Как устроена реальность

14 сентября 2015 года два детектора LIGO зарегистрировали короткий согласованный сигнал. На экране не появилась фотография далёкого объекта. Приборы не выдали готовую надпись: «столкнулись две чёрные дыры». Они записали изменение величины, для измерения которой были построены, — относительную деформацию (strain).

И всё же после проверки данных исследователи смогли сказать о далёком источнике гораздо больше, чем содержала сама запись прибора.

Разница между утверждениями «детектор зарегистрировал сигнал» и «мы узнали, что произошло далеко от Земли» показывает, как устроен переход от результата измерения к физическому выводу.

Как из записи прибора возникает знание о том, чего никто не видел непосредственно? Где кончается измерение и начинается вывод? Почему модель, участвующая в анализе, не превращает результат в произвольную догадку? И сколько оснований нужно, чтобы перейти от «это хорошо описывает данные» к более сильному утверждению о природе?

Эти вопросы важнее любого отдельного эксперимента. Мы будем встречать их снова, когда речь пойдёт о пространстве-времени, квантовых состояниях, тёмной материи и истории Вселенной. Но начать удобнее с одного сигнала — и разобрать последовательность действий, которая связывает зарегистрированный сигнал с научным выводом о его источнике.

Что осталось в детекторе

Любой прибор устроен для определённой работы. Термометр реагирует на температуру, фотоприёмник — на падающий свет, весы позволяют определить массу в заданных условиях. Даже самый сложный детектор не измеряет «реальность вообще». Он даёт данные о конкретной величине через конкретную измерительную процедуру.

У LIGO такой величиной служит очень малое относительное изменение длины двух длинных перпендикулярных плеч. Чтобы получить физически осмысленную запись, одного электрического отклика аппаратуры недостаточно. Нужно знать, как установка реагирует на воздействие, откалибровать этот отклик и понимать точность полученного результата.

Слово «неопределённость» здесь легко услышать неправильно. В быту оно часто значит: «мы не уверены» или «мы плохо знаем». В измерениях смысл точнее. Результат измерения обычно представляет собой не одно абсолютно точное число, а значение с указанной неопределённостью. Мы хотим знать не только полученное значение, но и насколько точно измерительная система позволяет его установить в данных условиях.

Это не слабость измерения. Число без сведений о его точности часто сообщает меньше, чем результат с честно указанной неопределённостью. Если длина стола известна с точностью до миллиметра, это не означает, что длина стола неизвестна. Наоборот, теперь известно, в каком диапазоне неопределённости находится измеренная длина.

То же относится к гораздо более сложным приборам. Их отклик калибруют, переводят в нужную физическую величину, проверяют состояние установки. Всё это ещё может оставаться частью измерения, если мы по-прежнему говорим именно о той величине, которую определяет прибор.

Но интерес физика почти никогда не заканчивается на этом месте.

Детектор записал сигнал. Что его вызвало?

Вот здесь начинается следующий шаг.

Что стоит за зарегистрированным сигналом

Представим, что на записи появился необычный всплеск. Возможностей много. Это может быть интересующее физическое событие. Может быть помеха. Может быть особенность работы аппаратуры. Может оказаться случайным совпадением нескольких фоновых процессов.

Поэтому исследователи не просто смотрят на красивую кривую и выбирают наиболее впечатляющее объяснение. Они спрашивают, насколько зарегистрированный сигнал статистически отличается от ожидаемого фона, согласуются ли записи разных детекторов, нет ли известных инструментальных или внешних причин, способных породить похожий эффект.

Именно так проверяли GW150914. В данных обоих детекторов появился согласованный по времени сигнал. Дальше последовал анализ: сравнение с ожидаемыми формами сигнала, оценка фоновых совпадений, проверка состояния детекторов и возможных помех.

Полученный результат уже не был просто строкой измерительного канала. Это был вывод из данных.

Разница принципиальна, но она не делит науку на «надёжные измерения» и «сомнительные выводы». Хороший вывод может быть чрезвычайно надёжным. Просто в нём появляется больше звеньев, а значит, мы должны понимать, какие именно.

Можно проверить калибровку прибора. Можно проверить процедуру отбора данных. Можно отдельно исследовать шум. Можно посмотреть, сохраняется ли результат при разумном изменении методов анализа. Чем яснее описаны переходы от отклика прибора к откалиброванным данным, а затем от данных к физическому выводу, тем легче проверить каждый этап анализа.

