luce sul carattere paradossale dei controfattuali.
88
specificarlo, ma a formalizzare un altro modo di spiegare. Questa volta si prese in considerazione un elemento probabilistico: la scienza infatti spesso menziona le attribuzioni di valori probabilistici al fine di spiegare dei fatti e Hempel cercò di elaborare uno schema atto a coprire anche questo tipo di spiegazione. Il modello è quello induttivo-statistico (IS).
Una spiegazione IS, è, ancora una volta, una spiegazione che ricorre a una legge di copertura. Presenta infatti una forte rassomiglianza strutturale con il modello ND (cfr. Hempel 1965 p. 383):
Explanans P (G | F) = r
Fb
========================== [r]
Explanandum Gb
Anche in questo caso abbiamo un explanans che include una legge e che descrive alcune condizioni, e un explanandum riferito a qualche fatto. Si dice che l’explanandum sia spiegato (o predetto) attraverso l’explanans.
Hempel cercò di sottolineare graficamente la somiglianza tra questo modello e quello ND.54 Tuttavia ad un’analisi più attenta l’intera struttura si rivela piuttosto dissimile. La legge contenuta nell’explanans è statistica; riposa sul fatto che si osservato che una specifica proporzione di G è stata rilevata essere F. Per esempio essa può dire che la probabilità di guarigione da una certa malattia data l’assunzione di una certa medicina è del 90% (vale a dire: 90 pazienti su 100 sono guariti). Questo, applicato a uno specifico caso, ci rende consapevoli che vi è anche una probabilità complementare del 10% che quello specifico paziente (denotato nello schema da “b”) si scopra non essere G, ovvero che continui ad essere affetto dalla malattia. Poiché non contenevano riferimenti a gradi numerici, gli enunciati nomologici presi come leggi nel modello ND non consentivano una simile gradazione.
54 Hempel prese anche in considerazione l’esistenza di spiegazioni SD. Si tratta del caso in cui una legge statistica è spiegata derivandola da altre leggi una (almeno) delle quali è statistica (cfr. Hempel 1965 pp. 380-381; si vedano anche Salmon 1989 pp. 51-53 e Psillos 2002 pp. 241-242].
89
Nel caso IS pertanto non si può dire che l’explanandum derivi dall’explanans come una conseguenza dalle premesse. Si ha piuttosto che il primo è supportato induttivamente dal secondo (cfr. Hempel 1965 pp. 383-384). La linea doppia che separa le sue parti della spiegazione è intesa appunto a evidenziare il tipo di relazione differente.
Non si deve poi confondere la “r” della legge con la seconda racchiusa tra parentesi. La prima ha a che vedere con la specifica interpretazione della probabilità sostenuta da Hempel, ossia quella
frequentista; quindi r (come si vedeva nell’esempio della guarigione) è ottenuta come (o esprime):
“(…) la frequenza relativa nelle lunga durata con cui un accadimento [occurrence] di un certo tipo (per esempio, F) si accompagna ad un ‘esito’ [outcome] di uno specifico tipo (per esempio, O)” (Hempel 1962 p. 13; cfr. anche Hempel 1965 pp. 386-387). La “r” che compare di fianco alla linea doppia è una verisimiglianza [likelihood], “(…) una relazione (passibile di gradazione) sussistente non tra accadimenti ma tra enunciati” [ibidem]. La verisimiglianza è la frequenza assunta come la
forza [strenght] del supporto induttivo, un grado di credibilità razionale.
Le spiegazioni statistiche sono affette da una sconcertante ambiguità, che Hempel descrisse come dotata di due aspetti.55 Al primo problema si è già alluso. È una legge tanto che “Il 90% dei pazienti che assume F guarisce” quanto che “Il 10% dei pazienti che assume F rimane malato”. Se spiegare significa ricondurre a una frequenza, una spiegazione si qualifica come “scientifica” e rende conto sia di un esito sia del suo opposto.
Il secondo aspetto problematico è la cosiddetta ambiguità epistemica. La si può illustrare con un esempio medico. La probabilità di contrarre una malattia infettiva e manifestarne i sintomi correlati, posto che si sia verificato contatto con un soggetto malato, può essere molto alta. Tuttavia, possiamo già possedere gli anticorpi adeguati, cosicché, dopo il contatto, nonostante la presenza attuale di agenti patogeni nel nostro corpo, nulla, fortunatamente, accade. Ammalarsi dopo essere stato a contatto con un soggetto malato ha la sua probabilità, così come non sviluppare la malattia posto che ci sia stato contatto e che si abbiano gli anticorpi. Questo tipo di ragionamento è non-monotonico: prendere in considerazione nuovi fattori può abbassare la probabilità e, nei casi più drammatici, può essere reso più probabile esattamente l’opposto di una conclusione in precedenza supportata. Questo ha serie conseguenze anche sulla plausibilità di
55 Occorre notare che la distinzione tra i due aspetti, ampiamente argomentata in Hempel 1965, fu in seguito attenuata.
90
assumere un’assegnazione di valori statistici come una legge. Non siamo mai sicuri, infatti, che l’assegnazione scelta sia stata rilevata prendendo davvero in considerazione tutti i fattori che influenzano “r” che agiscono nel caso concreto costituente l’explanandum (cfr. Hempel 1965 pp. 394-396).
Hempel cercò di mettere il modello al riparo dalle ambiguità specificando alcune restrizioni. Inizialmente ricorse ad un requisito di evidenza totale, una “massima per l’applicazione della logica induttiva” (Hempel 1965 p. 397) secondo la quale le conclusioni sono fortemente supportate, date premesse vere e forma induttiva corretta, se tutta l’evidenza è presa in considerazione, ossia, se non c’è evidenza addizionale che possa cambiare il grado di supporto. Ma questo non è affatto sufficiente: normalmente, infatti, la conclusione è già nota come un fatto. Se la conclusione è inclusa nelle premesse tra le premesse allora il ragionamento non procede induttivamente. Se invece non è inclusa, il requisito è violato.
Hempel si appellò, allora, al requisito di specificità massimale (cfr. Hempel 1965 pp. 399-402). Prescrive di costruire la classe entro cui il fatto da spiegarsi è inserito, prendendo in considerazione tutte le informazioni rilevanti dal punto di vista della spiegazione, così che la classe medesima non sia suscettibile di ulteriori suddivisioni che possano cambiare il supporto induttivo, che dovrebbe approssimarsi a 1. Hempel specificò, onestamente, che questo requisito aveva carattere tentativo (cfr. Hempel 1965 p. 400). Il problema comunque persiste, poiché l’indagine dei fatti che influenzano una frequenza è irriducibilmente aperta.