НАСТОЯЩИЙ МАТЕРИАЛ ПРОИЗВЕДЕН, РАСПРОСТРАНЕН И НАПРАВЛЕН ИНОСТРАННЫМ АГЕНТОМ T-INVARIANT, ЛИБО КАСАЕТСЯ ДЕЯТЕЛЬНОСТИ ИНОСТРАННОГО АГЕНТА T-INVARIANT. 18+
Почему дорогая и вычислительная наука вытесняет «изобретательную» и «понимательную»? Каким образом ученый из мыслителя может превратиться в лаборанта для искусственного интеллекта? Как поменяются роли ученых-профессионалов и популяризаторов науки? Своим прогнозом делится доктор биологических наук Александр Кузнецов.
В обществе до сих пор принято считать, что наука – это вершина мыслительной деятельности человека. Безусловно, это было именно так во время золотого периода науки. Но, начиная со второй половины ХХ века, стал все сильнее проявляться целый набор признаков, не соответствующих такому представлению. Речь не идет о том, что новая наука хуже или лучше старой. Просто она другая, и если вглядеться в ее пока еще детские черты, то можно понять, как она будет выглядеть в будущем, когда повзрослеет.
Вначале коротко перечислю признаки, которые я имею в виду, потом разверну эти пункты и напоследок попробую спрогнозировать, куда движется научная отрасль.
Итак, вот пять внешних признаков современной науки, которые с точки зрения стандартов золотого периода науки нельзя воспринять иначе как падение нравов:
- Предпочтение дорогостоящих методик — свидетельство девальвации методической изобретательности.
- Погоня за сверхрепрезентативной выборкой — свидетельство девальвации научных прогнозов.
- Большее внимание к корреляционным связям (грубо говоря, совпадениям), чем к причинно-следственным — свидетельство девальвации осмысления законов природы.
- Перечисление ссылок на работы предшественников не в порядке их публикации — свидетельство девальвации научного приоритета.
- Рост числа соавторов научных публикаций — свидетельство девальвации научной мысли по сравнению с подсобной работой.
Зачем науку делать «за дорого»
Мне, как и большинству российских ученых, постоянно приходилось сталкиваться с недоступностью современного обеспечения, потому что у российского руководства нет денег на науку и есть совершенно другие интересы, чем развитие науки. Поэтому российским ученым приходится многие вещи делать собственными силами, как говорится, «на коленке». Можно гордиться своей изобретательностью, но ведущие международные журналы нередко отклоняют подобные работы только на том основании, что автор пользуется нестандартной методикой. Я это говорю на собственном опыте. Совершенно очевидно, что, с точки зрения идеала науки как вершины человеческой мысли, дешевая методика лучше (эффективнее) дорогой при равном результате, т.к. экономит деньги налогоплательщика или мецената. Легче всего объяснить потворствование дорогостоящим методикам в научных журналах лоббированием со стороны производителей научного оборудования. Но тут я прошу читателей попридержать бритву Оккама и дать мне изложить более интересную причину, а именно: дорогостоящая методика является гарантией того, что исследование проведено на современном уровне. Так что его можно принять на веру. Напротив, чтобы по достоинству оценить дешевую, но нестандартную альтернативу, надо вникнуть в нее во всех деталях. А на это у современного ученого времени нет из-за прогрессивно нарастающего вала публикаций, которые приходится хотя бы бегло пролистать. Таким образом, действует универсальный принцип «время = деньги»: если писатель вложил в статью больше денег, то читатель потратит на ее освоение меньше времени.
Почему хочется всех посчитать
Однажды один мой коллега сказал про другого, что тот в своем многолетнем исследовании скоро перейдет от наращивания выборки к охвату генеральной совокупности, то есть, попросту, изучит все свои объекты поголовно. Сказано это было с восхищением. Трудолюбие действительно заслуживает восхищения. Но ведь идеалом науки было совсем другое — силой ума восстановить по обрывочным данным общую картину и дать правильный прогноз. Понятно, что репрезентативность выборки имеет критическое значение, хотя она и не всегда достижима. Но, по аналогии с предыдущим рассуждением о методиках, давайте поставим вопрос: если один ученый делает некое умозаключение на основании минимальной репрезентативной выборки, а другому ученому для точно такого же вывода потребна генеральная совокупность, то кого из этих двоих выгоднее взять на вакансию в научном институте? Коротко говоря, увеличивая выборку, исследователь смещает центр тяжести работы от чисто научной к технической, которую раньше называли лаборантской.