Косвенность сама по себе ничего не говорит о качестве знания.

Мы постоянно узнаём о вещах по их следам. Врач судит о процессах внутри организма по снимкам и анализам. Астроном — о звезде по пришедшему свету. Геолог — о прошлом Земли по слоям пород. В каждом случае важен не физический доступ человека к самому объекту, а связь между наблюдаемым следом и заключением.

В науке эту связь стараются сделать проверяемой. Какие данные получены? Как они обработаны? Что могло дать похожий сигнал? Какие предположения понадобились для следующего шага? Что изменится, если предположение оказалось неверным?

Поэтому «косвенно» и «ненадёжно» — не синонимы. Иногда длинная цепочка независимых проверок даёт основания для гораздо большей уверенности, чем непосредственное человеческое впечатление.

От сигнала — к источнику

Предположим, анализ дал серьёзные основания не сводить необычную запись к исследованным вариантам случайного или инструментального шума. Мы всё ещё не получили автоматически свойства далёкого источника.

Чтобы их восстановить, данные приходится сравнивать с моделями возможных сигналов. Для GW150914 именно так оценивали характеристики системы, породившей зарегистрированный отклик. Это уже реконструкция: в ней участвуют данные, физические модели, принятые в анализе предположения и статистическая процедура.

Поэтому свойства источника не были отдельными цифрами, которые прибор «прочитал» непосредственно.

Детектор дал измерительный сигнал.

Анализ позволил оценить, насколько уверенно этот сигнал можно отличить от изученных вариантов шума.

Сопоставление данных с моделями позволило реконструировать свойства источника — не как абсолютно точные значения, а как оценки с диапазонами, зависящие от данных и условий анализа.

Три шага связаны, но не одинаковы.

Это различие не уменьшает силу результата. Скорее оно объясняет, откуда эта сила берётся. Если бы всё скрывалось за одной фразой «учёные увидели», проверить её было бы трудно. Когда цепочка разобрана, вопросы можно задавать каждому звену отдельно.

Что именно измерил прибор?

Как проверяли шум?

Какие предположения понадобились для реконструкции?

Насколько результат устойчив к их разумным изменениям?

Какие другие данные способны поддержать или ограничить вывод?

Научное знание часто оказывается надёжным не потому, что между нами и объектом нет посредников, а потому, что посредники известны и проверяемы.

Физическое объяснение самого GW150914 нам понадобится позже, когда речь пойдёт о пространстве-времени и гравитации. Сейчас важен другой вывод: из одного эксперимента можно получать выводы с разной степенью зависимости от обработки данных и моделей; поэтому называть их все одним словом «наблюдали» неточно.

Почему модель не делает результат произвольным

На этом месте возникает естественное возражение.

Если для перехода от сигнала к источнику понадобилась модель, не значит ли это, что ответ заранее вложили в расчёт?

Нет. Но и относиться к модели как к прозрачному окну, через которое мы без всяких условий смотрим на природу, тоже не стоит.

Модель — способ представить те стороны системы, которые нужны для определённого вопроса. В ней выделяют необходимые величины, задают связи между ними и формулируют предположения, а затем получают результат, который можно сравнить с данными.

Само слово иногда сбивает с толку. Детская модель самолёта — уменьшенная копия настоящего самолёта. Научная модель не обязательно является такой копией. Её могут использовать, чтобы рассчитать траекторию, описать изменение сигнала, связать наблюдаемые величины или проверить следствие теории.

Поэтому научную модель оценивают не по внешнему сходству с предметом, а по тому, насколько точно она связывает заданные физические величины и воспроизводит или предсказывает наблюдаемые результаты в заявленных условиях.

Представим две модели одного процесса. Пока обе дают одинаковый ответ там, где у нас есть данные, опыт может не позволять выбрать между ними. Но если в новых условиях их предсказания расходятся, появляется возможность проверки. По наблюдениям нельзя заранее определить, какая модель «красивая» или «глубокая». Зато можно проверить, какая из них выдерживает конкретное испытание.

Модель не остаётся свободной историей: её предсказания сопоставляют с результатами измерений.

Кроме того, существенные предположения модели стараются не прятать. Тогда можно спросить, насколько от них зависит результат. Если небольшое разумное изменение предпосылки разрушает вывод, это важная информация. Если вывод сохраняется, наше доверие к нему растёт.

Но фраза «модель работает» всё равно неполна.

Работает для чего?

Какой результат она должна воспроизводить?

