เส้นทางการค้นพบ

การค้นพบครั้งสำคัญๆ ในประวัติศาสตร์ล้วนแล้วแต่เกิดจากการมองหาสิ่งหนึ่งแต่ดันไปพบอีกสิ่งหนึ่งโดยไม่ตั้งใจ เหมือนที่โคลัมบัสที่แล่นเรือไปทางทิศตะวันตกเพื่อไปอินเดียแต่กลับค้นพบทวีปใหม่แทน

คำว่า Serendipity ที่แปลว่า “การมีโชคในการค้นพบสิ่งต้องการโดยบังเอิญ” นั้นมีที่มาจากนิทานปรัมปราเรื่อง The Three Princes of Serendip ที่ว่าด้วยเจ้าชายสามพระองค์จากเมือง Serendip ที่ค้นพบสิ่งใหม่ๆ โดยไม่ได้ตั้งใจ

ในกลายการค้นพบ มนุษยชาติมักไม่สำเหนียกว่าสิ่งที่เขาค้นพบนั้นสำคัญแค่ไหน

ตอนที่ Copernicus ตั้งสมมติฐานว่าโลกไม่ได้เป็นศูนย์กลางของจักรวาลนั้น ไม่มีผู้มีอำนาจคนใด (ที่เชื่อว่าโลกคือศูนย์กลางของจักรวาล) รู้สึกเป็นเดือดเป็นร้อนจนกระทั่งโคเปอร์นิคัสตายไปแล้ว 75 ปี

ตอนที่ Charles Darwin นำเสนองานวิจัยเรื่องวิวัฒนาการเป็นครั้งแรกให้กับคณะกรรมการในสมาคม Linnean society สมาคมออกมาประกาศว่า “ไม่มีการค้นพบอะไรที่น่าประทับใจ” (no striking discovery)

หรือนักธุรกิจอย่าง Thomas Watson ก็ยังเคยทำนายว่าโลกใบนี้มีความต้องการใช้คอมพิวเตอร์แค่ 5 เครื่องเท่านั้น คนทั่วไปทำนายแบบนี้ก็ถือว่าผิดพลั้งมากแล้ว แต่คุณวัตสันนี่เป็นถึงผู้ก่อตั้ง IBM!

 

ผีเสื้อกระพือปีก

หลังการปฏิวัติทางวิทยาศาสตร์ มนุษย์รู้สึกว่าตัวเองมีเครื่องมือที่จะทำนายการเคลื่อนไหวของดวงดาวได้ จักรวาลก็เหมือนนาฬิกาที่มีกลไกและกฎระเบียบที่ชัดเจน แค่ใช้สูตรที่เหมาะสมและใส่ค่าตัวแปรให้ถูกต้อง เราก็สามารถทำนายได้ว่าดวงดาวเหล่านี้จะเคลื่อนไหวอย่างไร

แต่ Henri Poincaré (อองรี ปวงกาเร) นักคณิตศาสตร์ชาวฝรั่งเศสได้ออกมาเตือนว่า สูตรและสมการต่างๆ ของเรานั้นมีขีดจำกัด ปวงกาเรอธิบายคอนเซ็ปต์ non-linearity ที่ input เพียงน้อยนิดอาจนำไปสู่ผลกระทบที่รุนแรงได้ ซึ่งคอนเซ็ปต์นี้ต่อมาเรารู้จักกันในนาม Chaos theory ที่บอกว่าผีเสื้อกระพือปีกในอินเดียทำให้เกิดพายุทอร์นาโดในอเมริกาได้นั่นเอง

ปวงกาเรบอกว่า ถ้าเรามีดาวเคราะห์แค่สองดวงในระบบ เราจะสามารถทำนายการเคลื่อนไหวของดาวเคราะห์ได้อย่างเที่ยงตรงและยาวนาน แต่เมื่อใดก็ตามที่เรามี “วัตถุชิ้นที่สาม” (third body) เข้ามาอยู่ในระบบด้วย (เช่นดาวหาง) ต่อให้มันจะมีขนาดเล็กและตอนแรกจะไม่ส่งผลอะไรก็ตาม แต่เมื่อเวลาผ่านไปการเคลื่อนไหวของดาวเคราะห์สองดวงแรกจะได้รับผลกระทบจากวัตถุชิ้นที่สามอย่างมหาศาล

