כדי לעשות את עבודתם, מדענים חייבים להניח כמה הנחות חשובות. ההנחות האלה נשמעות סבירות, אבל קשה להוכיח אותן אחת ולתמיד. לדוגמה, אנחנו מניחים שעקרון הסיבתיות תקף ביקום, כלומר שלכל אירוע יש סיבה. זה נשמע סביר מאוד. אילו לא הייתה סיבתיות, התנהגות היקום הייתה שרירותית – דמיינו גופים שזזים בלי סיבה, או זמן שזורם לאחור! מדענים מניחים גם שחוקי הטבע שאנחנו מודדים על כדור הארץ תקפים בכל מקום ביקום. מאחר שהחלליות שלנו בקושי יצאו ממערכת השמש, זו הנחה גדולה. אף שההנחות האלה לא הוכחו, הן חיוניות לעשייה המדעית. הן יוצרות את הרקע שעל פיו אנחנו מפרשים את הראיות התצפיתיות של האסטרונומיה. הן גם מובילות אותנו בדרך של חקירה לוגית, בעוד שאבותינו הסתפקו לעיתים קרובות בכך שלא חיפשו סיבות כלל, או שהאמינו בסיבות על-טבעיות.

מדענים מניחים שהלוגיקה מובילה למסקנות תקפות על עולם הטבע. הבסיס של כל טיעון מדעי הוא לוגיקה. כשמדענים מצרפים את רעיונותיהם ואת תצפיותיהם בדרך לוגית, הם יכולים להסיק מסקנות וליצור ידע מבוסס. במדע משתמשים בשתי צורות של הוכחה לוגית, שפותחו במקור בידי פילוסופים ביוון העתיקה. אחת מהן היא דדוקציה (היסק). טיעון דדוקטיבי מתחיל בהנחות ומסיק מהן מסקנה למקרה פרטי. לדוגמה, אם נצרף את ההנחות "השמש גדולה מכדור הארץ" ו"כדור הארץ גדול מהירח", נוכל להסיק ש"השמש גדולה מהירח". את כללי הלוגיקה הדדוקטיבית ניסח לראשונה הפילוסוף היווני אריסטו, לפני כ-2,350 שנה.
בהיסק דדוקטיבי, אם ההנחות נכונות, גם המסקנה חייבת להיות נכונה. אבל טיעון דדוקטיבי דומה למכונה שמוציאה תוצאה באופן עיוור לכל קלט שמכניסים לה. אם ההנחות שגויות, גם המסקנה תהיה שגויה. לכן צריך להיזהר בהנחות לא פחות מאשר במסקנות. לדוגמה, אם נתחיל בהנחה ש"לחזירים יש כנפיים", נוכל לבזבז זמן רב בניסיון לברר למה לחזיר מסוים אין כנפיים. השיטה הדדוקטיבית מועילה רק אם אנחנו דורשים ראיות שיתמכו בהנחות. אריסטו ומורו אפלטון התווכחו על כך רבות. אפלטון סבר שאפשר להבין את עולם הטבע במחשבה טהורה, ואילו אריסטו האמין שהבנה וידע צריכים להתבסס גם על תצפיות ולא רק על לוגיקה.
ענפים רבים במתמטיקה, כמו חשבון ואלגברה, הם דדוקטיביים. אפשר להדגים בעזרתם יתרון גדול אחד וחיסרון גדול אחד של לוגיקה מסוג זה. היתרון הוא שכשההנחות נכונות, הדדוקציה נותנת מסקנות ודאיות. לפי ההנחות של החשבון הבסיסי אפשר לומר ש-2 + 2 = 4. זה לא נכון רק לפעמים, או בכל יום חוץ מימי חמישי; זה נכון תמיד. החיסרון של הלוגיקה הדדוקטיבית הוא שבמסקנה של טיעון דדוקטיבי אין יותר מידע ממה שיש בהנחות. אם נאמר ש-2x3 + 7 = 61, כאשר x אינו ידוע, נוכל להשתמש בכללי האלגברה ולהסיק ש-x = 3. הפתרון של בעיה אלגברית מסובכת עשוי להיראות כמו תגלית נפלאה, אבל אין בו יותר מידע מאשר במשוואות המקוריות. לדדוקציה טהורה יש מגבלה רצינית מבחינת המדע: היא אינה יכולה ליצור ידע חדש.
אינדוקציה (הכללה) היא כלי לוגי נוסף של המדע. טיעון אינדוקטיבי מתחיל בתצפיות פרטיות (ולא בהנחות רחבות), ומסיק מהן מסקנה כללית שתקפה באופן רחב. לדוגמה, טיעון אינדוקטיבי יכול להתחיל בתצפית "לאף אחד מ-100 החזירים שראיתי אין כנפיים". מתוך הכללה של התצפית הזאת נוכל לשער שלאף חזיר בשום מקום אין כנפיים. כמובן, ייתכן שאנחנו טועים: אולי יש איפשהו חזיר מוטנטי עם כנפיים. אבל המסקנה נראית אמינה מאוד. אחרי שראינו מאה ברבורים לבנים, נתפתה להסיק שכל הברבורים לבנים. במקרה הזה המסקנה אינה אמינה, כי יש גם ברבורים שחורים, אף שאולי לא תדעו על כך אם לא ביקרתם באוסטרליה.

