Contents
joomi.substack.com/p/top-arguments-used-by-sophists-and?s=w
詭弁家・midwit
詭弁家とは、表面的にはもっともらしいが誤りのある推論や論証の方法に従事する人々のことだ。
詭弁家と密接な関係にあるのがmidwit（半端に賢い人）だ。実際、詭弁家とmidwitを同一人物に見出すことはよくある。
midwitとは、中途半端な知性の持ち主で、しばしば些細なことにこだわって真実から目をそらしてしまう人のことだ。この記事では、midwitについて、次のように説明している。
midwitは、多くの異なる領域からの複数の情報の流れを利用して、新しい情報をシステムのより広い文脈の中で理解することができない。
それを補うために、midwitは内向きになり、情報そのものの解像度と詳細さを高めていく。中級者にとって、これは「ニュアンス」である。天才にとっては、木を見て森を見ずといったところだろうか。
IQ別のコビッドワクチン摂取率
左：ワクチンは悪い、化学はいらない。中：専門家を信頼しろ！！ 右：データのつじつまが合わないだけだ。
詭弁家もmidwitも、科学の「専門用語」をいくつか知っている程度の知能は持っている。彼らはしばしば統計的な響きを持つことを言う。このため、彼らの議論は洗練されているように思われるかもしれないが、少し調べてみると、率直に言って、彼らはたわごとに満ちていることがわかる。
それでは、詭弁家やmidwitが常用し、悪用する代表的なフレーズや論法をいくつか見ていこう。
1. 「科学的事実はコンセンサスによって達成される」
この文は通常、不都合な信念を持つ科学者を撃墜するために使われる。異端の科学者を、誰も二度と連絡を取らないような深くて暗い隅に追いやる役目を果たしているのである。
また、詭弁家や間抜けを相手にしていることを示すサインでもある。
この文のバリエーションは以下の通りだ。
- 科学的真実はコンセンサスによって達成される
- 科学的事実とは、大多数の科学者が同意しているものである。
関連するフレーズは以下の通りである。
- 科学を信頼せよ
- それは確立された事実である
- 科学は確定している
コンセンサスが間違っている可能性もある
まず、「真実」は誰が、あるいは何人の人が信じるかとは無関係に存在することに同意しよう。
したがって、科学者であっても、自分の専門分野であっても、大多数の人が何かについて間違っている可能性があることは当然のことだ。したがって、ある文章は、たとえ誰もが信じていても間違っているかもしれないし、誰もが馬鹿げていると考えていても正しいかもしれない。
だからといって、「コンセンサス・サイエンス」の言うことを聞くなとは言わない。しかし、それを鵜呑みにすることはできない。科学者も他の人と同様、妄想、同調圧力、集団思考、出世主義、そして腐敗に影響されやすい。科学の歴史には、大多数の科学者が自分たちの分野でさえも何かについて間違っていた例がたくさんある。
このサイトでは、そのアイデアが広く認められるまで、当時、時には何十年も嘲笑され、拒絶され、無視された科学者のリストを紹介している。彼らの多くは、当時は「フリンジ」とみなされていた。
このサイトで私が問題視しているのは、これらの異端児・異端科学者が後に正しいことが「証明」された、と言っている点だ。私はむしろ、これらの科学者の理論が広く受け入れられるようになった、あるいは「メインストリーム」になった、と言いたい。今は主流で、誰もが知っているような「教科書的」な事例でも、後に「覆される」可能性があることを、私は受け入れている。
物理学者のリチャード・ファインマンが言った言葉が好きである。
科学とは、専門家の無知を信じることだ。
そして
過去を受け入れることと拒否することの両方を、かなりの技術を要する一種のバランスで教えることが必要である。科学は、すべての科目の中で唯一、それ自体の中に、前の世代の偉大な教師の無謬性を信じることの危険性の教訓を含んでいる。
ファインマンは、科学における判断力を、「蓄積された知恵と、それが知恵でないかもしれないという知恵を伝える」技術と表現している。
科学者は人間であり、科学は堕落することがある
我々は、最も信頼性の高い科学者や医師を含め、人間が集団妄想や集団思考に参加する能力を決して過小評価してはならない。彼らは、ある種の同調圧力によって、ある種の考えを受け入れることすらできなくなってしまう。
