Возвышение и Упадок Науки

В этом посте я утверждаю, что научный прогресс значительно замедлился за последнее столетие как на уровне отдельных ученых, так и на абсолютном уровне, а затем предложу несколько спекулятивных гипотез о том, почему это могло произойти.

Об измерении научного прогресса

Для начала необходимо прояснить, как мы подходим к измерению научного прогресса. Вообще говоря, существует два способа количественного измерения этой конструкции.

Во-первых, существует субъективный подход. Этот подход измеряет научный прогресс в течение определенного периода времени путем подсчета количества важных событий, произошедших за этот период, или количества важных людей, которые жили и добились достижений в течение этого периода. Какие события и какие люди важны, определяют соответствующие эксперты.

Это экспертное мнение может быть измерено различными способами. Например, вы можете попросить экспертов оценить список потенциально значимых фигур или событий, вы можете проанализировать частоту, с которой отдельные лица или работы цитируются в экспертных материалах, вы можете проанализировать частоту, с которой отдельные лица включаются в энциклопедии, или количество места, отведенного им в таких работах, и т.д.

Очевидно, что этот подход не сработает, если эксперты не придут к единому мнению о том, какие события/люди были важны, но, как оказалось, существует высокая степень консенсуса между экспертами в самых разных областях.

Это можно увидеть, посмотрев на то, как разные эксперты (как отдельные эксперты, так и группы экспертов) оценивают относительную важность отдельных лиц с помощью различных методов, включая прямые оценки людей, анализ того, как часто цитируются отдельные лица, или даже анализ места, отведенного каждому человеку в тематических энциклопедиях. Такие методы дают коэффициенты надежности 0,86 для искусства и 0,94 как для философии, так и для науки. Даже при сравнении источников из разных стран, включая сравнения между западными и не-западными источниками, наблюдается значительная степень согласия (Eysenck, 1995; Murray, 2003).

Итак, существует набор людей и событий, которых эксперты считают важными, и существует порядок ранжирования этих людей и событий, с которым эксперты в основном согласны, и этот порядок ранжирования, по-видимому, не является культурно предвзятым. Мы можем использовать эти списки для измерения научного прогресса, сравнивая, сколько важных людей и событий происходит в разное время или в разных местах.

Второй подход, в некотором смысле, более объективен. Он состоит в том, чтобы посмотреть на некоторый показатель технологической производительности, скажем, урожайность сельскохозяйственных культур или скорость работы компьютеров, и посмотреть, как эти вещи изменились со временем. Такой подход оставляет меньше места для предвзятости, но имеет два существенных недостатка.

Во-первых, этот подход очень узконаправлен. Например, если бы мы смотрели на полевые культуры и измеряли влияние изобретения электричества, электричество оценивалось бы только в той степени, в какой оно увеличивало урожайность, что является очевидной недооценкой его ценности, а изобретение самолетов или общей теории относительности может вообще не быть обнаружено.

Во-вторых, такого рода мера чувствительна только к количественным изменениям вдоль постоянной меры. Если технология коренным образом изменится, возможно, не будет ни одного числа, которое могло бы осмысленно измерить производительность обеих систем.

Очевидно, что этот подход также ограничен технологией и не может измерить прогресс в других, более фундаментальных областях науки.

Учитывая эти ограничения и тот факт, что субъективный подход дает надежные и, казалось бы, непредвзятые результаты, я предпочитаю “субъективный” подход “объективному”.

Я должен также упомянуть, что рассмотрение рейтинга патентов, вероятно, не является хорошим показателем научных инноваций. Это показатель того, сколько новых идей рождается, но это не обязательно хороший показатель того, сколько хороших идей рождается. Конечно, эти вещи будут коррелировать, и поэтому рейтинги патентов лучше, чем ничего, но если доступны другие меры, им следует отдать предпочтение.

