سائنس اور جعلی سائنس کے درمیان ایک وسیع پیمانے پر قبول شدہ نظریہ ہے جسے پوپول کا جعلی نظریہ کہا جاتا ہے۔
یعنی تمام سائنسی قوانین کبھی بھی ثابت نہیں ہو سکتے۔ عام طور پر یہ کہا جاتا ہے کہ سائنسی قوانین کبھی بھی آپ کو حقائق کے مطابق ثابت نہیں کر سکتے۔ خاص طور پر ان لوگوں کو جو ان کو ثابت کرتے ہیں۔ مثال کے طور پر، ہم سب اب جانتے ہیں کہ زمین سورج کے گرد گھومتی ہے، اور میں آپ کو دکھانا چاہتا ہوں کہ کیا کرنا ہے۔ سب سے بہتر طریقہ یہ ہے کہ آپ کو ایک بہت بڑا دوربین مل جائے اور آپ کو دور سے ویڈیو بھیج دی جائے۔ لیکن آپ کہہ سکتے ہیں کہ زمین سورج کے گرد گھومتی ہے، آپ یہ ثابت نہیں کر سکتے کہ ڈانگ زمانہ کی زمین بھی سورج کے گرد گھومتی ہے۔ اس کا نتیجہ اس سے کہیں زیادہ مشکل ہے۔ میں قدیم کتابیں تلاش کروں گا اور زمین سے طلوع ہونے والے سورج کے بارے میں تحریری ریکارڈوں کو پلٹ دوں گا۔ آپ کہہ سکتے ہیں کہ یہ شاید سورج تھا، اور آپ یہ ثابت نہیں کر سکتے کہ یہ ڈائنوساروس کے زمانے کے بعد تھا، زمین سورج کے گرد گھومتی تھی، اور یہ تحریری ریکارڈ بہت زیادہ مشکل ہے۔ اس کا عملی ثبوت یہ ہے کہ یہ ممکن نہیں ہے کہ آپ اس اصول کی بنیاد پر بات کریں، آپ کبھی بھی تیزی سے قریب
سائنس کی تعریف اس طرح کی جا سکتی ہے: سائنس تجرباتی ہے یعنی وہ تاریخی طور پر ثابت کرنے کے قابل ہے، اور وہ کچھ جھوٹی پیش گوئیاں کرنے کے قابل ہے، جو بالکل جھوٹی ثابت ہونے کے قابل ہیں، یعنی اس سائنسی نظریہ کی پیش گوئیاں آزمائش کے ذریعہ رد کی جا سکتی ہیں، اور صرف اس صورت میں جب یہ دونوں شرائط پوری ہو جائیں تو ہم سائنس کا نام لے سکتے ہیں۔ اس کے برعکس، اگر آپ ایک نظریہ پیش کرتے ہیں اور اس کی پیش گوئیاں تجربات کے ذریعہ کبھی بھی رد نہیں کی جاسکتی ہیں، تو آپ اسے جھوٹی سائنس کہہ سکتے ہیں۔
مثال کے طور پر، آپ کہتے ہیں کہ ایک شخص 5 میٹر لمبا ہو سکتا ہے، ہم نے دنیا بھر کے تمام لوگوں کو شمار کیا ہے اور ایک بھی نہیں پایا، لیکن پھر بھی آپ کے نتیجے کو رد نہیں کیا جا سکتا، کیونکہ ہم یہ ثابت نہیں کر سکتے کہ ڈانگ دور میں ایک شخص 5 میٹر لمبا تھا، اگر آپ کے نتیجے کو رد نہیں کیا جا سکتا، تو آپ نے جو کہا ہے اسے سائنسی کیوں نہیں مانتے، کیونکہ آپ نہ تو 5 میٹر لمبا شخص ثابت کر سکتے ہیں اور نہ ہی یہ پیش گوئی کر سکتے ہیں کہ کب 5 میٹر لمبا شخص ہوگا؟ لہذا جب ایک نظریہ صرف 5 میٹر لمبا شخص ثابت کر سکتا ہے اور جھوٹی پیش گوئی کو ثابت نہیں کر سکتا، اور اس کے نتیجے میں ہم اسے سائنسی نہیں مان سکتے۔ ایک اور مشہور مثال کے طور پر، سیاہ چیتے کی دریافت سے پہلے، تمام چیتے سفید تھے یا نہیں؟ سائنسی تعریف کے مطابق، تاریخی چیتے سفید تھے، اور میں یہ بھی پیش گوئی کر سکتا ہوں کہ آپ کے بیان میں 5 میٹر لمبے چیتے کی پیدائش کی ایک غلطی ہے، اور آپ یہ بھی ثابت کر سکتے ہیں کہ یہ ایک نظریہ
