Consilience

---
name: consilience
sub_type: guide
version: "1.0"
last_tested: "2026-05-18"
description: >
  Анализ доказательной базы гипотезы по 5 независимым путям (Теоретический /
  Наблюдательный / Механистический / Вычислительный / Предсказательный).
  Для каждого пути: данные (B) → AI-усиление (C) → ключевой тест (D) →
  публикационный артефакт (E) → условие фальсификации (F).
  Подсчёт Consilience Score (0–10). Матрица независимости.
  Активировать когда нужна структурированная программа сбора доказательств
  по гипотезе — научной, AI/ML, биомедицинской, продуктовой.
  Отличие от sci-evidence BUILD: глубже по каждому пути (A-F секции),
  добавляет AI-усиление и explicit falsification condition.
  Триггеры: /consilience, "5 путей к доказательству", "консилиенс анализ",
  "независимые линии доказательства", consilience score, "как собрать доказательства",
  "независимые пути", "analyse hypothesis paths", "evidence paths".
tokens: ~600
---

<!-- BSV — Brief Skill View | поиск: BSV
Скил   : consilience
TL;DR  : 5 независимых путей к доказательству с A-F анализом, AI-усилением и consilience score
Вызов  : /consilience, 5 путей, консилиенс анализ, независимые доказательства
НЕ для : Быстрая фальсификация (→ /sci-evidence falsify); одиночная гипотеза без попытки мульти-путей
-->

# 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:

| Тип | Вопрос | Следствие |
|-----|--------|-----------|
| **Descriptive** | "Что есть X в популяции P?" | Нет каузальных claims |
| **Predictive** | "Каким будет X для нового случая?" | Out-of-sample точность > baseline |
| **Causal** | "Что изменится если сделать A?" | Нужен DAG + causal estimand.md |

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:**

| Тип | Сила |
|-----|------|
| Математический вывод из первых принципов | Сильный |
| Формальная модель с предсказаниями | Сильный |
| Теоретический аргумент из известных законов | Умеренный |
| Аналогия с доказанной теорией | Слабый |
| Интуитивное объяснение без формализации | Нет |

**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:**

| Тип | Сила |
|-----|------|
| Проспективная когорта / временной ряд | Сильный |
| Ретроспективный анализ с контролем конфаундеров | Умеренный |
| Cross-sectional с large N | Умеренный |
| Case series (n≥10) | Слабый |
| Anecdotal / single case | Нет |

**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:**

| Тип | Сила |
|-----|------|
| Промежуточные переменные измерены напрямую | Сильный |
| Механизм заблокирован → эффект исчезает | Очень сильный |
| Симуляция воспроизводит паттерн | Умеренный |
| Аналогия с известным механизмом в другом домене | Слабый |

**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:**

| Тип | Сила |
|-----|------|
| Дифференциальные уравнения точно предсказывают данные | Сильный |
| Агентная модель воспроизводит эмерджентный паттерн | Умеренный |
| Байесовская сеть совпадает с наблюдениями | Умеренный |
| Упрощённая симуляция "в целом похоже" | Слабый |

**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:**

| Тип | Сила |
|-----|------|
| Специфическое количественное предсказание подтверждено | Очень сильный |
| Out-of-sample accuracy > baseline (pre-registered) | Сильный |
| Нетривиальное качественное предсказание сбылось | Умеренный |
| Ретроспективное "предсказание" известного результата | Нет |

**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:

|  | Теоретич. | Наблюдат. | Механист. | Вычислит. | Предсказ. |
|--|-----------|-----------|-----------|-----------|-----------|
| **Теоретич.** | — | | | | |
| **Наблюдат.** | ? | — | | | |
| **Механист.** | ? | ? | — | | |
| **Вычислит.** | ? | ? | ? | — | |
| **Предсказ.** | ? | ? | ? | ? | — |

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:**

| Путь | Статус | Оценка | Независим? | Ключевой тест | Артефакт | Время | Риск |
|------|--------|--------|------------|----------------|----------|-------|------|
| Теоретический | | | | | | | |
| Наблюдательный | | | | | | | |
| Механистический | | | | | | | |
| Вычислительный | | | | | | | |
| Предсказательный | | | | | | | |
| **SCORE** | | **/10** | | | | | |

**Интерпретация:**

| Score | Статус | Действие |
|-------|--------|----------|
| 0–2 | Голая гипотеза | Начни с Пути 1 (теория) или 3 (механизм) |
| 2–4 | Начальные признаки | Добавь ≥2 независимых пути |
| 4–6 | Умеренная поддержка | Усиль самый слабый путь |
| 6–8 | Сильная позиция | Готово к peer review / grant |
| 8–10 | Очень сильная | Public claim. Готово к публикации |

---

## 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:

```markdown
# 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