Что творится с наукой?

Нет ничего более прекрасного и возвышенного, чем то, что создано человеческим мозгом. Если вы станете рассказывать прогрессивному интеллектуальному атеисту о континентальной философии, он рассмеётся вам в лицо:

Зачем обсуждать шизофренические метафизичные умонастроения какого-то старого немецкого чахоточника, если научный метод может рационализировать буквально всё?

Вообще-то я согласен с этим. Правда, наука ошибочно воспринимается как совокупность эзотерических практик направленных на эманацию истинного знания. Релевантная цель науки состоит в том, чтобы аккумулировать все приёмы, которые годятся для подчинения реальности человеческой воле. Если бы вселенная была компьютером, истиной было бы установленное на нём ПО, и чем оно лучше, тем больший функционал доступен пользователю.

Истина и факт

Мысль об утилитарном характере истины тривиальна. «Какой порядок установления истины эффективнее?» - более сложный вопрос. Истина является скорее предикатом: «p является истиной» что-то говорит о p, но трудно сказать, что это говорит об истине как таковой. Во всяком случае, в том смысле, в котором истина является понятием, она есть не более чем совокупность всех истинных суждений. Трудность представляет собой то, как именно мы понимаем истинность суждения.

В 1940 году Бертран Рассел опубликовал работу под названием «An inquiry into meaning and truth»[1], в которой он предложил элегантное разрешение указанной трудности. Коротко его можно изложить так: на протяжении жизни человек изучает язык, который позволяет ему передавать свои мысли и чувства. Носители одного языка придают одним и тем же словам одно и то же значение, что позволяет им реконструировать чужие мысли в собственном мышлении. Языки образуют ограниченную снизу иерархическую структуру так, что язык n-го ранга включает язык n-1-го ранга, а вместе с ним и все языки в отрезке [1;n-2]. Язык n-го ранга позволяет характеризовать суждения языка n-1-го ранга как истинные или ложные, а также совершать все доступные логике операции с суждениями этого языка. В основании этой системы расположен объектный язык, который выражает чувственность. Истинность этих суждений зависит непосредственно от согласованности их значения с данными чувственности: если А - «Чёрное пятно», а B - «Я вижу чёрное пятно», то импликация «B=>А» истинна.

Нетрудно заметить, что суждения типа А позволяют описать только наблюдаемые факты, тогда как кажется очевидным, что не все факты могут быть непосредственно представлены в наблюдении. В своём раннем сочинении «Начала физиологии имманентности», опубликованном в паблике Наука и рок-н-ролл, я объединил все суждения типа B, а также вытекающие из них в группу имманентно истинных. Так суждение «Если некоторое индуктивное умозаключение об истинности всех суждений типа А верно, то верны все суждения А1, А2, А3, А4, А5... относящиеся к типу А» я отношу в особую группу имманентно истинных суждений, называемую условно истинными суждениями. Опираясь на такую систему, я предложил понятие трансцендентной истины, которое позволяет рассуждать о том, что является предполагаемой сущностью всех данных в опыте явлений:

Вера — некая абстракция, формируемая преимущественно на основании условно истинных суждений. Она позволяет предполагать у отдельных явлений соответствующие последствия и, в наиболее общем случае, образует наши представления о движущих силах в реальности[2].

Замечу, что суждения типа А можно с рядом оговорок считать имманентными, но суждение «А — это ворон» с необходимостью является трансцендентным, поскольку включает в себя веру в то, что изменив ракурс, освещение или что угодно ещё, я смогу, тем не менее, фиксировать в опыте те ощущения, которыми обычно сопровождается наличие ворона в опыте.

