تفکر نقادانه؛ ادعا، دلیل و مغالطه را با مثال جدا کنیم

ادعا و استدلال را از هم جدا کن

ادعا جمله‌ای است که چیزی را درست یا نادرست معرفی می‌کند. استدلال یک یا چند مقدمه را برای پشتیبانی از نتیجه ارائه می‌دهد. جملهٔ «این برنامه مفید است» ادعاست. جملهٔ «این برنامه زمانِ انجامِ کار را در آزمونِ مشخص کم کرده، پس برای آن کار مفید است» یک استدلالِ قابل بررسی می‌سازد. هنوز باید کیفیتِ آزمون و دامنهٔ نتیجه را بخوانیم.

در یک متن، ابتدا نتیجه را پیدا کن. بعد زیر جمله‌هایی خط بکش که قرار است از آن پشتیبانی کنند. واژه‌هایی مانند «پس» و «چون» کمک می‌کنند، اما همیشه وجود ندارند. گاهی متن با لحنِ قاطع و چند مثال، حسِ استدلال ایجاد می‌کند، بدون آنکه رابطهٔ لازم را روشن کند. پرسشِ ساده این است: اگر این دلیل‌ها را بپذیریم، دقیقاً کدام نتیجه موجه می‌شود؟

منبع این بخش: دانشنامهٔ فلسفهٔ استنفورد؛ منطقِ غیرصوری ↗

مقدمهٔ پنهان را آشکار کن

استدلالِ «این ابزار رایگان است، پس باید از آن استفاده کنیم» یک مقدمهٔ پنهان دارد: هر ابزارِ رایگان برای هدفِ ما مناسب است یا رایگان بودن معیارِ کافی است. وقتی مقدمه را آشکار می‌کنی، می‌توانی آن را بررسی کنی. شاید زمانِ یادگیری، کیفیت یا نیازِ واقعی مهم‌تر باشد. نقدِ درست به رابطهٔ دلیل و نتیجه می‌پردازد، نه به سلیقهٔ گوینده.

برای تمرین، جمله را به شکلِ «اگر... و اگر...، آنگاه...» بازنویسی کن. سپس بپرس کدام بخش واقعیت، کدام فرض و کدام ارزش‌گذاری است. همهٔ مقدمه‌ها از یک جنس نیستند. «بودجه محدود است» یک محدودیتِ عملی است و «سادگی مهم‌تر از امکانات است» یک اولویتِ ارزشی. روشن شدنِ این تفاوت می‌تواند اختلافی ظاهراً factual را به اختلافِ معیار تبدیل کند.

اعتبارِ منطقی با درستیِ مقدمه فرق دارد

در یک استدلالِ قیاسیِ معتبر، اگر مقدمه‌ها درست باشند، نتیجه نمی‌تواند نادرست باشد. اما ممکن است مقدمه‌ها خودشان غلط باشند. مثالِ ساختگیِ «همهٔ کتاب‌ها فلزی‌اند؛ این شیء کتاب است؛ پس فلزی است» شکلِ معتبر دارد، ولی مقدمهٔ اول در دنیای واقعی درست نیست. اعتبار دربارهٔ رابطهٔ منطقی است، نه تضمینِ حقیقتِ اطلاعاتِ ورودی.

برعکس، ممکن است نتیجه‌ای درست باشد اما دلیلِ ارائه‌شده آن را پشتیبانی نکند. پس برای ارزیابی دو سؤال جدا بپرس: آیا مقدمه‌ها قابل قبول‌اند و آیا نتیجه از آن‌ها پشتیبانی می‌گیرد؟ این تفکیک برای AI مهم است. مدل می‌تواند یک جملهٔ درست را با توضیحِ نادرست همراه کند. درست بودنِ پاسخِ نهایی، تمامِ مسیرِ استدلال را تأیید نمی‌کند.

