27 Февраль 2020

Новая модель науки

#наука#общество#будущее

Ведущим процессом в трансформации современной науки является ее прагматизация: при выборе гипотезы и экспериментов исследователи должны искать наибольшую когнитивную «отдачу на вложенный доллар» (bang for the buck). Однако поддерживать постоянную или растущую «отдачу на доллар» невозможно ­ как и в любой другой сфере, в науке наблюдается неизбежное снижение отдачи (diminishing returns) от ресурса (если ресурсом считать совокупность инструментов научного познания, включая теоретические представления, исследовательские методы, экспериментальные установки и пр.). Это ведет к целому ряду следствий:

В традиционных дисциплинах стоимость исследований, создающих новое знание, постепенно увеличивается. Неизбежная «убывающая отдача» традиционных парадигм также вынуждает находить новые модели описания реальности, которые легче всего в пустом пространстве «между» дисциплинами ­отсюда взрывной рост междисциплинарных исследований, порождающих новые дисциплины. Для исследователей, остающихся внутри традиционных дисциплин ­единственным конкурентным преимуществом является очень глубокое владение актуальным материалом внутри своей дисциплины. Экспоненциальный рост формально оформленного знания (в т.ч. являющийся следствием использования формального оформленного знания в качестве метрики эффективности) усугубляется проблемой «полураспада» знаний по мере накопления новых фактов.

Возрастает риск снижения качества исследований и распространения проблемы плагиата, что повышает издержки на системы контроля. Наука как индустриальная система получения знаний о мире может скоро обнаружить свой предел развития. Этот предел связан не столько с собственной неспособностью науки к дальнейшему продвижению, сколько с неготовностью общества предоставлять ресурсы на это продвижение. Кроме этого, внутренней проблемой науки может стать растущее разделение между исследователями при росте точечных и междисциплинарных исследований, своего рода ситуация «новой Вавилонской башни», когда даже в смежных областях одной дисциплины специалисты не знают об исследованиях друг друга и не понимают специфические проблемы и терминологию (проблема еще в 1963 г. обозначалась С.Лемом как «разрыв фронта науки»).

Как следствие ­наука начинает коллапсировать под грузом собственного знания, стремительно превращающегося в незнание. В этой ситуации возрастает спрос на знание, которое может сразу создаваться как знание-в-практике ­в первую очередь, рождаемое практиками, применяющими соответствующие знания. Повышение эффективности и реорганизация процессов в науке в ближайшие годы будут в основном связаны с применением ИКТ в исследовательской работе, в частности:

1 | «Снижение отдачи» существующих парадигм познания требует формирования нового языка описания сложных систем ­в частности, перехода от аналитических моделей к алгоритмическим, в т.ч. реализованным в виде «многоразовых» симуляций (напр. цифровые модели органов и живых систем в количественной биологии)

2 | Переход к высокоинтенсивной работе с данными (science big data) и превращение исследователей в модераторов диалога между системами сбора данных и системами их обработки и построения количественных моделей.

3 | Снижение издержек за счет сетевой распределенности, в т.ч. использование «виртуальных» лабораторий (сложных симуляций с доступом любых заинтересованных групп), удаленных лабораторий для объектов «большой науки» и ресурса пользователей (краудсорсинг решений научных проблем).

В перспективе может возникнуть открытый рынок экспериментов (поддерживаемый биржевой и рекомендательной системой), предлагающий исследовательские ресурсы объектов большой науки, исследовательских команд, оборудования лабораторий и заинтересованных любителей-ученых.

4 | Реорганизация системы публикаций с переходом на полноценные гипертекстовые структуры (в т.ч. интегрирующие «сырые» исследовательские данные и использованные расчетные модели), ре-организации публикаций в формате «веток дискуссии» с отслеживанием вкладов дискуссантов, а также распространение расчетных моделей в качестве независимых объектов презентации научных достижений и развитие средств для их индексации (в т.ч. ­мы ожидаем появления поисковика по научным расчетным моделям, аналогично существующим поисковикам по статьям и базам данных). Главный вызов науки ­в обеспечении системных теоретических обобщений результатов, удерживающих целостность «фронта науки». «Научная картина мира» в том виде, как ее представляли школы и университеты с начала 20 века ­единство представлений о том, как организован мир, выстроенное на материалистических и секулярных предпосылках ­начинает рассыпаться.

Но и пути назад, к мифо-магическому мышлению, нет ­слишком сложной является искусственная технологическая среда, созданная людьми. Продвижение в структурировании институтов познания будет зависеть от того, будет ли найдено технологическое решение для семантизации Интернета ­в случае, если это удастся, то новые разработки будут в первую очередь применены именно к организации научного знания со следующими последствиями: уже сейчас появляются «карты науки», кластеризующие разработки по смыслам и «перебрасывающие мосты» между ними, «сшивая» в единое смысловое поле; использующий эти «карты» семантический искусственный интеллект становится соавтором вики-сборок, обобщающих представления отдельных дисциплин; процесс работы научных коллективов (как правило, распределенных) ­на всем этапе от постановки проблемы до предъявления итоговых результатов будет сопровождаться семантическими искусственными агентами, определяющими перспективность разработок и их место в больших «картах знаний» при полной оцифровке процесса и результатов научных работ и при сопровождении этой работы семантическими системами научная статья как форма коммуникации оказывается избыточной. Критерием знания становится не «фиксация в тексте», а «фиксация в цифре» (скорее всего ­сложные цифровые модели, т.е. алгоритмы обработки информации). Это фактически «конец эпохи Гуттенберга».

Таким образом, вакантное место «нового Аристотеля», сшивающего «разрыв фронта науки», вероятнее всего, займут исследовательские сообщества, работающие при поддержке семантических искусственных интеллектов. Следующим шагом развития науки после освоения работы с высокоинтенсивными данными станет настройка «машин работы со смыслами», способными создавать различные модели обработки данных в контексте их использования в экономике и культуре. Стандартом работы со знаниями станут «живые модели», построенные вокруг сообществ практики и непрерывно обновляемые семантическими искусственными интеллектами, исходя из собранных данных о мире и человеческой практике.

http://edu2035.org

Другие новости и статьи

« Грядущая интенсификация интеллектуальной деятельности

Об индивидуализации в образовании »

Запись создана: Четверг, 27 Февраль 2020 в 0:40 и находится в рубриках Новости.

метки: ,

Темы Обозника:

COVID-19 В.В. Головинский ВМФ Первая мировая война Р.А. Дорофеев Россия СССР Транспорт Шойгу армия архив война вооружение вуз выплаты горючее денежное довольствие деньги жилье защита здоровье имущество история квартиры коррупция медицина минобороны наука обеспечение обмундирование оборона образование обучение оружие офицер охрана патриотизм пенсии пенсия подготовка право призыв продовольствие расквартирование реформа русь сердюков служба сталин строительство управление учеба финансы флот экономика

А Вы как думаете?  

Комментарии для сайта Cackle

СМИ "Обозник"

Эл №ФС77-45222 от 26 мая 2011 года

info@oboznik.ru

Самое важное

Подпишитесь на самое интересное

Социальные сети

Общение с друзьями

   Яндекс.Метрика