Consilience — 5 Путей к Доказательству

Зачем

Consilience (Уильям Уэвелл, 1840) — когда независимые линии доказательства сходятся к одному выводу, это сильнее любой одиночной линии.

Ключевое слово: независимые. Пять анализов одного датасета — это один путь, посчитанный пять раз. Нужны разные данные, разные методы, разная логика. Только тогда слабости не перекрываются.

Этот скил строже sci-evidence BUILD: для каждого пути требует не просто статус, а полный разбор (данные → AI → тест → артефакт → условие фальсификации).

Шаг 0 — Читай контекст проекта

До любых вопросов читай:

1. CLAUDE.md → домен, стек, ограничения
2. .claude/memory/activeContext.md → активные гипотезы
3. null_results/INDEX.md → что уже опровергнуто (не повторяй)
4. experiments/ → что уже пробовали

Начни блоком [ИЗ ПРОЕКТА]. Если нашёл null_result по этой гипотезе → скажи сразу.

Шаг 1 — EstimandOps L0

Классифицируй гипотезу:

Напиши эстиманд одной строкой:

"Мы оцениваем [MEASURE] [ENDPOINT] для [POPULATION], сравнивая [INTERVENTION] vs [COMPARATOR]."

Напиши 2+ пункта что результат НЕ означает.

Шаг 2 — 5 Путей: Шаблон A-F

Для каждого из 5 путей заполни все секции. Не пропускай F — это главный kill-criterion.

Структура каждого пути:

A — Центральная идея: как этот путь поддерживает гипотезу? 1–2 предложения.

B — Данные (3 уровня):

• Минимум: что можно найти за 1 день (публичные датасеты, литература)
• Хорошо: что нужно собрать за неделю
• Идеально: что даст максимальную доказательную силу

C — AI-усиление: 2–3 конкретные техники как AI ускоряет этот путь.

D — Ключевой тест: один самый информативный эксперимент/проверка. Что именно измеряем, какой порог.

E — Публикационный артефакт: что выходит из этого пути (таблица, рисунок, supplementary, preprint).

F — Условие фальсификации: "Этот путь закрывается как НЕработающий если ..." — конкретное наблюдение/результат, который убивает вклад этого пути.

Шаг 3 — 5 Путей (детальный разбор)

🧠 Путь 1: Теоретический — "Почему это должно работать?"

Логическое и теоретическое обоснование. Не данные — принципы.

Типы теоретических доказательств:

Типичные C-инструменты: Claude/GPT для поиска теоретических противоречий; Mathematica/SymPy для символических выводов; Literature AI (Semantic Scholar) для теоретических прецедентов.

📊 Путь 2: Наблюдательный — "Что говорят данные в природе?"

Реальные данные без вмешательства. Паттерн существует in the wild.

Типы:

Красный флаг: данные cherry-picked или нет контроля конфаундеров. Зелёный флаг: dose-response relationship, эффект устойчив в разных когортах.

Типичные C-инструменты: автоматический поиск датасетов (Kaggle, UCI, NCBI GEO); EDA с Claude; power analysis перед сбором.

🔬 Путь 3: Механистический — "Как именно это работает?"

Объяснение промежуточных шагов. Чёрный ящик не считается.

Типы:

Тест механизма: "Что случится с Y если заблокировать именно этот механизм, оставив всё остальное?" Если Y не меняется → механизм неверный.

Типичные C-инструменты: Claude для поиска аналогов в других доменах; медиационный анализ (Python mediation); ablation study (ML).

💻 Путь 4: Вычислительный — "Что показывает симуляция?"

Математическая модель или симуляция воспроизводит ключевые паттерны.

Типы:

Ловушка: модель с достаточным числом параметров подгоняется под любые данные. Проверяй на held-out данных, которые модель не видела.

Типичные C-инструменты: Claude пишет агентную модель; GPT-4 Code Interpreter для быстрого прототипа; Wolfram для аналитических решений.

🎯 Путь 5: Предсказательный — "Гипотеза предсказала что-то новое?"

Самый сильный вид: гипотеза прошла blind test.

Типы:

Ловушка: предсказание после просмотра данных (HARKing — Hypothesizing After Results Known) = 0 информации.

Типичные C-инструменты: pre-registration на OSF до анализа; Claude для генерации контр-интуитивных предсказаний, которые стоит проверить.

Шаг 4 — Матрица Независимости

Перед подсчётом score проверь независимость. Пути зависимы если используют одни данные или одну логику:

Заполни каждую ячейку: ✅ независимы / ⚠️ частичное перекрытие / ❌ зависимы (один источник).

Поправка: зависимые пути считаются как 1 путь при scoring.

Шаг 5 — Consilience Score

Шкала оценки каждого пути:

• Нет = 0
• Слабый = 0.5
• Умеренный = 1.5
• Сильный = 2.5

Формула: Score = (сумма оценок путей) / 1.25 (max = 12.5 → нормализуем к 10)

Поправка на зависимость: зависимые пути (❌ в матрице) → засчитываются с коэффициентом 0.5.

Итоговая таблица:

Интерпретация:

Шаг 6 — Рекомендованный Маршрут (5 вариантов)

Выбери по ситуации:

• Быстрый старт (48ч): Путь 1 (теория) + Путь 5 (быстрое предсказание на доступных данных)
• Для публикации: Путь 2 + Путь 3 + Путь 5 (pre-registered) — минимум для Nature/Science-tier claim
• Сильное доказательство: все 5 путей, Score ≥ 7 до submission
• Для гранта: Путь 1 (теория) + Путь 4 (симуляция) + предварительные данные Пути 2
• Прорывное: Путь 3 (механизм) + Путь 5 (нетривиальное предсказание) — если сработает → instant high-impact

Null Results Protocol

Если после честного разбора Score < 4 или ≥2 пути получили F-фальсификацию:

# Null Consilience — [гипотеза, дата]
Score: X/10
Пути закрытые F-фальсификацией: [список]

По каждому пути:
- Что пробовали
- Почему не сработало
- Что нужно чтобы вернуться к этому пути

Условие реабилитации: [конкретное — новый датасет / новая методология / ...]

#null-result #consilience #[тема]

Сохрани в null_results/ проекта или ~/.claude/memory/raw/.

Связанные скилы

• sci-evidence falsify — 5 миров где гипотеза неправа (перед consilience)
• proof-ladder — стратегический маршрут: какой уровень доказательства нужен?
• scientific-research — проектный уровень (baseline.py, kill criteria, vault)

Рекомендуемый порядок: /sci-evidence falsify → /proof-ladder → /consilience

Кто вызывает этот скил (по depends_on в skills/registry.yaml):

• /hd-mavp-router — вызывает как один из путей доказательства