Таким образом, трансцендентные суждения возникают в ходе интерпретации опыта, которая опирается на расположенные в нашем мышлении абстракции. Абстрагирование — это игнорирование акцидентного при рассмотрении тех связей в опыте, которые существенны для данной абстракции. Так, если мы хотим указать, что на некоторое тело действует сила притяжения, нам совершенно не важно является это тело мухой или слоном, находится на поверхности Земли или нет, нам важно лишь то, что оно обладает массой и что во вселенной есть ещё по меньшей мере одно тело, обладающее массой.

Мы подбираемся к тому, что составляет сердце любого познания, и научного познания в частности, — факты, которые используются описаниях действительности. Любая попытка осмыслить, обработать чувственные данные сводится к выделению в нём различных абстрактных составляющих, наличие которых выражает суть факта, его интерпретацию. Другими словами факт — есть продукт интерпретации опыта и сводится к ней, факт без интерпретации невозможен.

Природа научного познания

Множество абстракций, которые могут использоваться при интерпретации конкретного опыта индивидуально и ограничено. Из этого следует, что, во-первых, необходимо уяснить каким образом возможно исследование истинной интерпретации эмпирических данных, а во-вторых, что для удобства исследователя можно разложить факты на элементарные составляющие. Первое есть цель всякого научного познания, а второе есть то, с чем на практике научное познание имеет дело, когда ему необходимо установить, что в реальности конкретная абстракция по каким-то причинам либо не имеет места, либо не может быть использована в конкретной ситуации, такие факты можно называть научными, ясно, что они относятся к атомарным фактам[3]. Однако, так как любой научный факт обязан соответствующей абстракции, ни одна абстракция не может быть опровергнута эмпирическими данными.

Польза абстракций состоит в том, что если мы правильно определили набор наличных научных фактов, мы можем также определить все научные факты, которые не даны в опытном восприятии непосредственно, поскольку они соотнесены с наличными фактами в абстракциях. Понятно, что применимые абстракции можно вывести и индуктивно, если усмотреть соотношение между какими-то наличными научными фактами, однако, поскольку факты сводятся к их интерпретации, для анализа этих базисных научных фактов необходимо сперва подвергнуть имеющийся опыт предварительной рационализации. Томас Кун заметил, что нормальная наука для описания действительности нуждается в принятии определённых положений на веру. В дальнейшем авторитет этой нормальной науки будет укрепляться в глазах научного сообщества успешным предсказанием фактов в рамках заданной этими базовыми положениями парадигмы[4]. Интрапарадигмально эти абстракции не могут подвергнуться изменениям или, тем более, быть отвергнуты посредством обнаружения каких-то фактов, поскольку любые факты обязаны им своей интерпретацией, по этой причине такие абстракции я называю универсальными интерпретаторами. Кроме того, Кун обратил внимание, что исследования в рамках нормальной науки, то есть такой, в которой не происходит оспаривания базовых положений, приводят к открытию новых способов фиксации научных фактов путём приспособления специальных средств. Эти средства можно назвать специальными интерпретаторами, поскольку они всегда интерпретируют единичные локализованные научные факты, необходимые для дальнейших исследований. Имре Лакатос справедливо полагал, что совокупность специальных интерпретаторов образуют положительную эвристику научно-исследовательской программы, а универсальных интерпретаторов — её отрицательную эвристику(я, разумеется, сопоставляю свои идеи с терминологией Лакатоса, хотя я не уверен, что он согласился бы с проведением подобных параллелей)[5], хотя я не согласен с идеей, что последняя выполняет какую-то запрещающую функцию по отношению к отдельным суждениям, поскольку абстракции имплицитно неопровержимы. Она скорее ограничивает саму программу в сфере её влияния.

