The Spacetime Metric
Część I · Jak wiedzieć

Pytania i pomiary

Jak idea wędruje od pierwszej propozycji ku podręcznikowi — i eksperyment, który przesunie ją dalej.

6 min czytania·metoda · epistemologia · Bayes · falsyfikowalność

Przez tę książkę przewija się pytanie: co może robić próżnia i jak to zmierzyć? Efekt Casimira, eksperymenty z konwersją energii i proponowane mechanizmy napędu dotyczą różnych pytań. W każdym przypadku dotrzyj do aparatury, obliczenia i oryginalnego źródła.

Eksperyment napędowy musi uwzględniać bilans pędu i energii. Pojazd, który nie wiezie paliwa odrzutowego, wciąż musi rozliczyć swój pęd i swoją energię: coś musi zabrać pęd, który pojazd zyskuje, i coś musi zapłacić za pracę. Propozycja tej książki nie polega na tym, że te rachunki przestają się zgadzać. Polega na tym, że drugą stroną w nich jest sama próżnia — a to jest twierdzenie, które trzeba zmierzyć, nie ogłosić. Do rachunku należy tu też niepewność pomiarowa, bo bez niej żadna z tych liczb nic nie znaczy. Strona metody (po angielsku) opisuje, jak ta witryna stosuje tę dyscyplinę.

Kalibrowanie własnego osądu

Dwa nawyki pomijają ten krok. Jeden przyjmuje twierdzenie, bo jest ekscytujące. Drugi je odrzuca, bo jest niewygodne. Oba rozstrzygają, zanim spojrzą. Zacznij od obserwacji i sposobu ich uzyskania.

Przeczytaj źródło i zaplanuj próbę

Oryginalny dokument prowadzi do określenia pomiaru, a następnie do powtórnego testu.
Przeczytaj źródło, określ pomiar i zaplanuj powtórzenie testu. Zapisz wynik wraz z niepewnością.

Pomiar siły Casimira opisuje odpowiedź przyrządu w określonych warunkach. Sprawdź geometrię, kalibrację i niepewność, zanim powiążesz wynik z innym urządzeniem. Badania NASA nad syntezą w sieci krystalicznej, modele nadciekłej próżni i eksperymenty z energią punktu zerowego wymagają tej samej uwagi.

Patent Paisa (po angielsku) opisuje wynalazek i proponowany sposób działania. Aby poznać zachowanie urządzenia, poszukaj warunków próby i zmierzonego wyniku. Przydatne pytanie brzmi: jaka obserwacja odróżni proponowany mechanizm od innego wyjaśnienia?

Spróbuj z jednym artykułem: wskaż mierzoną wielkość, eksperyment porównawczy i podaną niepewność. Następnie opisz pomiar, który mogłoby powtórzyć inne laboratorium. Trzymaj artykuł przy notatkach, aby każda liczba pozostała związana ze źródłem.

Nazwać kolejny eksperyment

Przy każdym ważnym twierdzeniu zapisujemy z góry pomiar, który by nim poruszył. Ta jedna linijka zamienia ideę w program badawczy. Mówi ci, gdzie skierować przyrząd, i mówi, co będzie znaczył wynik, zanim go dostaniesz.

Najlepsze prace w tej dziedzinie robią dokładnie to. Mówią z wyprzedzeniem, co by nimi poruszyło, a potem idą i mierzą. Kilka zespołów zrobiło tak w tym sezonie i poznasz je na końcu tego rozdziału.

Gdy niezależne linie się zgadzają

Zaufanie rośnie najszybciej wtedy, gdy niezależne nurty trafiają w tę samą odpowiedź. Patent, pomiar na stole laboratoryjnym i przewidywanie teoretyczne, które nigdy o sobie nie wiedziały, to trzy poszlaki — i właśnie ten układ warto tropić. Dziesięć powtórzeń jednego twierdzenia to wciąż jedno twierdzenie. Dlatego ta książka zawsze wraca do dokumentu źródłowego: do artykułu, do patentu, do udostępnionego pliku.

Reguła Bayesa(1.1)
P(H∣E)=P(E∣H) P(H)P(E)P(H\mid E) = \dfrac{P(E\mid H)\,P(H)}{P(E)}
Co to oznacza
H to hipoteza, a E to nowy materiał dowodowy. P(H) jest jej wcześniejszym prawdopodobieństwem. P(E|H) to prawdopodobieństwo takiego wyniku przy prawdziwości hipotezy; P(E) uwzględnia rozważane wyjaśnienia. Ich iloraz mnoży wcześniejsze prawdopodobieństwo. Wynik oczekiwany jednakowo przez konkurencyjne wyjaśnienia niewiele pomaga je odróżnić. Przy łączeniu wyników istotna jest ich niezależność.