Наряду с этими количественными подходами, очевидно, существует также качественный подход, который состоит в том, чтобы взглянуть на историю науки и лично оценить степень прогресса, который, по-видимому, произошел. Этот метод гораздо более подвержен предвзятости, но я думаю, что он все же стоит того, потому что он позволяет обнаруживать детали, которые будут пропущены числами.

Важно отметить, что в отношении лонгитюдных тенденций научного прогресса все эти методы указывают в основном на одно и то же, а это означает, что нам не нужно слишком зацикливаться на том, какой метод лучше.

Взлет и упадок науки

Обращаясь к таким тенденциям, работа Murray (2003) отслеживает частоту встречаемости «значительных фигур», или лиц, внесших большой вклад в знания, вплоть до 1950 г. Как видно, снижение частоты таких лиц началось в конец 19 века.

Мы видим ту же тенденцию, когда смотрим на скорость значительных инноваций в наборе данных, который простирается до 2005 года. И, как видно, снижение стало более резким с 1950 года, когда набор данных Мюррея закончился. (Huebner (2005)

Конечно, каждое поколение совершает хотя бы несколько значительных научных прорывов. Исследования, в которых ученые оценивают важность открытий, получивших Нобелевскую премию, показывают, что лучшие идеи 1970-х годов были лучше, чем лучшие идеи 1980-х. Идеи 1990-х и 2000-х годов не были включены в набор данных, потому что почти ни одна из них не была удостоена Нобелевской премии, что является возможным признаком еще более резкого упадка.

Таким образом, эти цифры указывают на то, что количество великих идей снижается, а среди тех великих идей, которые удается реализовать, также наблюдается снижение качества.

Теперь некоторые люди могут быть удивлены, услышав это, учитывая очевидный прогресс, достигнутый в некоторых технологических областях. Например, они могут отметить рост вычислительной мощности за последние несколько десятилетий как свидетельство большого научного прогресса.

Однако эти данные затемняют тот факт, что число исследователей, работающих над вычислительной мощностью, было увеличено в 25 раз за этот период, чтобы сохранить этот темп роста. (Bloom (2019)

В различных технологических областях мы можем наблюдать снижение темпов роста, как только мы контролируем количество людей, работающих в каждой области. Можно также видеть, что этот спад начался самое позднее в 1950-х годах.

Как мы видели, нам удалось сохранить абсолютные темпы роста в определенных технологических областях за счет значительного увеличения числа людей, работающих над этими технологиями. По более субъективным соображениям, я думаю, разумно сказать, что, несмотря на значительное увеличение числа людей, работающих в академических кругах, мы наблюдаем абсолютное снижение темпов значительного теоретического прогресса в большинстве академических областей.

Под теоретическим прогрессом я подразумеваю выработку идей, которые фундаментальным образом меняют сферу деятельности и которые почти повсеместно принимаются людьми в соответствующих областях. Я имею в виду нечто похожее на то, что Кун, как известно, назвал “сменой парадигмы”.

В Википедии есть список таких сдвигов парадигмы в естественных науках, и они согласуются с моим впечатлением в том, что такие большие сдвиги в значительной степени прекращаются в третьей четверти 20-го века.

В Википедии нет полного списка для других областей, но я думаю, что мои впечатления в этом отношении достаточно беспристрастны. (Конечно, я бы, вероятно, так подумал, даже если бы мои впечатления были предвзятыми. Так что это впечатление, вероятно, ничего не стоит.)

В психологии типичный список, приведенный для такого рода вещей, заканчивался бы Гуманистической психологией и Когнитивной революцией, завершаясь, таким образом, в 1950-х годах. В экономике типичный список, вероятно, заканчивался бы кейнсианством, монетаризмом и,* возможно, несколькими другими теоретическими разработками (например, RBCT), но, вероятно, не простирался бы дальше 1970-х годов. В статистике такой список заканчивался бы такими вещами, как анализ путей, тестирование значимости и метаанализ, и поэтому в значительной степени снова закончился бы в середине 20-го века. В философии список сдвигов парадигмы, вероятно, закончится постмодернизмом, экзистенциализмом и аналитической философией, все из которых произошли до 1970 года. Люди, с которыми я разговаривал, сказали мне, что то же самое относится и к областям, о которых я знаю меньше, таким как лингвистика и история.

