Рождение Новой науки

В мире Big Data вместо метафор — вычислительные алгоритмы, которые будут объяснять и предсказывать будущее развитие окружающих нас объектов, но как они это будут делать, человеку постичь не дано
Евгений Кузнецов
Евгений Кузнецов, глава представительства Singularity University (США), член Экспертного совета при правительстве РФ
8 декабря 2017

Наступление технологической революции в последнее время стали признавать все. Если еще недавно предупреждение об огромном масштабе изменений в нашей жизни вызывало добродушный скепсис, то сейчас политики и бизнесмены наперегонки выдают все более поражающие воображение пророчества. И если долгое время было модно жить настоящим, то сейчас все наперегонки живут будущим, прекрасным или ужасным — как кому нравится.

Но насколько научны эти прогнозы? И насколько предсказания будущего вообще могут быть предметом науки? Что вообще меняется в современной науке благодаря масштабным технологическим изменениям и как это влияет на нашу жизнь? Чтобы ответить на эти вопросы, стоит посмотреть на развитие ситуации «сверху».

Современные нейронауки показали, что предвидение, прогнозирование и планирование — это фундаментальные свойства человеческого мозга. От умения предугадывать зависит выживание вида, оно лежит в основе и бизнеса, и военных стратегий, и даже поиска наиболее перспективного партнера для создания семьи. У людей это свойство развито сильнее всего, мы все время пытаемся что-то предвидеть. И есть еще одна любопытная черта. Оказывается, планирование и взгляд в будущее есть способ успокаивать тревожность, снимать депрессию и эмоциональный шторм. Таким образом, прогностическая способность сознания является одним из фундаментальных факторов отбора.

В истории человеческого знания определенные практики узнавания будущего ценились исстари и предшествовали рождению наук. Кто-то гадал по печени гуся, кто-то по полету птиц. В Средневековье научное знание обособилось от широкого комплекса по-разному структурированных познавательных практик. На смену схоластике пришла натурфилософия. Тогда же прогнозирование начало отделяться от предшествующих практик «работы» с будущим. Однако и до настоящего времени прогнозирование не оформилось в самостоятельную научную дисциплину с уникальным методологическим кодом.

Прежде всего, зададимся вопросом: является ли предсказание фактом? Можно ли на его основе принимать решение? С одной стороны, очевидно нет. С другой — все зависит от достоверности, величины «ожидания» и приемлемых границ точности прогноза. С третьей — есть маловероятные, но высокорисковые события — «черные лебеди», не предполагая которых можно попросту потерять все. Предсказание не является фактом, но оно существенным образом влияет на нашу модель поведения и действий, и взаимосвязь теории (модели) и реальности всегда была в эпицентре развития науки.

Методологическая база естественных наук — это экспериментально установленные факты, на основе сопоставлений которых выстраиваются теории. Современная наука родилась во время английской промышленной революции в знаменитом споре Гоббса и Бойля. Первый, будучи основоположником множества современных общественных представлений, ставил на математику и красоту идей как основу построения наук. А Бойль и его коллеги по Королевскому обществу превыше всего ставили факт, который получен в лаборатории и корректно зафиксирован наблюдателями. Гоббс считал, что эфир есть, а Бойль, используя вакуумный насос, доказал, что его нет. Так родилась современная наука, в которой факт и описанный на его основе «закон природы» превыше всего, а их добыча — истинная задача ученого. И точно так же, как английский парламент принимал законодательные нормы для общества, Британское Королевское общество принимало законы природы. У Гука, первого секретаря БКО, даже был KPI по количеству законов, от регулярности их принятия зависело его вознаграждение.

А вот уже на фундаменте фактов можно строить теории и прогноз. И прогностическая сила теории стала, по сути, критерием ее истинности. Хрестоматийный пример — таблица Менделеева. Дмитрий Менделеев описал свойства отсутствующих элементов, которые были впоследствии обнаружены экспериментально. Другой пример: Ньютонова теория тяготения давала ошибку в определении сдвига перигелия орбиты Меркурия всего на 43 угловые секунды в столетие. Эта ничтожная разница, тем не менее, давала постоянный повод искать более точную теорию, и только создание Эйнштейном Общей теории относительности дало этим 43 секундам объяснение.

