#30 - 06/2024

Στατιστική… όπως κράτος

Η φράση του Μάρκ Τουαίην (που ο ίδιος την απέδιδε στον Βρετανό πρωθυπουργό Disraeli) είναι πλέον πασίγνωστη: «Υπάρχουν τριών ειδών ψέματα: τα απλά ψέματα, τα χοντρά ψέματα και η στατιστική (There are three kinds of lies: lies, damned lies, and statistics)». Μέσα στην όποια υπερβολή της, αυτή η φράση συλλαμβάνει μία αλήθεια. Η στατιστική μπορεί να χρησιμοποιηθεί πανεύκολα ως ένα ισχυρότατο ιδεολογικό όπλο. Μία βασική πηγή της ισχύος της αποτελεί φυσικά και η συστηματική χρήση αριθμών και εξισώσεων εκ μέρους της. Από τη στιγμή που τα νούμερα έχουν φτάσει στο σημείο να λειτουργούν σχεδόν ως μετωνυμίες της αλήθειας στις σύγχρονες δυτικές κοινωνίες, ο,τιδήποτε εκφράζεται ως αριθμός αυτόματα αποκτάει και μία εγκυρότητα, έστω κι αν πρόκειται απλώς για ένα λούστρο αληθοφάνειας. Όμως η επιστράτευση των αριθμών δεν επαρκεί από μόνη της. Το ύπουλο με τα στατιστικά «ψέματα» έγκειται στο γεγονός ότι δεν πρόκειται για «απλά ψέματα», ούτε καν για «χοντρά ψέματα», με την έννοια της άστοχης εφαρμογής της τάδε ή δείνα εξίσωσης ή του «μαγειρέματος» των δεδομένων ώστε να ταιριάξουν σε προαποφασισμένα συμπεράσματα και προειλημμένες αποφάσεις. Ενίοτε συμβαίνουν όντως και τέτοιες καταχρήσεις. Ωστόσο, η στατιστική έχει τη μαγική ιδιότητα να παράγει σαθρά συμπεράσματα ακολουθώντας μία ορθή (από μαθηματική άποψη) διαδικασία.

Ένα απτό παράδειγμα εδώ θα ήταν ίσως χρήσιμο· φυσικά, μόνο οι αθεράπευτα «ψεκασμένοι» δικαιούνται να κάνουν συνειρμούς που οδηγούν σε πρόσφατες καταστάσεις ολοκληρωτισμού με επιστημονική – στατιστική βούλα. Έστω ότι μία φαρμακευτική εταιρεία θέλει να δοκιμάσει ένα καινούριο σκεύασμά της, π.χ., ένα «θαυματουργό εμβόλιο» κατά του ιού των βατράχων. Για να υπολογίσει την αποτελεσματικότητα του καινούριου εμβολίου, χρησιμοποιεί 2.000 εθελοντές ως πειραματόζωα. Στους μισούς από αυτούς χορηγεί το εμβόλιο και στους υπόλοιπους δεν χορηγεί τίποτα (ή χορηγεί placebo). Οι πρώτοι αποτελούν την λεγόμενη πειραματική ομάδα (experimental group) και οι δεύτεροι την ομάδα ελέγχου (control group). Ο σκοπός, φυσικά, είναι να υπολογιστεί η αποτελεσματικότητα του εμβολίου συγκρίνοντας τα αποτελέσματα των δύο ομάδων. Αν στην πειραματική ομάδα εμφανιστούν λιγότερα κρούσματα του ιού των βατράχων, τότε το εμβόλιο μπορεί να θεωρείται αποτελεσματικό. Το κρίσιμο ερώτημα βέβαια αφορά στο πώς ακριβώς ποσοτικοποιείται αυτή η αποτελεσματικότητα. Έστω, λοιπόν, ότι στην πειραματική ομάδα μόνο ένας κόλλησε τον ιό, ενώ στην ομάδα ελέγχου βρέθηκαν δέκα κρούσματα. Περιχαρής, η εταιρεία μπορεί να ανακοινώσει σε θριαμβευτικούς τόνους ότι το εμβόλιο της έχει αποτελεσματικότητα 90%, εφόσον μείωσε τα κρούσματα κατά αυτό το ποσοστό ((10 – 1) / 10 = 9 / 10 = 90%). Αφήστε τα παιδιά σας να κυνηγάνε ξανά βατράχια!

Μέχρι τώρα, δεν υπάρχει κανένα «μαγείρεμα» των δεδομένων, κανένας λανθασμένος υπολογισμός. Αλλού βρίσκεται η «παραχάραξη». Ο αριθμός που ανακοίνωσε η εταιρεία αποτελεί τον λεγόμενο δείκτη μείωσης του σχετικού κινδύνου (relative risk reduction). Αυτός υπολογίζεται κοιτώντας μόνο τα κρούσματα (1 από τη μία συν 10 από την άλλη ομάδα) και αγνοώντας όλα τα υπόλοιπα πειραματόζωα που δεν κόλλησαν τον ιό. Αγνοεί, δηλαδή, πλήρως τη μεταδοτικότητα του ιού, προηγούμενη πιθανή ανοσία απέναντί του και ένα σωρό άλλους παράγοντες που μπορεί να μειώσουν την πιθανότητα να κολλήσει κανείς χωρίς τη βοήθεια κανενός σκευάσματος. Αγνοεί το πόσοι ΔΕΝ κόλλησαν είτε στην μία ομάδα (placebo, 990) είτε στην άλλη (999).

Υπάρχει λοιπόν ένα άλλο νούμερο που κάνει αυτόν ακριβώς τον υπολογισμό και λέγεται δείκτης μείωσης του απόλυτου κινδύνου (absolute risk reduction). Με βάση τα νούμερα που έχουμε δώσει παραπάνω, ο δείκτης αυτός βγαίνει… 0.9 % (10/1000 – 1/1000). Στην πράξη, επομένως, η πραγματική πιθανότητα να κολλήσει κανείς στον γενικό πληθυσμό κάνοντας το συγκεκριμένο εμβόλιο μειώνεται κατά κάτι λιγότερο από 1% και όχι κατά 90%. Και αυτό το νούμερο αφορά μόνο την πιθανότητα να κολλήσει και όχι να ασθενήσει βαριά ή να πεθάνει. Και μάλιστα συγκρίνοντας έναντι μίας ομάδας ελέγχου που δεν λαμβάνει καμμία εναλλακτική θεραπεία. Πόσο άραγε θα έβγαινε αυτό το νούμερο αν η σύγκριση αφορούσε περιπτώσεις βαριάς ασθένειας και σε σύγκριση με άλλες θεραπείες; Σίγουρα κάτι μικρότερο ακόμα και από αυτό το ταπεινό 1%. Αν επιπλέον έπρεπε να συμπεριλάβουμε και τις πιθανές παρενέργειες...; Μήπως τότε υπήρχε περίπτωση να βγει ακόμα και αρνητικό αυτό το νούμερο, κάτι που θα σήμαινε ότι οι βλάβες υπερβαίνουν τα οφέλη;

Οι διαφορές μεταξύ των δύο αυτών δεικτών δεν είναι καθόλου άγνωστες μεταξύ των ειδικών· εξάλλου οι οδηγίες που μπορεί να διαβάσει κανείς όσον αφορά στην ορθή παρουσίαση τέτοιων πειραματικών αποτελεσμάτων είναι σαφείς: πρέπει πάντα να αναφέρεται τόσο ο δείκτης μείωσης του σχετικού όσο και του απόλυτου κινδύνου. Ακολουθείται πάντα αυτή πρακτική; Φυσικά όχι – ή ενδεχομένως τα δεδομένα να βρίσκονται κρυμμένα κάπου σε κάποιο πινακάκι προς το τέλος του άρθρου και να πρέπει μόνος σου να υπολογίσεις τους δείκτες που θες. Έχει σημασία αυτό για τη δημιουργία εντυπώσεων και πρωτοσέλιδων; Καμμία. Στον αέρα μένει να κυκλοφορεί κάποιο νούμερο κοντά στο 90% και η εταιρεία παραμένει καλυμμένη εφόσον δεν μπορεί να κατηγορηθεί για καμμία παραχάραξη.