شرط را وارونه نکن

اگر باران ببارد، در شرایطِ مثال خیابان خیس می‌شود. خیابان خیس است؛ آیا حتماً باران باریده؟ نه، ممکن است آبیاری یا علتِ دیگری وجود داشته باشد. از «اگر آ، آنگاه ب» و «ب» نمی‌توان به‌تنهایی «آ» را نتیجه گرفت. این الگو به تأییدِ تالی شناخته می‌شود. مثالِ نقض نشان می‌دهد چرا شکلِ استدلال معتبر نیست.

برای بررسیِ یک استدلالِ شرطی، دنبالِ وضعیتی بگرد که مقدمه‌ها برقرار باشند ولی نتیجه نه. اگر چنین وضعیتی ممکن باشد، رابطهٔ ادعاشده نیاز به اصلاح دارد. در متن‌های تبلیغاتی، این خطا می‌تواند به شکلِ «افرادِ موفق این ابزار را دارند؛ من ابزار را دارم؛ پس موفق می‌شوم» ظاهر شود. داشتنِ یک ویژگیِ همراه، رابطهٔ کافی برای نتیجهٔ بزرگ نمی‌سازد.

استدلالِ احتمالی را با اثباتِ قطعی نسنج

بسیاری از استدلال‌های علمی و روزمره قیاسیِ قطعی نیستند؛ شواهد، یک نتیجه را محتمل‌تر می‌کنند. اگر چند آزمونِ مناسب نشان دهند ابزاری برای یک کار بهتر عمل کرده، می‌توان نتیجهٔ محدود و احتمالی گرفت. وجودِ امکانِ خطا همهٔ ارزشِ شاهد را از بین نمی‌برد. باید قدرتِ شاهد، کیفیتِ نمونه و توضیح‌های رقیب را بررسی کرد.

عبارتِ «صددرصد ثابت نشده، پس هیچ نمی‌دانیم» می‌تواند همان‌قدر ناموجه باشد که ادعای قطعیتِ کامل. زبانِ نتیجه باید با شواهد هماهنگ باشد: ممکن است، احتمالاً، در این مجموعه یا تحتِ این شرایط. این واژه‌ها وقتی دقیق استفاده شوند نشانهٔ ضعف نیستند. آن‌ها دامنهٔ دانسته را روشن می‌کنند و از انتقالِ بی‌دلیلِ نتیجه به هر موقعیت جلوگیری می‌کنند.

همبستگی، سؤالِ علت را کامل نمی‌کند

فرض کن در یک مجموعهٔ فرضی، کسانی که بیشتر از یک اپِ آموزشی استفاده کرده‌اند نمرهٔ بالاتری دارند. این رابطه می‌تواند با اثرِ اپ سازگار باشد، اما انگیزهٔ اولیه، زمانِ مطالعه یا دسترسیِ بیشتر هم ممکن است دخیل باشند. همچنین جهتِ رابطه می‌تواند پیچیده باشد: افرادِ قوی‌تر شاید بیشتر سراغِ ابزار رفته باشند. یک نمودارِ همراهی، همهٔ این احتمال‌ها را حذف نمی‌کند.

برای نقد، فقط شعارِ «همبستگی علت نیست» را تکرار نکن. یک توضیحِ رقیبِ مشخص بنویس و بگو چه طراحی یا داده‌ای به جدا کردنِ آن کمک می‌کند. مقایسهٔ گروه‌های مناسب، تصادفی‌سازی در شرایطِ ممکن و بررسیِ زمان‌بندی می‌توانند اطلاعاتِ بیشتری بدهند. روشِ مناسب به سؤال بستگی دارد. نقدِ مفید مسیرِ بررسیِ بعدی را نشان می‌دهد.

حمله به شخص، پاسخِ ادعا نیست

ممکن است گوینده اشتباه‌های قبلی یا منفعتِ شخصی داشته باشد. این اطلاعات می‌تواند برای ارزیابیِ اعتبارِ منبع مرتبط باشد، ولی خودبه‌خود هر ادعای او را نادرست نمی‌کند. اگر دربارهٔ یک عدد یا نتیجه بحث می‌کنیم، داده و روش را هم باید بررسی کنیم. به همین ترتیب، شهرتِ گوینده جای شاهدِ لازم را نمی‌گیرد.