*Австрийской теорией бизнес цикла - Примечание русского перевода

Конечно, это не значит, что в этих областях не было никакого прогресса. Но прогресс, который произошел, в значительной степени был либо постепенным прогрессом, когда к ранее существовавшим парадигмам добавлялись детали, либо потенциальными новыми парадигмами, которые не получили широкого признания (например, эволюционная психология).

Я также не утверждаю, что с 1970-х годов буквально не было никаких сдвигов парадигмы. Но я говорю, что представляется весьма вероятным, что такие сдвиги стали гораздо реже.

Итак, я думаю, что здесь нужно объяснить реальные явления, о чем свидетельствуют повествовательные отчеты, показатели технологической производительности и количество важных научных вкладов. Все эти методы несовершенны, но то, что все они сходятся к одному и тому же выводу, делает этот вывод более вероятным, чем его отрицание в отсутствие каких-либо других, столь же весомых доказательств, указывающих в другом направлении.

Гипотеза неизбежного падения

Многие люди пытаются объяснить падение темпов научного прогресса, говоря, что научный прогресс неизбежно замедлится со временем, потому что люди сначала решают самые простые проблемы в данной науке, а это означает, что каждое последующее поколение должно решать все более сложные проблемы.

Возвращаясь к диаграммам, на которых я уже подробно остановился, можно увидеть, что это явно не соответствовало действительности почти на протяжении всей истории человечества.

Таким образом, сторонник этой точки зрения должен объяснить, почему это неизбежное замедление развития науки стало очевидным только в течение последнего столетия.

Мы также обязаны объяснить, почему это неизбежное замедление проявилось примерно в одно и то же время почти во всех научных областях. Тот факт, что это замедление произошло как в очень старых областях, таких как физика и биология, так и в гораздо более новых областях, таких как психология и статистика, делает эти тенденции еще более трудными для объяснения с помощью этой гипотезы, поскольку маловероятно, что различные области по случайной случайности родятся в нужное время, чтобы все они закончились об “легких проблемах” с интервалом в несколько десятилетий друг от друга.

Насколько мне известно, сторонники этой точки зрения не смогли дать удовлетворительных ответов на эти вопросы. Конечно, это не значит, что в идее о том, что научные проблемы со временем усложняются, нет истины. Но кажется очевидным, что эта тенденция обычно не является главным фактором, определяющим научный прогресс, поскольку она преодолевается другими, более важными факторами. Конечно, так было на протяжении большей части истории, и тот, кто считает, что в последнее время это стало доминирующим фактором, должен представить доказательства, подтверждающие, что это так.

Конечно, такого рода исторический анализ всегда будет спекулятивным, но я думаю, что существуют лучшие теоретические объяснения, которые, по крайней мере, следует рассматривать в сочетании с предположительно возрастающей сложностью научных проблем, чтобы дать полное объяснение.

Объяснение подъема науки

Чтобы объяснить, почему я считаю, что научный прогресс пришел в упадок, необходимо сначала объяснить, почему я думаю, что научный прогресс резко вырос несколько сотен лет назад.

В наборе данных Мюррея мы видим, что скорость научного прогресса резко увеличилась между 1400 и 1600 годами.

Национальные корреляторы науки

Мюррей также проводит регрессию, показывающую, что богатые страны с не-авторитарными правительствами с большей вероятностью будут создавать великие научные достижения.