Η χρήση της στατιστικής δεν περιορίζεται φυσικά μόνο στους ιατρικούς κύκλους. Έχει μετατραπεί σχεδόν σε lingua franca των ειδικών και όχι μόνο. Ποιο είναι το ποσοστό ευστοχίας στα τρίποντα του αγαπημένου σου παίκτη; Ποιο είναι το IQ σου (το IQ μετριέται με βάση μια στατιστική κατανομή με το 100 για μέσο όρο); Γιατί πληρώνεις υψηλότερα ασφάλιστρα ως νέος οδηγός (οι νέοι οδηγοί έχουν, στατιστικά μιλώντας, περισσότερες πιθανότητες να εμπλακούν σε σύγκρουση); Είναι επικίνδυνο το επίπεδο των τριγλυκεριδίων στο αίμα σου (τα κατώφλια «επικινδυνότητας» των ιατρικών δεικτών συχνά υπολογίζονται με στατιστικά τεστ); Ποια είναι ακριβώς η τροχιά των σωματιδίων στους επιταχυντές του CERN (κι όμως, τις σωματιδιακές τροχιές δεν τις βλέπει κανείς «με το μάτι»· ανακατασκευάζονται από τα σήματα που παράγει ο επιταχυντής, χρησιμοποιώντας και στατιστικούς αλγορίθμους); Το γεγονός ότι η στατιστική κατάφερε να αποκτήσει ένα τόσο ισχυρό επιστημολογικό καθεστώς ώστε να μιλάμε πλέον ακόμα και για «στατιστικούς νόμους» δεν αποτελεί βέβαια κάποιο ιστορικό ατύχημα. Η απορία για αυτή την άνοδο της στατιστικής γίνεται ακόμα μεγαλύτερη αν αναλογιστεί κανείς ότι η παραδοσιακή μορφή επιστημονικής γνώσης (από τον 17ο αιώνα κι έπειτα) ήταν αυτή που εκφραζόταν υπό τη μορφή απαράβατων και άτεγκτων νόμων [1Βλ. Μπροστά στην πόρτα του (φυσικού) νόμου, Cyborg, τ. 29.]. Στη Νευτώνεια μηχανική δεν υπάρχει χώρος για πλανητικές τροχιές «στο περίπου». Οι τροχιές των ουρανίων σωμάτων καθορίζονται επακριβώς από τις εξισώσεις των βαρυτικών δυνάμεων· τυχόν αποκλίσεις οφείλονται μόνο σε ατέλειες των οργάνων παρατήρησης και όχι σε κάποια εγγενή αβεβαιότητα των παρατηρούμενων αντικειμένων.

Όπως είναι γνωστό, αυτήν ακριβώς την αντιστροφή κατάφερε να επιτύχει η κβαντομηχανική, η στατιστική ερμηνεία της οποίας τελικά κυριάρχησε μεταξύ των Γερμανών φυσικών της δημοκρατίας της Βαϊμάρης. Για την κβαντομηχανική, η αβεβαιότητα του φυσικού καθώς αυτός προσπαθεί να μετρήσει τις ιδιότητες κάποιου σωματιδίου δεν είναι αποτέλεσμα κάποιων (δυνητικά εξαλείψιμων) περιορισμών των οργάνων του. Όσο και να βελτιώσει την ευκρίνειά τους, ποτέ δεν θα καταφέρει να μετρήσει με απόλυτη ακρίβεια τη θέση και την ταχύτητα ενός σωματιδίου. Το ίδιο το σωματίδιο πλέον αντιστέκεται στο βλέμμα του παρατηρητή, εκδηλώνοντας μία απαραμείωτη ασάφεια. Ακόμα και η ίδια η λέξη «σωματίδιο» μπορεί να χρησιμοποιείται μόνο καταχρηστικά, στον βαθμό που παραπέμπει σε εικόνες μικροσκοπικών σφαιρών που κινούνται με ένα καθορισμένο διάνυσμα ταχύτητας και συγκρούονται περίπου όπως οι μπάλες του μπιλιάρδου. Με τα μάτια της κβαντομηχανικής, αυτή είναι μια απαρχαιωμένη εικόνα, με καταγωγή από την παλιά, κλασσική, μηχανιστική σύλληψη της φύσης, όπως την εισήγαγαν ο Νεύτωνας και ο Γαλιλαίος. Η νέα φυσική υπερβαίνει τους περιορισμούς της παλιάς αντιμετωπίζοντας το «σωματίδιο» ως μία πιθανοτική κυματοσυνάρτηση, ως ένα στατιστικό νέφος το οποίο συμπυκνώνεται σε ένα σημείο μονάχα κατά τη στιγμή της παρατήρησης.

