اعداد حرف نمی‌زنند

گفته شده است داده‌های زیاد، علم را مطلق می‌کند و از نسبی و تقریبی بودن بیرون می‌آورد. کریس اندرسون، سردبیر «ویرد» چهار سال پیش در مانیفست خود نوشت: «با داده‌های کافی، اعداد خودشان به تنهایی صحبت می‌کنند و مطالب را بیان می‌کنند.» سال گذشته در یک کنفرانس، از «ویوک رانادیو»، مدیر یک شرکت ارائه‌دهنده نرم‌افزار داده‌های مالی حرف مشابهی شنیدم: «من معتقدم ریاضیات در حال غلبه بر علم است. منظورم این است که شما واقعاً لازم نیست بدانید چرا، فقط باید بدانید وقتی a و b رخ می‌دهد، c نیز رخ می‌دهد.» اگر روش علمی مشاهده، فرضیه، آزمون و تحلیل باشد، انفجار اطلاعات و قدرت کامپیوتر، مشاهده، آزمون و تحلیل را به قدری در بعضی حوزه‌ها ارزان و آسان کرده که یک فرد می‌تواند نسبت به امکانات گذشته، به مراتب بیشتر فرضیه‌ها را تست کند. ولی آیا این یعنی هیچ فرضیه‌ای دخیل نیست؟ در آن کنفرانس، رانادیو پیشنهاد داد کمیته بازار باز فدرال رزرو، با یک برنامه کامپیوتری جایگزین شود. او گفت: «واقعیت این است که با این کار، شما می‌توانید در زمان درست اطلاعات را ببینید، به صورت دقیقه‌ای تطبیق دهید، سیستمی حلقه بسته بسازید که در آن مستمراً تغییر و تطبیق می‌دهید؛ و اشتباهی نمی‌کنید، چرا که شما سیگنال‌ها را به طور دائمی دریافت کرده و تطبیق می‌دهید.» حداقل می‌توانم بگویم در همین طرح خود او، سه فرضیه وجود دارد. نخست این است که می‎توانید سیستم سیاستگذاری پولی آمریکا را به صورت یک حلقه بسته بسازید، دوم اینکه همبستگی‌های گذشته در اقتصاد و داده‌های مالی می‌تواند برای آینده مورد محاسبه قرار گیرد، و سوم اینکه وقتی چنین نیست، شما قادر به تطبیق دادن اطلاعات جدید نخواهید بود. این برای من کاملاً مشکوک و مورد سوال است، همان‌طور که در خصوص فرضیات ساده‌لوحانه مدل‌سازان مالی در رتبه‌بندی سازمان‌ها و جاهای دیگری که به پیش آمدن بحران مالی 2007 و 2008 کمک کردند، چنین است. ولی نکته مهم‌تر این است که اینها «فرضیه» است. در اینجا پژواکی از مباحثی به قدمت قرن‌ها وجود دارد، که از سده 1600 با فرانسیس بیکن در خصوص اینکه کدام یک از دو راه استنتاج از اصول اولیه یا استقرا از واقعیت مشاهده‌شده روش بهتری برای رسیدن به حقیقت است، شروع شد. در دهه 1930، کارل پوپر، سنتزی را پیشنهاد داد که در آن شیوه تنها رویکرد علمی، فرمول‌بندی کردن فرضیه‌ها است، البته چنان که قابل ابطال باشد. پیش‌بینی‌گر سیاسی، نیت سیلور، در ابتدای کتاب جدیدش در پاسخ به کریس اندرسون می‌نویسد: «اعداد راهی برای بیان کردن به خودی خود ندارند. ما برای آنها صحبت می‌کنیم. پیش‌بینی‌های مبتنی بر داده می‌تواند موفق باشد و می‌تواند شکست بخورد؛ زمانی که ما نقش خود را در فرآیندی که احتمال شکست افزایش می‌یابد، نادیده بگیریم. پیش از آنکه داده‌های بیشتری تقاضا کنیم، نیاز به این داریم که تعداد بیشتری از خودمان داشته باشیم. یک نقش کلیدی که ما در فرآیندها بازی می‌کنیم انتخاب داده‌هایی است که مد نظر قرار می‌دهیم.» نیت سیلور در کتاب خود، وقت زیادی صرف یک عنصر مهم دیگر کرده است: چطور ما با پیش آمدن داده‌های جدید، دیدمان را اصلاح می‌کنیم. او به رویکرد «بیزی» به احتمالات اعتقاد زیادی دارد. در این رویکرد، هر یک از ما ایده‌های ذهنی متفاوت خود را راجع به چگونگی امکان امور داریم، ولی از قوانین سرراست و مشابهی برای اصلاح این تخمین‌ها، زمانی که اطلاعات تازه‌ای می‌گیریم، کمک می‌گیریم. این فرآیندی برای استفاده از داده‌ها برای تصحیح افکار ماست. ولی این، بدون قدری اندیشیدن از قبل، ممکن نخواهد بود.