مندرجہ بالا تمام علوم سو فیصد درست سائنس ہیں اور ان کی بے شمار جانچ پڑتال کی جاسکتی ہے، لیکن اگر ایک بار جانچ پڑتال کی جائے تو یہ سائنس نہیں ہے۔ مثال کے طور پر ، ایک سیاہ سوان کی دریافت ، آپ یہ طے کرسکتے ہیں کہ تمام سوان سفید ہیں۔ پھر سوال یہ پیدا ہوتا ہے ، اگر میں ایک تجویز پیش کرتا ہوں تو ، 95٪ سوان سفید ہیں ، کیا یہ سائنس نہیں ہے؟ یہ ظاہر ہے کہ تصدیق کرنا مشکل ہے ، اور اس کی تصدیق کرنا بھی مشکل ہے۔
اس کے بعد وہ بہت شرمندہ ہو گیا کہ ہماری زندگی میں ہر چیز امکانات پر مبنی ہے۔ مثال کے طور پر، میں نے پچھلے چند سو سالوں کے اعدادوشمار پر مبنی یہ نتیجہ اخذ کیا کہ اگست میں ہر سال ایک طوفان کا امکان 90 فیصد ہے، چاہے آپ اس پر یقین کریں یا نہ کریں۔ مثال کے طور پر، کل بارش کا امکان 50 فیصد ہے، چاہے آپ اس پر یقین کریں یا نہ کریں۔ ساحل سمندر پر تجارت کا امکان 40 فیصد ہے۔ کیا آپ اس پر یقین کریں؟ یہ بھی اس سوال کی کلید ہے کہ نظریہ خود غیر سنجیدہ اعدادوشمار کے امکانات پر کیسے یقین کریں؟
یقیناً آپ غیر سنجیدہ اعدادوشمار کا انتخاب کر سکتے ہیں جو کہ ناقابلِ یقین ہیں، لیکن حقیقت یہ ہے کہ آپ کو یقین ہو یا نہ ہو، آپ کو بہت زیادہ اثر پڑتا ہے۔ مثال کے طور پر، آپ 10 سال تک جنگ لڑتے رہے ہیں، آپ فرنٹ لائن پر جانا چاہتے ہیں، اور پھر آپ 10 سال کے دوران فرنٹ لائن کی 10 فیصد اموات کا تخمینہ لگاتے ہیں، اور آپ کو لگتا ہے کہ آپ کی قسمت ٹھیک ہے، تو آپ فوج میں شامل ہونا چاہتے ہیں، لیکن اگر آپ 60 فیصد اموات کا تخمینہ لگاتے ہیں، تو آپ خوفزدہ ہو جاتے ہیں، اور آپ کہتے ہیں کہ آپ کو اس اعدادوشمار پر یقین نہیں ہے، آپ کو یقینی طور پر روک دیا جاتا ہے۔ ایک اور مثال کے طور پر، ایک لامحدود جیب ہے، جس میں سفید گیندیں بھری ہوئی ہیں، اور آپ کو معلوم ہے کہ سرخ گیندوں کا حقیقی تناسب کیا ہے، لیکن آپ نے 2400 گیندیں لی ہیں، اور آپ کو معلوم ہے کہ سرخ گیندوں کا تناسب 6 سے 4 ہے، اور آپ کو لگتا ہے کہ آپ صحیح گیند کھیل رہے ہیں، تو آپ کس طرح نیچے جاتے ہیں؟ سرخ گیندوں
اعداد و شمار کے مطابق، یہ ظاہر ہے کہ یہ ثابت کرنا بہت آسان ہے کہ اس کے برعکس ہے، لیکن اس کے برعکس یہ ثابت کرنا مشکل ہے۔ اعداد و شمار کے مطابق، یہ سائنسی نہیں ہے، یہ متنازعہ ہے، میں یہ نہیں کہہ رہا ہوں، میں یہاں بحث نہیں کر رہا ہوں، میں صرف اس کے بارے میں بات کر سکتا ہوں کہ یہ کس طرح یقین کیا جا سکتا ہے.