Η στατιστική ερμηνεία της κβαντομηχανικής ήταν άραγε μονόδρομος; Με άλλα λόγια, ήταν αναγκαίο να ερμηνευτούν οι νέες συναρτήσεις που περιέγραφαν επιτυχέστερα τη συμπεριφορά των σωματιδίων ως «στατιστικά νέφη»; Έπρεπε πάση θυσία να εγκαταλειφθεί ο αρραγής ντετερμινισμός της κλασσικής φυσικής; Για πολλούς φυσικούς της εποχής (μεταξύ των οποίων ο Πλανκ και ο Αϊνστάιν), η απόρριψη του ντετερμινισμού, ο οποίος είχε επιδαψιλεύσει τόσους καρπούς στη φυσική κατά τους προηγούμενους αιώνες, συνιστούσε κάτι σαν ιεροσυλία. Είναι γνωστή εξάλλου η φράση του Αϊνστάιν ότι «ο θεός δεν παίζει ζάρια». Αυτοί οι αντιρρησίες φυσικοί δεν ήταν απλώς απολιθώματα που η μοίρα τα προόριζε να περάσουν στο περιθώριο, όπως ίσως θα ήθελε να τους δει το συγκαταβατικό βλέμμα του νικητή, διαβάζοντας τις τότε εξελίξεις με τα μάτια του σήμερα. Λιγότερο γνωστό από τις ενστάσεις του Αϊνστάιν είναι το γεγονός ότι, ακόμα και μετά την επικράτηση της στατιστικής ερμηνείας, έγιναν συστηματικές προσπάθειες ώστε να δοθεί και μία ντετερμινιστική ερμηνεία της κβαντομηχανικής. Μία βασική μέθοδος ήταν η υπόθεση ύπαρξης των λεγόμενων «κρυμμένων μεταβλητών», οι οποίες ανήγαν ένα φαινομενικά στατιστικό σύστημα σε ντετερμινιστικό [2Υποτίθεται ότι ο γνωστός von Neumann απέδειξε το 1932 ότι δεν μπορούν να υπάρχουν κρυμμένες μεταβλητές, κάτι που ωστόσο αργότερα αμφισβητήθηκε.]. Η θεωρία του David Bohm (από το 1952) αποτελεί μάλλον την πιο γνωστή τέτοια περίπτωση [3Βλ. Φιλοσοφικές Έννοιες στη Φυσική, J. Cushing, εκδ. Leader Books, μτφρ. Μ. Ορφανού, Σ. Γιαννέλης.]. Το ενδιαφέρον με τη θεωρία του Bohm έγκειται στο ότι οι εξισώσεις στις οποίες καταλήγει είναι ακριβώς ίδιες με αυτές της στατιστικής ερμηνείας, κάτι που με τη σειρά του σημαίνει ότι δεν υφίσταται τρόπος να διακρίνουμε τη μία από την άλλη με βάση τις πειραματικές τους προβλέψεις. Αυτές είναι ακριβώς ίδιες και στις δύο περιπτώσεις. Κανένα πείραμα δεν μπορεί να επιβεβαιώσει μόνο τη μία, απορρίπτοντας την άλλη. Το αν η ντετερμινιστική ερμηνεία του Bohm αποτελεί ισοδύναμο της γνωστής στατιστικής ερμηνείας είναι ένα ζήτημα που παραμένει ακόμα ανοιχτό και κατέχει μάλλον περιθωριακή θέση στα ενδιαφέροντα των περισσότερων φυσικών. Ακόμα και αν αποδειχτεί, ωστόσο, ότι η θεωρία του Bohm δεν είναι βιώσιμη, το γεγονός και μόνο ότι αυτό το ζήτημα, από καθαρά μαθηματική και τεχνική άποψη, θεωρείται ακόμα εκκρεμές (ενώ έχει περάσει πάνω από μισός αιώνας από τότε...), υποδεικνύει κάτι άλλο κρίσιμης σημασίας: ότι η αποδοχή της στατιστικής ερμηνείας της κβαντομηχανικής κατά τον μεσοπόλεμο δεν έγινε μόνο για λόγους τεχνικής ανωτερότητας.

Οι άλλοι λόγοι που θα μπορούσαν να προταθούν ως μέρος της εξήγησης για την ανάδυση της στατιστικής (ερμηνείας της φύσης) έχουν να κάνουν με το γενικότερο κοινωνικό και διανοητικό κλίμα της μεσοπολεμικής Ευρώπης και της Γερμανίας ειδικότερα [4Βλ. Η κρίση στη Φυσική και η Δημοκρατία της Βαϊμάρης, ΠΕΚ, επιμ. Θ. Αραμπατζής – Κ. Γαβρόγλου.]. Εν μέρει ως αποτέλεσμα της ήττας της Γερμανίας στον πρώτο παγκόσμιο πόλεμο και της γενικότερης συνειδητοποίησης των καταστροφικών συνεπειών της τεχνικής προόδου – ίσως για πρώτη φορά μετά τον Διαφωτισμό, η τεχνο-επιστημονική πρόοδος αποσυνδέθηκε από την ηθική – οι επιστήμονες βρέθηκαν σε εξαιρετικά δυσχερή θέση. Τους ήταν πλέον σχεδόν αδύνατο να νομιμοποιήσουν τη θέση τους παραπέμποντας σε μία δήθεν εγγενή προοδευτική ροπή της επιστήμης. Το κλίμα είχε πλέον αναστραφεί και οι διακηρύξεις κατά του ξηρού ορθολογισμού - υλισμού, της αναλυτικής φιλοσοφίας και συνεπώς και κατά του ντετερμινισμού – ο οποίος είχε συνδεθεί ακατάλυτα με την προηγούμενη επεκτατική φάση της επιστήμης – έγιναν κοινός τόπος. Ακόμα και στη φιλοσοφία, ο βιταλισμός του Μπεργκσόν και ο υπαρξισμός του Χάιντεγκερ (με τις συνεχείς αναφορές στις ανώνυμες μάζες που κινούνται δίχως ίχνος αναστοχασμού, δηλαδή «μηχανικά») μπορούν να διαβαστούν ως συμπτώματα της κρίσης του παραδοσιακού ντετερμινισμού [5Ο υπερρεαλισμός στην τέχνη, που άνθισε την ίδια εποχή, μπορεί επίσης να διαβαστεί ως ένα τέτοιο σύμπτωμα.]. Η ολότητα (και η αναζήτησή αυτής) απέκτησε μία νέα σημασία και σαφή προτεραιότητα έναντι των μερών που κινούνται βάσει τυφλών δυνάμεων. Η κρίση στη φυσική (αλλά και στα μαθηματικά, όπως μαρτυρείται από το πρόγραμμα του Χίλμπερτ για τη θεμελίωση τους) έμοιαζε σχεδόν αναπόφευκτη. Η στατιστική ερμηνεία της κβαντομηχανικής αναφάνηκε την κατάλληλη στιγμή ώστε να διασώσει τους επιστήμονες από την διαφαινόμενη διολίσθησή τους προς την ανυποληψία. Η ανταρσία των σωματιδίων κατά του ασφυκτικού εναγκαλισμού τους από τις ντετερμινιστές εξισώσεις της κλασσικής μηχανικής εννοήθηκε (και) ως μία απόδραση προς ένα πεδίο μεγαλύτερης ελευθερίας.

Αν η στατιστική κατάφερε να κατακτήσει τη φυσική στον εσώτερο πυρήνα της, τότε ήταν ίσως αναμενόμενο το γεγονός ότι τελικά επεκτάθηκε σε πεδία πολύ λιγότερο «σκληρά». Όχι μόνο υιοθετήθηκε από τη βιολογία, αλλά έφτασε να θεωρείται ως το καθολικό πρότυπο επικύρωσης της γνώσης. Η παντοκρατορία της πιστοποιείται τα τελευταία χρόνια από την ανάδυση των λεγόμενων Big Data και των αλγορίθμων τεχνητής νοημοσύνης – οι οποίοι στη βάση τους είναι και αυτοί στατιστικής φύσης. Μεταφέρουμε στη συνέχεια απόσπασμα από ένα άρθρο του 2008 που δημιούργησε μία σχετική φασαρία όταν πρωτοεμφανίστηκε [6Στο γνωστό Wired, με τίτλο «Το τέλος της θεωρίας: ο κατακλυσμός δεδομένων καθιστά απαρχαιωμένη την επιστημονική μέθοδο».]:

«Στην κλίμακα των petabyte, η πληροφορία δεν είναι πλέον ζήτημα ταξινόμησης και διάταξης σε τρεις ή τέσσερις διαστάσεις, αλλά ζήτημα στατιστικής, για την οποία θα είναι αδιάφορος ο αριθμός των διαστάσεων. Χρειάζεται μια τελείως διαφορετική προσέγγιση που θα είναι απαλλαγμένη από την απαίτηση της οπτικοποίησης των δεδομένων στην ολότητά τους. Μας αναγκάζει να δούμε τα δεδομένα καταρχήν μέσα από μια μαθηματική σκοπιά και μόνο σε δεύτερο χρόνο να βρούμε τα συμφραζόμενά τους. Για παράδειγμα, η Google δεν χρειάστηκε τίποτα άλλο παρά μόνο εφαρμοσμένα μαθηματικά για να κατακτήσει τον κόσμο της διαφήμισης. Ποτέ της δεν προσποιήθηκε ότι γνωρίζει το παραμικρό για την κουλτούρα και τις συμβάσεις της διαφήμισης – η μόνη της υπόθεση ήταν ότι θα κατάφερνε να βγει κερδισμένη διαθέτοντας απλώς καλύτερα δεδομένα και καλύτερα εργαλεία ανάλυσης. Και είχε δίκιο.