Неудивительно, что существует также связь между национальным интеллектом, особенно интеллектом элиты, и национальными темпами научного прогресса. Риндерманн (2018) обнаружил, что уровень интеллекта 95-го процентиля нации коррелирует на уровне 0,76 с ее научными достижениями, измеряемыми с помощью различных показателей, включая выигрыши нобелевских премий и выпуск высокоцитируемых научных статей.

Индивидуализм - еще один важный национальный коррелят научной продуктивности. Например, Гордониченко и Рональд (2012) измеряли инновации, сравнивая национальные патенты на душу населения, размер индустрии передовых технологий в стране, долю ВВП, получаемую за счет роялти и лицензионных сборов, и количество цитирований в научно-технических журналах, выпускаемых страной. Они обнаружили, что более индивидуалистичные страны, как правило, имеют более высокий уровень инноваций, и по некоторым из этих показателей связь была довольно большой: индивидуализм объяснял более 40% национальных различий в нескольких показателях инноваций.

Это имеет хороший теоретический смысл, учитывая, что научные инновации часто являются актом несоответствия и результатом большого индивидуального стремления.

Последний национальный коррелятор, который я хочу упомянуть, - это протестантизм. Как я утверждал в предыдущем посте (русский перевод), протестантизм повышает национальный уровень образования, демократии и богатства и, следовательно, создает национальные условия, в которых наука имеет тенденцию процветать, одновременно поощряя культурные установки, которые антагонистичны по отношению к централизованной власти.

Хотя, без сомнения, теория, утверждающая, что наука будет процветать в странах с либеральным управлением, индивидуалистическими, протестантскими и высокоинтеллектуальными, является неполной, она оказывает нам существенную помощь в объяснении того, почему наука взорвалась в северо-западной Европе, и особенно в Англии, примерно в 1600 году.

Наукой занимается несколько человек

Переходя от национальных корреляторов научного прогресса к анализу на индивидуальном уровне, первое, что следует отметить, - это то, что наукой в основном занимаются всего несколько человек.

Количественная версия этого наблюдения стала известной благодаря Альфреду Лотке, который в 1920-х годах отметил, что примерно 60% ученых-физиков когда-либо публиковали только одну статью.

Данные Мюррея подтверждают это наблюдение. К сожалению, Мюррей не предоставляет диаграммы, соответствующей этому наблюдению, для науки, но он говорит, что диаграмма, которую он дает для искусства, в основном выглядит так же, как те, которые он создал для науки.

Другая работа показала, что на небольшую долю научных статей приходится более 80% цитирований. Особенно это было актуально в начале 20 века, когда на менее 10% статей приходилось 80% цитирований. (Larivière and Gingras, 2009)

Даже сегодня в большинстве областей требуются годы, чтобы средняя статья получила хотя бы одно цитирование. В гуманитарных науках менее 20 % публикуемых статей когда-либо цитируются кем-либо.

Более ранние работы в области физики показали, что почти половина научных цитирований приходится всего на 200 физиков, и что 10% лучших ученых были примерно в три раза продуктивнее, чем 50% нижних  (Cole and Cole, 1972; Dennis, 1955).

Таким образом, научный прогресс в значительной степени обусловлен небольшим числом ученых, работающих в небольшом числе стран. Рассматривая научные способности через эту рамку, мы видим, что они очень редки, и, как ясно показывает историческая картина, нормой является то, что их практически нигде нет. Таким образом, спад научного прогресса можно рассматривать как возвращение к нормальной жизни, и поэтому вполне вероятно, что это результат разрушения любых условий, приведших к предыдущему периоду высокой научной продуктивности.

Психологические корреляторы гениальности

Что касается психологических корреляторов гениальности, то существует два возможных метода исследования. Во-первых, мы можем изучить характеристики ученых, которые, хотя и не обязательно являются гениями, являются лучшими и наиболее инновационными учеными, которых мы можем изучать. Идея здесь заключается в том, что различия между ними и менее примечательными учеными, вероятно, являются меньшими версиями различий между обычными учеными и гениями. Второй подход заключается в изучении биографий известных гениев и оценке их психологического профиля на основе корреляторов с изучаемой чертой, которые, вероятно, обнаружатся в чьей-то биографии.