นักคณิตศาสตร์ชื่อ Michael Berry สาธิตความซับซ้อนของการทำนายด้วยการคำนวณวิถีการวิ่งของลูกบิลเลียด

การคำนวณว่าลูกบิลเลียดจะวิ่งไปทางไหนในการ “กระทบครั้งแรก” ของลูกบิลเลียด (the first impact) นั้นทำได้ค่อนข้างง่าย แค่รู้น้ำหนัก ขนาด ความเร็วของลูกบิลเลียดและรู้แรงต้าน (resistance) ของสักหลาดบนโต๊ะก็สามารถคำนวณได้แล้ว

ส่วนการคำนวณการ “การกระทบครั้งที่ 2” (second impact) ก็ยังพอทำได้แต่ก็ต้องใช้ข้อมูลมากขึ้นและต้องมีค่าตัวแปรที่แม่นยำมากขึ้น

แต่พอไปถึง 9th impact การจะคำนวณวิถีได้ถูกต้องนั้นเราจำเป็นต้องคำนึงถึง “แรงดึงดูด” (gravitational pull) ที่เกิดจากคนที่ยืนดูอยู่รอบๆ โต๊ะด้วย

และถ้าหากจะคำนวณไปให้ถึง 56th impact เราจำเป็นต้องเอาทุกอนุภาคในจักรวาลมาอยู่ในสมการ! อิเลคตรอน ณ สุดขอบจักรวาลที่อยู่ห่างออกไป 10,000 ล้านปีแสงก็ยังส่งผลกระทบต่อการเคลื่อนไหวของลูกบิลเลียดในการกระทบกันครั้งที่ 56

ขนาดการทำนายลูกบิลเลียดที่เป็นสิ่งไม่มีชีวิตจิตใจยังยากเย็นขนาดนี้ การทำนายพฤติกรรมของมนุษย์ที่มีเจตนำนงเสรี (free will) จะยากเย็นขนาดไหน

ความรู้ทางคณิตศาสตร์และฟิสิกส์ที่เป็น hard science นั้นสามารถทำงานได้ดีในโลกของมัน แต่เราไม่ควรเอาเครื่องมือเหล่านี้มาใช้ในโลกของ social science อย่างเศรษฐศาสตร์ด้วยความมั่นใจมากจนเกินไป การทำนายพฤติกรรมลูกบิลเลียดนั้นยากแค่ไหน การทำนายพฤติกรรมคนนั้นยิ่งยากกว่าหลายเท่า

 

การกลับมาของไก่งวง

ยังจำเรื่องไก่งวงหน้าโง่ได้มั้ย เราดูข้อมูลจากอดีตเพื่อจะทำนายข้อมูลในอนาคต แต่ในบางครั้งข้อมูลชุดเดียวกันอาจนำไปสู่สองสมมติฐานที่แตกต่างกันอย่างสิ้นเชิงก็ได้

ถ้าเราไม่รู้อะไร และมีชีวิตอยู่มาจนถึงวันนี้ ก็ตีความได้ว่า

1. มีความเป็นไปได้ว่าเราจะเป็นอมตะ
2. มีความเป็นไปได้ว่าเรากำลังเข้าใกล้ความตายมากกว่าเดิม

ทั้งสองสมมติฐานนั้นตั้งอยู่บนข้อมูลชุดเดียวกันเลย เช่นเดียวกับไก่งวงที่ได้รับการป้อนข้าวป้อนน้ำเป็นอย่างดีทุกวันมาถึง 1,000 วัน มันก็อาจตั้งสมมติฐานได้ว่าชีวิตมันปลอดภัยอย่างแน่นอน หรือถ้ามันเฉลียวใจซักนิดมันอาจจะคิดได้ว่านี่คือหลักฐานว่าชีวิตมันกำลังตกอยู่ในอันตรายเพราะมันกำลังถูกขุนเพื่อนำไปเป็นอาหารมื้อค่ำ