Η βασική φιλοσοφία της Google είναι ότι «δεν γνωρίζουμε γιατί μια συγκεκριμένη σελίδα είναι καλύτερη από μια άλλη». Αν τα στατιστικά στοιχεία σε σχέση με τους εισερχόμενους συνδέσμους μάς λένε ότι όντως είναι καλύτερη, τότε αυτό μας αρκεί. Δεν χρειάζεται καμμία ανάλυση ως προς την σημασιολογία ή την αιτιολογία. Αυτός είναι ο λόγος που η Google μπορεί να μεταφράζει από γλώσσες που στην πραγματικότητα δεν «γνωρίζει» (αν της δοθεί η ίδια ποσότητα δεδομένων, η Google μπορεί με την ίδια ευκολία να μεταφράσει την γλώσσα των Klingon στα Φαρσί όπως και τα Γαλλικά στα Γερμανικά). Κι είναι επίσης ο λόγος που μπορεί να βρίσκει ποιες διαφημίσεις ταιριάζουν με ένα συγκεκριμένο περιεχόμενο χωρίς να γνωρίζει ή να υποθέτει το ο,τιδήποτε ούτε για τις διαφημίσεις ούτε για το περιεχόμενο.

...

Εδώ βρισκόμαστε μπροστά σ' έναν κόσμο όπου τα τεραστίων όγκων δεδομένα και τα εφαρμοσμένα μαθηματικά θα αντικαταστήσουν όλα τ' άλλα εργαλεία. Ξεχάστε όλες τις θεωρίες για την ανθρώπινη συμπεριφορά, από τη γλωσσολογία μέχρι την κοινωνιολογία. Ξεχάστε ταξινομικά σχήματα, οντολογίες και ψυχολογίες. Ποιος ξέρει γιατί οι άνθρωποι συμπεριφέρονται όπως συμπεριφέρονται; Το θέμα είναι ότι συμπεριφέρονται κι αυτή τη συμπεριφορά τους μπορούμε να την καταγράψουμε και να την μετρήσουμε με αδιανόητη μέχρι πρότινος πιστότητα. Αν έχουμε αρκετά δεδομένα, τότε τα νούμερα μιλάνε από μόνα τους.

Ωστόσο, στο στόχαστρο εδώ δεν βρίσκεται τόσο η διαφήμιση, αλλά η επιστήμη. Η επιστημονική μέθοδος βασίζεται στις ελέγξιμες υποθέσεις. Αυτά τα μοντέλα είναι στο μεγαλύτερο μέρος τους συστήματα, οπτικοποιημένα μέσα στο μυαλό των επιστημόνων. Κατόπιν τα μοντέλα ελέγχονται και τα πειράματα είναι που τελικά επιβεβαιώνουν ή διαψεύδουν τα θεωρητικά μοντέλα για το πώς λειτουργεί ο κόσμος. Αυτός είναι ο τρόπος της επιστήμης εδώ κι αιώνες.

Μέρος της εκπαίδευσης των επιστημόνων είναι να μαθαίνουν ότι η συσχέτιση δεν ταυτίζεται με την σχέση αιτιότητας κι ότι δεν μπορείς να εξάγεις συμπεράσματα απλά και βάσει του ότι το Χ συσχετίζεται με το Ψ (που θα μπορούσε να είναι κι απλή σύμπτωση). Πρέπει, αντιθέτως, να μπορείς να κατανοείς τους αφανείς μηχανισμούς που συνδέουν αυτά τα δύο. Από τη στιγμή που διαθέτεις ένα μοντέλο, τότε μπορείς να κάνεις με αξιοπιστία τη σύνδεση μεταξύ τους. Το να έχεις δεδομένα χωρίς κάποιο μοντέλο είναι σαν να έχεις σκέτο θόρυβο.

Με την εμφάνιση των δεδομένων μαζικής κλίμακας όμως, αυτή η προσέγγιση της επιστήμης – υπόθεση, μοντέλο, έλεγχος – καθίσταται απαρχαιωμένη. Ας πάρουμε το παράδειγμα της φυσικής: τα νευτώνεια μοντέλα δεν ήταν τίποτα άλλο παρά χοντροκομμένες προσεγγίσεις της αλήθειας (λανθασμένα όταν εφαρμόζονται στο ατομικό επίπεδο, αλλά κατά τ' άλλα χρήσιμα). Πριν εκατό χρόνια, η κβαντομηχανική, βασισμένη στη στατιστική, μάς έδωσε μια καλύτερη εικόνα – όμως κι η κβαντομηχανική είναι απλώς ένα ακόμα μοντέλο, που ως τέτοιο, είναι κι αυτό ελαττωματικό· καρικατούρα μιας πραγματικότητας που είναι πολύ πιο σύνθετη. Ο λόγος που τις τελευταίες δεκαετίες η φυσική έχει διολισθήσει προς μια θεωρητική εικοτολογία περί εντυπωσιακών ν-διάστατων ενοποιημένων μοντέλων είναι το γεγονός ότι δεν γνωρίζουμε τον τρόπο για να τρέξουμε τα πειράματα εκείνα που θα διέψευδαν όλες αυτές τις υποθέσεις – απαιτούνται πολύ υψηλές ενέργειες, πολύ ακριβοί επιταχυντές, κ.τ.λ.

Η βιολογία οδεύει προς την ίδια κατεύθυνση. Τα μοντέλα που μάθαμε στο σχολείο σχετικά με «επικρατή» και «υπολειπόμενα» γονίδια που καθοδηγούν μια αυστηρά μεντελιανή διαδικασία αποδεικνύεται ότι τελικά είναι μια απλοποίηση της πραγματικότητας ακόμα πιο χοντροκομμένη από αυτή των νευτώνειων νόμων. Η ανακάλυψη των αλληλεπιδράσεων μεταξύ γονιδίων και πρωτεϊνών, όπως κι άλλων επιγενετικών παραγόντων, έχει κλονίσει την άποψη ότι το DNA συνιστά κάτι σαν πεπρωμένο και μάλιστα πλέον διαθέτουμε ενδείξεις ότι το περιβάλλον μπορεί να επηρεάζει χαρακτηριστικά που είναι κληρονομήσιμα, κάτι που εθεωρείτο γενετικά αδύνατο κάποτε.

...

Τώρα πλέον υπάρχει ένας καλύτερος τρόπος. Με τα petabyte μπορούμε να πούμε: «η συσχέτιση μάς αρκεί». Μπορούμε να σταματήσουμε να ψάχνουμε για μοντέλα. Μπορούμε να αναλύουμε τα δεδομένα χωρίς υποθέσεις περί του τι είναι πιθανό να βρούμε. Μπορούμε να ταΐζουμε τα υπολογιστικά cluster (τα μεγαλύτερα που έχουν υπάρξει ποτέ) με αριθμούς και να αφήνουμε τους στατιστικούς αλγορίθμους να βρίσκουν τα μοτίβα που δεν μπορεί να βρει η ίδια η επιστήμη.»