学問や医学は、社会的地位や評判を気にする人を選ぶかもしれないので、一般の人よりもこの種の圧力に弱いかもしれないとさえ言えるかもしれない。
21世紀の科学は、金や官僚、企業など、利害関係のない真理の探求者とは程遠い人々の影響下にますます置かれるようになっていることを考えると、状況はさらに危うくなる（これとこれを参照）。この制度化されたビッグ・サイエンスは、「知識の独占」、すなわち研究カルテルを形成し、異論を唱える人々を排除している。
結局のところ、真実は「コンセンサス」に頼ることはできない。しかし、社会的に最も信頼されている人たち、いわゆる専門家が、見事に物事を誤ることがある。
2. 「しかし、それは専門家による査読を受けていない」
この文のバリエーションは以下の通りである。
- それは単なるプレプリントだ。
- 評判の良い雑誌のものではない
これはよく聞く言葉だ。このように言っている詭弁家やmidwit患者は、査読付き文献のデータしか認めない。彼らは、科学のほとんどが、正式な「査読」が広く採用される前に行われたことを忘れているのである。
生態学者アラン・セイヴォリーがこのことについて語ったことを聞いてほしい。
分弱のクリップであるが、ぜひ聴いてほしい。
修士号や博士号を取得して大学を卒業した人たちが、現場に出てみると、文字通り、査読付き論文でなければ何も信じようとしないのである。それが彼らの科学に対する見方なのだ。
優秀な若者として大学に入ったのに、科学の意味もわからず、脳死状態で出てきてしまう。査読付き論文などのことだと思っている。
違う！だが、それがアカデミアなのだ。
査読が役に立たないということではない。査読がうまくいけば、非常に有用だ。ただ、一部の人々が査読を理想化した概念を持っていて、査読はほとんどの場合、「最高の科学」をろ過すると思っているだけなのだ。
理想的な状況下で、査読がどのように行われるかを説明する。
原稿は、あなたの研究に関して深い専門知識を持つ査読者のもとに送られる。中には、あなたと全く同じ種類の研究をしている人もいるが、彼らはあなたと競争する必要がないと思っているので、過度に批判することはない。また、他人の研究を否定したり、貶したりして自尊心を高めるようなタイプの人もいない。その代わり、彼らは皆、とても公平で、十分に批判的だ。
原稿に多くの時間を費やしても得るものがないにもかかわらず、彼らは論文を丹念に調べ、生データを求め、あなたが行ったすべての分析を繰り返し、すべての参考文献をチェックし、詳細な提案や修正を行う。また、自分の知らないソフトウェアで解析した場合は、そのソフトウェアを知っている人に連絡を取り、感想を聞くこともある。このような努力をするのは、単に気にかけているからである。
現実
私は、レビュアーが決して良い仕事をしないと思っているわけではない。しかし、このような理想的なピアレビューに近づけることは、ほとんどない。現実には、原稿にあまり時間をかけない査読者がいる可能性の方が高い。
また、偏見もあり、これはどちらかの方向に働く可能性がある。査読者は競合相手であることもあれば、研究グループのメンバー、例えば研究責任者（PI）に忠誠を誓う人物であることもあり得る。PIがその分野で有名だったり、その分野の誰もがいつか出版したいと思うような雑誌の編集者だったりすると、そのPIは他の人のキャリアを難しくする力を持っているので、査読者はその人を怒らせたくないと思うかもしれない。
最悪の場合、ある分野が研究カルテルに支配され、コンセンサスに反する研究を排除している可能性さえある。
誰が査読者なのか？
次に、誰が「同業者」とみなされるかという問題がある。多くの研究では、さまざまな方法論が用いられており、そのために著者が多数になることがよくある。これらの方法論の中には、他のものより繊細なものもある。つまり、失敗しやすいものもあり、時には結果を大きく変えてしまうようなものもある。このような場合、その方法論に関する専門知識が本当に役に立つ。しかし、これらの方法論のすべて、あるいはほとんどの専門家である査読者は、ほとんどいない。
それに、レビュアーは、使用した方法論の専門家だから選ばれるわけではないことが多いのである。実際、原稿の書き手が査読者を決めることができる場合もある。自分で査読者を依頼することもでき、その場合は、自分に「手加減」してくれそうな人を選びたいと思うかもしれない。