สมมติฐานจะเป็นแบบใดขึ้นอยู่กับว่าเรามีโมเดลแบบไหนอยู่ในหัว ถ้าเรามองโลกเป็น “เส้นตรง” หรือ linear ข้อมูลแต่ละจุดก็จะนำมาพล็อตเป็นกราฟเส้นตรงที่ลากไปในทางทิศทางเดียว แต่ถ้าเรามองโลกเป็น non-linear ข้อมูลชุดเดียวกันนั้นสามารถนำไปใส่ในกราฟได้หลายแบบ เช่นกราฟ parabola กลับหัว หรือกราฟ sine ที่ขึ้นๆ ลงๆ ตามฤดูกาลก็ได้

 

เจ็บแล้วไม่เคยจำ

เรากำลังจะซื้อรถคันใหม่ รถคันนี้จะเปลี่ยนชีวิตเรา มันจะทำให้เรามีสถานะทางสังคมที่ดีขึ้นและทำให้การเดินทางรื่นรมย์กว่าเดิม เครื่องยนต์ของรถคันนี้เงียบฉี่จนไม่รู้ด้วยซ้ำว่ารถสตาร์ทอยู่รึเปล่า รถคันนี้จะนำมาซึ่งความสุขความพึงพอใจในระดับใหม่ที่จะอยู่กับเราไปอีกนานแสนนาน

แต่เราลืมไปเลยว่าตอนที่จะซื้อรถคันก่อนเราก็คิดอย่างนี้แหละ เราไม่คิดเลยว่าเดี๋ยวพอซื้อรถคันใหม่ไอ้ความฟินนี้มันก็จะหมดไปภายในเวลาไม่กี่วันเหมือนคราวที่แล้ว เพราะถ้าเราคิดได้เราก็คงไม่อยากได้รถคันใหม่ขนาดนั้นหรอก

เรามัก overestimate ความสุขที่จะได้จากเรื่องดีๆ และ overestimate ความทุกข์ที่จะได้จากเรื่องแย่ๆ เสมอ ที่สำคัญคือเราเหมือนไม่เคยเรียนรู้จากการคาดการณ์ผิดในครั้งก่อนๆ เลย เหมือนสมองของเรามี bug ที่ทำให้ไม่เห็นความจริงข้อนี้

Bug ตัวนี้อาจเป็นผลงานของวิวัฒนาการก็ได้ การ overestimate ความสุขในอนาคตทำให้เรามีแรงผลักดันที่จะลงมือทำเพื่อให้ได้บางสิ่งบางอย่างมา เช่นออกหาอาหารหรือออกหาที่พำนักแห่งใหม่ (ในสมัยดึกดำบรรพ์) หรือซื้อรถซื้อบ้านหลังใหม่ (ในโลกปัจจุบัน)

ส่วนการที่สมอง overestimate ความทุกข์ก็เพื่อป้องกันไม่ให้เราทำอะไรที่เสี่ยงเกินไป จะได้มีชีวิตรอดเพื่อสืบเผ่าพันธุ์ได้ แต่แม้ว่ามันจะช่วยป้องกันเราจากภยันตรายในเชิงกายภาพ มันก็ไม่สามารถป้องกันเราจาก Black Swan ได้อยู่ดี เพราะหงส์ดำนั้นมองไม่เห็น คาดไม่ถึงและเป็นนามธรรมเกินกว่าที่สมองของเราจะ estimate / overesimate ความอันตรายของมันได้

 

น้ำแข็งกำลังละลาย

ลองคิดถึง 2 สถานการณ์

สถานการณ์แรก – นึกภาพน้ำแข็งก่อนหนึ่งที่หล่นอยู่บนพื้นและประเมินว่ามันจะละลายยังไงในอีก 2 ชั่วโมงข้างหน้า ลองคิดถึงภาพน้ำเจิ่งนองที่ต้องมานั่งเช็ดกันทีหลัง

สถานการณ์ที่สอง – คิดถึงภาพน้ำเจิ่งนองที่อยู่บนพื้น แล้วพยายามนึกถึงภาพก้อนน้ำแข็งที่ทำให้เกิดน้ำเจิ่งนองนี้