Μέσα στη (φιλοσοφική) αφέλειά του [7Ως μία κριτική, βλ., για παράδειγμα, το The end of theory in science?, Massimo Pigliucci, EMBO reports, 2009. ], το συγκεκριμένο άρθρο αποδείχτηκε κατά μία έννοια προφητικό, εκφράζοντας απερίφραστα ήδη υπαρκτές τάσεις στο εσωτερικό της επιστήμης. Το 2008 η τεχνητή νοημοσύνη δεν είχε γνωρίσει ακόμα τις σημερινές δόξες της. Τώρα θεωρείται σχεδόν επιβεβλημένο κάθε προσομοίωση ενός φυσικού ή βιολογικού συστήματος να συνοδεύεται και από μία ανάλυση των αποτελεσμάτων με βάση αλγορίθμους μηχανικής μάθησης. Η αναζήτηση ενός κάποιου στατιστικού συσχετισμού μοιάζει να έχει αντικαταστήσει την αναζήτηση του ενός Νόμου που εξηγεί με αυστηρά αιτιώδεις αλυσίδες τα φαινόμενα [8Μετά την κβαντομηχανική, ο αυστηρός ντετερμινισμός είχε δεχτεί ένα ακόμα πλήγμα με την εμφάνιση της θεωρίας των χαοτικών και δυναμικών συστημάτων από τη δεκαετία του 70. Αυστηρά μιλώντας, τα χαοτικά συστήματα εξακολουθούν να είναι ντετερμινιστικά. Η αδυναμία πρόβλεψης της συμπεριφοράς τους οφείλεται στην ευαισθησία τους απέναντι στις αρχικές συνθήκες από τις οποίες ξεκινάνε. Αν όμως αυτή η ευαισθησία είναι τόσο μεγάλη ώστε κανένα όργανο να μην μπορεί να διακρίνει τις απαραίτητες διαφορές σε αυτές τις συνθήκες, τότε πρακτικά το σύστημα γίνεται μη ντετερμινιστικό.].

Από τη κβαντομηχανική μέχρι τη σύγχρονη τεχνητή νοημοσύνη (με ενδιάμεσο σταθμό τα χαοτικά συστήματα), ο ντετερμινισμός φαίνεται να έχασε σταδιακά την ισχυρή του πρωτοκαθεδρία μέσα στην επιστημονική σκέψη. Από την άλλη, η έννοια της πιθανότητας στη σύγχρονη μορφή της δεν αναφάνηκε ξαφνικά στις αρχές του 20ου αιώνα. Έχει μια μακρύτερη ιστορία, παραμένοντας ωστόσο μία ιδιαζόντως νεωτερική έννοια. Η ημερομηνία γέννησής της, αν πρέπει να εντοπιστεί μία τέτοια, βρίσκεται ήδη στον 17ο αιώνα (τον αιώνα που θριάμβευσε ο μηχανικισμός στη φυσική) [9Βλ. το The Emergence of Probability: A Philosophical Study of Early Ideas about Probability, Induction and Statistical Inference του Ian Hacking, εκδ. Cambridge University Press.]. Το 1662 εκδίδεται στη Γαλλία το περίφημο βιβλίο La Logique ou l’art de penser (Λογική ή η τέχνη του σκέπτεσθαι), ένα εγχειρίδιο λογικής που παρέμεινε σε ευρεία κυκλοφορία μέχρι τον 19ο αιώνα. Προς το τέλος του γίνεται για πρώτη φορά αναφορά σε μία έννοια πιθανότητας η οποία επιδέχεται μαθηματικών χειρισμών. Μέχρι τότε, γινόταν χρήση του όρου «πιθανός (probable)» στα πλαίσια της σχολαστικής φιλοσοφίας, χωρίς ωστόσο να συνδέεται με κάποιο τρόπο με την (αριστοτελική) λογική ή τα μαθηματικά. Ως «πιθανό» χαρακτηριζόταν κάτι όχι επειδή υπήρχαν απτά στοιχεία που να συνηγορούν υπέρ του, αλλά επειδή γινόταν ευρέως αποδεκτό από τους «ευυπόληπτους και ευφυείς» της κοινωνίας. Ενείχε, επομένως, και ισχυρές δόσεις ηθικολογίας. Για τη σχολαστική φιλοσοφία, ως «γνώση» επιτρεπόταν να χαρακτηριστούν μόνο εκείνες οι κρίσεις και αποφάνσεις που μπορούσαν να καταδειχτούν με αυστηρά αποδεικτικό τρόπο. Ο,τιδήποτε άλλο συγκαταλεγόταν στην κατηγορία της δόξας – γνώμης (opinio). Μεγαλύτερη αληθοφάνεια (probabilitas) είχε μία δόξα αν αυτή γινόταν ευρέως αποδεκτή από τα πιο μορφωμένα και ευσεβή κοινωνικά στρώματα.

Η πιθανότητα με τη νεώτερη έννοια της βρήκε χώρο να αναπτυχθεί ακριβώς στο χάσμα μεταξύ γνώσης και δόξας, ειδικά μέσα από τη δουλειά των αναγεννησιακών γιατρών. Στο βαθμό που αυτοί δεν είχαν πρόσβαση στην εσώτερη λειτουργία του σώματος – άρα και στους αυστηρά αιτιώδεις μηχανισμούς που οδηγούν σε μία πάθηση – έπρεπε να βασίζονται σε συμπτώματα, δηλαδή σε εξωτερικά σημάδια που παρείχε το σώμα. Με αυτόν τρόπο, βέβαια, δεν ήταν δυνατό να κατακτήσουν βεβαιότητες αυστηρής ακρίβειας. Μπορούσαν όμως να κάνουν χρήση των σωματικών συμπτωμάτων, διαβάζοντάς τα ως σημεία που παρέχει το πάσχον σώμα. Και σε ένα επόμενο βήμα, όλη η φύση θα μπορούσε να ιδωθεί ως ένα μεγάλο βιβλίο (με τον θεό ως συγγραφέα του, φυσικά) του οποίου τα σημεία μπορεί να αποκρυπτογραφήσει το εξασκημένο επιστημονικό βλέμμα. Το επόμενο ζήτημα που έπρεπε να λυθεί αφορούσε στο βαθμό αξιοπιστίας αυτών των σημείων. Μπορούσε κανείς να τα εμπιστευτεί; Ήταν δυνατό να ποσοτικοποιηθεί αυτή η αξιοπιστία τους; Η έννοια της συχνότητας (και των ποσοστών) ήρθε εδώ να φέρει τη λύση. Ακόμα και αν η βεβαιότητα της παραδοσιακής γνώσης δεν είναι εφικτή, μία υψηλή συχνότητα εμφάνισης ενός φαινομένου αρκούσε ώστε να παρέχει οδηγίες πρακτικής χρησιμότητας. Με αυτόν τον τρόπο, η γνώση μπόρεσε να αποκτήσει βαθμούς αληθοφάνειας. Ο Leibniz υπήρξε από τους πρώτους που έκαναν συστηματική χρήση αυτής της ιδέας. Ξεκινώντας από τη σύλληψη ότι όλη η σκέψη μπορεί να αναλυθεί σε ατομικές μονάδες, προχώρησε σε μία τολμηρή πρόταση – υπόθεση: στη δυνατότητα κατασκευής μίας μηχανής με την ικανότητα να παράγει όλους τους δυνατούς συνδυασμούς αυτών των σκεπτο-μονάδων και μετέπειτα να τους αναλύει, υπολογίζοντας ταυτόχρονα και την πιθανότητα τους. Για τον Leibniz, επομένως, οι πιθανότητες δεν ήταν απλώς ένα ζήτημα συχνοτήτων· αποτελούσαν ένα βασικό συστατικό της σκέψης (απέδιδαν αριθμητικά τη βεβαιότητα των συλλογισμών), αποκτώντας έτσι και ένα ειδικό επιστημολογικό καθεστώς.

