У науки есть одна необыкновенная особенность, которую легко не заметить, если изучать её историю только как последовательность уже совершённых открытий. Нам кажется, что сначала возникает проблема, затем учёный находит решение, после чего это решение становится частью научного знания; однако между появлением вопроса и возможностью получить на него проверяемый ответ иногда проходит столько времени, что люди, сформулировавшие исходную проблему, успевают исчезнуть, а сама научная область — несколько раз изменить свой облик.
Особенно любопытны случаи, когда идея появляется как будто слишком рано. Исследователь может правильно поставить вопрос и даже предложить гипотезу, но у него нет прибора, который позволил бы увидеть нужное явление, нет метода, способного отличить одно объяснение от другого, нет достаточного количества данных или вычислительных возможностей, позволяющих довести рассуждение до проверки. Проблема существует, научная мысль вокруг неё уже движется, но сделать следующий шаг невозможно, потому что отсутствует сама практическая возможность проверить то, о чём идёт речь.
А затем проходит время — и ситуация неожиданно меняется. Появляется новый инструмент, накапливаются данные, развивается математический аппарат, возрастает вычислительная мощность, возникает метод, пришедший из совершенно другой области, и то, что ещё вчера выглядело почти безнадёжной задачей, начинает поддаваться исследованию. Иногда это происходит настолько заметно, что несколько независимых групп почти одновременно приходят к сходным результатам, а старые публикации, которые долгое время лежали в стороне от основного научного движения, вдруг возвращаются в оборот и оказываются удивительно современными.
Здесь возникает вопрос, который позволяет посмотреть на научную проблему несколько иначе: если сама проблема может оставаться прежней, а возможность её решения со временем меняется, то не следует ли считать разрешимость не постоянным свойством задачи, а состоянием, которое изменяется вместе с исследовательской средой?
Именно с этого вопроса начинается понятие окна открытия.
Когда нерешённая проблема ещё не является недоступной
Обычно научную проблему удобно представлять достаточно просто: либо она решена, либо пока остаётся нерешённой. Такое представление вполне естественно, потому что окончательный результат действительно переводит проблему из одного состояния в другое, однако для понимания того, как возникают открытия, этой двухчастной схемы оказывается недостаточно.
Предположим, что сегодня исследователь сталкивается с вопросом, на который невозможно получить надёжный ответ. Через несколько лет появляются новые данные, затем возникает метод, позволяющий эти данные интерпретировать, после чего создаётся прибор, который даёт необходимую точность измерения; наконец, становится возможным эксперимент, способный различить конкурирующие объяснения, и то, что прежде было только теоретической возможностью, превращается в практически проверяемую исследовательскую задачу.
При этом сама проблема могла оставаться неизменной на протяжении всего этого времени. Менялся не вопрос, который задавал исследователь, а то, что находилось вокруг него: состояние знаний, методы исследования, доступные данные, технологии измерения и вычислительные возможности. Поэтому практическая разрешимость научной проблемы должна рассматриваться как величина, способная изменяться во времени вместе с состоянием всей системы, в которой осуществляется исследование.
Так появляется первое принципиальное положение модели: научная проблема может быть одной и той же, но степень её практической разрешимости в разные моменты времени может быть различной.
Это различие особенно важно потому, что оно позволяет иначе посмотреть на историю нерешённых задач. Если проблема не решена сегодня, из этого ещё не следует, что она слишком сложна сама по себе; возможно, в данный момент не созрело одно из условий, необходимых для её проверки. И тогда вместо вопроса «почему эту проблему до сих пор никто не решил?» возникает гораздо более содержательный вопрос: какого именно элемента исследовательской системы сейчас не хватает?
Идея может существовать раньше возможности её проверить
Представим учёного, который сформулировал правильный вопрос и даже предложил гипотезу, которая впоследствии окажется близкой к истине. С точки зрения истории науки мы можем сказать, что он оказался прав, однако в момент появления этой гипотезы подобный вывод мог быть совершенно невозможен, потому что отсутствовало средство, позволяющее провести необходимую проверку.
