Søgen efter de enkleste og mest elegante forklaringer har været en del af videnskaben i århundreder, men nye eksperimenter af den kognitive forsker Marina Dubova viser, at der findes bedre måder at finde frem til sandheden på.

Den antikke græske astronom Ptolemaios troede, at planeterne og solen kredsede om Jorden. Hver ny observation, der strittede imod denne opfattelse, krævede små justeringer af teorien. Det var først mange år senere, at Nicolaus Kopernikus kom med sin forståelse, hvor alle planeter kredsede om solen, hvilket satte gang i en videnskabelig revolution, som ændrede vores syn på universet.

Men hvad nu hvis videnskabelig fremgang ikke altid fungerer på den måde? Hvad nu hvis det er bedre at starte med kompleksitet frem for simpelhed? Det kunne være nøglen til at afsløre skjulte strukturer, vi tidligere ikke kunne se.

Marina Dubova fra Santa Fe Institute i New Mexico argumenterer for, at Occam’s razor kun er én af flere regler, der forhindrer os i at få et klart billede af virkeligheden. Gennem computer-simuleringer og “mikro-verden” eksperimenter tester Dubova, hvordan vores antagelser om de bedste metoder til at afdække sandhed holder vand.

Hun udforsker, hvordan fremtidens videnskab kan automatiseres, og hvordan vi nemt kan embedde gamle måder at tænke på i fremtidens videnskab. Dubova forklarer, at når man foreslår simplere teorier, kan det faktisk hæmme opdagelsen af mere komplekse realiteter.

Thomas Lewton: Hvad er princippet bag Occam’s razor og hvordan bruges det af videnskabsfolk?

Dubova: Occam’s razor handler om at vælge de enkleste forklaringer. Det er en grundregel, vi ofte lærer, når vi studerer videnskab. For eksempel, når man ser på data, starter man typisk med den simpleste teori, og tilføjer derefter variabler eller mekanismer efter behov.

Giver denne tilgang os en begrænsning?

Ja, faktisk har forskere fundet ud af, at folk generelt foretrækker enkle forklaringer, også når de møder komplekse situationer.

Og hvad med evidensen for at Occam’s razor fremmer videnskabelig fremgang?

Vi har testet disse ideer ved hjælp af computermodeller. Vi konstruerede AI-agenter, der bygget forklaringer baseret på begrænsede data. Resultaterne viste, at agenter, der forsøgte at skabe mere komplekse forklaringer, undertiden gjorde lige så godt eller bedre end dem, der forholdt sig til simplere modeller.

Kender vi eksempler på, hvordan en simpel forklaring kan føre os på vildspor?

Neurovidenskaben har bevæget sig mod at forstå hjernen som et distribueret netværk, hvor mange regioner arbejder sammen, snarere end at en enkelt region står for en enkelt funktion. Ligeledes i genetikken, hvor det tidligere var accepteret, at én gen bestemmer en egenskab, men vi kender nu til mange interaktioner mellem gener.

Hvad tyder det på for fremtidens AI-forskere?

Denne diskussion er vigtig, inden vi automatiserer dele af den videnskabelige proces. Vi skal overveje, hvad vi bør tage med os fra den eksisterende metode, og hvad vi skal genoverveje. Ellers risikerer vi at replikerer gamle biases og blinde pletter i massiv skala.

Alt i alt handler videnskab om at få fat i virkeligheden i alle dens facetter. Som Dubova siger, er det vigtigt at “maksimere vores kontakt med virkeligheden” for at opnå de bedste resultater.

 Videnskab – Gengivet her på ONN.dk   |   🔎 Artiklen er læst 3004 gange