אבל בטיעונים אינדוקטיביים יש מחיר: המסקנה של טיעון אינדוקטיבי לעולם אינה מובטחת לחלוטין. בפועל, שימוש זהיר באינדוקציה יכול להוביל להשערות טובות מאוד. לפני יותר משלוש מאות שנה עבר אייזק ניוטון מהתצפית "כל מסלול של פלנטה שנבדק עד כה מתאים לחוק הכבידה העולמי" למסקנה האינדוקטיבית "כל המסלולים האסטרונומיים מצייתים לחוק הכבידה הזה". עד כמה שידוע לנו, המסקנה שלו נכונה (אף שנעשו בה תיקונים קטנים אבל חשובים, כדי להביא בחשבון את השפעות היחסות שגילה אלברט איינשטיין). העוצמה של האינדוקציה היא שהיא מאפשרת להכליל טיעון ולהגיע למסקנות רחבות מאוד. מדענים לקחו את הראיות לכך שהפלנטות נעות במסלולים לפי ניוטון, והעלו את ההשערה שהמסלולים האלה תקפים הרבה מעבר למערכת השמש. זמן רב אחרי מותו של ניוטון למדנו שהחוק שלו חל על כוכבים ועל גלקסיות, ולא רק על פלנטות.
טיעונים אינדוקטיביים טובים יכולים להיות אמינים מאוד, אבל הם עלולים להיות פגומים אם הנתונים מוגבלים מדי. לדוגמה, מה לגבי התצפית "כל האנשים שנבדקו עד כה ימניים", שמובילה למסקנה האינדוקטיבית "כל האנשים ימניים"? ברור שמי שערך את המחקר הזה לא בדק מדגם גדול מספיק של אנשים. הברבורים השחורים והלבנים הם דוגמה נוספת. אפשר להבין מדוע המדע הוא מפעל שרעב לנתונים: אנחנו זקוקים לאוספי נתונים גדולים כדי להיות בטוחים שההיסק האינדוקטיבי שלנו אמין. מפתה ככל שזה יהיה, עד היום לא פותחה מערכת לוגית שגם נותנת ודאות וגם יוצרת ידע חדש. מדענים משתמשים בעבודתם גם בדדוקציה וגם באינדוקציה.

הנה דוגמה אסטרונומית לאינדוקציה. יש ראיות שתומכות בטענה ש"רוב המסה של גלקסיית שביל החלב היא חומר אפל בלתי נראה". אם נשער ש"שביל החלב הוא מערכת כוכבים טיפוסית", נוכל להסיק ש"רוב המסה ביקום היא חומר אפל". זו מסקנה נועזת, אבל היא מעוררת כמה שאלות. כמה טובות הראיות לחומר אפל בשביל החלב? האם שביל החלב באמת טיפוסי לכל הגלקסיות? האם יש ראיות לחומר אפל בגלקסיות אחרות? בעשורים האחרונים התשובות לשאלות האלה שכנעו את האסטרונומים שרוב המסה ביקום אפלה.
דוגמה נוספת לאינדוקציה נוגעת לאפשרות של חיים במאדים. אנחנו יודעים שחיים נוצרו לפחות פעם אחת במערכת השמש – בכדור הארץ. לגבי הראיות ממאדים, עדיין לא נאמרה המילה האחרונה. אם נשער ש"רוב הכוכבים יוצרים מערכות פלנטריות כתוצר לוואי טבעי של היווצרותם", נוכל להסיק ש"בהתחשב במספר העצום של הכוכבים, חיים נפוצים ביקום". שימו לב לסכנה: אנחנו מכלילים מסקנה על הסבירות של חיים בכל היקום מתוך דוגמה אחת בלבד. את השאלה אם נוצרו פלנטות סביב כוכבים אחרים כבר פתרנו – היום ידועות יותר מ-6,000 פלנטות מחוץ למערכת השמש. אבל כמה מהן מתאימות לחיים? ומה לגבי ראיות לחיים עצמם? אולי פלנטה יכולה להיות דומה לכדור הארץ ומתאימה לחיים, ובכל זאת חיים לא יתפתחו עליה לעולם. כשמדובר בחיים ביקום, הנתונים דלים מכדי שאפשר יהיה להשתמש באינדוקציה באופן אמין. אבל כל עוד אנחנו משתמשים בטיעונים לוגיים ומתעקשים על ראיות בכל שלב, שיטה מדעית יכולה להוביל אותנו לתשובות.
→ הסעיף הקודם: 1.13 דרכים להצגת נתונים | הסעיף הבא: 1.15 מתמטיקה ←

