Introduzione
Lo scopo della tesi è indagare la capacità del modello bayesiano di rendere ragione della razionalità scientifica. Per comprendere appieno l'intento del lavoro occorre spiegare cosa intendiamo quando usiamo espressioni quali “razionalità scientifica” e “rendere ragione”. Con la prima ci riferiamo ad un insieme di idee del ragionamento scientifico ritenute adeguate per raggiungere delle conclusioni relative alla nozione, ritenuta all'altrettanto adeguata, della conferma delle ipotesi scientifiche, secondo la quale queste ultime possano essere supportate oppure minate dalle osservazioni e/o dagli esperimenti.
Spiegare il concetto di conferma è il fine della cosiddetta “teoria della conferma”. Un modello in grado di fornire, in base alla sua razionalità, un'interpretazione e quindi una spiegazione di quest'ultima è allora, in base al punto di vista qui adottato, in grado di spiegare quello che abbiamo inteso con “razionalità scientifica”. Il lavoro vuole analizzare l'abilità del modello bayesiano a tale riguardo. Questo è proprio quello che intendiamo quando parliamo di indagare la capacità di quest'ultimo di rendere ragione della razionalità scientifica.
Anche se il Bayesianesimo si è rivelato il miglior modello di interpretazione della teoria della conferma, la riflessione filosofica ha messo in luce sia i suoi successi che insuccessi. Ciò che vogliamo capire è allora se, nonostante questi ultimi, il modello bayesiano riesce a soddisfare le speranze in esso riposte. Al fine di compiere una tale analisi, abbiamo strutturato il lavoro nel seguente modo. Nel primo capitolo prenderemo in considerazione la relazione tra la logica induttiva e la probabilità, il suo strumento fondamentale. Indagheremo inoltre la relazione tra la logica induttiva e la teoria della conferma, per capire perché è legittimo assumere il modello probabilistico bayesiano come analisi di quest'ultima. Nel secondo capitolo analizzeremo i successi del Bayesianesimo, specificando che essi si dividono in due differenti categorie, la prima delle quali è molto ampia. Vedremo anzitutto che il modello bayesiano è in grado di fornire un'interpretazione di alcune idee considerate centrali al fine della conferma delle ipotesi scientifiche. Considereremo in secondo luogo che esso può derivare ulteriori caratteristiche e risolvere problemi e paradossi riguardanti la conferma delle stesse. La seconda categoria di successo che esporremo consiste nella capacità del bayesianesimo di rispondere ad una serie di obiezioni che sono state rivolte contro di esso. Nel terzo capitolo invece prenderemo in considerazione i problemi connessi con il modello bayesiano di conferma. In particolar modo esporremo il problema della vecchia evidenza, il quale mette in luce la sua incapacità di spiegare perché molte ipotesi scientifiche vengono considerate confermate da evidenze già conosciute prima della loro introduzione. In secondo luogo considereremo l'incapacità del bayesianesimo di spiegare l'oggettività scientifica e quindi il consenso scientifico, basato su un accumulo di evidenza, sia al riguardo delle opinioni certe sia al
riguardo di quelle che ancora non hanno raggiunto la certezza. Vedremo inoltre come questa sua incapacità si ripercuote anche sulla sua spiegazione del cambiamento scientifico. Analizzeremo infine le difficoltà del principio di condizionalizzazione che il modello bayesiano utilizza per spiegare l'apprendimento dall'esperienza. Nella conclusione tireremo le somme della discussione, esprimendo una nostra opinione negativa circa la capacità del bayesianesimo di rendere ragione della razionalità scientifica, argomentando che gli insuccessi di quest'ultimo si ripercuotono anche sui suoi successi.
Prima di entrare nei dettagli dell'analisi bayesiana della conferma, occorre fare due precisazioni.
Anzitutto dobbiamo sottolineare che ci concentreremo unicamente sull'analisi delle ipotesi e teorie considerate genuinamente scientifiche, e non di quelle di tipo statistico. Queste ultime assegnano probabilità ad eventi che si caratterizzano come esiti esaustivi e reciprocamente esclusivi1 di una determinata procedura sperimentale ripetibile. Un'ipotesi statistica, per esempio, potrebbe assegnare un determinato valore alla probabilità di ottenere in n lanci di una moneta un determinato numero di teste. Sicuramente si tratta di teorie scientifiche in relazione alla scienza della probabilità, ma non sono di questo genere quelle che comunemente vengono considerate tali. Di quest'ultimo tipo sono le teorie che assumono solitamente, ma non esclusivamente, una struttura deterministica, nel senso che le osservazioni che le possono confermare vengono dedotte da esse stesse. Quest'ultima è una conseguenza del fatto che la scienza, come ci fa presente Wesley C. Salmon (1967, pag. 18), solitamente si basa su un tipo di inferenza almeno vagamente simile al cosiddetto metodo ipotetico- deduttivo, il quale appunto analizza l'accettabilità delle ipotesi deducendo da queste conseguenze che poi verranno osservate empiricamente. Come è stato detto, non tutte le ipotesi scientifiche assumono un carattere strettamente deterministico. Un esempio di questa circostanza è la teoria dell'eredità di G. J. Mendel, che non predice né esclude nessuna configurazione genetica particolare, ma piuttosto stabilisce le probabilità con cui certe combinazioni di geni accorrono durante la riproduzione. Fare un tale tipo di precisazione tuttavia è importante soprattutto considerando che il Bayesianesimo è nato come modello di interpretazione semantica del concetto di probabilità, il cui primo oggetto di applicazione sono stati proprio gli eventi oggetto delle ipotesi statistiche.
In secondo luogo occorre fare un'osservazione sull'impostazione del lavoro. Nello specificare ciò che abbiamo inteso con razionalità scientifica ci siamo riferiti ad un insieme di idee considerate adeguate che ci permettono di arrivare a delle conclusioni circa la conferma della ipotesi scientifiche. Si tratta di nozioni condivise dagli scienziati, che sotto forma di intuizioni e di truismi, danno forma alla pratica scientifica. L'adeguatezza di queste viene assunta, ma non indagata.
Nemmeno l'interpretazione che il modello bayesiano dà di esse si caratterizza come una spiegazione della loro adeguatezza: laddove esso non riesce ad interpretarle, abbiamo considerato il modello
1 Con eventi esaustivi e reciprocamente esclusivi ci si riferisce ad un insieme di eventi in cui rispettivamente almeno un evento deve accadere e solo uno di questi può accadere.
bayesiano in difetto e non le idee stesse. La ragione di questa assunzione è stata principalmente animata dalla volontà di andare avanti nella spiegazione della prassi scientifica nonostante l'incertezza delle sue basi.