С какой точностью?

При каких проверенных условиях?

Вопрос о границах применимости мы подробно разберём дальше. Здесь достаточно заметить одну вещь: успешная проверка обосновывает применение модели только к тем величинам и условиям, которые были проверены или надёжно связаны с проверенными режимами.

Успешная модель не обязательно буквально описывает фундаментальное устройство мира

Теперь можно сделать ещё один шаг — и именно на нём научно-популярные рассказы часто становятся слишком смелыми.

Допустим, модель раз за разом успешно предсказывает результаты экспериментов. Следует ли отсюда, что каждый объект и каждый элемент математического описания обязательно существует в природе буквально в той форме, в какой мы его представили?

Такое утверждение требует собственных оснований.

Это не призыв считать модели фикциями. Между «модель полезна» и «модель буквально тождественна устройству мира» есть множество более содержательных возможностей.

Иногда объект, введённый в теорию, получает поддержку из разных независимых экспериментов, и наши основания говорить о нём становятся всё сильнее. Иногда разные математические описания приводят к одним и тем же проверяемым результатам. Иногда модель превосходно решает практическую задачу, но вопрос о физической природе одного из её элементов остаётся открытым.

Лучше не пытаться решить всё одним словом.

Сначала спросить: что именно подтверждено опытом?

Потом: что мы выводим с помощью модели?

И лишь затем: какое более сильное утверждение о природе мы хотим сделать — и достаточно ли оснований именно для него?

Эта последовательность особенно понадобится во второй половине книги. Там появятся идеи, обладающие серьёзной математической структурой, но ещё не подтверждённые как описание нашего мира.

Математически возможное не становится реальным только потому, что оно допускается уравнениями.

Но и отсутствие подтверждения нельзя автоматически превращать в опровержение. Иногда эксперимент действительно исключает конкретный вариант. Иногда ограничивает лишь часть возможных параметров. Иногда проверка пока недостаточно чувствительна.

Научная осторожность здесь — не привычка говорить уклончиво. Она нужна, чтобы не делать из данных более сильный вывод, чем позволяют сами измерения, процедура анализа и использованные предположения.

Почему одного совпадения мало

Предположим, модель хорошо описала один набор данных. Это хороший знак, но сам по себе ещё не идеальная проверка.

Особенно ценны ситуации, когда разные эксперименты проверяют разные следствия одной и той же модели или теории. Тогда объяснению приходится выдерживать не одно удачное совпадение, а несколько независимых требований.

Есть и обратная сторона. Если две идеи дают одинаковые наблюдаемые последствия во всех доступных нам экспериментах, имеющихся данных недостаточно, чтобы различить их. Иногда честный итог проверки именно таков: несколько вариантов пока остаются наблюдательно неразличимыми.

Поэтому научный спор — в лучшем случае не соревнование красноречия. Он постепенно превращается в вопрос: какое наблюдение могло бы показать разницу?

Хорошее объяснение должно допускать проверки, исход которых не предрешён самим объяснением. Его предсказания должны иметь возможность не сбыться.

Именно поэтому проверка альтернатив так важна в истории GW150914. Одной формы сигнала было недостаточно, чтобы принять весь рассказ о его происхождении. Исследователи проверяли, не связан ли результат с известными особенностями детекторов и окружающей среды, оценивали фон и сравнивали данные с моделями. Каждый шаг сужал пространство допустимых объяснений.

Не одним чудесным доказательством, а последовательностью проверок.

Теория — не синоним догадки

Есть несколько слов, которые в популярных разговорах почти гарантированно создают путаницу. Одно из них — «теория».

В быту мы можем сказать: «У меня есть теория, куда исчезли ключи», имея в виду догадку. В науке одного ярлыка «теория» недостаточно, чтобы узнать степень уверенности, но речь обычно идёт о гораздо более развитой системе идей, которая связывает явления и позволяет получать проверяемые следствия.

Поэтому вопрос «это факт или всего лишь теория?» часто поставлен плохо. Конкретная теория может иметь огромный массив экспериментальной поддержки в определённой области. А отдельное утверждение внутри большой теоретической программы может оставаться непроверенным.

Слово гипотеза обычно обозначает более конкретное предполагаемое объяснение или утверждение, которое нужно проверять. Но и оно ничего не гарантирует само по себе: гипотеза может получить поддержку, быть ограничена данными или оказаться несостоятельной.