یہاں ایک قابلِ جانچ تعداد کا معاملہ ہے، جو پہلے زیادہ قابلِ جانچ ہوتی ہے، وہ زیادہ قابلِ اعتماد ہوتی ہے، اور جو پیش گوئی بعد میں زیادہ قابلِ جانچ ہوتی ہے، وہ زیادہ قابلِ اعتماد ہوتی ہے۔ پچھلے 11،000 تجربات، نتائج، تجربات سے ایک ہزار گنا زیادہ قابلِ اعتماد ہوتے ہیں۔ پیش گوئی کے بعد 10،000 ٹیسٹ، نتائج، تجربات سے ایک ہزار گنا زیادہ قابلِ اعتماد ہوتے ہیں۔ (لاجیکل تھنک ٹائم پروگرامز، بیزس تھیوری کے بارے میں بات کرتے ہیں، تقریباً اسی معنی میں) ۔ مثال کے طور پر، پچھلی مثال میں، اگر آپ صرف تقریباً دو ماہ کے لیے 10 فیصد فرنٹ لائن اموات کا تخمینہ لگاتے ہیں، تو آپ فوج میں شامل ہوتے ہیں، اور پھر تقریباً 10 سال بعد موت کی شرح 60 فیصد ہے، اور آپ کو اس کا کوئی افسوس نہیں ہوتا۔
اس کے بعد اہم بات یہ ہے کہ ہم کس طرح اعلی منافع بخش مقدار کی حکمت عملی پر یقین رکھتے ہیں؟
سائنسی طریقہ کار کے مطابق ، سب سے پہلے ، تاریخی طور پر تصدیق شدہ حکمت عملی واقعی اعلی منافع بخش ہے ، یقینا the زیادہ وقت کی جانچ کے ل better بہتر ، زیادہ سے زیادہ جانچ کے ل better بہتر ہے۔ پھر پیش گوئی کریں ، اگلے کچھ سالوں میں (مثال کے طور پر 3 سال) پھر بھی اعلی منافع کا امکان برقرار رہے گا۔ جب تک کہ بلیک سوان ظاہر نہیں ہوتا ہے۔ لہذا حکمت عملی ناکام ہونے سے پہلے ہی قابل اعتماد ہے۔ یقینا ، پیش گوئی کرنے کے بعد ، یعنی حقیقت پسندانہ ، وقت کافی ہونا چاہئے۔
مثال کے طور پر، جرن کی چھوٹی سی تجارت کی حکمت عملی ثابت ہوئی ہے کہ وہ 300 سے نیچے چلتی ہے، اور میں نے پیش گوئی کی ہے کہ یہ اگلے 10 سالوں میں بھی چلتی رہے گی، اگرچہ اس کی تصدیق میں ایک طویل وقت لگے گا، اور اگر یہ پیش گوئی 10 سال بعد درست ہے تو یہ قابل اعتماد ہے.
کچھ لوگ یہ بھی کہیں گے کہ تخلیقی حکمت عملیاں 2007 سے اب تک کی ہیں ، بہت طویل انتظار کرنے کے لئے ، بہت طویل انتظار کریں۔ میں نے ایک اچھا طریقہ بتایا ، حکمت عملیوں کی جانچ کا وقت 2007 سے 11 سال کے آخر تک مقرر کیا گیا ہے ، ایک بہترین حکمت عملی بنائیں ، اور پھر 2007 سے 16 سال تک دیکھیں ، اس کا مطلب یہ ہے کہ یہ 5 سال کی جانچ کے مترادف ہے ، اور پیشن گوئی کے بعد 5 سال کی جانچ ، اور یہ دیکھنا ہے کہ آیا یہ کام کرتا ہے۔ (میرے خیال میں ان لوگوں کی جانچ صرف ایک سال کی نئی اسٹاک حکمت عملی ناقابل اعتماد ہے)
جیسا کہ ٹیسٹ کی تعداد کے لئے، مثال کے طور پر، 2007 سال سے اب تک کی حکمت عملی ہے، ہولڈنگ کا دورانیہ 2 دن ہے، ہولڈنگ کا دورانیہ 1 دن ہے، میں نے اکثر محسوس کیا ہے کہ بہت پیچیدہ حکمت عملی کے لئے، ہولڈنگ کا وقت تبدیل کرنے کے لئے ایک دن، حکمت عملی کی سالگرہ 100٪ تک گر سکتی ہے. لہذا 4 دن ہولڈنگ کی حکمت عملی، 4 آغاز کے اوقات کی جانچ پڑتال کرنا؛ 60 دن یا اس سے زیادہ حکمت عملی، کم از کم ہر 5 دن میں ایک بار جانچ پڑتال کرنا.
