Среднего более не дано. Как выйти из эпохи великой стагнации - Коуэн Тайлер - Страница 52

Стимулы к движению в направлении более качественной науки будут лишь способствовать этому возрастающему непониманию с нашей стороны. Значимость машинного разума для выполнения задач и расчетов, в которых люди уже достаточно хорошо разбираются, невелика. Машины в состоянии выполнять подобные задачи быстрее, однако гораздо большая польза заключается в использовании машин в выполнении задач, которые люди не в состоянии выполнить или понять вовсе. Здесь вам и разделение труда, и взаимодополняемость, способные вывести научные результаты за рамки всеобщего понимания, как только гениальные машины вступят в игру.

Соответствующая степень непонимания будет зависеть от конкретной области науки. В некоторых дисциплинах, таких как космология, делаются попытки (среди прочего) создать широкомасштабные и всеобъемлющие теории. Существует вероятность того, что ни один человек не сможет понять лучшую из готовых к применению масштабных теорий вследствие ее сложности или глубины либо вследствие того, что ее категории слишком выходят за рамки нашего повседневного существования.

Бóльшая часть традиционной науки в эту схему не вписывается — например, если речь идет о сборе и уточнении данных по пищеварительной системе отдельного вида морской звезды или изучении движения вулканической лавы. В этом случае ни человек, ни гениальная машина, скорее всего, не смогут предложить сколько-нибудь значимую новую теорию. Вместо выработки новой теории, речь будет идти о сборе дополнительных данных, новых проверках гипотез и постепенном уточнении и совершенствовании существующих знаний. Знания будут становиться все более специализированными. Одному специалисту будет все труднее владеть всей полнотой информации по пищеварительной системе морских звезд, хотя благодаря Интернету найти любую требующуюся информацию по данному вопросу будет проще. Неспециалистам же будет доступно множество разрозненных сведений по той или иной проблеме, но меньше — понимания ее общей картины.

Прочие научные знания человека будут знаниями практического характера, они будут направлены на выработку прогнозов и улучшение условий жизни. Все это, конечно, — позитивная сторона научного развития. Однако с точки зрения общего представления о мире картина будет столь оптимистичной и вдохновляющей далеко не всегда. Образованные люди в большинстве своем окажутся отрезанными от научного понимания мира, и существует риск, что их долгая приверженность научным объяснениям мира окажется утерянной.

Положительным же из наблюдаемых феноменов здесь является то, что в наукотворчество вновь возвращаются энтузиасты-любители, даже несмотря на то, что непрофессионалы могут не иметь достаточно обширного представления по тому или иному вопросу. Любители активно используют свои телескопы и компьютеры для изучения глубин космоса, пусть и не обладая всеобъемлющими знаниями о сверхновых звездах и черных дырах. Значимость любителей в орнитологических наблюдениях и сборе информации трудно переоценить. Любители предоставляют часть мощностей своих домашних компьютеров для расчетов, проводимых в рамках научных проектов — да, это уже реалии сегодняшнего дня. Кроме того, обычные люди делятся используемой для проведения научных и медицинских исследований информацией личного характера о своем здоровье, питании, поведении домашних питомцев. Сбор и обработка огромных объемов данных, получаемых в рамках подобных проектов, получили название «гражданская наука» и представляют собой возрастающую в своих масштабах тенденцию. Подобная наука от полного понимания участниками проверяемых гипотез не зависит.

Если говорить о нашей взаимосвязи с наукой в качестве мыслящих граждан, то мы все чаще будем выступать в роли практиков и участников, а не пытающихся лишь что-то понять сторонних наблюдателей.

Применительно же к настоящему времени можно говорить о том, что интеллектуальные способности человека препятствием в разработке революционных теорий пока не являются. Поскольку пока теории выдвигаются только людьми, уже в силу самого своего рождения теории эти поддаются пониманию по крайней мере некоторыми из нас, хотя здесь, как правило, речь идет о наиболее умных и образованных людях. Как только новые теории начнут выдвигаться гениальными машинами, данное интеллектуальное преимущество одних над другими исчезнет, и однажды настанет момент, когда понимание будет казаться достоянием весьма далекого прошлого. Не стоит полагать, что мы уже сейчас знаем, какие именно области науки будут заниматься сбором данных с привлечением энтузиастов-добровольцев, а в каких гениальными машинами будут выдвинуты гениальные теории. Пищеварительная система морских звезд вполне может оказаться той областью, где машины способны будут подметить закономерности, ускользающие от нашего внимания, и предложить достаточно сложные, для нас же — и вовсе непонятные, теории.

Нам же все в большей степени будет доступна та часть науки, которая занимается сбором информации с привлечением энтузиастов. Видимой частью науки будут ее административная составляющая и система сбора данных, а также волшебные технические устройства, которыми мы будем пользоваться. Что же касается, условно говоря, «средней» прослойки знаний — науки как общего способа понимания образованными гражданами устройства мира посредством теорий,—то пик ее расцвета придется на двадцать первый век.

Куда движется экономика?

Ученые, как правило, страдают комплексом провинциальности, когда речь заходит об их собственных областях науки и специализации, но все же имеет смысл уделить внимание и той науке, которой занимаюсь я сам и которую с легкой руки Томаса Карлейля называют «мрачной».

За последние десять лет в экономической науке наблюдается значительный сдвиг в вопросах, которым уделяется первостепенное внимание. И вызван он деятельностью интернет-компаний, а не прихотью ученых-экономистов. При разработке своих бизнес-моделей и продаже своей продукции потребителям интернет-компании зачастую пользуются непроверенными и в значительной мере неструктурированными данными. Делают они это просто потому, что могут себе это позволить. В распоряжении Facebook, Google, Amazon и прочих компаний находятся невероятные объемы высококачественной информации — большие, чем в распоряжении большинства ученых-экономистов. И при обработке данных они идут путем, имеющим мало общего с теоретической работой. Они просто грубо «перемалывают» данные, и теперь мы имеем дело с тем, что получило название больших данных. Данное понятие является предвестником грядущей бизнес-революции и означает использование статистики по данным, производимым электронными средствами общения.

В своем подходе к работе с этими данными указанные компании избегают структурных теоретических моделей. Ими предпринимаются попытки соответствующего кодирования и организации данных, однако они избегают начинать эту работу с «модели Джонса, объясняющей, почему люди пользуются поисковиком Google», или «модели Брауна, позволяющей выявить, какие книги покупают на Amazon». Компании эти берутся сразу за цифры и пытаются выявить благоприятные возможности, где только можно.

Экономика в качестве области исследований в последнее время идет тем же путем, что и интернет-компании: множество данных и относительно слабая структура теоретического характера. Мощное «перемалывание» данных и тщательный сбор информации отодвигают теоретическую составляющую на второй план. Совсем от теоретических моделей мы еще не отказались, поскольку мы придаем ряду из них огромное значение, например модели, согласно которой повышение цены при неизменности прочих критериев ведет к снижению потребления соответствующего товара или услуги. Однако это — далеко не новые теории, реальные же действия и добавочная стоимость проистекают из данных и их обработки, включая данные полевых исследований, лабораторных экспериментов и опытов с произвольным распределением объектов по контрольным группам. Используемые модели совершенствуются в недостаточной степени, а их сложность зачастую отпугивает многих ученых-экономистов.