Το γεγονός ότι η θεωρία πιθανοτήτων άρχισε να αναπτύσσεται σχεδόν παράλληλα με την κλασσική, ντετερμινιστική μηχανική δεν αποτελεί κάποιο παράδοξο, όσο κι αν φαίνεται έτσι με μια επιπόλαιη ματιά. Στην πραγματικότητα, ισχύει το ακριβώς αντίθετο! Η πιθανοκρατία προϋποθέτει, ως το αρνητικό της συμπλήρωμα, τον μηχανικισμό. Μόνο αφότου η φύση, δια χειρός μηχανικισμού, απαλλάχτηκε από τα βαρίδια της τελεολογίας μπόρεσε να εννοηθεί ως το άθροισμα μεμονωμένων σωμάτων που το καθένα κινείται από πλήρως εξωτερικές προς αυτό δυνάμεις, σαν μια μηχανή που η ίδια ποτέ δεν μπορεί να προβάλει κάποια αντίσταση. Η αντίδραση απέναντι σε τέτοιες αντιλήψεις, αν κανείς δεν είναι διατεθειμένος (καλώς ή κακώς) να νεκραναστήσει βιταλιστικές ή τελεολογικές ιδέες, εύκολα μπορεί να λάβει τη μορφή της «τυχαιότητας». Όχι της οποιασδήποτε τυχαιότητας (η Τύχη – Fortuna εξάλλου δεν ήταν άγνωστη στα αρχαία χρόνια, έχοντας φτάσει να αποδίδεται ακόμα και υπό τη μορφή θεότητας), αλλά ειδικότερα μιας τυχαιότητας που μπορεί να μετρηθεί, άρα και να ελεγχθεί σε μεγαλύτερο ή μικρότερο βαθμό.

Για την ιστορία των πιθανοτήτων και της στατιστικής, το στοιχείο της μετρησιμότητας είναι κρίσιμο και για λόγους όχι αυστηρά φιλοσοφικούς, αλλά κατεξοχήν πολιτικούς. Παρότι στις αρχές του 20ου αιώνα οι φυσικοί είδαν στη στατιστική μία διέξοδο από τον ντετερμινισμό, αυτή η ακραία αντίθεση δεν υπήρξε καθόλου αυτονόητη κατά τον 18ο και τον 19ο αιώνα. Αντιθέτως, στους γνωστούς φυσικούς νόμους ήρθαν να προστεθούν σταδιακά και οι «στατιστικοί νόμοι», χωρίς αυτός ο όρος να θεωρείται εγγενώς αντιφατικός [10Βλ. The Taming of Chance, του Ian Hacking, εκδ. Cambridge University Press.]. Η ρητορική περί στατιστικών νόμων έγινε τόσο πληθωριστική και έφτασε να εφαρμόζεται σε τόσο διαφορετικά πεδία (από τα τυχερά παιχνίδια μέχρι την ανάλυση των ποσοστών αυτοκτονίας και εγκληματικότητας) ώστε τελικά άρχισε σε ορισμένους κύκλους να γίνεται λόγος ακόμα και για τον λεγόμενο «στατιστικό φαταλισμό», ήτοι την ιδέα ότι, αν μια καμπύλη μάς δίνει συγκεκριμένα ποσοστά για μία ανθρώπινη συμπεριφορά, τότε αυτό συνεπάγεται ότι τα ανθρώπινα υποκείμενα δεν είναι ελεύθερα να την αποφύγουν. Όταν, βέβαια, γίνεται λόγος για ανθρώπινες συμπεριφορές (και τον έλεγχό τους), το ζήτημα δεν μπορεί να είναι φιλοσοφικό.

Η (εύκολη, αλλά μάλλον άγνωστη) ετυμολογία της λέξης «στατιστική» παρέχει ήδη κάποιες ενδείξεις για την ισχυρά πολιτική διάσταση της. Στα αγγλικά η λέξη για το «κράτος» είναι «state» ενώ στα γερμανικά «Staat». Ήταν, λοιπόν, ο Πρώσος διανοούμενος του 18ου αιώνα Gottfried Achenwall που πρώτος εισηγήθηκε τη χρήση της λέξης «Statistik», ορίζοντάς τη ως τη «συλλογή αξιοσημείωτων γεγονότων για το κράτος». Ως έννοια, επομένως, η στατιστική ξεκίνησε την πορεία της ως λόγος περί του κράτους· αλλά και από το κράτος. Όπως η φυσική ήταν η επιστήμη της φύσης, η στατιστική (στα ελληνικά, η «κρατική») θα γινόταν η επιστήμη του κράτους. Για τι ακριβώς μπορεί να ενδιαφερόταν το κράτος όμως; Σχεδόν για τα πάντα. Για το πότε και πού γεννήθηκε κανείς, για το πού πήγε σχολείο, πόσες τάξεις έβγαλε, αν έκανε τα εμβόλιά του, αν παντρεύτηκε, αν έκανε παιδιά, για το επάγγελμα που εξασκεί, για τη φυσική του κατάσταση και αν είναι σε θέση να φέρει όπλα, για το πότε και πώς πέθανε κ.ο.κ. Όλος αυτός ο χείμαρρος αριθμών και στατιστικών στοιχείων θα επέτρεπε εν τέλει στις αρχές να κάνουν μια εκτίμηση για την ευρωστία του κράτους. Αλλά ταυτόχρονα και να λειτουργήσει ως «αντικειμενικός» κριτής, ως «αμερόληπτος» διαμεσολαβητής μεταξύ αντιμαχόμενων κοινωνικών στρωμάτων.

Το ενδιαφέρον για τα νούμερα, τις μέσες τιμές και τις αποκλίσεις δεν περιοριζόταν μόνο στα ανθρώπινα υποκείμενα. Το ο,τιδήποτε έπρεπε να μετρηθεί, αν αυτό ήταν δυνατό, ιδιαίτερα αν αφορούσε μεγάλες κλίμακες. Η (πρώτη) βιομηχανική επανάσταση (και ο βιομηχανικός πόλεμος) θα έδινε μία επιπλέον ώθηση στη στατιστική, εφόσον η παραγωγή σε μαζική κλίμακα με χρήση μηχανών απαιτούσε την αυστηρότερη προτυποποίηση εξαρτημάτων, πρώτων υλών και τελικών προϊόντων. Για να μπορέσει να λειτουργήσει μία μηχανή χρειάζεται καθαρές ύλες και εξαρτήματα ακριβείας, χωρίς σημαντικές αποκλίσεις σε μεγέθη, αντοχές και άλλες ιδιότητες [11Γεγονός που έπαιξε ρόλο ακόμα και στην άνοδο της γενετικής. Βλ. Για μια αντι-ιστορία της γενετικής, Cyborg, τ. 24.]. Και τα χρειάζεται σε μεγάλες ποσότητες. Η βιομηχανική επανάσταση δεν απαιτούσε μόνο ατμομηχανές και κάρβουνο, αλλά και νούμερα, πολλά νούμερα, τα οποία θα φρόντιζαν να ορίσουν τι είναι «κανονικό» και τι «αποκλίνον».