ところで、自分と同じような研究をしている人を査読者にするのは確かに有効だが、そうすると快適なバブルが維持され、その分野の停滞につながる可能性がある。自分の専門分野とは異なる分野、あるいは隣接する分野の人がいた方が、自分の専門分野の人が気づかないような解釈をしてくれることがある。しかし、査読ではそのようなことは決して起こらない。
3. 「逸話はデータではない」
そこで、詭弁家やmidwitがよく使う次の議論を紹介する。”Anecdotes are not data”（逸話はデータではない）という主張だ。これは、査読についての前の主張と密接に関連しており、特定のタイプの証拠、すなわち「公式に承認された」証拠を非常に好むという点である。
バリエーションとしては
- それは 「科学的証拠」ではない
- ランダム化比較試験（RCT）は証拠のゴールドスタンダードである。
「逸話」は「科学的証拠」ではない、という誤った情報がある。まず、「科学的証拠」という言葉には、科学的な証拠とそうでないものがあるという意味合いがある。私はすべての証拠が科学的であると言いたいので、「科学的証拠」と言うことすら冗長なのである。
逸話の問題点は、それがしばしば少数のデータポイントに過ぎず、管理された実験の結果ではないことだ。このため、逸話を完全に否定し、RCT（無作為化比較試験）こそが “エビデンスのゴールドスタンダード “だと主張する人もいる。
確かに、可能な限り対照実験を行うのは良いことだが、常にそれが可能なわけではない。また、RCTの欠点や、RCTSはすぐにゲーム化できるという事実も無視されている。この試験が抱えていたすべての問題を見てほしい。
ほとんどすべての種類の証拠に問題がある可能性があるが、だからといって有用でないとは言えない。であるから、理想的には、何かをサポートするためにさまざまなタイプの証拠が必要なのである。
これには逸話も含まれる。確かに、自分が見ているものが単なる偶然なのか、それとも別のものなのかを自分で判断しなければならないので、面倒なことになる。しかし、誰も科学が単純だとは言っていない。
ところで、我々は直感的に、逸話が有用であることを知っている。そうでなければ、なぜ医者の経験年数を気にする人がいるのだろうか？
長年開業している優秀な医師は、多くの症例を見てきている。だから、新しい患者が来たときに、今まで見てきた症例から、どう治療したらいいか、いいアイデアが浮かぶかもしれない。つまり、パターン認識能力に長けているのである。つまり、彼らは長年かけて集めた逸話を頼りにしている。
逸話が有効な場合の簡単な例
あるウイルスのワクチンを接種した後、そのワクチンは極めて安全だと何度も言われているにもかかわらず、あなたの交友関係にいる何人かの人たちから、そのワクチンに対する強い拒否反応が出たという逸話を聞いたとしよう。もちろん、これは逸話だが、逸話がいくつも積み重なれば、間違いなく疑問を抱くはずだ。それが常識だ。つまり、このデータを無視してはいけないということだ。
願わくば、まともな社会であれば、このような逸話が十分に蓄積された時点で、仮説を立て、RCTを含む質の高い研究に資金を提供し、ワクチンに何か安全でないものがあるかどうかを確認するために利用されるべきだと思う。そして願わくば、これらの研究が早々に盲検化されたり、まさにワクチンメーカーによって行われたり、ワクチンメーカーを喜ばせるようなインセンティブを持つ第三者によって行われたりしないことを祈る。願わくばだ。
しかし、もしあなたがそのような社会にいないと疑っているなら、RCTの一部よりも逸話に重きを置かなければならないかもしれない。つまり、逸話は有用なのであり、逸話はデータである。
大学院で出会った最も興味深い「逸話」
また、「逸話」といっても、正式な論文にならないような、人づてに聞くようなエビデンスもあり、それがたまたま大学院時代に出会った最も興味深い情報の一部になることもある。
私が大学院にいた頃の「逸話」を紹介しよう。人をクビにするのが目的ではないので、すべて匿名にしてある。
私の知り合いのポスドクは、ある実験を行い、彼の主任研究員の最も重要な論文のデータがアーティファクトの結果であることを示した。「アーチファクト」というのは、その結果が実験的な誤りによるものであるという意味だ。この結果を公表することは、彼の上司であるPIにとって非常に都合の悪いことだったのである。ポストドクターは、自分の仕事を危険にさらすようなことはしたくなかった。特に、ビザの資格を失うことになるのだから。手短に言えば、その結果は発表されなかった。その後、何年もの間、人々はその主任研究員の研究が優れているという前提で実験を行い、多くの人々の時間とお金を浪費した。
