Я уже упоминал, что многим ученым не удалось воспроизвести результаты экспериментов по предвидению будущего. Однако некоторые все же засвидетельствовали нечто подобное. В 2015 году Бем опубликовал обобщение результатов девяноста экспериментов (метаанализ) с суммарной выборкой свыше двенадцати тысяч человек и заключил, что небольшой эффект предвидения все-таки обнаруживается[570]. Он заявил, что результат сохраняется, даже если учесть потенциальные недостающие публикации. Также он справедливо заметил, что стоит остерегаться байесовской ловушки: априорная вероятность существования предвидения хоть и мала, но не равняется нулю. Бем полагает, что, даже если полученные им свидетельства недостаточно убедительны, чтобы преодолеть всеобщий скептицизм, нам следует пересмотреть свои оценки вероятности для обнаруженного феномена.
Метаанализ Бема тоже подвергся критике,[571]. Специалист по статистике и когнитивной психологии Даниэль Лакенс указал, что метаанализу по-прежнему присущи проблемы смещения данных в пользу положительных результатов и что анализировались далеко не все имевшиеся отрицательные результаты{Lakens D.:Why a meta-analysis of 90 precognition studies does not provide convincing evidence of a true effect.2015.http://daniellakens.blogspot.ru/2015/04/why-meta-analysis-of-90-precognition.html}. Он отмечает, что заявленный эффект предвидения настолько мал, что непонятно, как его вообще обнаружили в исследованиях с малыми выборками. По-хорошему, он мог проявиться только в очень масштабном исследовании, с выборкой больше тысячи трехсот человек. Такое исследование действительно проводилось – и дало отрицательный результат.
Как отметил Молтон, такие исследования, как у Бема, имеют право на существование, но находятся все же на краю науки. Нет ничего плохого в том, что кто-то готов проверять невероятные гипотезы, пусть и, скорее всего, неверные. Главное – относиться к ним только как к предположениям, пока не накопится критическая масса подтверждений.
Я так подробно разобрал пример с исследованиями Бема, чтобы проиллюстрировать, насколько сложной бывает наука. Есть много подводных камней, о которых не всегда подозревают даже весьма уважаемые ученые. Неявные проблемы эксперимента или обобщенного анализа данных легко приводят к искажению результатов. К счастью, не перевелись еще скептики, которые пытаются во всем разобраться и все перепроверить – и находят потенциальные источники ошибок. Некоторые проблемы исследований универсальны, например случайные совпадения, ненадежность личного опыта и субъективных показаний. Другие известны лишь узким специалистам. Возможно, какие-то нам еще только предстоит открыть.
Во второй части этой главы я постараюсь убедить вас, что наука – не какая-то религия с догмами и ритуалами, требующая слепой веры. Это совокупность наиболее правдоподобных представлений о мире, эволюционирующих благодаря конкуренции гипотез, сомнению и коллективной работе над ошибками (которых все еще великое множество).
В 1997 году в журнале Nature вышла статья с результатами генетического анализа необычного организма – ксенотурбеллы[572]. Это существо длиной всего несколько сантиметров, очень просто устроенное и по внешнему виду напоминающее мешок с единственным отверстием, ведущим в пищеварительную полость. Анализ ДНК показал, что ксенотурбелла – моллюск. К такому же выводу пришел и автор другой статьи, рассказавший, что развитие яиц ксенотурбеллы происходит так же, как у моллюсков[573]. Шесть лет спустя выяснилось, что в анализ данных закралась ошибка – ксенотурбелла сама не моллюск, просто она питается их яйцами[574].
Этот пример показывает, как на практике меняются подходы в науке. Сначала выявляется несовершенство конкретного исследования, затем разрабатывается более надежный метод, исключающий проблему, – и в результате наши знания о мире уточняются. Плохая наука начинается там, где игнорируются известные ошибки. Вспомним криптозоологов, которые искали ДНК снежного человека и даже не рассматривали гипотезу загрязнения образцов.
Мы уже обсуждали, как благодаря критике гомеопатии современная медицина обрела важнейший метод исследований – рандомизированный слепой эксперимент. Однако не всегда этот инструмент одинаково легко применять.