Για τους στατιστικολόγους του 19ου αιώνα, ο εντοπισμός των κανονικοτήτων ανάχθηκε σε μείζον ζήτημα. Μόνο που πλέον όφειλε να αφορά τους ανθρώπους με έναν ακόμα ειδικότερο βιολογικό τρόπο. Εφόσον τα πάντα γίνονταν αντικείμενα μετρήσεων, το ίδιο θα μπορούσε να γίνει και με τα ανθρώπινα βιολογικά χαρακτηριστικά. Ο σκοπός ήταν καταρχάς (όπως θα το εξέφραζε ο Βέλγος Quetelet τη δεκαετία του 1830) να ανευρεθεί ο «μέσος άνθρωπος». Ποια ήταν άραγε η αξία αυτού του «μέσου ανθρώπου» που, ως τέτοιος, μπορεί να μην υπάρχει καν ως αληθινό υποκείμενο του πραγματικού κόσμου; Όχι η ανεύρεση κάποιων μέσων τιμών για το σύνολο της ανθρωπότητας, αλλά το χτίσιμο κάποιων «αντικειμενικών» προφίλ για συγκεκριμένες πληθυσμιακές ομάδες, για τον χαρακτηρισμό ολόκληρων «φυλών». Δεν ήταν πλέον οι πολιτισμικές ή γλωσσικές ιδιότητες που καθόριζαν μία «φυλή», αλλά τα βιολογικά της χαρακτηριστικά, τα οποία μπορούσαν να μετρηθούν με ακρίβεια ώστε να εξαχθούν μέσες τιμές για τα «κανονικά» της υποκείμενα. Επρόκειτο φυσικά για μία από τις αφετηρίες της ευγονικής. Τις ίδιες κατανομές θα χρησιμοποιούσε αργότερα και ο διαβόητος Galton, αυτή τη φορά ρίχνοντας το βάρος στις αποκλίσεις και λιγότερο στις μέσες τιμές (με τη λογική της ενίσχυσης των ακραίων, θετικών χαρακτηριστικών μίας ομάδας). Σε κάθε περίπτωση, αν ήταν δυνατό πλέον να χαραχτούν οι καμπύλες των διαφόρων ομάδων, αυτό άνοιγε το δρόμο και σε παρεμβάσεις μεγάλης κλίμακας ώστε να ενισχυθούν κάποια ή να κατασταλούν άλλα χαρακτηριστικά τους. Το 1860 ο Άγγλος γραφειοκράτης William Farr μπορούσε πλέον να πει μεγαλόφωνα:

«Οι στατιστικές ανακαλύψεις ενός έθνους αποτελούν φώτα για όλα τα έθνη. Παρά τις πυρκαγιές, την αστάθεια των ανέμων, τις αβεβαιότητες της ζωής και τις μεταβολές στα μυαλά και στις συνθήκες ζωής των ανθρώπων, από τις οποίες εξαρτώνται οι φωτιές, τα ναυάγια και οι θάνατοι, υπόκεινται παρ’ όλα αυτά σε νόμους τόσο αμετάβλητους όσο η βαρύτητα και κυμαίνονται εντός συγκεκριμένων ορίων, τα οποία ο λογισμός των πιθανοτήτων μπορεί να ορίσει εκ των προτέρων. Το αυτό ισχύει για τα εγκλήματα και άλλες πράξεις της βούλησης, έτσι ώστε ακόμα και οι παραβάσεις υπόκεινται στον ίδιο νόμο. Πρέπει να χτίσουμε ένα φαταλιστικό σύστημα πάνω σε μία τέτοια βάση; Όχι, διότι η στατιστική μάς έχει αποκαλύψει έναν νόμο των παραλλαγών. Αν εισάγετε ένα σύστημα εξαερισμού σε μη αεριζόμενα ορυχεία, τότε αντικαθιστάτε έναν νόμο με έναν άλλο. Αυτά τα γεγονότα βρίσκονται υπό έλεγχο. Κάποιες φυλές, ωστόσο, διαπράττουν βίαια εγκλήματα σε μεγαλύτερη αναλογία από άλλες. Ορισμένες τάξεις είναι πιο επικίνδυνες. Όμως, καθώς οι άνθρωποι έχουν τη δύναμη να μεταβάλλουν τη φυλή τους, έχουν επομένως και τη δύναμη να αλλάξουν τις ανθρώπινες συμπεριφορές εντός ορισμένων ορίων, τα οποία μπορεί να μας υποδείξει η στατιστική.»

Αν επισκοπήσει κανείς μακροσκοπικά την εξέλιξη του επιστημονικού σκέπτεσθαι μέσα στους αιώνες της νεωτερικότητας (από τον 17ο αιώνα κι έπειτα), τότε μπορεί να παρατηρήσει το εξής σχήμα. Κατά τον 17ο και τον 18ο αιώνα, η μηχανικισμός και ο ντετερμινισμός κατέχουν σαφώς τα ηνία. Η φύση εννοείται κατά κύριο λόγο σαν μία μεγάλη μηχανή. Όπως ο άνθρωπος εννοείται ως ένας homo faber, έτσι και ο «συγγραφέας» της φύσης (ο θεός) έπρεπε να εννοείται ως ένας μεγάλος τεχνίτης, ένας deus faber. Η ορμητική είσοδος της στατιστικής στο προσκήνιο κατά τον 19ο αιώνα (πρόδρομες διαδικασίες είχαν ξεκινήσει νωρίτερα) δεν θα επιφέρει άμεσα μία πλήρη ανατροπή του προηγούμενου παραδείγματος. Ο σκοπός, αντιθέτως, ήταν να επιστρατευτεί η στατιστική ώστε να περιγράψει φαινόμενα μεγάλης κλίμακας με τρόπο που θα προσομοίαζε αυτόν της παραδοσιακής φυσικής: με την ανακάλυψη (στατιστικών) νόμων που είχαν την ισχύ κοσμικών δυνάμεων. Μόνο στις αρχές του 20ου αιώνα η στατιστική (θα φαινόταν να) στρέφεται ευθέως κατά του ντετερμινισμού όταν και ερμηνεύτηκε με πιο «ελευθεριακούς» όρους.

Το εντυπωσιακό σε όλη αυτή την πορεία είναι η (έστω σε αδρές γραμμές) σύμπτωση των μεταπτώσεων στην εννοιολόγηση του φυσικού νόμου με τις μεταστοιχειώσεις της μορφής του νεωτερικού κράτους. Όπως το κράτος, κατά τη γέννησή του, είχε ανάγκη από έναν ηγεμόνα του οποίου η ισχύς θα έπρεπε να θεωρείται ως ενιαία και συνεχής σε όλη την επικράτειά του, έτσι και η φύση όφειλε να υποκύψει στους ντετερμινιστούς και απαράβατους νόμους της κλασσικής μηχανικής οι οποίοι ισχύουν δίχως εξαιρέσεις και αποκλίσεις. Από τη στιγμή που αυτή η πρωταρχική μορφή του κράτους απέκτησε γερά πατήματα, το επόμενο βήμα κατά τον 19ο αιώνα ήταν η γραφειοκρατική του οργάνωση σε μία πιο πατερναλιστική μορφή· με άλλα λόγια η απρόσωπη και «αντικειμενική» καταγραφή, κατηγοριοποίηση και «φροντίδα» των υπηκόων του. Δίπλα στους ντετερμινιστικούς νόμους της μηχανικής ήρθαν να προστεθούν και οι νόμοι της στατιστικής με τις μετρήσεις, τις μέσες τιμές και τις αποκλίσεις τους. Μπαίνοντας στον 20ο αιώνα, το κράτος δεν έχασε πλήρως τον πατερναλιστικό του χαρακτήρα (ακόμα). Ωστόσο, προσέθεσε στο οπλοστάσιό του ένα επίπλασμα μαζικής «δημοκρατίας» ώστε να συμβαδίζει με την αναδιοργάνωση της παραγωγής και της κατανάλωσης στα πρότυπα ενός εξίσου μαζικού μοντέλου. Τα ήθη, τόσο τα κοινωνικά όσο και τα επιστημονικά, έπρεπε και αυτά να ακολουθήσουν προς αυτή την πιο «ελευθεριακή» κατεύθυνση. Η στατιστική μπόρεσε έτσι να σηκώσει το μπαϊράκι της απελευθέρωσης από τα δεσμά του ντετερμινισμού.