C каких пор ученому стало вредно умничать
В прошлом научные работы достаточно отчетливо делились на описательные и «понимательные» — направленные на выявление закономерностей во взаимосвязях между теми разрозненными фактами, которые описаны в описательных. По одной из классификаций описательные работы именовались идиографическими, а связующие — номотетическими. В наше время чисто идиографические работы почти не принимаются рецензируемыми журналами, а сырые данные накапливаются в отдельных от журналов депозитариях. Стиль номотетики тоже очень сильно поменялся. В поиске взаимосвязей между изучаемыми фактами современные исследователи во всех более или менее знакомых мне областях все чаще ограничиваются констатацией корреляций и даже не заикаются о проникновении в причинные связи. Корреляции ищутся при помощи компьютерных программ, а причинные связи при помощи умозаключений. Так что тут мы видим сдвиг от научной мысли как таковой к технической обработке. Отсюда проистекают все чаще слышные в самых разных областях науки призывы типа: «Заткнись и вычисляй!» или «Заткнись и секвенируй!» Короче: «Хватит умничать — давай работай!» Многие ученые так и делают. Это ученые нового типа, которые стремятся не столько понять собственный материал, сколько обработать его общепринятыми современными методами и встроить в научный mainstream. Вы их наверняка встречали. Их можно отличить по фразе: «Я умею готовить (cook) статьи так, чтобы их приняли в хорошем журнале».
Ради чего укорачивается память ученых
Теперь коснемся святая святых — научного приоритета. Это дань первооткрывателю, реализованная в авторском праве и патентовании. Совсем недавно ссылки на первоописания фактов и явлений, на первые версии научных теорий были делом чести для очередного поколения исследователей. Теперь это не так жестко. И дело не только в том, что современным авторам все труднее выкопать первоисточники из-под нарастающего вала последующих публикаций. Изменился стиль подачи литературного материала! Например, еще лет 20 назад после слов вроде: «Явление такое-то было изучено недостаточно», — было принято давать в скобках список ссылок на предшественников в строго хронологическом порядке: от самой старой к самой свежей. Теперь те же ссылки все чаще выстраивают в алфавитном порядке — по первой букве фамилии первого автора. Например, такого нового стандарта в перечислении работ предшественников стали придерживаться в научных журналах, публикуемых крупнейшей издательской компанией Wiley. В результате читателю приходится предпринять дополнительное усилие, чтобы найти среди перечисленных ссылок тот самый первоисточник. Часто читателю не хватает на это времени, так что грань между первооткрывателями и последователями в восприятии ученых мало помалу размывается. На собственном опыте могу утверждать, что нынешние рецензенты чаще пеняют на отсутствие ссылок на новейшие работы, чем на первоисточники. Новейшие работы имеют то неоспоримое преимущество, что они с максимальной вероятностью еще не опровергнуты, то есть сохраняют актуальность. К тому же они выполнены на современном оборудовании, так что им можно доверять, не вдаваясь в детали (см. выше о методиках). В итоге получается, что у современной науки память становится все более короткой. Теперь научные работы текущего года стали значительно сильнее связаны с работами года предыдущего, чем с более ранними. Тем самым наука все более приближается к марковскому процессу, когда будущий шаг зависит от состояния в настоящем, но не от прошлого.
