天気予報の確率表示に感じる「はっきりしなさ」は、科学の弱さではなく誠実さの表れです。科学は観察から始まり、モデルで世界を理解しようとしますが、測定には誤差があり、不確実性は避けられません。本稿では、観察の限界、モデル化の役割、誤差との付き合い方を通して、科学がどのように世界を理解し、判断しているのかを解説します。

科学はどうやって世界を理解するのか？―観察とモデルと不確実性の話

みなさんは天気予報を見たことがありますよね。「明日の降水確率は60%です」と言われたとき、どう思いますか？

「結局、降るの？降らないの？」とモヤモヤしませんか？

実は、この「はっきりしない感じ」こそが、科学の正直な姿なのです。科学は万能ではありません。

でも、その限界を知ることで、科学はより信頼できるものになります。

1. 観察の限界：見ているつもりでも、すべては見えていない

観察は科学の出発点

科学はまず「観察」から始まります。空を見て「雲がある」「風が吹いている」と気づく。これが観察です。とてもシンプルですよね。

でも、観察は思っているほど簡単ではありません。実は、観察にはいろいろな落とし穴があるのです。

問題1：観察の数が足りない

想像してください。あなたが初めて「カモノハシ」という動物を見たとします。くちばしがあって、毛が生えていて、水辺にいます。

「鳥かな？」と思うかもしれません。でも、実はカモノハシは哺乳類で、卵を産みます。もし1匹だけ見て「これは鳥だ」と決めつけたら、大きな間違いを犯すことになります。

これが「観察件数の不足」の問題です。

問題2：観察の正確性が足りない

昔の人は「太陽が地球の周りを回っている」と信じていました。なぜなら、毎日太陽が東から昇って西に沈むのを見ていたからです。この観察は正しいのでしょうか？

見た目は正しいです。確かに太陽は動いているように見えます。

でも、実際には地球が回っているのです。観察は正確でしたが、解釈が間違っていました。

目の錯覚

プールで、棒を水に入れると曲がって見えますよね。でも、棒は本当は曲がっていません。光が水と空気の境目で曲がるため、そう見えるだけです。

目で見たものがそのまま真実とは限りません。だから科学では、いろいろな角度から観察したり、機械で測定したりして、正確さを高めようとします。

測定の精度の限界

体温計で熱を測るとき、37.0度と表示されたとします。でも、本当にぴったり37.0度でしょうか？実は37.04度かもしれないし、36.98度かもしれません。体温計の精度には限界があるので、細かい数字まではわかりません。

同じように、どんな測定にも「これくらいまでしか正確にはわからない」という限界があります。体重計、時計、温度計、すべてそうです。これが「観察の正確性の欠如」です。

問題3：妥当なモデルがない

「モデル」については後で詳しく説明しますが、ここでは「説明の仕方」と考えてください。

昔、人々は地震が起きる理由がわかりませんでした。日本では「大きなナマズが暴れているから」と考えました。

地震という観察はできても、それを説明する科学的なモデルがなかったのです。

今は、プレートテクトニクスという理論があります。

地球の表面が何枚ものプレート（板）に分かれていて、それがぶつかったり、ずれたりして地震が起きると説明できます。

適切なモデルがないと、観察があっても正しく理解できません。観察とモデルは、両輪の関係なのです。

2. モデル化：複雑な世界をシンプルに理解する

モデルって何？

「モデル」と聞くと、ファッションモデルや模型を思い浮かべるかもしれません。

科学のモデルも似ています。「本物を簡単にしたもの」です。

世界は複雑すぎて、そのままでは理解できません。

だから、大事なところだけを取り出して、シンプルにしたものを作ります。これがモデルです。

身近な例：地図

地図は最高のモデルの例です。

日本地図を見てください。実際の日本には、無数の家、木、車、人がいます。

でも、地図にはそんなものは描いてありません。道路、都市、県境など、必要な情報だけが描かれています。

これが「簡略化」です。すべてを描いたら複雑すぎて使えません。必要な情報だけを選んで描くから、地図は便利なのです。

用途によって違うモデル

でも、地図にもいろいろあります。

• 道路地図：車で移動するときに使います。道路が詳しく描いてあります。
• 路線図：電車に乗るときに使います。駅と路線だけが描いてあります。実際の距離や方向は正確ではありません。
• 地形図：山や川の形がわかります。登山やハイキングに使います。