Наиболее известным исследованием более позднего типа является исследование Cox (1926). Кокс проанализировал биографии 301 выдающегося человека и попросил нескольких человек использовать одни и те же индексы для оценки IQ этих людей. Межрейтинговая надежность составила около 0,70, что является степенью надежности, типичной для психологических тестов. Eysenck (1995)

Результаты показывают, что IQ выдающихся личностей намного выше среднего, и это особенно верно для ученых и философов. Примечательно, что эти оценки IQ превышают 130, что примерно соответствует среднему IQ ученых и математиков (Feist, 2014).

Эти два пункта данных подтверждают здравую точку зрения о том, что для гениальности требуется высокий уровень интеллекта, даже если у нас есть сомнения в точности оценок Кокса.

Также ясно, что интеллект, хотя и необходим для гениальности, недостаточен. Это очевидно, поскольку людей с очень высоким IQ гораздо больше, чем гениев.

Это эмпирически подтверждается знаменитым исследованием одаренных детей Льюиса Термана. Терман собрал данные о 1528 калифорнийских детях, средний IQ которых составлял 151. Самый низкий IQ из всей группы был 135. IQ 170 или выше был обнаружен у 77 испытуемых. По сравнению с населением в целом уровень экстремального успеха среди этой группы был экстраординарным. За 35 лет наблюдения 77 участников были включены в American Men of Science, список ведущих ученых Америки, а 33 были включены в America's Who's Who (Eysenck, 1995). В конце концов, двое из них получили нобелевские премии (Feist, 2014). Однако подавляющее большинство из 1528 изученных испытуемых не стали гениями, и поэтому эти результаты также ясно показывают, что большинство людей с чрезвычайно высоким IQ не достигают заметной степени выдающегося положения.

Если отвлечься от интеллекта, то самая большая разница между учеными и неучеными в чертах личности "большой пятерки" заключается в добросовестности (d = 0,44). Корреляция между годом публикации и размером этого разрыва составила 0,58, что означает, что со временем разрыв в добросовестности между учеными и неучеными растет довольно быстро. Более того, при сравнении творческих и менее творческих ученых разрыв в добросовестности был довольно небольшим (d = 0,17). Добросовестность, вероятно, могла бы помочь людям заниматься наукой, но эта черта плохо различает хороших и плохих ученых, и кажется, что ученые прошлого, когда наука была более продуктивной в целом, были менее отбираемы за добросовестность, и поэтому я не думаю, что мы должны придавать слишком много теоретического значения этому коррелятору.

Черты, которые наиболее сильно различаются между творческими и нетворческими учеными, - это открытость (d = 0,40) и уверенность (d = 0,39). Используя трехфакторную модель личности Айзенка, было показано, что по сравнению с неучеными ученые набирают более высокие баллы по психотизму (d =0,45) и экстраверсии (0,33), и эта разница в экстраверсии обусловлена доминирующим аспектом экстраверсии, а не общительностью.

Некоторые могут быть незнакомы с психотизмом, поэтому стоит отметить, что этот личностный фактор определяется как “агрессивный, холодный, эгоцентричный, безличный, импульсивный, антисоциальный, лишенный эмпатии, творческий и жесткий”.

Это согласуется с другими исследованиями личностных корреляторов научных достижений, которые были обобщены таким образом:

“...успех более вероятен для тех, кто преуспевает в конкурентной среде, то есть для тех, кто доминирует, высокомерен, враждебен и уверен в себе. Например, Ван Зелст и Керр (1954) собрали личностные самоописания 514 технических и научных сотрудников исследовательского фонда и университета. Сохраняя неизменным возраст, они сообщили о значительных частичных корреляциях между продуктивностью и описанием себя как “склонного к спорам”, “напористого” и “уверенного в себе".