Кому одна голова хорошо, а две, три, четыре, пять — лучше
Наконец, давайте обсудим рост числа соавторов — наиболее бросающуюся в глаза отличительную черту современной науки. Есть статьи с сотнями и даже тысячами авторов, и в них благодарности выражаются не отдельным личностям, а целым институтам. Список авторов в этих статьях выглядит колоссально, как если бы у голливудского фильма в титрах все: от директора картины до дизайнера этих самых титров — значились без разбора в качестве режиссеров. Проще всего сказать, что раньше авторы так не гуртовались, а действовали в одиночку, потому что работа была технически проще, чем сейчас. В противоположность, между прочим, сельскому хозяйству, где один фермер с трактором заменяет толпу крепостных. Но, отмахнувшись очередной раз от бритвы Оккама, позволю себе предложить более сложное объяснение данного феномена. С одной стороны, изменилась этическая планка авторского участия. Не так давно обычной практикой было включение технических работников в список благодарностей, а теперь коллега может обидеться, если попросишь его отсканировать один образец, а удостоишь лишь благодарности. Иначе говоря, авторами научной работы теперь считаются не только те, кто думают, но и те, кто работают руками, а часто и те, кто возглавляют лаборатории. Но гораздо интереснее тот феномен, что на самом деле «думающих соавторов» тоже теперь часто бывает больше одного, и даже намного больше. «Как такое может быть в принципе?» — спросит меня читатель, который знает, насколько сложно устроен человеческий головной мозг, и, соответственно, насколько более сложные мысленные конструкции могут формироваться внутри одного мозга, чем передаваться от человека к человеку (телепатии не существует). Мне кажется, что поговорка «одна голова хорошо, а две — лучше» применима только на уровне смекалки типа здравого смысла и никак не подходит для высших форм творческой мысли. Не зря в художественной литературе так мало великих писателей, которые писали парами. Не указывая пальцем, позволю себе усомниться, что члены этих немногочисленных пар стали бы писать хуже поодиночке. Как минимум одному из двоих разделение пошло бы на пользу в плане глубины сочинений. Но в современной науке соавторство мыслей действительно стало нормой. Объяснение этому одно. По сравнению со статьями ученых-одиночек прошлого, современные статьи представляют гораздо более элементарные мысли — в смысле короткие и не разветвленные. Думаю, что не только я встречался с рекомендациями со стороны редакции и рецензентов, что статья по возможности должна предлагать только одну гипотезу и рассматривать ее прямолинейно, без побочных мудрствований.
Я бы сказал, что идеальная форма, к которой стремится современная статья, представляет собой выражение типа «из A и В следует С», где A и В являются привходящими (своими или чужими сырыми данными либо выводами предшествующих публикаций — чужих или своих), «следует» является той самой прямолинейной мыслью, а С является выводом. Такое неразветвленное умозаключение имеет два технических преимущества. Во-первых, его могут совместно думать несколько человек. Во-вторых, последующим исследователям не требуется тратить время на разбор разветвлений мысли предшественника (как в научных трактатах старого образца), а можно прямо использовать вывод С для написания следующей статьи аналогичного типа: «из С и D следует E». Статьи с более разветвленной логикой все труднее встраиваются в общий поток.
Почему популяризаторы науки станут важнее, чем сейчас
Исходя из всех вышеперечисленных пяти свойств и тенденций современной науки можно спрогнозировать ее дальнейшее развитие в эпоху искусственного интеллекта. Нет, это не будет что-то ужасное, но нечто весьма и весьма занимательное. Удивительнее всего при этом то, насколько хорошо современная наука подходит для употребления в эту новую эпоху — как будто специально старалась успеть подготовиться к появлению ИИ! Наука старого типа была бы гораздо труднее для переваривания. Теперь же и авторы, привыкнув работать в большом коллективе, готовы ограничиться чисто исполнительской деятельностью, и научная продукция стала более модульной, готовой к самостыковке. Вот как выглядит современный научный процесс в целом, если посмотреть на него со стороны (рис. 1). Похоже на ствол старой оливы. Это поток взаимно переплетающихся научных течений, который при ближайшем рассмотрении членится на ⅄-образные элементы — публикации вышеописанного типа (A&B)→C. Однородные элементарные статьи ⅄-образной формы обладают замечательным свойством — выстраиваться благодаря своим оголенным концам на входе и выходе в единую сеть научного познания почти без дополнительных умственных усилий. Достаточно очевидно, что сложносочиненные работы старого образца встраиваются в такую систему с большим трудом из-за своей «многоконечности». Следующим авторам удобнее брать из них только часть выводов. Это вполне обычная практика, хотя, строго говоря, она в общем случае весьма сомнительна и требует гораздо больше оговорок, чем это принято делать. Действительно, чтобы взять из «многоконечной» статьи только часть выводов, а остальные отбросить, надо как-то доказать, что ее внутренняя логика содержит изъяны. Ведь нельзя же в математике в рамках определенной аксиоматики взять на вооружение только часть теорем, а остальные проигнорировать! Но чем дальше от математики, тем мягче логика. Меж тем, «одноконечные» ⅄-образные работы вообще не создают такой проблемы. Вывод-то в них всего один, так что и выбирать не приходится.