Kiedy dwa wyniki liczą się jak jeden

Zwiększ wspólną niepewność. Nadal są dwa raporty pomiarowe, lecz ich łączny błąd przestaje maleć tak, jak gdyby były niezależne.

niezależne błędycałkowicie wspólny błąd
Dwa pomiary o równej precyzji i wspólna niepewnośćDwa pomiary laboratoryjne zasilają jedną estymację. Gdy suwak korelacji rośnie, nić wspólnej niepewności między laboratoriami ciemnieje, a odczyt pokazuje mniejsze zmniejszenie błędu. To model dwóch pomiarów o równej precyzji, a nie posterior bayesowski.
Granica modelu: dokładnie dwa pomiary o równej precyzji z jedną korelacją wspólnego błędu. Wspólne próbki, instrumenty, potoki danych lub założenia mogą tworzyć korelację; to nie oblicza prawdopodobieństwa a posteriori.
Względny błąd standardowy wynosi 0,71σ, błędu jednego pomiaru; 2,00 pomiary.

Reguła Bayesa pozwala oceniać konkretne przewidywania. Dwa laboratoria mogą dostarczyć dodatkowych informacji, jeżeli błędy ich pomiarów są niezależne. Dziesięć artykułów o tym samym pomiarze nie tworzy dziesięciu eksperymentów. Wspólne przyrządy, dane lub założenia mogą też uzależniać od siebie pozornie odrębne wyniki.

Zastosuj metodę w praktyce

Wybierz przewidywanie, nazwij przyrząd i zapisz oczekiwany wynik przed próbą. Uwzględnij niepewność: niewielka różnica może mieścić się w normalnych wahaniach przyrządu. Zapisz przebieg pomiaru nawet wtedy, gdy zmieni on twoje wyjaśnienie. Tak można prześledzić badania od ciekawej idei do użytecznego eksperymentu.

Co dodała dziedzina — od lipca do września 2026

Dwa miesiące nowego materiału dały temu rozdziałowi świeżą praktykę w tej części metody, która wykonuje prawdziwą robotę: wracaniu do materiału źródłowego, zanim cokolwiek się powtórzy. Kilka twierdzeń, które przyszły w tym sezonie jako nagłówek, po sprawdzeniu okazało się ogłoszeniem firmy, prepublikacją albo wywiadem — każde z nich warto przeczytać i żadne nie jest niezależnym pomiarem. Nazwanie, które z nich trzymasz w ręku, nie jest sceptycyzmem. To pierwszy krok powyższego rachunku, bo właśnie to uczciwie ustala P(E).

Sezon pokazał też, jak aktualizuje się dobry badacz. Zespoły z tej dziedziny opublikowały wyniki, które nie przetrwały ich własnych sit, i poprawiły je publicznie. Zmiana hipotezy w miarę napływania danych nie jest słabością; to jest metoda. A odtajniona przez samą CIA historia lotów U-2 — obserwacje, o których agencja wiedziała, że to samoloty, i pozwoliła im uchodzić za UFO — jest udokumentowanym przypomnieniem, że instytucje czasem wolą dziwną opowieść publiczną od utajnionej, i właśnie dlatego ten rozdział prosi o dokumenty źródłowe. Ten sezon dostarczył ich kilka. Szczegóły w dzienniku badań, a sam proces redakcyjny opisano na stronie metody (po angielsku).

Źródła

To jest rozdział o metodzie; jego „źródła” to narzędzia, które pożycza, wszystkie kanoniczne.

Źródła pierwotne / kanoniczne

  • Bayes & Price (1763), "An Essay towards solving a Problem in the Doctrine of Chances," Phil. Trans. R. Soc. 53, 370. DOI 10.1098/rstl.1763.0053. Domena publiczna.
  • K. Popper, The Logic of Scientific Discovery (wyd. ang. 1959) - dyscyplina mówienia z góry, co zmieniłoby twoje zdanie.
  • E. T. Jaynes, Probability Theory: The Logic of Science (CUP, 2003) - nowoczesne ujęcie bayesowskie.

Skąd wzięło się sformułowanie poprzeczki dowodowej

  • M. Truzzi (1978), "extraordinary claims require extraordinary proof," Zetetic Scholar 1 - nowoczesne sformułowanie; C. Sagan, Cosmos (1980, odc. 12) je spopularyzował; idea u podstaw pochodzi od Laplace'a.

Liczenie niezależnych linii, ujęte ilościowo (poza korpusem źródeł)

  • J. Ioannidis (2005), "Why Most Published Research Findings Are False," PLoS Med. 2(8):e124, otwarty dostęp pod 10.1371/journal.pmed.0020124 - szanse wstępne x moc x obciążenie; arytmetyka stojąca za zdaniem "jedna niezależna replikacja to jednostka dowodu."
  • "Risk and Scientific Reputation: Lessons from Cold Fusion," arXiv:2201.03776 - jak ocenia się wielkie twierdzenie energetyczne i jak dziedzina wraca i testuje je od nowa (przykład przewijający się w rozdz. 12).

Gdzie zgadzają się odrębne tradycje: narzędzia powyżej pochodzą z teorii prawdopodobieństwa, filozofii nauki i metanauki. Zbudowano je do różnych zadań, a trafiają w tę samą dyscyplinę - zbieżność, której ta książka jest stworzona szukać.