Рассмотрим теперь то, каким образом научно-исследовательская программа может быть реализована и как фактические изменения в ней связаны с изменениями в научном сообществе. Прежде всего, научное сообщество в определённой степени является эзотерическим институтом, то есть включает в себя ограниченный круг посвящённых лиц, которые хорошо представляют эвристику своей научно-исследовательской программы[6]. Внутри научного сообщества существует особая система рангов, необходимая для эффективной организации исследовательской работы. Более опытный учёный локализует усилия подчинённых на небольшом числе значимых и узкоспециализированных статей, тем самым снижая риски дезориентации сотрудников в большом информационном поле. Надо понимать, что научное сообщество — это всё-таки социальный институт, поэтому такая организация производства не всегда адекватна. Любое исследование может быть подвергнуто критике любым членом сообщества и быть отвергнуто. Чаще всего эта критика направлена на то, что определённое индуктивное заключение невозможно, так как автор не учёл влияния сторонних факторов, существование которых явственно подтверждено наблюдением. Индуктивные выводы из эмпирических данных усиливают положительную эвристику программы, поскольку доставляют более обширный интерпретативный аппарат, в то время как критика научных фактов опирается на отрицательную эвристику программы, так как осуществляется посредством ограничения сферы влияния тех или иных закономерностей.

Если любые исследования работают по столь отлаженному механизму, откуда возникают многочисленные аномалии и даже затяжные кризисы, с которыми сталкивается любое научное сообщество? Положительная эвристика программы позволяет изучать одни и те же абстрактные явления в огромном количестве измерений, делать предельно подробные описания реальности и мы говорим, что среди них обнаружена аномалия, если определённые факты не сопровождаются таким же огромным количеством подтверждающих данных, каким они обычно сопровождаются в аналогичных ситуациях, часто, при этом, отсутствие подкрепляющих фактов заставляет рассматривать одни и те же наблюдения, как проявления разных теорий, что приводит к созданию одной или нескольких гипотез ad hoc – этим понятием в философии науки обозначают веру учёных в скрытые факторы, влияющие на эмпирические данные, которые по каким-то причинам не удаётся зафиксировать. В итоге, часть научного сообщества может предложить усложнённую, то есть учитывающую большее количество особых случаев версию того или иного универсального интерпретатора.

Мне видится уместным сравнение развития науки как целого с биологической эволюцией. Древние животные имели недифференцированное тело, что означает, что все его части были почти одинаковыми и выполняли примерное одну и ту же функцию, могли выполнять ограниченное число очень простых действий и были неспособны адаптироваться к наземной среде. Подобно этому, средства ранней науки для описания эмпирических данных были очень грубы, метафизичны и ограничены. Философам того времени нравилась идея, что все описания реальности могут быть сведены к фундаментальному первоначалу бытия — архэ, и задача науки состоит в поисках архэ. С высоты современной научной мысли тот период развития науки, в целом, можно было бы определить как дисфункциональный, то, что Де Солла назвал малой наукой - это период флуктуации между плеядами метафизических концепций без эвристической силы. Переход к большой науке означает прежде всего её институциональное оформление, принятие такого способа организации, который позволял бы генерировать наибольшее количество эффективных концепций[7]. Эти концепции позволяют рассматривать реальность, как совокупность сложных систем, которые, усложняясь, переходят в новые системы. «Концептуальное совмещение ведёт к концептуальной реорганизации» - я называю это центральной догмой ирредукционизма. Новая система занимает нишу на территории других систем, тем самым экспроприируя их эвристический капитал. Я воспринимаю научную картину мира, как многоуровневую сеть объектов и систем объектов, где переход с одного уровня на другой сопровождается переключением гештальта в голове учёного. Поэтому пролиферация[8] является материалом для их естественного отбора.