جب آپ کے پاس دو یا دو سے زیادہ مقابلہ کرنے والی نظریات ہیں جو ایک ہی نتیجے پر پہنچتی ہیں تو ، آسان یا قابل تردید ایک بہتر ہے۔ اس بیان کی ایک زیادہ عام اور مضبوط شکل بھی ہے: اگر آپ کے پاس دو یا دو سے زیادہ اصول ہیں ، اور وہ سب مشاہداتی حقائق کی وضاحت کرسکتے ہیں تو ، آپ کو آسان یا قابل تردید ایک کا استعمال کرنا چاہئے ، جب تک کہ مزید ثبوت نہیں ملتے ہیں۔ مظاہر کی سب سے آسان وضاحت کے لئے اکثر زیادہ پیچیدہ وضاحتیں درست ہوتی ہیں۔ اگر آپ کے پاس دو یا دو سے زیادہ اسی طرح کے حل ہیں تو ، آسان ترین کا انتخاب کریں۔ کم سے کم مفروضہ کی ضرورت ہے کہ وضاحت صحیح ہے۔ لیکن اوما کے شیشے خود سائنس نہیں ہیں ، یہ تجربے کی بات ہے۔
مثال کے طور پر ، شہنشاہ کا نیا لباس ؛ شہنشاہ کو گلیوں میں گدا کے ساتھ چلتے ہوئے دیکھ کر ، وزیر اعظم اور اس کے پڑوسیوں کے پاس ناک کے بالوں والے چھوٹے بالوں والی عجیب و غریب رجحان کی ایک دوہری تشریح ہے۔ پہلے وزیر اعظم کی وضاحت دیکھیں: ایک ، فرض کریں کہ شہنشاہ دنیا کے خوبصورت ترین لباس میں سے ایک پہنے ہوئے ہیں۔ دو ، فرض کریں کہ صرف ذہین ہی دیکھ سکتے ہیں۔ تین ، فرض کریں کہ میں بیوقوف ہوں۔ لہذا میں نے ایک روشن گدا والا شہنشاہ دیکھا ہے۔ چھوٹے بالوں کی وضاحت: ایک ، فرض کریں کہ شہنشاہ بالکل بھی کپڑے نہیں پہنے ہوئے ہیں۔ لہذا میں نے ایک روشن شہنشاہ دیکھا ہے۔ اوکارم کے ریزر کے اصول کے مطابق ، چھوٹے بالوں کی وضاحت سچائی کے قریب ہونے کا سب سے زیادہ امکان ہے! کیونکہ اس کا سب سے بڑا فرض ہے۔
اس کے بعد اہم بات یہ ہے کہ جتنی سادہ حکمت عملی ہوگی اتنی ہی موثر ہوگی۔
جواب ہاں میں ہے۔ خاص طور پر چھوٹی سی تعداد میں چیک کرنے کی حکمت عملی۔
مثال کے طور پر نئے اسٹاک ، بڑے اسٹاک خاص طور پر اچھے وقت ہوتے ہیں ، اس سال خاص طور پر اچھا کارکردگی کا مظاہرہ کرتے ہیں ، لیکن یہ اگلے سال ناکام ہونے کا بہت امکان ہے۔ مثال کے طور پر 2007 کے بڑے اسٹاک ، کم قیمت والے اسٹاک ، بہت اچھا کارکردگی کا مظاہرہ کرتے ہیں ، اب یہ عام ہے۔
مثال کے طور پر، 28 رجحانات، جو کہ 28 سٹائل پر مبنی ہیں، ان کے درمیان فرق ہونا ضروری ہے، اور کافی طویل رجحانات ہوسکتے ہیں، لیکن مستقبل میں کیوں نہیں؟
مثال کے طور پر ، ہم نے کہا کہ ایم اے (ایس بی اے) 2.20 پی ایچ ڈی 300 کے لئے بہت اچھا ہے ، لیکن پی ایچ ڈی 500 کے لئے بہت اچھا نہیں ہے ، لیکن حقیقت یہ ہے کہ پی ایچ ڈی 300 ایم اے (ایس بی اے) 2.20 پہلے سے ہی کام نہیں کررہا ہے ، تو یہ ناکام ہوگیا ہے۔ رجحان اور 28 بہت کم جانچ پڑتال ہیں ، بڑے بازاروں کا سامنا کرنا پڑتا ہے ، سال میں شاید دو یا تین بار جانچ پڑتال کی جاتی ہے۔
مثال کے طور پر، ایک چھوٹی سی اور درمیانے درجے کی پینل pb ((3,6.5) بہت اچھا کام کرتا ہے، لیکن 2007 سال میں صرف تین بار ٹیسٹ کیا گیا ہے، آپ کو کیسے پتہ چلتا ہے کہ یہ طویل عرصے تک کم نہیں ہوگا، جیسے کہ 300 میں؟
اور آخری مثال کے طور پر، چھوٹی سی تجارت، بہت اچھی حکمت عملی، آپ کو نہیں لگتا کہ یہ 300 میں ناکام ہو جائے گا، آپ کو یہ پوسٹ دیکھ سکتے ہیں.
اس کے بعد میں نے اس کے بارے میں سوچا کہ کیا میں لکھ سکتا ہوں؟
مندرجہ بالا الفاظ ، حوالہ جات ، وقت کی شکل میں چکنائی ، چکنائی کے فلسفیوں نے کیا کیا ہے چکنائی ، وکیپیڈیا