Интерпретация отвечает на другой тип вопроса — как понимать физический смысл формализма и результатов. Позже это станет особенно важно в квантовой физике, где разные интерпретации могут разделять значительную часть одних и тех же проверенных предсказаний.

Нам не нужен идеальный словарь, одинаковый для всех наук. Нужна более простая привычка: не судить о надёжности идеи по названию категории.

Что именно она утверждает?

Что из этого проверялось?

Какие наблюдения отличают её от конкурирующих вариантов?

Вот где появляется содержательная разница.

Как объяснения проверяют по наблюдениям

Вернёмся к сигналу, с которого начали.

Представим, что для него есть несколько возможных причин. Как выбрать между ними?

Не голосованием и не красотой рассказа.

Если одна версия требует неисправности прибора, состояние прибора можно проверить. Если другая предполагает внешний источник помех, можно искать его следы. Если две модели дают различные формы наблюдаемого сигнала, эти различия можно сопоставить с данными.

Хорошая проверка устроена так, чтобы возможный результат имел последствия для наших объяснений.

Но здесь есть ловушка. Если один вариант не выдержал проверки, это ещё не делает автоматически истинным любой другой.

Предположим, исследователи исключили известную инструментальную помеху. Они получили основание отвергнуть именно эту причину в исследованных условиях. Чтобы перейти к более сильному выводу о происхождении сигнала, нужны соответствующие дополнительные данные и модели.

По той же причине фраза «не нашли» может означать очень разные вещи. Не нашли при какой чувствительности? В каком диапазоне? Какой именно вариант проверяли? Что осталось за пределами поиска?

Сила научного метода не в том, чтобы мгновенно выдавать окончательное «да» или «нет». Последовательные проверки исключают объяснения, несовместимые с измерениями, и оставляют меньше вариантов, согласующихся со всеми результатами.

Сначала исчезают варианты, несовместимые с измерением.

Потом дополнительные проверки отделяют похожие объяснения друг от друга.

Новые эксперименты могут ещё сильнее ограничить оставшиеся возможности.

Иногда после нескольких независимых проверок остаётся одно объяснение, которое согласуется со всеми доступными классами наблюдений. Иногда несколько вариантов продолжают давать одинаковые наблюдаемые следствия — и тогда честным ответом остаётся: пока различить их не удалось.

Не увидеть — не значит не знать

Теперь вернёмся к вопросу, с которого действительно стоит начинать эту книгу.

Как мы можем делать надёжные выводы о том, чего не наблюдаем непосредственно?

Потому что прямой взгляд — лишь один из способов получать сведения о мире и далеко не всегда лучший.

Надёжность возникает из другого.

Прибор измеряет определённую величину, а не «истину целиком».

Мы знаем, как этот результат получен и насколько он точен.

Если из данных делается дополнительный вывод, можно назвать необходимые шаги и предположения.

Если используется модель, её предсказания сравнивают с наблюдениями и проверяют там, где варианты расходятся.

Если хочется сделать более сильное утверждение о физической природе, для него нужны достаточно сильные основания.

В случае GW150914 путь от сигнала детектора к реконструкции далёкого источника был длиннее одного шага. Но длина цепочки сама по себе не превращает её в слабое место. Важно, доступны ли её звенья проверке и согласуются ли разные проверки между собой.

Это и будет одним из главных правил всей книги: не спрашивать только, насколько необычно звучит утверждение; спрашивать, какие измерения, процедуры обработки, модели и предположения связывают исходные данные с этим утверждением.

Иногда такая цепочка вывода коротка.

Иногда проходит через сложную модель.

Иногда приводит к очень надёжному выводу.

Иногда заканчивается честным «мы пока не знаем».

Именно поэтому в физике можно одновременно быть уверенным в одних вещах, осторожным в других и серьёзно обсуждать третьи, не смешивая всё в две корзины — «доказано навсегда» и «просто догадка».

Если пересказывать историю физики одной строкой, получится что-то вроде: Ньютон описал движение, потом пришёл Эйнштейн и показал, что всё устроено сложнее.

Тогда возникает неудобный вопрос. Если теория относительности шире ньютоновской механики, почему ньютоновские законы до сих пор прекрасно работают?

Почему можно рассчитывать движение машины, мяча или механизма, не начиная каждый раз с релятивистской физики? Почему старое описание, которое оказалось не универсальным, не стало просто устаревшим?

Здесь скрыта одна из самых важных идей современной физики. Теория может быть ограниченной и при этом очень надёжной. Более широкая теория должна объяснить, почему прежняя теория давала правильные результаты в уже проверенных условиях.

