Benjamin Franklin sanoi kerran, että kuka tahansa tyhmä voi kritisoida, tuomita ja valittaa - ja useimmat tyhmät tekevät juuri niin. Richard Feynman sanoi kerran tieteellisestä prosessista: Ensimmäinen periaate ei ole pettää itseäsi - ja sinua on helpoin pettää. Skeptikot uskovat, että tutkijat voivat pettää itseään (joko tietämättömyydestä tai työpaikkojensa säilyttämisestä), ja syyttävät usein heitä tästä - klimatologit, kosmologit, kuka tahansa. Periaatteessa tällainen kritiikki on helppo hylätä perusteettomana, mutta nousee esiin mielenkiintoinen kysymys: miten voimme varmistaa, ettemme petä itseämme?
Tieteessä vallitsee yleinen mielipide, että kokeiden pitäisi olla mahdollista toistaa ja väärentää. Jos sinulla on tieteellinen malli, sen pitäisi tehdä selkeät ennusteet, ja näiden ennusteiden tulisi olla testattavissa tavalla, joka vahvistaa tai hylkää mallisi. Joskus kriitikot ymmärtävät tämän tarkoittavan, että todellinen tiede toteutetaan vain laboratorio-olosuhteissa, mutta tämä on vain osa tarinaa. Havainnointitiede, kuten kosmologia, myös noudattaa tätä sääntöä, koska uudet havainnot voivat mahdollisesti kumota nykyiset teoriamme. Jos esimerkiksi havaitsen tuhat valkoista joutsenia, voin olettaa, että kaikki joutsenet ovat valkoisia. Mustan joutsenen näkeminen muuttaa spekulointiani. Tieteellinen teoria ei voi olla ehdoton, se on aina alustava, se muuttuu, kun uusia todisteita ilmaantuu.
Vaikka tämä on teknisesti oikein, on hieman epäoikeudenmukaista kutsua vakiintuneita teorioita "alustaviksi". Esimerkiksi Newtonin universaalin painovoiman teoria oli olemassa useita vuosisatoja, ennen kuin Einsteinin yleinen suhteellisuusteoria korvasi sen. Ja jos voimme tänään sanoa, että Newtonin painovoima on väärä, se toimii samalla tavalla kuin aina. Tiedämme nyt, että Newton loi likimääräisen mallin, joka kuvaa massojen gravitaatiovuorovaikutusta, mutta lähellä todellisuutta niin tarkasti, että voimme silti käyttää sitä kiertoradan laskemiseen. Vasta kun laajennamme havaintomme yli (hyvin suuren) tilanteet, joissa Newton oli oikeassa, tarvitsemme Einsteinin apua.
Kun keräämme todisteita tieteellisen teorian tueksi, voimme olla varmoja, että se toimii pienen ikkunan kanssa uusien todisteiden saamiseksi. Toisin sanoen teoriaa voidaan pitää "tosi" alueella, jolla sitä laadullisesti testattiin, mutta uudet olosuhteet voivat odottamattomasti paljastaa käyttäytymisen, joka johtaa laajempaan ja täydellisempään kuvaan. Tieteelliset teoriamme ovat luonnostaan alustavia, mutta eivät siinä määrin, että emme voi luottaa niiden tarkkuuteen. Ja tämä on ongelma vakiintuneiden teorioiden kanssa. Koska emme voi koskaan tietää varmasti, että kokeellemme saadut tulokset ovat "todellisia", mistä tiedämme, ettemme yksinkertaisesti välitä toivottua vastausta päteväksi?