Акупунктура – направление в китайской народной медицине, предполагающее, что многие заболевания можно вылечить, втыкая иголки в определенные точки тела. Иногда сторонники этого метода говорят о некой “жизненной энергии”, якобы циркулирующей по особым линиям, меридианам. Объективная проверка действенности акупунктуры потребовала от экспериментаторов некоторой изобретательности – им пришлось использовать специально созданные иголки, не протыкающие кожу, или втыкать обычные иголки в неправильные точки. При этом в отдельно поставленных экспериментах было показано, что пациенты не различают, сеанс какой акупунктуры им провели – настоящей или нет[575].
Исследования иглоукалывания, проведенные с таким контролем, показали гораздо менее впечатляющие результаты, чем сравнения с отсутствием лечения[576]. Поэтому некоторые ученые прозвали акупунктуру “театрализованным плацебо”[577]. Обобщенные результаты исследований свидетельствуют о том, что ни опыт специалиста, ни места втыкания иголок не играют особенной роли[578]. По заявлениям пациентов, большое количество иголок или сеансов акупунктуры имеет хороший обезболивающий эффект, но это субъективные оценки. По-видимому, даже если акупунктура и облегчает боль, то не из-за каких-то особых точек, известных благодаря китайской народной мудрости.
С проблемой чистоты научного эксперимента столкнулись и исследователи терапевтических эффектов медитации[579]. Человек всегда знает, медитирует он или нет, поэтому провести слепой эксперимент невозможно. Остается лишь сравнивать программы по медитации с активными вмешательствами, такими как лекарства, психотерапия, спорт и так далее, – и в подобных сравнениях преимущества медитации пока не выявляются[580].
Медитация нередко предстает в хорошем свете, когда ее сравнивают с невмешательством. Увы, такие исследования ненадежны, особенно если изменение неких показателей оценивается только со слов медитирующих. И вот почему.
В 2011 году в The New England Journal of Medicine вышла статья, где сравнивалась эффективность четырех подходов для лечения астмы: бронхорасширяющего препарата “Сальбутамол”, плацебо-ингаляции, имитации акупунктуры и отсутствия лечения[581]. Каждого пациента лечили с помощью всех четырех подходов по отдельности, в случайном порядке. Объективные данные спирометрии (объемные и скоростные показатели дыхания) свидетельствовали, что лекарство помогает, тогда как остальные три подхода одинаково неэффективны. Однако, по субъективным ощущениям пациентов, все три метода активной терапии помогли одинаково хорошо по сравнению с полным отсутствием лечения.
В разных областях науки возникают свои специфические проблемы. В 2010 году доктор Крейг Беннет обнаружил у лосося участок мозга, отвечающий за распознавание человеческих эмоций[582]. Ученый показывал рыбе эмоционально окрашенные фотографии людей и анализировал активность ее мозга с помощью томографа. Оказалось, мозг рыбы по-разному реагирует на различные фотографии. Этот результат особенно удивителен, если учесть, что лосось в исследовании был дохлым.
Дело в том, что у измерений томографа, как и любого прибора, есть погрешность. Если оценить активность одновременно в большом количестве участков мозга, где-то по случайным причинам обнаружится шум, похожий на сигнал. При статистическом анализе это необходимо учитывать, чтобы не получить ложноположительного результата. Своим провокационным исследованием Беннет намеренно привлек внимание коллег к этой проблеме, которая иногда отражалась на качестве научных работ.
Увы, похожие проблемы нередко остаются незамеченными и в других областях науки. Например, при изучении факторов, влияющих на работу генов – функциональных участков ДНК. Когда ген активен, с него считывается РНК, использующаяся клеткой для синтеза белков или участвующая в иных биологических процессах. Существуют методы, позволяющие измерить относительное количество РНК, считанной с разных генов в образце, или белков, кодируемых этими генами. Но генов очень много. Например, у человека их больше двадцати тысяч. А ведь есть еще вариации количества РНК и белков, производимых клетками, и ошибки измерений. В итоге, даже если изучаемое воздействие никак не влияет на работу генов, мы неизбежно будем обнаруживать разницу в активности некоторых из них. Большинство ученых знают об этих проблемах и делают соответствующие статистические поправки, однако встречаются и исключения.
Так, в 2008 году Мануэла Малатеста и ее коллеги заявили, что употребление в пищу генетически модифицированной сои влияет на активность генов в печени у мышей и в результате изменяет там содержание некоторых белков[583]. Проблема в том, что авторы отслеживали тысячи белков, но не учли этого в статистическом анализе. Если сделать соответствующие поправки, то наблюдавшиеся различия оказываются неотличимыми от случайных флуктуаций