Что делать дальше? Давайте теперь обратимся к науке. Для каждого типа логического мышления мы выводим свою правильную логическую форму. Как же она будет выглядеть?

Как читать эту схему? Применяя абдукцию, для начала мы обращаемся к фактам. Но, в отличие от индукции и дедукции, абдукция предполагает не обобщение или сравнение фактов, а формулирование на их основе гипотез. Такие гипотезы мы уже сформулировали. Гипотез может быть несколько. Не стоит хвататься за первое пришедшее в голову объяснение. Если у нас родилась какая-то вроде бы логичная гипотеза, всегда нужно иметь в виду, что могут быть и альтернативные версии, которые предлагают лучшие объяснения. Гипотеза обязательно должна быть сформулирована ясно и точно, иначе ее попросту будет невозможно проверить. В науке гипотезы обычно проверяют с помощью исследования. Мы уже не раз говорили о том, как могут быть искажены ход или результаты исследования, поэтому сформулирую два главных критерия, которым должен удовлетворять любой научный эмпирический эксперимент: это повторяемость и фальсифицируемость. Можем ли мы повторить эксперимент несколько раз и получить те же результаты? Если нет — принципу повторяемости он не соответствует. Какое свидетельство может опровергнуть эту гипотезу, поставить под сомнение результаты эксперимента (принцип фальсифицируемости)? Если таких свидетельств будет много, нашу гипотезу стоит пересмотреть. Далее мы анализируем, какая гипотеза лучше всего объясняет ту совокупность данных, в которой мы хотим разобраться. Сравниваем и понимаем, что гипотеза Н1 (в нашем примере) успешно объясняет все, что мы уже знаем.

Требований для правдоподобности гипотез — два: во-первых, она должна объяснять все то, что мы уже знаем; во-вторых, она должна быть максимально простой. На втором требовании остановимся поподробнее.

Возвращаемся к нашему примеру со степлером. Куда же пропадают скобы, так и непонятно. Гипотезу с инопланетянами мы решили отбросить сразу. В ходе наблюдений оказалось, что гипотезу с начальником тоже надо отбросить, так как начальник был в отпуске, а скобы все равно пропадали. Такая же история с уборщицей. Остается две версии: либо это целенаправленно делает Антон, либо это делают какие-то другие коллеги. Давайте сравним две гипотезы:

Обе гипотезы объясняют описанный факт. Но вторая гипотеза намного лучше и правдоподобнее. Почему? Потому что в первой гипотезе больше шагов-рассуждений, а вторая гораздо проще. Такой принцип простоты называется бритвой Оккама[272]: отсекай все ненужное; самое подлинное должно быть предельно простым. Самое логичное объяснение не может быть сложнее необходимого. Другими словами этот принцип можно выразить так: «Если две гипотезы одинаково хорошо объясняют явление, то стоит выбрать более простое объяснение».

Конечно, такой подход имеет ряд несовершенств и часто оспаривается в науке. Однако вряд ли кто-то будет спорить с тем, что простые теории имеют много преимуществ, начиная с практичности применения и заканчивая простотой доказывания.

Это, конечно, не означает, что нужно принимать как правдоподобную самую первую гипотезу, если та окажется к тому же простой. Это означает, что нужно проанализировать еще несколько предположений и убедиться: одна из рассмотренных гипотез содержит самое простое объяснение всех фактов, которые мы знаем.

Мы охарактеризовали логическую форму абдукции в целом, и теперь вы понимаете, как она работает и как выбираются наиболее вероятные гипотезы. Но есть одна проблема, с которой многие сталкиваются на этапе оценки гипотез и их связи с исследуемыми фактами. Давайте, продолжая наш невероятный детективный сюжет со степлером, представим, что вы заметили странную закономерность: каждый раз, когда вы обнаруживали пропажу скоб, вы видели, как Антон хитро улыбался. Ну точно! Значит, все-таки гипотеза с местью Антона была верной. И тут нам понадобится еще один термин под названием «корреляция».

Корреляция (от лат. correlatio — взаимосвязь) — это близость двух тенденций. Но сразу встает вопрос: всегда ли тенденции, которые близки друг к другу, в реальности связаны? Корреляции мы постоянно замечаем в повседневной жизни. Но ни одна корреляция не будет иметь место без каузальности, то есть причинной связи между этими тенденциями. Каузальность показывает, что одна тенденция вызывается другой.

Иногда случаются очень забавные корреляции, которые вызывают лишь улыбку. Есть много порталов, которые собирают подобные «связи». Вот несколько примеров с одного из них[273]:

Вот, например, корреляция потребления курятины и импорта сырой нефти. Неужели чем больше есть курицу, тем больше покупается нефти за границей? Ну конечно, это просто случайное совпадение трендов.

Или вот замечательный пример. Теперь мы знаем, почему погибает так много рыбаков! Во всем виноваты свадьбы, причем только в штате Кентукки. Остальные свадьбы на рыбаков почему-то не влияют.