В социальных же науках сопоставимого прогресса достичь пока не удалось. Что считать фактом? Как выводить «законы природы», воспроизводимые и независимо проверяемые взаимосвязи фактов? Многие найденные закономерности временны, многие настолько многофакторны, что непонятны причинно-следственные связи. Есть отдельные успехи, но значительно больше неопределенностей и вопросов. Экспериментировать с людьми, конечно, можно, но человек настолько комплексная структура, а уж общество тем более, что даже не всегда толком понятно, как ставить эксперимент. К тому же сам человек, представляя собой одновременно и объект, и субъект изучения, непроизвольно вносит в этот процесс неизбежные искажения. Давно известно, что, как только в экономике фиксируется какая-то устойчивая тенденция, она, как правило, ломается. Вроде бы все привыкли, что рубль колеблется вместе с ценой на нефть, а тут выясняется, что связь сильно ослабла. Почему? Надо придумывать новую теорию.

Именно поэтому прогнозирование в гуманитарных науках фактически не состоялось. Не возникли кафедры прогнозирования на политологическом факультете. Не появилось научных трудов, уверенно описывающих и предсказывающих развитие политической и экономической картины мира лет на тридцать вперед.

Потому уже примерно полтора века не прерываются попытки переноса в социогуманитарную сферу арсенала и методологии естественных наук. Достаточно вспомнить Карла Маркса, который писал свою философскую теорию, частично опираясь на достижения немецкой философской школы, но в очень значительной степени — на достижения физиков того времени. «Капитал» Маркса изобилует термодинамическими метафорами: там массы, надстройки, базисы, кто-то на кого-то давит, что-то там расширяется, взрывается и т. д. Налицо заимствование естественно-научной культуры мышления в отношении анализа общественных явлений.

Еще одна мощная попытка редукции естественно-научного арсенала в гуманитарной науке — это, конечно, Лев Гумилев со своей теорией пассионарности. Естественно, историки восстали, потому что была использована чужеродная методология в применении к анализу развития человеческих этносов.

До сих пор попытки подобной редукции не прекращаются. Физические метафоры прочно вошли в язык описания общественных процессов и гуманитарных феноменов — снижение напряжения игроков, перегрев биржи и т. п. Равным образом заимствуется математический инструментарий анализа и моделирования — регрессии, экстраполяции и т. д. Работает он очень ограниченно, часто при выполнении наборов предпосылок, крайне редко имеющих место в реальности. Это в полной мере касается анализа циклов в экономике. Полтора столетия довольно плотных и многогранных исследований хозяйственных циклов так и не привели к созданию универсальной теории, которая удовлетворительно объясняла бы и модельно описывала циклическое развитие капиталистических экономических систем. Потому что экономика сложнее: циклические процессы, происходящие в ней, интерферируют — снова физическая метафора, заметьте, — с какими-то другими.

Но естественные науки, прежде всего физика, не стоят на месте. Они подошли в своем развитии к описанию систем качественно более высокого, чем раньше, уровня сложности. И новые методы анализа физических систем существенно более адекватны и для описания таких многопараметрических объектов, как человек и общество.

Гуманитарные науки, в свою очередь, тоже в некотором смысле находятся сейчас в точке бифуркации. Появляется возможность совершить рывок в будущее за счет новых методологий. В основном все делают ставку, конечно, на Big Data и на искусственный интеллект, потому что они позволят находить закономерность там, где человек их не видит или отказывается видеть, например по разного рода этическим соображениям. Все-таки гуманитарные науки напичканы табу, а ИИ свободен от подобных ограничений. К примеру, все последние годы смертность белых мужчин среднего возраста в США растет, а у всех остальных типов населения (как и в других развитых странах) — падает. Но что-то маловато об этом говорят и пишут!