どれが「正しい地図」でしょうか？全部正しいし、全部違います。用途によって、適切なモデルが変わるのです。

科学のモデルの例

天気予報のモデル

天気予報は、大気のモデルを使っています。

本当の大気には、無数の空気の粒があります。それぞれが動いて、ぶつかって、温度が変わって…すべてを完璧に計算するのは不可能です。

だから、天気予報では地球を大きなブロックに分けます。例えば、10キロメートル四方のブロックに区切って、それぞれのブロックの平均的な気温、湿度、風などを計算します。

これは簡略化です。本当は10キロメートルの中でも場所によって気温が違います。でも、それを無視して平均値で計算する。これがモデル化です。

この簡略化のおかげで、計算ができて、天気予報ができます。でも、細かいところは捨てているので、完璧な予報はできません。「明日の午後3時に、あなたの家の上だけ雨が降る」とは予測できないのです。

モデルの限界を知る

ここが大切です。モデルは現実ではありません。

地図は実際の土地ではありません。いくら詳しい地図でも、実際に行ってみたら「こんな急な坂だとは思わなかった」ということがあります。

科学のモデルも同じです。モデルはあくまで「近似」、つまり「だいたい合っている」だけです。

完璧なモデルは存在しません。でも、「だいたい合っていて、使える」モデルなら、十分に役立ちます。

大事なのは、そのモデルがどこまで使えて、どこから使えなくなるかを知ることです。

科学でも同じです。モデルの限界を理解せずに使うと、大きな間違いを犯すことがあります。

モデルは進化する

モデルは改良できます。

天気予報のモデルは、昔は1週間先の予報はほとんど当たりませんでした。

でも、観測データが増え、コンピュータが速くなり、モデルが改良されて、

今は1週間先でもかなり正確に予報できるようになりました。

新しい観察結果が出たら、モデルを修正します。

モデルが現実と合わなくなったら、新しいモデルを作ります。これが科学の進歩です。

3. 誤差の必然性：完璧な測定は存在しない

すべての測定には誤差がある

ここで大切なことを言います：完璧な測定は存在しません。

どんなに高価な機械を使っても、どんなに注意深く測っても、必ず誤差があります。これは避けられません。

身近な例：時計

スマホの時計と、家の壁時計を比べてみてください。ぴったり同じ時刻を示していますか？おそらく、数秒くらいズレているはずです。

どちらが正しいのでしょう？実は、どちらも完璧ではありません。

世界で最も正確な「原子時計」という時計でも、何億年に1秒ずれる程度の誤差があります。つまり、どんな時計でも、完璧にはなれないのです。

でも、日常生活では数秒のズレは問題になりません。学校に遅刻するかどうかには、分単位で十分です。必要な精度は、用途によって違うのです。

測定の誤差の原因

誤差が出る理由はいろいろあります。

機械の限界

体温計は0.1度単位で測れます。でも、0.01度単位では測れません。機械には「これより細かくは測れない」という限界があります。

環境の影響

同じ体温計でも、寒い部屋で測るか、暖かい部屋で測るかで、少し結果が変わることがあります。湿度や気圧も影響するかもしれません。

人為的なミス

体温計を脇の下に挟むとき、きちんと挟めていないと正確に測れません。測る人の技術も関係します。

ランダムな揺らぎ

時には、理由がわからない偶然の変動もあります。全く同じ条件で測っても、少し違う値が出ることがあります。これは自然界の根本的な性質かもしれません。

誤差とどう付き合うか

誤差は避けられないので、科学者は誤差とうまく付き合う方法を考えました。

何度も測る

1回だけ測るのではなく、同じことを何度も測ります。

例えば、豆を育てる実験で、肥料を与えた豆の高さを測るとします。

1本だけ測ったら、たまたまその豆が特別だったかもしれません。10本測れば、より正確な平均がわかります。

何度も測って平均を取ることで、偶然の誤差を減らせます。

誤差の範囲を示す

科学の論文では、「温度は25.3度でした」ではなく、「温度は25.3±0.2度でした」と書きます。

「±0.2度」というのが誤差の範囲です。「本当の値は25.1度から25.5度の間のどこかです」という意味です。