ในสถานการณ์แรก ถ้าเรามีสมการที่เหมาะสมเราก็สามารถคำนวณรูปแบบการละลายได้ไม่ยาก ใช้ความรู้วิศวกรรมระดับปริญญาตรีก็ทำได้แล้ว

แต่ในสถานการณ์ที่สอง เราสามารถสร้างก้อนน้ำแข็งได้ในรูปแบบที่นับไม่ถ้วน หรืออาจจะไม่เคยมีก้อนน้ำแข็งมาตั้งแต่แรกเลยก็ได้

น้ำแข็งละลายเป็น forward process ที่พอจะคาดการณ์ได้และเป็นกระบวนการที่ใช้ในฟิสิกส์และวิศวกรรมศาสตร์

แต่สถานการณ์ที่สองเป็น backward process ที่เราใช้ในการศึกษาประวัติศาสตร์ ซึ่งไม่สามารถทดลองหรือกระทำซ้ำได้

ผีเสื้อกระพือปีกในมุมไบอาจเป็นต้นเหตุให้เกิดเฮอริเคนในนอร์ธแคโรไลนาได้ในอีกสองปีถัดมา แต่ถ้าเราพบเฮอริเคนในนอร์ธแคโรไลนา เราไม่สามารถเดาได้เลยว่าอะไรคือต้นเหตุของมันเพราะมันมีความเป็นไปได้นับพันล้านอย่าง อาจจะเป็นผีเสื้อกระพือปีกในทิมบักตูหรือหมาเห่าในออสเตรเลียก็ได้ กระบวนการจากผีเสื้อไปเฮอริเคนนั้นซับซ้อนน้อยกว่ากระบวนการย้อนหลังจากเฮอริเคนกลับมาสู่ผีเสื้อมากมายนัก

ดังนั้น การที่นักประวัติศาสตร์พยายามอธิบายสาเหตุและตั้งสมมติฐานให้กับเหตุการณ์ต่างๆ ที่เคยเกิดขึ้นนั้น เป็นการกระทำที่มีโอกาสผิดพลาดสูงมาก เพราะมันคือการพยายาม reverse engineer ที่ซับซ้อนยิ่งกว่าน้ำที่เจิ่งนองหรือเฮอริเคนเสียอีก

ถ้าเราอยากศึกษาประวัติศาสตร์ก็จงทำไปเถิด แต่อย่าไปตั้งสมมติฐาน อย่าพยายามสร้างความเชื่อมโยงหรือตั้งทฤษฎีเพื่อมาอธิบายเหตุการณ์เหล่านั้นเพราะมันจะทำให้เราเข้าใจอะไรๆ ได้คลาดเคลื่อนยิ่งกว่าเดิม

ติดตามตอนต่อไปสัปดาห์หน้า

—-

ขอบคุณข้อมูลจากหนังสือ The Black Swan – The Impact of the Highly Improbable โดย Nassim Nicolas Taleb

The Black Swan ตอนที่ 1 – โควิดเป็นหงส์ดำรึเปล่า
The Black Swan ตอนที่ 2 – ความเปราะบางของความรู้
The Black Swan ตอนที่ 3 – ไก่งวงหน้าโง่
The Black Swan ตอนที่ 4 – อันตรายของ “story”
The Black Swan ตอนที่ 5 – หลักฐานอันเงียบงัน
The Black Swan ตอนที่ 6 – โยนเหรียญเสี่ยงทาย

สรุปหนังสือ Sapiens – A Brief History of Humankind by Yuval Noah Harari (20 ตอน)

สรุปหนังสือ Brave New Work by Aaron Dignan (15 ตอน)

“ช้างกูอยู่ไหน” หนังสือเล่มใหม่ของผมที่ว่าด้วยการค้นหาสิ่งที่สำคัญกับเราอย่างแท้จริง มีขายที่ whatisitpress.com ครับ อ่านรายละเอียดได้ที่ bit.ly/eitrfacebook และอ่านรีวิวได้ที่นี่ครับ markpeak.net/elephant-in-the-room/