Чтобы понять это, нужно отказаться от слишком грубой пары «правильно — неправильно» и задать более точный вопрос:

что именно мы хотим рассчитать, при каких условиях и насколько точно?

Точность меняет вопрос

Представим обычную задачу: нужно предсказать движение макроскопического тела при скоростях, которые малы по сравнению со скоростью света. В таких условиях ньютоновская механика даёт результаты, достаточные для огромного числа практических задач.

Слово «достаточные» здесь важнее, чем кажется.

Одна задача допускает небольшое отклонение результата. Другая требует гораздо большей точности. Описание, которое великолепно подходит в первом случае, может оказаться недостаточным во втором — хотя физическая система та же самая.

Это не значит, что истина меняется вместе с нашими желаниями.

Мы выбираем, какой результат нам нужен и какую ошибку можем допустить. Но соответствует ли расчёт реальности с такой точностью — уже не вопрос вкуса. Это проверяется сравнением с наблюдениями и измерениями.

Для задачи заранее задают требуемую точность. Затем по экспериментальным данным проверяют, остаётся ли ошибка используемого приближения меньше этой величины.

Именно поэтому фраза «теория работает» почти всегда неполна. Для какого результата? В каких условиях? С какой точностью?

Без указания условий и точности утверждение «теория работает» невозможно проверить.

Ньютоновская механика не обязана быть универсально точной, чтобы оставаться превосходным инструментом там, где её отклонения меньше того, что существенно для поставленной задачи.

И вот здесь появляется более интересный вопрос: почему теория относительности, которая описывает движение шире, не даёт в привычных условиях совершенно другие ответы?

Новая теория должна сохранить старый успех

Если прежняя теория много раз успешно описывала определённый класс явлений, более широкая теория должна согласоваться с этими успехами в тех же условиях.

Представим, что она предсказывала бы для обычного медленного движения результаты, резко отличающиеся от тех, которые давно подтверждены опытом. Тогда проблема была бы уже у нового описания: оно противоречило бы массиву известных наблюдений.

С релятивистской механикой происходит другое. В соответствующем низкоскоростном макроскопическом режиме она воспроизводит классические предсказания с требуемой точностью.

Это и объясняет, почему ньютоновская механика остаётся точным приближением в привычных условиях.

Не потому, что физики делают вид, будто Эйнштейна не было. И не потому, что существуют две независимые «правды», между которыми можно выбирать по настроению. Просто в знакомых условиях различие между более широким и более простым описанием оказывается настолько малым для нужного результата, что классическое приближение остаётся достаточным.

Поэтому инженер или физик, использующий ньютоновскую механику в подходящей задаче, не применяет «опровергнутую науку». Он пользуется описанием там, где его точность подтверждена и достаточна.

Здесь достаточно одной связи: более широкая в низкоскоростном пределе релятивистские уравнения воспроизводят классические результаты с требуемой точностью в том режиме, где они должны сохраняться. Что именно меняется в наших представлениях о пространстве и времени, когда классического описания становится мало, — отдельный вопрос.

И это конкретный пример, а не универсальная теорема о том, что любые две научные теории всегда вложены одна в другую одинаковым способом. В других областях связь между описаниями может быть устроена сложнее. Но более широкое описание всё равно должно считаться с тем, что уже выдержало опыт.

Приближение — не признание поражения

Теперь можно назвать то, чем мы только что пользовались.

Ньютоновское описание в рассматриваемых условиях работает как приближение.

В обычной речи слово звучит почти извинением: «примерно», «не совсем точно», «на глаз». В физике хорошее приближение может означать прямо противоположное — мы достаточно хорошо понимаем задачу, чтобы знать, какими эффектами можно пренебречь без заметного ущерба для нужного результата.

Смысл не в том, что отброшенные эффекты «не существуют». Смысл в том, что при данных условиях их вклад слишком мал, чтобы изменить ответ на требуемом уровне точности.

Возьмём совсем бытовой пример. Для одной задачи Землю достаточно считать почти шаром. Для другой нужна более подробная форма. Это не две конкурирующие Земли и не две версии истины. Просто разные задачи чувствительны к разным деталям.

В физике такая логика должна быть подкреплена гораздо строже. Нужно понимать, что именно мы рассчитываем, какие эффекты отбрасываем, насколько они способны изменить результат и насколько это изменение существенно для нашей цели.