Предметный подход и наукометрия

Фальсификационисты отрицали роль индукции в генезисе новых идей. Критикуя Поппера, Лакатос отмечал, что в реальности большинство экспериментов направлено не на опровержение предыдущих теорий, а на подтверждение новых гипотез. Несмотря на это, Лакатос отвергал мысль, что, будучи верифицированными, эти гипотезы могут присоединиться к базовым суждениям без того, чтобы отвергнуть предыдущую, менее релевантную интерпретацию. На этом основывается методологический подход к внутренней демаркации научного знания: границы науки прочерчены теми фактами, которые дедуктивно следуют из её основоположений. Понятно, что такое ограничение прав индукции в реальности быстро исчерпало бы весь эвристический потенциал науки. В качестве исторического примера: мне кажется очевидным, что определение молекулярной структуры ДНК никак не противоречило существовавшей в то время теории наследственности, а открытие полуконсервативного характера репликации этой молекулы не противоречило ни одной из догм зарождавшейся молекулярной биологии. Реальная граница науки проводится, как я думаю, не по методам, а по предмету, которым она занимается. Предмет науки — есть сингулярная абстракция, которая разрабатывается научным сообществом экспертов, хорошо понимающих те сферы научно-исследовательской программы, с которыми она связана.

Предметный подход во внутренней демаркации науки отображает состояние научного знания не континуально, а моментально, так как он позволяет непосредственно фиксировать все изменения. Социологи науки уже полвека пытаются количественно охарактеризовать динамику научного знания при помощи наукометрии. В её основу положен статистический анализ научного цитирования, в частности, они предложили ряд успешно применяемых оценок, такие как индекс Хирша — показатель цитируемости для учёного, импакт-фактор — для научного журнала и индекс социтирования, отражающий близость тех или иных субъектов научного мира друг к другу: две статьи имеют тем больший индекс социтирования, чем больше статей, на которые они ссылались бы обе. Понятно, что это огромный объём данных, поэтому современные наукометрические исследования направлены на кластеризацию научных статей на основании матричного анализа[9]. Предполагается, что кластеры соответствуют фронтам исследований в науке, то есть тем проблемам, которыми научные сообщества занимаются в настоящий момент. Такие проблемы я и обозначаю выше как предмет науки: эксплицитно научное сообщество, которое бьётся над решением той или иной проблемы образует единство, за счёт кооперации всех его участников, такое единство является материальным воплощением науки, как единицы научного знания.

Другим важным направлением в наукометрии является применение информационных технологий для более полной характеристики научных субъектов и отношений между ними, связанное с тотальной диджитализацией всего научного мира. Переход в цифровую эру материализовал множество аутичных философских концепций, среди которых выделяется онтология. Изначально эта концепция развивалась в связи с идеей создания искусственного интеллекта и предполагала разработку универсального механизма для формализации знаний[10]. Онтологии состоят из объектов, которые делятся на низкоуровневые экземпляры и образованные экземплярами понятия. Объектам можно присваивать характеристику, которая называется атрибутом. Атрибут, в свою очередь, может быть другим объектом. В эру HTTP онтологии стали активно применяться к гипертексту, и, так как совокупность научных статей может рассматриваться как гипертекст, существует надежда, что она может быть выражена в виде семантической сети — концептуальной схемы, отражающей метаданные науки. В дальнейшем эта сеть может быть представлена в формате RDF – Resource Description Framework, что сделает её пригодной для обработки компьютером. RDF состоят из триплетов, отражающих структуру графа, в каждом триплете субъект ориентирован в сторону объекта, а предикат показывает характер ориентации. Этот метод уже используется для оптимизации поиска в электронных библиотеках, учитывая не только библиографические данные статьи, но и характер связей между ними: функциональный, локальный и оценочный[11].

