Pинд.(А/Вi)=k.

Это выражение представляет символическую запись индуктивного заключения А при наличии некоторой сово­купности условий Вi. Таким образом, мы видим, что в индуктивно-статистическом объяснении используются две основные формы вероятности: статистическая и ин­дуктивная (логическая). Если первая обеспечивает нас информацией о свойствах и закономерностях реального мира, то вторая устанавливает связь между экспланан­сом и экспланандумом объяснения.

При индуктивном объяснении с самого же начала воз­никает вопрос о том, какую степень подтверждения или логической вероятности следует признать достаточной для объяснения. Очевидно, если эта вероятность будет не больше половины, то такое объяснение вряд ли можно считать достаточно обоснованным. Равным образом мы не признаем надежным предсказание, вероятность кото­рого не превосходит половины. Это обстоятельство суще­ственно ограничивает класс индуктивных объяснений. Так, К. Гемпель относит к числу индуктивно-статистиче­ских объяснений только такие, степень вероятности кото­рых приближается к 1. Иными словами, такого рода объяснения по существу приближаются к дедуктивным, так как их экспланандум вытекает из эксплананса почти с практической достоверностью (хотя теоретически прак­тическая достоверность и отличается от достоверности дедуктивного заключения). В качестве конкретной иллю­страции Гемпель приводит пример с вытаскиванием ша­ров из урны, который достаточно ясно выражает его ос­новную идею. Допустим, что мы наудачу вытаскиваем шар из урны, в которой находятся 999 белых и один черный шар. Если шары хорошо перемешаны, то вероятность извлечения белого Шара будет весьма велика (р = 0,999). Этот факт легко объяснить статистическими соображениями. Подобным же образом, по мнению Гемпеля, статистические законы, используемые при индук­тивном объяснении, должны обладать такой высокой вероятностью, чтобы на их основе можно было делать надежные предсказания и объяснения. Некоторые авто­ры вообще отрицают правомерность индуктивного объяс­нения, утверждая, что в случае статистических обобще­ний и законов мы имеем дело не с объяснением, а с не­достаточно надежными правилами недедуктивных умозаключений. Нетрудно заметить, что подобный под­ход к объяснению основывается на том, что единственно допустимой формой рассуждений в науке признается только дедукция, индуктивным же заключениям в луч­шем случае отводится эвристическая роль. Вряд ли с та­ким подходом можно согласиться. Если индуктивно-ста­тистические объяснения не признают за подлинные, полноценные объяснения, тогда следует также отказаться и от предсказаний, основанных на таких предпосылках. Но с этим не согласятся даже самые радикальные дедуктивисты.

И с теоретической и с практической точек зрения индуктивная модель объяснения играет существенную роль в науке. Часто она может значительно облегчить поиски более привычного дедуктивного объяснения, но во многих случаях сама проблема не допускает такого объяснения, и поэтому приходится обращаться к индук­ции и статистике.

В заключение остановимся на выяснении логической связи между дедуктивным и индуктивным объяснением. Поскольку индуктивный вывод допускает более ослаб­ленные требования, чем дедуктивный, то целесообразно рассматривать индукцию как более общий тип рассуж­дения. Соответственно такому подходу мы будем выра­жать статистические законы в форме обобщенной, вероятностной импликации, впервые введенной Г. Рейхенбахом, а обычные универсальные законы динамичес­кого типа - в виде общей импликации математической логики.