در یک یادداشتِ نقد، دو بخش بساز: «ارزیابیِ منبع» و «ارزیابیِ ادعا». در اول، تخصص و تعارضِ منافع را بررسی کن. در دوم، عدد، روش و رابطهٔ دلیل و نتیجه را بخوان. این جداسازی جلوی دو افراط را می‌گیرد: پذیرفتنِ هر حرفِ فردِ مشهور و رد کردنِ هر حرفِ فردِ نامحبوب. موضوعِ اصلی باید قابل بررسی باقی بماند.

نسخهٔ قویِ حرفِ مقابل را بازسازی کن

قبل از نقد، استدلال را طوری خلاصه کن که گوینده بتواند بگوید «بله، منظورم همین بود». حذفِ شرط‌ها یا انتخابِ ضعیف‌ترین جمله، نقد را آسان اما کم‌ارزش می‌کند. بازسازیِ منصفانه به معنی موافقت نیست؛ کمک می‌کند اختلافِ واقعی معلوم شود. شاید پس از روشن شدنِ مقدمه‌ها، بخشِ زیادی از اختلاف از بین برود.

برای تمرین، یک ادعای تبلیغاتی را به نسخه‌ای محدودتر و قابل دفاع تبدیل کن. «این ابزار همه را متخصص می‌کند» می‌تواند به «این ابزار در انجامِ این کارِ مشخص، با بررسیِ انسانی، به بعضی کاربران کمک می‌کند» تبدیل شود. سپس بپرس برای همین نسخهٔ محدود چه شاهدی لازم است. کوچک کردنِ ادعا راهِ فرار نیست؛ تطبیقِ آن با چیزی است که می‌توان سنجید.

پاسخِ AI را مانند هر متنِ دیگر بخوان

از ساروی بخواه مقدمه‌ها، نتیجه و فرض‌های پنهانِ پاسخ را جدا کند. سپس یک مثالِ نقض یا توضیحِ رقیب بخواه. اگر منبع می‌آورد، صفحهٔ اصلی را بررسی کن و ببین واقعاً از همان ادعا پشتیبانی می‌کند یا فقط نامِ مرتبطی است. لینکِ معتبر با ادعای نامرتبط، استنادِ کافی نمی‌سازد.

همچنین یک زنجیرهٔ طولانیِ توضیح لزوماً استدلالِ قوی نیست. هر گام را با داده و قاعدهٔ لازم بررسی کن. اگر مدل از «می‌تواند» به «حتماً» رسیده، محلِ جهش را مشخص کن. برای کارِ حساس، خروجیِ AI باید در فرایندِ بررسی قرار گیرد. هدف این درس آن نیست که به هیچ متن اعتماد نکنی؛ این است که بدانی اعتماد بر چه پایه‌ای ساخته می‌شود.

یک برگهٔ نقدِ کوتاه بساز

برای یک خبر یا تبلیغ، پنج خط بنویس: ادعا، شاهد، فرضِ پنهان، توضیحِ رقیب و نتیجهٔ محدودِ قابل دفاع. اگر برای یکی داده نداری، خالی بودنش را صریح بنویس. سپس تصمیم بگیر چه چیزی ارزشِ بررسیِ بیشتر دارد. همهٔ ادعاها به یک پژوهشِ کامل نیاز ندارند؛ میزانِ بررسی باید با اثرِ تصمیم متناسب باشد.

در تمرینِ آخر، جملهٔ آغازِ درس را اصلاح کن. محبوبیت می‌تواند شاهدی دربارهٔ میزانِ استفاده باشد، اما «بهترین بودن» به معیار و مقایسه نیاز دارد. همین پاسخِ کوتاه یک اصلِ مهم را نشان می‌دهد: شاهد را فقط برای چیزی به کار ببر که واقعاً اندازه می‌گیرد. برای ادامه، درسِ سوگیری و درسِ خواندنِ پژوهش به تو کمک می‌کنند هم فرایندِ ذهنی و هم کیفیتِ داده را دقیق‌تر بررسی کنی.