Структура потока научной мысли. Ось времени направлена вверх. Показана одна элементарная публикация типа «из A и В следует С». Оборванные веточки — это публикации, вывод которых (С) не нашел продолжения, т.е. не был процитирован. Использован кусочек схемы видообразования Ф.Г. Добржанского. (Рисунок предоставлен автором — прим. ред.)
На каждом поперечном сечении этот поток выглядит как поле горячих научных новостей. Стремление каждого ученого — найти и выхватить из этого поля две перспективные новости, на основании которых его научная команда сделает такой вывод, который, в свою очередь, схватят другие ученые на следующей итерации процесса. В конкуренции за финансово-материальную поддержку выигрывают те ученые (с командами соавторов), которые за счет научной интуиции лучше угадывают те пары привходящих, следствие из которых будет максимально подхвачено в следующем цикле работ. Мерой успеха в этой своеобразной игре является индекс цитирования. Но каждый отдельный ученый имеет довольно узкий кругозор, ограниченный его областью. Поэтому сам по себе он видит только ⅄-образные конструкции с узко поставленными ножками. Чаще всего они уже использованы, поскольку каждая область уже весьма плотно истоптана предшественниками. Вот почему междисциплинарные исследования становятся все популярнее, и вот откуда проистекает селективное (как говорят эволюционисты) преимущество многоавторских коллективов из разных областей!
Кажется, заглядевшись на научный процесс со стороны, мы забрели из области чистой (и прекрасной) науки в область так называемого “data science”, которая упорядочивает большие массивы данных любого происхождения статистическими методами теперь уже с привлечением ИИ. Прикосновение кремниевой его десницы можно было заметить уже в предпочтении корреляций по сравнению с причинностью. Так вот, становится вполне очевидно, что ИИ уже дозрел до такого уровня развития, что ему можно перепоручить поиск перспективных сочетаний известных данных А и В для будущих исследований типа ⅄. Наверняка уже сейчас он сможет осуществлять этот выбор лучше, чем отдельные ученые и даже целые команды из разных областей. И каким образом ИИ будет приходить к своим искусственным умозаключениям, спрашивать его не только бесполезно, но и не нужно. Бесполезно потому, что ход его мысли для человека непостижим, а ненужно потому, что важнее всего результат — высокая цитируемость вывода, получаемого на острие ⅄-образной конструкции. Дальше совсем нетрудно допустить, что и стержень этой конструкции, то есть связь между ножками и острием, формирующую научную гипотезу данной публикации, ИИ сможет сочинить лучше, чем сотрудничающие с ним исследователи. Правда, гипотеза эта опять же будет для исследователей непостижима, зато статистически надежна, а значит высоко цитируема и успешна в плане финансовой поддержки и естественного отбора гипотез. Долго ли, коротко ли, дело придет к тому, что исследователи станут для ИИ лаборантами (извините, техническим персоналом). В упомянутых выше терминах люди будут делать идиографический компонент, а ИИ — номотетический. Этот симбиоз будет эффективнее работать на процветание человечества, чем смогли бы ученые сами по себе. И это хорошо. Грустно только то, что такая деятельность никак не будет помогать людям понимать окружающий мир. Вероятно тогда функция понимания перейдет от «настоящих ученых» — тех, которые обслуживают ИИ, — к популяризаторам науки. Они будут в меру своего разумения интерпретировать загадочную, но полезную деятельность ученых под руководством ИИ в терминах старой науки — то есть в терминах законов природы, причинно-следственных связей и т.п.
Ученые же профессионалы (те самые ученые нового типа) будут заниматься замечательными вещами. Например, для проверки очередной своей загадочной гипотезы, ИИ сочтет необходимым послать одну из команд на Марс для заселения некой конкретной точки его поверхности некими конкретными бактериями с Земли. Если не получится прибыть на Марс лично, надо будет построить роботов-эмиссаров. Все это будет напоминать сюжет «Сирен Титана» Курта Воннегута. Там у робота Сало сломался звездолет, и ради передачи ему одной совершенно незаменимой для ремонта запчасти, его далекие хозяева-тральфамадорцы инициировали развитие человеческой цивилизации на Земле. И деталь была доставлена по назначению молодым человеком по имени Хроно. Воннегут развил свой сюжет в пессимистическом направлении, но давайте будем оптимистами, ведь ИИ — не злой, как некоторые люди.
Текст: Александр Кузнецов
Александр Кузнецов 29.03.2024