В одном из немногих исследований, посвященных изучению женщин-ученых, Бахтольд и Вернер (1972) ввели 16 личностных факторов Кэттелла 146 женщинам-ученым и обнаружили, что они значительно отличаются от женщин в целом по девяти из 16 шкал, включая доминирование (фактор Е) и уверенность в себе (фактор О). Аналогичным образом, Файст (Feist, 1993) сообщил о модели структурного уравнения научного превосходства, в которой путь между враждебностью, оцениваемой наблюдателем, и возвышением был прямым, а путь между высокомерным стилем работы и возвышением был косвенным, но значительным.

Научная элита также склонна быть более отчужденной, асоциальной и замкнутой, чем их менее творческие сверстники. В классическом исследовании, посвященном творческой личности в науке, Роу (1952, 1953) обнаружил, что творческие ученые были более ориентированы на достижение результатов и менее склонны к аффилиации, чем менее творческие ученые. В другом основополагающем исследовании научной личности Эйдюсон (1962) обнаружил, что ученые независимы, любознательны, чувствительны, умны, эмоционально вовлечены в интеллектуальную работу и относительно счастливы. Аналогичным образом, Чемберс (1964) сообщил, что творческие психологи и химики были заметно более доминирующими, амбициозными и самодостаточными, а также обладали большей инициативой, чем их менее творческие сверстники. Хелсон (1971) сравнил творческих женщин-математиков с менее творческими женщинами-математиками, сопоставимыми по IQ. Наблюдатели слепо оценивали первых как обладающих более “нетрадиционными мыслительными процессами”, как более “бунтарских и неконформных” и как менее склонных судить “о себе и других в общепринятых терминах”. Наконец, Уилсон и Джексон (1994) сообщили, что как мужчины, так и женщины-физики были более интровертными и добросовестными, чем контрольные группы, не являющиеся учеными.” –  Feist (2012)

Все это имеет хороший теоретический смысл. Чтобы быть признанным гением, человек обычно должен придумать новую идею, а затем убедить людей в том, что старые идеи ошибочны. По самой своей природе это творческий, нонконформистский поступок, требующий некоторой степени высокомерия и большого упорства. В целом, постоянно говорить всем остальным, что они не правы, а вы правы, можно охарактеризовать как антисоциальное. Конечно, если кому-то будет комфортно вести себя антисоциально, этот процесс станет для кого-то проще.

Демографические корреляторы гениальности

Отзывы людей, внесших большой научный вклад, также свидетельствуют о том, что они, как правило, происходят из семей среднего класса.

В религиозном плане евреи, атеисты и, в меньшей степени, протестанты чрезмерно представлены среди гениев, в то время как католики, мусульмане и последователи азиатских религий представлены недостаточно. Евреи, атеисты и протестанты имеют преимущество в IQ по сравнению с соседними религиями и являются относительными нонконформистами. Протестанты также склонны создавать демократии, что, как мы видели, является коррелятором научного прогресса.*

*Предположение автора о корреляции всеобщей демократии и научного прогресса являются ошибкой каузации - Примечание русского перевода

Мы также видим, что подавляющее большинство значимых фигур были европейцами, родившимися после 1600 года.

И большая часть науки, сделанной после 1600 года, была сделана северо-западными европейцами, особенно англичанами.

Это заслуживает внимания, поскольку это не относится к (относительно немногочисленным) научным инновациям, сделанным незадолго до 1600 года.

Исторически так сложилось, что около 97% гениев были белыми.

И примерно 98% из них были мужчинами.

Таким образом, почти все великие деятели науки были белыми мужчинами.

Гениальные произведения также, как правило, создаются в возрасте от 30 до 40 лет. Вероятно, из-за интеллекта. (Jones et al, 2014)

Продолжение