احتمال یکی از بنیادی‌ترین ابزارهای علم برای درک جهان است، حتی اگر در واقع وجود خارجی نداشته باشد. این مفهوم به ما کمک می‌کند درباره‌ی داده‌ها و تصمیم‌ها فکر کنیم، زمانی که همه‌ی حقایق را در اختیار نداریم. احتمال نه در سکه‌هاست و نه در ابرها؛ بلکه ابزاری ذهنی است برای تبدیل «نادانسته‌ها» به «اقدام».
چرا علم به احتمال وابسته است؟
دانشمندان از احتمال برای بیان عدم‌قطعیت استفاده می‌کنند. وقتی می‌گویند «احتمال بارش ۶۰ درصد است» یا «این درمان مرگ‌ومیر را ۱۷ درصد کاهش می‌دهد»، قصد پیش‌گویی ندارند. آن‌ها از یک روش منظم برای به‌روزرسانی باورها و تصمیم‌گیری بر اساس شواهد فعلی بهره می‌برند.
ما نیز در زندگی روزمره از همین منطق استفاده می‌کنیم: پیش‌بینی هوا تعیین می‌کند چه بپوشیم، پزشکان مزایا و خطرات را پیش از تجویز دارو می‌سنجند، مهندسان حاشیه‌ی ایمنی تعیین می‌کنند. در همه‌ی این موارد، احتمال مانند زبانی مشترک عمل می‌کند تا افراد بر سر معنای اعداد توافق کنند – و بفهمند چه چیزی در داده‌ها وجود دارد و چه چیزی هنوز نامعلوم است.
به بیان ساده، احتمال چیزی فیزیکی نیست؛ بلکه سیستمی است که بشر ساخته تا در جهانی پر از ابهام، نظم فکری پیدا کند. از همین روست که می‌توان گفت «احتمال» خودش هم شاید واقعاً وجود نداشته باشد.
دو برداشت از احتمال
دو دیدگاه کلاسیک برای درک مفهوم احتمال وجود دارد:
۱. دیدگاه فراوانی‌گرا (Frequentist)
در این رویکرد، احتمال بر پایه‌ی الگوهای بلندمدت تعریف می‌شود. اگر سکه‌ای منصفانه را هزاران بار بیندازید، نسبت شیر حدود ۵۰ درصد خواهد بود. این عدد بازتاب رفتار سیستم در تکرارهای متعدد است.
۲. دیدگاه بیزی (Bayesian) یا باورمحور
در این رویکرد، احتمال بازتاب «درجه‌ی باور» فرد بر اساس اطلاعات فعلی است. برای نمونه، هواشناس با ترکیب داده‌های فشار، باد و رادار می‌تواند احتمال بالایی برای بارش در روز خاصی در نظر بگیرد – حتی اگر آن روز هرگز تکرار نشود.
هر دو دیدگاه اهمیت دارند. وقتی پدیده تکرارشونده است، روش فراوانی‌گرا کارآمد است؛ اما زمانی که تصمیم فقط یک‌بار گرفته می‌شود و اطلاعات ناقص است، روش بیزی کاربرد دارد. علم خوب، بسته به شرایط، میان این دو زبان جابه‌جا می‌شود.
مدل‌های آماری؛ ساده‌سازی برای درک واقعیت
مدل‌های علمی نسخه‌های ساده‌شده‌ی واقعیت‌اند. آن‌ها فقط بخش‌هایی از جهان را در نظر می‌گیرند که برای پرسش خاصی اهمیت دارند و عوامل حاشیه‌ای را کنار می‌گذارند. هدف از مدل‌سازی، وضوح است نه تقلید کامل از واقعیت.
دانشمندان بررسی می‌کنند آیا فرضیات مدل با داده‌ها همخوانی دارد و آیا پیش‌بینی‌هایش در نمونه‌های جدید درست از آب درمی‌آید یا نه. در صورت خطا، مدل اصلاح یا جایگزین می‌شود.
احتمال در پزشکی؛ نمونه‌ای از دوران کووید-۱۹
در دوران همه‌گیری کرونا، بیمارستان‌ها به پاسخ دقیقی نیاز داشتند: کدام درمان واقعاً به بیماران کمک می‌کند؟ پاسخ از طریق کارآزمایی‌های تصادفی بزرگ به دست آمد، که اساس آن‌ها بر احتمال استوار است.
در بریتانیا، پژوهشگران دانشگاه آکسفورد با همکاری سرویس سلامت ملی (NHS) آزمایشی بزرگ به نام RECOVERY انجام دادند. هزاران بیمار به‌صورت تصادفی به دو گروه تقسیم شدند: یک گروه دوز کمی از استروئید دگزامتازون را تا ده روز دریافت کردند و گروه دیگر درمان استاندارد را.
نتایج نشان داد افزودن دگزامتازون احتمال مرگ طی ۲۸ روز را حدود ۱۷٪ کاهش می‌دهد. اما این اثر برای همه‌ی بیماران یکسان نبود:
- بیماران تحت تهویه مکانیکی بیشترین سود را داشتند؛ خطر مرگ در آن‌ها حدود یک‌سوم کمتر شد.
- بیمارانی که فقط به اکسیژن نیاز داشتند نیز کمی بهبود یافتند.
