fbpx Neutrini e lezioni filosofiche dimenticate | Scienza in rete

Neutrini e lezioni filosofiche dimenticate

Primary tabs

Tempo di lettura: 2 mins

C’era un tempo in cui filosofia e scienza dialogavano in modo fruttuoso e i fisici (scienziati) sapevano di filosofia, anzi co-costruivano la filosofia della scienza (ricordate che dissero Ernst Mach, Pierre Duhem, Henri Poincaré, Norman Campbell, Percy Bridgman, Heinrich Hertz, Hermann von Helmholtz, Albert Einstein, Niels Bohr ecc.?). Poi venne il tempo in cui le discipline si separarono e nulla fu più come prima. Specie in Italia, quando la filosofia divenne storia della filosofia e i filosofi della scienza divennero storici della filosofia della scienza proposta dagli anglosassoni alcuni anni prima. Così cominciammo a parlare soprattutto di Karl Popper che, nelle mani di divulgatori superficiali e poco inclini alla creatività filosofica, divenne una specie di macchietta valida per ogni stagione; uno per il quale la scienza era unicamente falsificazione: tu hai una teoria scientifica (la relatività ristretta), trovi un risultato sperimentale (i neutrini che vanno più veloci della luce) e la teoria è falsificata. Amen.

Eppure le cose sono più sofisticate, come ci insegnò Pierre Duhem nel suo La théorie physique son objet et sa structure del 1906. Eppure non tutto è falsificazione. Non tutto è modus tollens, ossia quell’inferenza logica per la quale se T (teoria) implica p (conseguenza empirica) e p non si dà (l’esperimento dice no), allora T è falsificata. Tra l’altro, il modus tollens, per gli amanti delle curiosità, non fu inventato né da Popper, né dai popperiani italiani, ma è un modo valido di ragionare noto fin dall’inizio della storia della logica e usato lungo tutti i duemila e passa anni del cammino del pensiero che ha portato alla scienza (alla fisica) di oggi.

Ebbene Duhem, peraltro un fisico che si occupò soprattutto di idrodinamica e termodinamica (ricordate l’equazione di Gibbs-Duhem e l’equazione di Duhem–Margules?), nel libro su citato scrive a chiare lettere che mai una teoria scientifica è messa alla prova da sola. In realtà, vi è un intero corpus di sapere che è in gioco in un esperimento (la teoria in oggetto, le teorie che rendono conto del funzionamento di tutte le parti dell’apparato sperimentale, la teoria dell’errore e la statistica con cui si elaborano i dati, l’apparato sperimentale ecc.). Questo significa, continua Duhem, che sarebbe naïve pensare che, in caso di risultato sperimentale negativo, si debba immediatamente “scagliare la freccia del modus tollens” contro la teoria in oggetto. In realtà, prima di parlare e di azzardare un giudizio, si dovrebbero analizzare e controllare tutte le componenti del corpus di sapere in questione, apparato sperimentale incluso.

Certo, Duhem faceva filosofia quando diceva questo; ma forse un pizzico di filosofia, se ben fatta, non sarebbe male nemmeno ai giorni nostri, così apparentemente smaliziati. 


Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

La medicina di precisione non può fare a meno degli small data

I big data promettono di rivoluzionare la medicina, ma rischiano di nascondere più di quanto rivelino quando si tratta di curare il singolo paziente. Lorenzo Farina argomenta che gli small data - i dati «piccoli» abbastanza da essere compresi direttamente dal clinico - non sono un residuo del passato ma un elemento irrinunciabile della medicina di precisione. La vera sfida non è scegliere tra i due paradigmi, ma abbandonare l'approccio data-driven e tornare a ragionare per domande: prima la questione clinica, poi i dati necessari a rispondervi.

Gli small data sono definiti come quei dati di dimensione abbastanza «piccola» da poter essere immediatamente compresi da un essere umano, non tanto nella loro interpretazione che ovviamente ha sempre e necessariamente bisogno della analisi, ma nel loro significato biologico generale. Tipicamente, sono il risultato di esperimenti di laboratorio che non utilizzano macchine per l'analisi dei dati omici, bensì altre biotecnologie in grado di misurare relativamente «pochi» dati per provare a rispondere alla domanda che interessa.