Предвосхищение метанауки

Существует исследование, в рамках которого научное сообщество было концептуализировано в виде карты,основанной на библиографических данных по научным журналам. В нём использована математическая модель случайных блужданий, созданная на основе цепей Маркова — последовательности случайных событий, описывающих изменения некой системы, в которой распределение вероятностей последующих состояний зависит от текущего и не зависит от предыдущих состояний системы. Случайные блуждания осуществляются между «узлами» - журналами, связанными между собой ссылками друг на друга. Далее пройденный путь описывается следующим образом: каждому кластеру сообщается некоторая уникальная последовательность цифр в двоичном коде, внутри каждого кластера каждому журналу также присваивают уникальный шифр, используя при этом шифры из других кластеров, последовательность пройденных узлов выписывается, а когда происходит переход из одного кластера в другой, ставится отметка соответствующего кластера, что позволяет безошибочно восстановить весь путь. Подобное описание оказывается более компактным, чем перечисление присвоенных каждому узлу уникальных кодов. Предполагается, что внутри кластера связей больше, чем между ними, тогда наиболее ёмкое описание будет соответствовать реальным кластерам в составе сети. Алгоритм Хаффмана позволяет найти наиболее сжатую дескрипцию для сгенерированного нами случайного блуждания по журналам, в соответствии с ним построена предполагаемая карта наук, отражающая реальную циркуляцию информационных потоков[12].

Те теории, исследования и открытия, которые использует отдельная наука, включают её в общую структуру наук. Рост эвристического капитала наук ведёт к образованию большего числа связей между ними. История большой науки начиналась с большого числа замкнутых на себе научно-исследовательских программ: физики, химии, астрономии и т. д., каждая из которых постоянно росла на протяжении своего времени, поэтому сейчас научное знание куда более монолитно, чем когда-либо раньше, так как рост программ приводит к их ассимиляции. На основании предыдущего исследования было установлено, что научные сообщества всё ещё сильно разобщены и распадаются на 4 или 5 областей[13], однако есть ряд оснований полагать, что в реальности программ несколько больше. Во-первых, в исследовании слабо представлен социальный и совсем не представлен гуманитарный блок, который отражают несколько разрозненных кластеров внутри социальных наук, во-вторых, исследование сильно ограничено, так как не исчерпывает полной базы научных данных, в третьих, его результаты сильно зависят от объёмов исследований и характеристик конкретной области, поэтому обнаруживаются только крупные программы, в четвёртых, есть основания полагать, что журналы часто не соответствуют в точности своим названиям[14]. Я предполагаю, что реалистичное число программ на сегодня — 7-8. Я верю, что прогресс большой науки ведёт к метанауке — программе, объединяющей всё научное сообщество. 

Использованная литература

1. Б. Рассел - "Исследование значения и истины"
2. URL: https://vk.com/klausius?w=wall-147625061_969%2Fall
3. Людвиг Витгенштейн - "Логико-философский трактат"
4. Т. Кун - "Структура научных революций"
5. И. Лакатос - "Фальсификация и методология научно-исследовательских программ2
6. Р. Мёртон - "Эффект Матфея в науке, II: Накопление преимуществ, символизм интеллектуальной собственности"
7. Д. Дж. де Солла Прайс - "Малая наука, большая наука"
8. П. Файерабенд - "Против метода"
9. Shuai Zhang, Yangbing Xu, Wenyu Zhang - "Clustering Scientific Document Based on and Extended Citation Model": IEEE Acess, Volume 7, May 2019
10. Gruber T. - "Ontology" in Encyclopedia of Database System - Boston, MA: Springer, pp. 2574 - 2584, 2018
11. Ming Xiao, Zeshun Shi, Shanshan Wang - "The Impact on Citation Analysis Based on Ontology and Linked Data" In: Mari Jibu, Yoshiyuki Osabe "Scientiometrics" - Intech Open, Chapter 12, pp. 195 - 211
12. M. Rosvall, C. T. Bergstrom - "Maps of random walks on complex networksreveal community structure" - PNAS, Vol. 105, No. 4, 1118-1123, Jan. 2008
13. M. Rosvall, C. T. Berstrom - "Multilevel Compression of Random Walks on Networks Reveals Hierarchical Organization in Large Integrated Systems" - PLoS One 6:e18209, Apr. 2011
14. A. I. Pudovkin, E. Garfield - "Algorithmic procedure for finding semantically related journals" - JASIST, 53(13), pp. 1113-1119, Nov. 2002