このようなことはよくあることなのだろうか？そして、製薬会社のお金のような大きなお金が絡むと、どれだけ悪くなるのだろうか？
4. 「しかし、統計的に有意ではない」
バリエーションは以下の通り。
- 統計的検定をしていない
p値なんて
科学論文の仮説検証の多くは、良くも悪くも頻度論的な統計を使っている。
例えば、ある薬がある病気に対して良い影響を与えるかどうかを検証する研究があるとする。慣例として、「帰無仮説」を次のように定義する。薬物には効果がない。この帰無仮説を棄却するかどうかを知りたいとする。薬とプラセボを何人かの人に使って実験をして、結果を出す。このとき、通常は統計ソフトを使って「p値 」と呼ばれるものを計算する。p値は次の質問に答える：帰無仮説が真であると仮定して、この結果（またはもっと極端なもの）を見る確率はどれくらいか？その数値、p値が小さければ、その結果を見る確率は（帰無仮説が真であれば）ごくわずかであることを意味する。したがって、我々は帰無仮説を棄却する。
この「小さい」とされる数値の「カットオフ値」は、通常0.05に設定されている。この数字には何の不思議もない。これは、結果を「統計的に有意」と「統計的に有意でない」に分類するための、やや恣意的な閾値に過ぎない。
これの問題点は、結果が統計的に有意でないというだけで、帰無仮説を「証明」していると思われがちなことだ。つまり、薬の例で言えば、薬を投与された人により多くの改善が見られたが、その結果は「統計的に有意」ではなかったとする。統計的に有意」でなかったために、誤った知識を持った研究者の中には、「この薬は病気には役に立たない」、つまり「この薬には効果がない」という帰無仮説が正しいという結論に至るかもしれない。
これは間違った解釈だ。この「統計的有意性」という考え方は、しばしば科学者たちに、統計学の教育を受けていない人たちにもはっきりわかるような差異を否定させることになるのである。それについては、この記事を読んでほしい。
参考記事
一言で言えば、薬には実際に効果があったかもしれないが、その結果が統計的に有意ではなかったという理由はたくさんある。これは、研究デザイン、薬剤の投与量やタイミング、患者間の遺伝的差異などに関係しているかもしれない。
つまり、p値が小さくても、実際には薬の効果がないことがある。
このため、p値を廃止するか、少なくともその使用を制限するよう求める声もある。少なくとも、我々は、恣意的なカットオフ値に基づいて結果を「バケット化」するのではなく、不確実性を受け入れることを学ぶべきだろう。
統計的有意性についての逸話は、私が人類のあり方を心配させるものだった。
数ヶ月前、私はある高名な医師とファイザー社のコビッドワクチンの臨床試験結果について話をした。私は彼に、ワクチン接種群の方が非接種群より死亡者が多いのは赤信号だと言った（これについては、本書の第4節を参照するか、これを読んでほしい）。彼の答えは、まあ、結果は統計的に有意ではなかったということだった。
そうだか？それが結果に対する答えなのか？我々はファイザー社のワクチンが「命を救う」と言われているが、このワクチンのRCTでは、統計的有意性はともかくとして、全死因死亡率がワクチン接種群で高いことが実際に示されたのである。もちろん、これらの死亡のすべてが、あるいはすべてがワクチン接種のためであったのかどうかは、確実には分からない。しかし、これは「ワクチンは命を救う」という図式に反しているのではないだろうか？もしこれらの結果が「赤旗」でないとしたら、何がそうなのかわからない。
「統計的なテストをしなかった」
必ずしも統計的なテストが必要なわけではない。証拠物件A
Team "make shit up" is on the march.
I showed that 75 patients must have been recruited before the date that the paper claims recruitment started (March 23, 2021), and under a different inclusion/exclusion criteria, using simple math.