これは不正確だから悪いのではなく、正直だから良いのです。「どれくらい確かか」を示すことで、結果を正しく理解できます。

誤差が結論を変える

面白いことに、誤差があると、結論も変わることがあります。

例：新薬の効果

新しい風邪薬の効果を調べたとします。

• 薬を飲んだグループ：平均3.2日で治った
• 飲まなかったグループ：平均3.5日で治った

一見、薬を飲んだ方が早く治っています。でも、誤差を考えます。

• 薬を飲んだグループ：3.2±0.5日
• 飲まなかったグループ：3.5±0.5日

誤差の範囲を考えると、薬を飲んだグループは2.7日から3.7日、飲まなかったグループは3.0日から4.0日です。この範囲は重なっています。

つまり、たまたまの偶然で差が出ただけかもしれません。「薬は効果がある」と断言できないのです。

もっとたくさんの人で試験をして、誤差を小さくする必要があります。

計算手法による違い

同じデータでも、どう計算するかで結論が変わることがあります。

例：平均の取り方

クラスのテストの点数を考えます。5人の点数が、60点、65点、70点、75点、100点だったとします。

普通の平均（算術平均）は：(60+65+70+75+100)÷5 = 74点

でも、100点の人は特別に優秀だから、この人を除いて平均を取るべきだという考え方もあります。すると：(60+65+70+75)÷4 = 67.5点

どちらが「正しい平均」でしょうか？用途によります。

クラス全体の実力を見たいなら74点、典型的な生徒の点数を知りたいなら67.5点が良いかもしれません。

科学でも、同じデータをどう分析するかで、少し違う結論が出ることがあります。

だから、科学者は自分がどんな方法を使ったかを詳しく説明します。

これらが組み合わさると

観察の限界、モデルの不完全さ、誤差の必然性。これらが組み合わさると、科学には常に不確実性がつきまといます。

でも、これは悪いことではありません。

不確実性を認める強さ

「わからないことがある」と正直に言えることが、科学の強さです。

占い師は「あなたの未来は絶対にこうなる」と断言するかもしれません。

でも、科学者は「現在のデータでは、70%の確率でこうなると予測されます」と言います。

科学では間違う可能性を認めているから、その分、注意深く検証するからです。

科学的な態度

不確実性を理解した上で、科学的に考えるとは：

1. 謙虚であること 「絶対に正しい」と思わない。新しい証拠が出たら、考えを変える準備をする。

2. 正直であること わからないことは「わからない」と言う。不確実性を隠さない。

3. 慎重であること 誤差や限界を考慮して、慎重に結論を出す。

4. オープンであること 自分の方法やデータを公開して、他の人が検証できるようにする。

日常生活での応用

これらの考え方は、日常生活にも使えます。

健康情報を見るとき

「この食品を食べるとガンが治る！」という情報を見たとします。

• 観察は？：何人で試した結果ですか？たった数人の体験談？それとも何千人の研究？
• モデルは？：なぜ効くと言っているのですか？メカニズムの説明はありますか？
• 誤差は？：効果の個人差は？副作用は？

これらを考えると、怪しい情報に騙されにくくなります。

自分の判断をするとき

進路を決めるとき、「この高校に行けば絶対に幸せになれる」という完璧な保証はありません。

でも、できる限り情報を集め（観察）、自分に合った選択肢を考え（モデル化）、どれくらい確かかを考え（不確実性を評価）て、最善の決断をすることはできます。

不確実性があるからといって、何も決められないわけではありません。

おわりに

科学は完璧ではありません。観察には限界があり、モデルは不完全で、測定には誤差があります。

でも、これらの限界を知っているからこそ、科学は信頼できるのです。

「絶対に正しい」と言い張る人より、「ここまではわかっているが、ここからはわからない」と正直に言える人の方が、信頼できますよね。

科学は、不確実性と向き合いながら、少しずつ真実に近づいていく営みです。完璧な答えはすぐには出ません。

みなさんも、「絶対」や「完璧」という言葉に惑わされず、物事の不確実性を理解して、判断できる人になってください。

それが、科学的リテラシーを持つということなのです。

※AI支援によって記事を作成しています。