Наиболее существенно, на мой взгляд, на эволюцию наук об обществе могут повлиять следующие современные научные модели и концепции.

Первое — синергетика, теория самоорганизации, которая методологически крайне богата для науки о человеке, потому что она дает представление о течении хаотических процессов разной природы, об зарождающихся в них порядке и устойчивости и т. д. Довольно многие исследователи пытаются прикладывать синергетические методы к изучению здоровья человека, к моделированию общества. Пока все это эксперименты, но тем не менее сам набор метафор начинает расширяться.

Второй источник поддержки гуманитарных наук — это вычислительная математика. Здесь появляются разнообразные вычислительные модели — клеточные автоматы, нейросети, глубинное обучение. Конечно, все они чрезвычайно сильно зависят от того, какие данные мы в них заложили и насколько сложно эти данные устроены. Я думаю, что эти модели в ближайшие лет двадцать будут прикладывать к решению самых разнообразных задач, и пока крайне сложно определить границы их применения. Пока все выглядит весьма революционно.

Еще один источник интервенции оригинальной методологии, связанный с первыми двумя, но уже в значительной степени обособившийся, — это эволюционная биология. Она располагает сложным методологическим инструментарием, который позволяет изучать масштабные популяционные объекты, окруженные динамической средой. Так, например, мы получаем возможность решать задачу устойчивости популяций при изменении климата.

Наконец, что касается прогностики как науки, то сейчас мы находимся в завершающей стадии процесса, запущенного выдающимся «пророком» Алвином Тоффлером, а именно формирования самостоятельной научной дисциплины — футурологии — с оригинальным методологическим арсеналом.

В каком-то смысле этот процесс знаменует пересмотр в целом методического инструментария самого научного знания, потому что классическая наука с ее жестким водоразделом между естественными и гуманитарными дисциплинами, по большому счету, исчерпалась.

На наших глазах рождается новый тип науки — Data Science, который вовсе не является отраслью математики, а характеризуется принципиально новым подходом к анализу явлений. Естественные науки оперируют фактами, гуманитарные науки оперируют идеями, абстракциями. Data Science оперирует данными. Это гибридный объект, имеющий отношение и к материальному миру, и к миру идей. Он и совмещает их свойства, и одновременно обособлен. Более того, этот объект имеет практически неограниченную емкость, так что возникает соблазн описать и общество, и Вселенную, как цифровые объекты.

В ближайшие несколько десятилетий, если не столетий, мы будем «играть» в Data Science как в самостоятельный инструмент получения знаний. И в этом новом триумвирате наук будет формироваться новая научная картина мира.

И самое важное, что делать это будет уже не старое человечество, а новое, которое возникает как фактический гибрид человеческой и машинной цивилизации, в котором именно этот гибридный интеллект будет находить новые закономерности и строить на его основании свои теории, модели и прогнозы.

Понять механизм того, как нейросети находят взаимосвязи и эффективные решения, нам уже не дано. Мы только знаем, что «таким-то образом» сконфигурированная нейросетка умеет решать «такую-то задачу» лучше, чем мы. И все большее количество задач, как естественно-научных, так и гуманитарных, будут пробовать решать методами Data Science. При этом в случае успеха мы будем пользоваться результатами, не понимая, как они возникают.

Будем ли мы пытаться их все-таки осмысливать? Боюсь, это не в нашей компетенции. И дело здесь не в недостаточной ментальной мощи современного человека. Речь идет о фундаментальном изменении методологии научного знания. В мире Big Data вместо метафор и «законов природы» — вычислительные алгоритмы, которые будут объяснять и предсказывать будущее развитие окружающих нас объектов живого и неживого мира, но как они это будут делать, нам уже не постичь.

И это пока единственный прогноз, который можно сделать уверенно на границе сингулярности.

Мнения авторов, опубликованные в этой рубрике, могут не совпадать с точкой зрения редакции.

Темы: Мнения