Έχει τη σημασία του εδώ να γίνει κατανοητό ότι η στατιστική, όπως εφαρμόστηκε στην κβαντομηχανική, δεν είχε αποσπαστεί πλήρως από την απαίτηση για ύπαρξη κάποιας εκλεπτυσμένης θεωρίας που να λειτουργεί ως αντιστήριγμα. Η κβαντομηχανική απέχει πολύ από το να πετάει τη θεωρία στα σκουπίδια. Δεν απαιτεί απλώς θεωρία. Απαιτεί πολύ περισσότερη και πολύ πιο εκλεπτυσμένη θεωρία για να δώσει στο τέλος τις εξισώσεις της. Η πλήρης αποσύνδεση της στατιστικής από κάθε θεωρητική απαίτηση, όπως απαιτούν διάφοροι θιασώτες της σύγχρονης μηχανικής μάθησης, συνιστά ένα ιδιαζόντως μετα-νεωτερικό φαινόμενο. Από αυτή την άποψη, η στατιστική μοιάζει έτσι να συμμορφώνεται με τη λογική και την ιδεολογία του νεο-φιλελεύθερου κράτους το οποίο δεν έχει να προσφέρει και δεν χρειάζεται καμμία «μεγάλη αφήγηση» και καμμία προστασία στους «ανεξάρτητους» και «ελεύθερους» υποτελείς του.

Είναι απορίας άξιο το πώς η στατιστική έφτασε κάποτε, πριν έναν αιώνα, να θεωρηθεί ως διέξοδος προς την ελευθερία. Στον βαθμό που αποτέλεσεαπάντηση στον μηχανικισμό, το καλύτερο που μπορεί να προσφέρει, ως αρνητικό συμπλήρωμά του, είναι την «ελευθερία» της τυχαιότητας δίχως σκοπό και δίχως κατεύθυνση, την «ελευθερία» του ζαριού· δηλαδή, εν τέλει, την «ελευθερία» του ανόργανου και του νεκρού. Ακόμα και αν χρησιμοποιηθεί για πιο πεζούς και πρακτικούς σκοπούς, ως ένα βοήθημα στη λήψη αποφάσεων, η χρησιμότητά της σε ατομικό επίπεδο παραμένει εξαιρετικά αμφίβολη, ειδικά όταν οι πιθανότητες είναι κατανεμημένες με μία ισορροπία. Αν γνωρίζω ότι μία δεδομένη πράξη μου έχει 45% πιθανότητα να οδηγήσει στα Α αποτέλεσμα και 55% στο Β, ποια είναι πραγματικά η αξία μίας τέτοιας «γνώσης» για εμένα τον ίδιο ως άτομο; Πρακτικά αδιάφορη, θα έλεγε ίσως κάποιος. Για μια εταιρεία όμως ή για ένα κράτος ή για οποιονδήποτε διαχειρίζεται πληθυσμούς σε μεγάλη κλίμακα, αυτή η μικρή διαφορά μπορεί να μεταφράζεται σε εκατομμύρια κερδών ή σε εκατομμύρια νεκρών στα πεδία μάχης. Πράγματι, λοιπόν, η στατιστική άνοιξε διόδους ελευθερίας: του ίδιου του κράτους, από και προς τους υποτελείς του, για την λυσιτελή βιοπολιτική διαχείρισή τους.

Separatrix

Σημειώσεις

1 - Βλ. Μπροστά στην πόρτα του (φυσικού) νόμου, Cyborg, τ. 29.
[ επιστροφή ]

2 - Υποτίθεται ότι ο γνωστός von Neumann απέδειξε το 1932 ότι δεν μπορούν να υπάρχουν κρυμμένες μεταβλητές, κάτι που ωστόσο αργότερα αμφισβητήθηκε.
[ επιστροφή ]

3 - Βλ. Φιλοσοφικές Έννοιες στη Φυσική, J. Cushing, εκδ. Leader Books, μτφρ. Μ. Ορφανού, Σ. Γιαννέλης.
[ επιστροφή ]

4 - Βλ. Η κρίση στη Φυσική και η Δημοκρατία της Βαϊμάρης, ΠΕΚ, επιμ. Θ. Αραμπατζής – Κ. Γαβρόγλου.
[ επιστροφή ]

5 - Ο υπερρεαλισμός στην τέχνη, που άνθισε την ίδια εποχή, μπορεί επίσης να διαβαστεί ως ένα τέτοιο σύμπτωμα.
[ επιστροφή ]

6 - Στο γνωστό Wired, με τίτλο «Το τέλος της θεωρίας: ο κατακλυσμός δεδομένων καθιστά απαρχαιωμένη την επιστημονική μέθοδο».
[ επιστροφή ]

7 - Ως μία κριτική, βλ., για παράδειγμα, το The end of theory in science?, Massimo Pigliucci, EMBO reports, 2009.
[ επιστροφή ]

8 - Μετά την κβαντομηχανική, ο αυστηρός ντετερμινισμός είχε δεχτεί ένα ακόμα πλήγμα με την εμφάνιση της θεωρίας των χαοτικών και δυναμικών συστημάτων από τη δεκαετία του 70. Αυστηρά μιλώντας, τα χαοτικά συστήματα εξακολουθούν να είναι ντετερμινιστικά. Η αδυναμία πρόβλεψης της συμπεριφοράς τους οφείλεται στην ευαισθησία τους απέναντι στις αρχικές συνθήκες από τις οποίες ξεκινάνε. Αν όμως αυτή η ευαισθησία είναι τόσο μεγάλη ώστε κανένα όργανο να μην μπορεί να διακρίνει τις απαραίτητες διαφορές σε αυτές τις συνθήκες, τότε πρακτικά το σύστημα γίνεται μη ντετερμινιστικό.
[ επιστροφή ]

9 - Βλ. το The Emergence of Probability: A Philosophical Study of Early Ideas about Probability, Induction and Statistical Inference του Ian Hacking, εκδ. Cambridge University Press.
[ επιστροφή ]

10 - Βλ. The Taming of Chance, του Ian Hacking, εκδ. Cambridge University Press.
[ επιστροφή ]

11 - Γεγονός που έπαιξε ρόλο ακόμα και στην άνοδο της γενετικής. Βλ. Για μια αντι-ιστορία της γενετικής, Cyborg, τ. 24.
[ επιστροφή ]