, особенно когда они получены с помощью фМРТ.
Даже если бы мне удалось провести свой эксперимент, мне нужно было бы повторять его снова и снова. И даже в этом случае я не получил бы необходимых данных. Тут возникает еще одна проблема.
Данные, полученные с помощью фМРТ, не так однозначны и ясны, как об этом пишут в научно-популярных изданиях. Во-первых, мы говорим о том, какие части мозга «активны» во время исследования. Но, как указал профессор Чемберс, «это полная чепуха. Все части мозга постоянно активны. Так он работает. Вопрос заключается в том, насколько более активны определенные участки и действительно ли они значительно более активны, чем в обычном состоянии».
Даже по прежним стандартам вам нужно определить, какие пятна на сканере «значительны» для вашего исследования. И это непросто, когда речь идет о столь неопределенном вопросе, как активность отдельных участков мозга[7]. Для начала давайте разберемся: что считать «значительным» изменением активности? Если все участки мозга постоянно демонстрируют колеблющуюся активность, то насколько она должна возрасти, чтобы мы считали изменение значительным? Какого порога ей надо достичь? В разных исследованиях этот показатель может быть разным. Это все равно что прийти на концерт современной мегазвезды и попытаться определить самого рьяного ее поклонника, прислушиваясь к восторженным крикам. Выявить самого громкоголосого можно, но сделать это очень непросто.
Эта сложность, по словам профессора Чемберса, ведет к другой:
– ФМРТ порождает проблему, которую мы называем «степенью свободы исследователя». Люди часто не понимают, как анализировать полученные данные, а порой не знают даже, какой вопрос задать. Они задумываются об этом, лишь завершив свое исследование. Они работают, экспериментируют и сталкиваются с проблемой «расходящихся дорожек». Даже в самых простых исследованиях с использованием фМРТ приходится принимать тысячи аналитических решений, каждое из которых меняет полученный результат. Ученые просто собирают все данные с начала до конца, чтобы выбрать показатель, который окажется полезен.
Дело в том, что существует много способов анализа сложных данных, и одно сочетание подходов приносит результат, а другое нет. Это выглядит нечестно – все равно что стрелять в стену, потом нарисовать мишень там, куда попала бо́льшая часть пуль, и объявить себя метким стрелком. Это не так уж плохо, но ведет совершенно ложным путем. Представьте, что от попадания в мишень зависит ваша карьера и успех – и предложенный способ вам доступен. Неужели вы от него откажетесь?