Valon nopeuden mittaukset eri vuosina
Tällainen ajattelu esiintyy perusopiskelijoilla. Heidän tehtävänään on mitata joitain kokeellisia arvoja, kuten painovoiman kiihtyvyys tai laserin aallonpituus. Vastasyntyneinä he tekevät usein yksinkertaisia virheitä ja saavat tuloksia, jotka eivät vastaa "yleisesti hyväksyttyä" merkitystä. Kun näin tapahtuu, he palaavat takaisin ja etsivät virheitä työstään. Mutta jos he tekevät virheitä tavalla, joka tasapainottuu tai eivät ole ilmeisiä, he eivät tarkista työtään vielä kerran. Koska heidän tuloksensa on lähellä odotettua arvoa, he luulevat tekevänsä kaiken oikein. Tämä ennakkoluulo on meille kaikille ja joskus myös arvostetuille tutkijoille. Historiallisesti tämä on tapahtunut sekä valon nopeudella että elektronin varauksella.
Mainosvideo:
Tällä hetkellä kosmologiassa on malli, joka on hyvin sopusoinnussa havaintojen kanssa. Tämä on CDM-malli, jonka nimi koostuu kreikkalaisesta kirjaimesta "lambda" ja kylmästä pimeästä aineesta (CDM). Suurin osa tämän mallin tarkennuksista sisältää tarkempia mittauksia tämän mallin parametreista, kuten maailmankaikkeuden ikä, Hubble-parametri ja pimeän aineen tiheys. Jos lambda-CDM-malli kuvaa todella tarkasti universumia, näiden parametrien puolueettoman mittauksen on noudatettava tilastollista mallia. Tutkimalla näiden parametrien historiallisia arvoja voimme mitata, kuinka mittaukset olivat puolueellisia.
Kuvittele kymmenkunta opiskelijaa mittaamaan liitutaulun pituutta ymmärtääksesi, miten tämä toimii. Tilastollisesti jotkut opiskelijat saavat arvon, joka on suurempi tai pienempi kuin nykyinen. Tavanomaisen jakauman mukaan, jos levyn todellinen pituus on 183 senttimetriä ja keskihajonta senttimetriä kohden, kahdeksan opiskelijaa saa tuloksen välillä 182-184 senttimetriä. Mutta kuvittele, että kaikki opiskelijat ovat tällä alueella. Tässä tapauksessa sinulla on oikeus epäillä joitain mittausvirheitä. Esimerkiksi oppilaat kuulivat, että lauta oli noin kahdeksankymmentäkaksi ja puoli metriä, joten he ottivat mittauksia pyöristämällä tuloksen vuoteen 183. Paradoksaalista kyllä, jos heidän kokeilutuloksensa olivat liian hyvät, voidaan epäillä, että kokeessa on alkuasento.
Kosmologiassa eri parametrit ovat hyvin tunnettuja. Siksi kun ryhmä tutkijoita tekee uuden kokeen, he tietävät jo, mikä tulos on yleisesti hyväksytty. On käynyt ilmi, että kokeiden tulokset ovat "infektoituneet" aikaisempien tulosten kanssa? Yksi Quarterly Physics Review -lehden viimeisimmistä julkaisuista käsittelee juuri tätä asiaa. Tutkimalla 637 mittausta 12 eri kosmologisesta muuttujasta he selvittivät, kuinka tulokset jakautuvat tilastollisesti. Koska näiden parametrien "todellisia" arvoja ei tunneta, kirjoittajat käyttivät WMAP 7 -tuloksia "tosi". Ja he saivat selville, että tulosten jakautuminen oli tarkempaa kuin sen olisi pitänyt olla. Vaikutus on pieni, joten se voidaan katsoa johtuvan puolueellisesta odotuksesta, mutta se oli myös hyvin erilainen kuin odotettu vaikutus, mikä voi viitata kokeellisten epävarmuuksien yliarviointiin.
Tämä ei tarkoita, että nykyinen kosmologinen mallimme on väärä, mutta se tarkoittaa, että meidän on oltava hieman varovaisempia luottamuksessamme kosmologisten parametrien tarkkuuteen. Onneksi on olemassa tapoja parantaa mittaustarkkuutta. Kosmologit eivät huijaa itseään ja meitä, yksinkertaisesti on vielä paljon tilaa parantaa ja korjata heidän käyttämiään tietoja, menetelmiä ja analyyseja.