В статистическом законе, как и любом вероятностном утверждении, можно выделить две части: в первой из них — антецеденте - формулируются условия, при осу­ществлении которых с той или иной вероятностью может произойти интересующее нас событие случайного массо­вого характера, т.е. консеквент импликации. Так как при статистической интерпретации речь идет не об инди­видуальных событиях, а о классе подобных событий, то в вероятностной импликации мы должны рассматривать не отдельные высказывания, а классы высказываний, которые можно выразить с помощью пропозициональ­ных функций, или функций-высказываний. Тогда саму вероятностную импликацию символически можно пред­ставить в следующем виде:

Универсальный квантор (i) перед импликацией пока­зывает, что она распространяется на все случаи из неко­торого класса событий. Антецедент хi, А обозначает класс тех событий А, при осуществлении которых с веро­ятностью равной р возникает событие у из класса В:

Уi В. Так, например, если рассматривать явления, свя­занные с радиоактивным распадом химических элемен­тов (события класса А), то каждому элементу будет со­ответствовать определенная вероятность его превраще­ния в другие элементы в течение некоторого времени, которую обычно характеризуют как период полураспада.

Существенное отличие вероятностной импликации от обычной состоит в том, что если в последнем случае ис­тинность антецедента всегда влечет и истинность консеквента, то в первом случае истинный антецедент обеспе­чивает лишь определенную вероятность консеквента. Если степень вероятности р будет равна 1, тогда вероят­ностная импликация превращается в обычную. Мы видим отсюда, что дедуктивное объяснение можно рассматри­вать как особый случай индуктивного, когда степень вероятности экспланандума становится равной 1 и, сле­довательно, вероятный вывод становится достоверным.

Индуктивные объяснения, степень вероятности кото­рых приближается к так называемой практической досто­верности, т.е. весьма близка к 1, хотя по своему резуль­тату сходны с дедуктивными, тем не менее составляют особый вид, и поэтому Гемпель совершенно правильно относит их именно к индуктивным. Дело в том, что, не­смотря на большую степень вероятности, их заключение в принципе может оказаться и неверным, так что здесь всегда имеется элемент неопределенности. Эта неопреде­ленность будет возрастать по мере уменьшения величины вероятности. Поэтому индуктивные объяснения, степень вероятности заключения которых не превышает полови­ны, на практике не будут считаться подлинными объяс­нениями.

8.3 Научное предсказание

Предвидение новых ситуаций, событий и явлений составляет важнейшую особенность человеческого познания и целенаправленной деятельнос­ти вообще. В элементарной форме эта особенность при­суща и высшим животным, поведение которых строится на основе условных рефлексов. Однако о подлинном предвидении можно говорить лишь тогда, когда оно осно­вывается на сознательном применении тех или иных за­кономерностей, выявленных в процессе развития науки и общественной практики.

Научные предсказания, опирающиеся на точно сфор­мулированные законы и теории, генетически возникают из предвидений и эмпирических прогнозов, которые за­долго до возникновения науки люди делали на основе простейшего обобщения своих наблюдений над явления­ми природы. Такие прогнозы не отличались большой точностью, поскольку они строились на наблюдениях тех связей явлений, которые легче всего бросались в глаза. Но уже здесь люди интуитивно сознавали закономерную связь между явлениями и их различными свойствами. Так, предсказание погоды по форме облаков, характеру заката, движению ветра, температуре воздуха и другим приметам часто приводит опытных людей к правильным выводам. Однако такой прогноз в значительной мере основывается на знании не объективных законов приро­ды, а скорее различных внешних проявлений этих зако­номерностей. Даже классическая метеорология свои прогнозы строит большей частью на основе эмпириче­ского исследования распределения давлений воздуха, формы облаков, скорости движения ветра и некоторых других факторов. Естественно поэтому, что такие прогно­зы могут делаться только на сравнительно короткое время, да и то не всегда сбываются. Причина этого со­стоит в том, что они не опираются на глубокие внутрен­ние закономерности и теории, управляющие процессами формирования погоды в различных регионах земного шара. Поэтому современная теоретическая метеорология стремится открыть как раз именно такие законы, с по­мощью которых можно было составлять долгосрочные прогнозы. Этот пример достаточно ясно показывает, что надежность, точность и временные границы предсказа­ния самым тесным образом зависят от характера зако­нов или обобщений, используемых в процессе предска­зания.