- اما بیمارانی که نیاز به اکسیژن نداشتند، نه‌تنها فایده‌ای ندیدند بلکه احتمالاً آسیب اندکی هم تجربه کردند.
این مطالعه نشان داد که حتی بهبودهای کوچک در «احتمال ترخیص بیمار در ۲۸ روز» نیز می‌تواند معنای بالینی مهمی داشته باشد.
خواندن اعداد و درک واقعیت
تمام نتیجه‌گیری‌های بالا بر پایه‌ی محاسبات احتمالی است. فواصل اطمینان (Confidence Intervals) محدوده‌ای از نتایج ممکن را نشان می‌دهند که با داده‌ها سازگارند. مقادیر P یا همان P-Value نیز بررسی می‌کنند آیا تفاوت‌ها فقط ناشی از شانس هستند یا واقعی.
دانشمندان پیش از جمع‌آوری داده، طرح پژوهش را مشخص می‌کنند، متغیرها را دقیق ثبت و گزارش را شفاف منتشر می‌کنند تا دیگران بتوانند تکرار و بررسی کنند. این روند، داده‌های پراکنده را به «دانش قابل استفاده» تبدیل می‌کند.
در واقع نتایج چه می‌گویند؟
وقتی می‌گوییم «دگزامتازون برای بسیاری از بیماران بستری مؤثر است»، منظور این نیست که هر فرد برچسب نامرئی نتیجه‌ی قطعی دارد. بلکه الگوی نتایج در گروهی مشابه، با افزودن این دارو تغییر کرده است.
همین تغییر گروهی راهنمای تصمیم برای بیمار بعدی است، زیرا احتمال واکنش مشابه بر اساس تجربه‌ی بیماران قبلی تعیین می‌شود. پزشکان سپس این تغییر نسبی را به زبان عملی تبدیل می‌کنند: مثلاً «کاهش خطر مرگ حدود یک‌سوم در بیماران با تهویه».
برای برنامه‌ریزی منابع و انتظارات، شاخص‌هایی مانند تغییر خطر مطلق و تعداد لازم برای درمان (NNT) بررسی می‌شود تا یک زندگی نجات یابد. این مقادیر بسته به شدت بیماری و شرایط بیمارستان تغییر می‌کنند.
به‌روزرسانی احتمال با داده‌های تازه
احتمالات حقیقتی ثابت نیستند؛ آن‌ها باورهای موقتی‌اند که باید با شواهد جدید تغییر کنند. اگر تحقیقات بعدی نتیجه‌ی متفاوتی درباره‌ی دگزامتازون نشان می‌داد، بهترین واکنش، تغییر در رویکرد درمانی بود. علم با روش خود پایدار است، نه با نتایجش.
پایبندی کورکورانه به قواعد قدیمی پس از تغییر شواهد، نشانه‌ی سرسختی است نه دقت علمی. اعتماد به علم از آن‌جاست که روش آن استوار و نتیجه‌گیری‌هایش انعطاف‌پذیر است.
کاربردهای دیگر احتمال در زندگی
احتمال فقط در پزشکی نیست. در علوم اقلیمی، پژوهشگران بر اساس مدل‌ها و داده‌ها، احتمال رسیدن به سطوح خاصی از گرمایش جهانی را در سناریوهای مختلف انتشار گازها می‌سنجند.
در مهندسی، احتمال خرابی سازه‌ها یا بار بیش از حد پل‌ها برآورد می‌شود تا حاشیه‌های ایمنی تعیین گردد.
در زندگی روزمره هم تصمیم‌ها بر پایه‌ی احتمال گرفته می‌شوند: وقتی چتر برمی‌دارید، برای مدرسه یا دانشگاه خاصی اقدام می‌کنید، یا فایل‌های خود را پشتیبان می‌گیرید. هدف، پیش‌بینی کامل آینده نیست، بلکه انتخاب عاقلانه با اطلاعات موجود است.
احتمال، داده و عدم قطعیت
در نهایت، احتمال زبان درک عدم‌قطعیت است. عدم‌قطعیت به این معناست که ما همیشه نمی‌دانیم چه رخ خواهد داد یا همه‌ی داده‌ها را نداریم. احتمال ابزاری‌ست برای تبدیل این ناآگاهی به دانشی قابل استفاده.
وقتی می‌گوییم «احتمال بارش ۷۵ درصد است»، ادعا نمی‌کنیم که چیزی درون ابرها این عدد را می‌سنجد؛ بلکه با تکیه بر بهترین شواهد، حدسی آگاهانه می‌زنیم. در این مسیر، احتمال به ما کمک می‌کند از ناشناخته‌ها تصمیم بسازیم، نه از قطعیت‌های خیالی.
احتمال پلی میان داده و عمل است؛ ابزاری که هم شواهد را بازتاب می‌دهد، هم مرز نادانسته‌ها را روشن می‌کند. جهان همیشه پر از بی‌نظمی و عدم‌قطعیت خواهد بود، اما با تسلط بر زبان احتمال می‌توان با اعتماد و آگاهی بیشتری تصمیم گرفت.
نتایج کامل پژوهش در نشریه Nature منتشر شده است.
جمع‌بندی کوتاه
احتمال زبانی انسانی برای توصیف نادانسته‌هاست. واقعیتی فیزیکی ندارد، اما ابزار اصلی علم برای تصمیم‌گیری در جهان نامطمئن است.