Apparently I need a p-value for that. 🤦 pic.twitter.com/RT9cNTot2Z
— Alexandros Marinos 🏴☠️ (@alexandrosM) May 7, 2022
アレクサンドロスM
チーム “make shit up “が行進中だ。
私は、75人の患者が、論文が募集開始と主張する日（2021年3月23日）以前に、異なる包括/除外基準の下で募集されたに違いないことを、単純な数学で示した。
どうやらp値が必要なようだ。🤦
2022年5月7日
このコーナーは以上だ。
5. 「相関は因果関係とは一致しない」
この文は、厳密に言えば、その通りだ。
もちろん、相関関係は因果関係とは一致しない。もちろん、ある国がチョコレートをどれだけ食べるかと、ノーベル賞の受賞数に相関関係があるというだけで、一方が他方を引き起こすということにはならない。
しかし、詭弁家やmidwit患者はこの議論をやり過ぎる。彼らはこの議論を乱用して、実際に因果関係がありそうなケースに適用してしまうのである。
例えば 2021年初頭のイスラエルで、ワクチンの普及期間中に40歳未満の人々の間で緊急の心血管イベントが増加したという観測を持ち出す人がいるかもしれない。
これに対して、「相関関係=因果関係ではない」と答える人がいるかもしれない。なんて深いんだ。
ただし、これはチョコレートとノーベル賞の例とは違う。このケースでは、ワクチンと心臓発作を関連づける他の論文がある。
www.medrxiv.org/content/10.1101/2021.12.21.21268209v1
academic.oup.com/cid/advance-article/doi/10.1093/cid/ciab989/6445179?login=false
www.nature.com/articles/s41591-021-01630-0
そして、もっともらしい作用機序もある（こちらの第5節を参照）。
joomi.substack.com/p/i-was-deceived-about-covid-vaccine?s=w
だから、この発言は正しいのだが、それを聞いたときには注意が必要だ。言っている人は自分の脳をシャットダウンしているかもしれないし、あなたに同じことをさせようとしているかもしれないのである。
6. 「真実は中間のどこかにある」
これは、実際にとても知的な人、つまり詭弁家でもmidwitでもない人から聞く言葉だ。この言葉に騙されるのは簡単なことだ。
時には、現実が火に油を注ぐようなパニックを必要とすることもある。
ナチズムの勃興期には、早くから警鐘を鳴らしていた人々と、ナチスを支持した人々（ノーベル賞受賞者数名やドイツの医師の大半を含む）の両極端があった。
警鐘を鳴らす人々の中には、当初は気が狂っているように見えた人もいたかもしれない。まだ、強制収容所に入れられるような「明らかな」ことが起こる前のことだ。だから、多くの人が「確かに政治的に起こっていることは良くないことだが、パニックになる必要はない」と考えていたことは容易に想像できる。つまり、「真実は中間にある 」ということだ。
しかし、結局誰が正しかったのだろうか。
「極端な意見」を持つ人が正しい場合もあるし、残念ながら「真ん中」の立場を取るような単純なルールを適用しても、確実に真実にたどり着けるわけではない。現実はそんなに甘くはない。
賢さを装う
このエッセイは、「中庸」にとどまる人たちについてのもので、興味深く読んだ。エッセイから。
しかし、推測することを拒み、証拠をまとめることを拒み、判断を下すことを拒み、どちらの側につくことも拒み、争いの上にとどまり、高尚で見下した視線で見下ろすこと、つまり、何も言わず、何もしないことで知恵を示すことによって、知恵を示そうとすることは、私には特に気取った行為に映る。
link.springer.com/article/10.1007/s10503-020-09517-z
7. 「あなたには[空欄を埋める]資格はない」
最後になるが、「自分の専門外のこと」にコメントするからには、「資格がない」ので「黙れ」という主張がある。
これは、専門性とは何かということになる。ここで言うべきことはあまりに多いので、これは別の記事で紹介する。
しかし、とりあえず、この議論のバリエーションと関連するフレーズを紹介する。
- あなたの資格は何か？
- あなたは関連する分野で論文を発表していない。
- 自分のレーンにとどまる
- 専門家を信じろ
- 自分では研究しない
- ウサギの穴に落ちないように
ラビット・ホール（ウサギの穴）に行くな
批判的思考は、誤った情報との戦いに役立っていない。
ニューヨーク・タイムズが我々平民を崖っぷちから救ってくれるのはありがたい。
詭弁家やmidwit患者から罵倒されたトップレベルの議論を私は見逃していないか？