home   |   А-Я   |   A-Z   |   меню


Научный метод

Мелани Суон

Системный аналитик; футуролог; эксперт в области прикладной генетики; руководитель MS Futures Group; основатель компании DIYgenomics.

Главная научная идея, прежде всего заслуживающая отставки, – это само понятие «научный метод». Точнее, я имею в виду представление о том, что существует якобы лишь один научный метод, единственный и исключительный способ получения научных результатов. Однако этот традиционный, эксклюзивный научный метод перестал быть адекватным в новых ситуациях, возникающих в современной науке, – таких как Большие данные, краудсорсинг или синтетическая биология. Проверка гипотез путем наблюдений, измерений и экспериментов имела смысл в прошлом, когда получение информации было сложным и дорогостоящим процессом; однако теперь это уже не так.

В последние десятилетия мы пытались адаптироваться к новой эпохе информационного изобилия, облегчившего планирование и повторение экспериментов. Одним из результатов этого стало появление новой вычислительной дисциплины практически в любой области науки – к примеру, вычислительной биологии или цифровой архивации рукописей. Информационное изобилие и развитие вычислительных технологий изменили направление развития академического дискурса, который теперь не обязательно придерживается традиционного научного метода. И особых успехов мы смогли достичь в трех областях.

Одна из масштабных тенденций, меняющих ход науки, связана с Большими данными – созданием и использованием гигантских и сложных наборов данных на основе облачных технологий. Масштаб Больших данных почти безграничен: организации непрерывно экспортируют миллионы транзакций в час в базы данных размером в сотни петабайт. Общий объем цифровой информации в мире в настоящее время удваивается примерно каждые 18 месяцев. Но еще до наступления эры Big Data процессы моделирования и прогнозирования уже превратились в ключевые этапы вычислений в научных процессах, а новые методы, требующиеся для работы с Большими данными, делают традиционный научный метод еще менее релевантным. Наши отношения с информацией изменились. Ранее, в эпоху нехватки информации, любые данные были заметны. К примеру, в календаре каждый элемент информации о назначенной встрече был важен и предполагал какое-то действие. С Большими данными справедливым стало обратное: 99 % данных оказываются ненужными (немедленно, или со временем, или в результате обработки). Теперь наша главная задача – извлечение крупиц релевантной информации из огромных ее массивов, поиск сигналов, аномалий и исключений в шуме – к примеру, геномного полиморфизма. Следующий уровень обработки Больших данных – это распознавание паттернов. Высокая частота выборки позволяет не только точечно тестировать феномены (как это происходило и при традиционном научном методе), но и полностью обского поведения. Но для этого требуется мышление, не ограниченное простыми соображениями причинности (как в традиционном научном методе). Нам необходимы расширенные, системные модели корреляции, ассоциации и оценки отдельных эпизодов-триггеров. Некоторые из самых передовых методов работы с Большими данными включают в себя алгоритмы машинного обучения, нейронные сети, иерархическое представление данных и визуализацию информации.

Краудсорсинг – организованная через интернет совместная работа множества участников над каким-то общим процессом – это еще одна тенденция, меняющая форму научных исследований. Различные модели краудсорсинга привели к развитию научной экосистемы, на одной стороне которой может находиться получивший профессиональную подготовку институциональный ученый, пользующийся традиционным научным методом, а на другой – ученый-любитель, изучающий вопросы, интересные лично для него, с помощью огромного количества различных методов. Между этими двумя полюсами располагаются их общие коллеги, в различной степени профессионально организованные и по-разному координирующие свои усилия. Интернет (и постепенное объединение человечества с его помощью – к 2020 году, согласно прогнозам, число пользователей Сети достигнет 5 млрд) – позволяет науке развиваться в совершенно ином масштабе. Дело не только в том, что в краудсорсинговых группах стандартные исследования проводятся быстрее и стоят дешевле: сегодня мы в состоянии проводить исследования, в сотни раз более масштабные и детализированные.

Группа исследователей способна предоставить огромные массивы информации, просто подключив к общей базе свои личные гаджеты, настроенные на сбор данных по принципу «измерения себя» (quantified self). Ученые-любители принимают участие в простых процессах обработки информации и в других видах сбора и анализа данных через веб-сайты типа Galaxy Zoo. Участников таких проектов подбирают через (также выстроенные по принципу краудсорсинга) площадки найма рабочей силы (первоначально все они были похожи на площадку Mechanical Turk («Механический турок»), принадлежащую Amazon.com, однако теперь всё больше ориентируются на профессиональные навыки кандидатов), соревнования по скорости обработке данных и «игровые» научные проекты (например, в таких областях, как прогнозирование складывания белков и структура РНК). Новые методы науки подкрепляются появлением новых инструментов – работы по принципу DIY («сделай сам»), «измерения себя», биохакинга, трехмерной печати и совместных исследований.

Третьей масштабной тенденцией, меняющей образ науки, можно считать синтетическую биологию. Это направление науки, получившее, благодаря своему трансформационному потенциалу, неформальное прозвище «Транзистор XXI века», предназначено для проектирования и создания биологических устройств и систем. Синтетическая биология позволяет объединять исследовательские усилия в области биологии, инженерии, функционального дизайна и вычислений. Одна из ключевых сфер ее применения – метаболический инжиниринг, то есть работа с клетками с целью увеличить производство ими различных субстанций (которые затем могут использоваться для решения задач энергетикианизмов. Можно сказать, что этот подход противоположен пассивному описанию явлений, для которого изначально и был изобретен научный метод. И если оптимизацию генетических и регуляционных процессов внутри клеток можно, хотя бы отчасти, описать с помощью научного метода, то общий диапазон возможностей и методов в рамках этой новой науки значительно шире. Создание новых организмов и функций «с нуля» требует совершенно иной научной методологии, чем та, что поддерживается традиционным научным методом. Нам необходимо переосмыслить науку, которая становится теперь инструментом не только описания явлений, но и их создания. Мы больше не можем полагаться исключительно на традиционный научный метод в новых областях науки.

Для следующего этапа научного прогресса инноваций нам придется разработать много новых моделей, которые обогатят традиционный научный метод новыми инструментами, которые будут лучше приспособлены к новой реальности и столь же эффективны, что и уже существующие. Сегодня заниматься наукой можно и «сверху вниз», увеличивая степень детализации и совмещая всё больше дисциплин, и «снизу вверх», увеличивая динамику в системе. Течение времени и будущее будут становиться все более понятными и предсказуемыми, а все процессы, в том числе и происходящие в самом человеке, мы научимся моделировать с возможностью немедленной корректировки в режиме реального времени. С гносеологической точки зрения, меняются сами принципы нашего познания, истины нашей реальности. В некотором смысле мы сейчас находимся в точке перелома новых Темных веков, и множественность научных методов будущего поможет нам, введет нас в новую эпоху Просвещения – точно так же, как традиционный научный метод в свое время проложил нам дорогу в современность.


Наукой имеют право заниматься только профессиональные ученые | Эта идея должна умереть. Научные теории, которые блокируют прогресс | У больших эффектов должны быть большие объяснения Файри Кушман



Loading...