Иногда объект исследования ещё невозможно измерить с нужной точностью; иногда отсутствует теория, которая позволила бы понять, что именно означает полученный результат; в другом случае эксперимент принципиально понятен, но требует таких вычислений, которые при существующих возможностях практически невозможно выполнить. Бывает и проще: необходимые данные ещё не собраны, поэтому даже самый совершенный метод не может дать ответ.
Во всех этих случаях проблема уже существует, идея уже существует, а иногда существует и гипотеза, но между гипотезой и результатом отсутствует практически реализуемая цепочка проверки:
гипотеза → проверка → результат.
Именно поэтому существование научной проблемы нельзя автоматически отождествлять с её практической разрешимостью. Проблема может быть совершенно реальной, научно значимой и даже правильно поставленной, но при этом оставаться практически недоступной до тех пор, пока исследовательская среда не позволит превратить предположение в проверяемое действие.
В этом смысле некоторые научные идеи действительно приходят раньше своего времени, хотя само выражение «раньше своего времени» обычно звучит слишком метафорически. Если попробовать описать происходящее точнее, получится, что идея появилась тогда, когда ещё не существовала совокупность условий, необходимая для её проверки.
А значит, если мы хотим понять, когда проблема становится решаемой, нам необходимо научиться описывать не только саму проблему, но и состояние этой совокупности условий.
Что должно сойтись, чтобы решение стало возможным
В действительности научное решение редко зависит от какого-либо одного элемента. Для того чтобы гипотезу можно было превратить в проверяемый результат, необходимо, чтобы целый ряд условий оказался достаточно зрелым одновременно.
Прежде всего нужны данные — эмпирический материал, на котором вообще можно строить проверку. Но одних данных недостаточно, поскольку необходимо ещё иметь теоретический аппарат, позволяющий описать объект и интерпретировать полученный результат. Даже при наличии теории и данных исследование может остановиться, если отсутствует метод, который способен различить конкурирующие объяснения, а метод, в свою очередь, может оказаться бесполезным без инструмента, обеспечивающего необходимую точность измерения.
Далее возникает вопрос вычислений: если полученные данные невозможно практически обработать, вычислительная возможность становится таким же элементом исследовательской системы, как прибор или метод. После этого необходимо провести сам эксперимент, причём не любой эксперимент, а такой, который действительно способен дать решающий результат, поскольку простое накопление наблюдений ещё не означает, что конкурирующие гипотезы удалось различить.
Наконец, научный результат должен быть воспроизводим и независимо проверяем, а для этого требуются ресурсы, инфраструктура, время, оборудование и соответствующая исследовательская среда. Даже если всё необходимое существует технически, исследование может не состояться, если необходимые возможности практически недоступны.
Однако среди этих условий есть одно, которое в современной науке приобретает особое значение, потому что оно связано уже не с отсутствием знания, а с его распределением. Это связность знания.
Необходимый метод может существовать в математике, нужный прибор — в инженерии, экспериментальная процедура — в физиологии, соответствующий алгоритм — в информатике, а сама проблема — в психологии. Все элементы уже имеются, и каждый из них может быть хорошо известен специалистам своей области, но между ними ещё не установлена связь, позволяющая использовать их как единую систему.
Именно поэтому иногда науке не требуется новый факт: ей требуется соединить уже существующие факты, методы и технологии таким образом, чтобы они впервые начали работать на одну проблему.
Как увидеть состояние проблемы
Если проблема зависит от нескольких взаимосвязанных условий, то её готовность к исследованию должна каким-то образом меняться вместе с изменением каждого из них. Для описания такого состояния вводится операциональная схема:
Wₚ(t) = [D(t), T(t), M(t), I(t), C(t), E(t), R(t), A(t), K(t)].
Здесь каждый компонент представляет определённое условие практической разрешимости: D обозначает данные, T — теорию, M — метод, I — инструмент, C — вычислительные возможности, E — эксперимент, R — возможность воспроизведения и независимой проверки, A — доступность ресурсов и исследовательской инфраструктуры, а K — связность необходимых знаний.
Важно, однако, не принять эту запись за готовый калькулятор вероятности открытия. На данном этапе это именно способ описать состояние научной проблемы в конкретный момент времени, чтобы вместо общего впечатления о её «сложности» можно было определить, какой именно компонент исследовательской системы препятствует получению проверяемого результата.
Такой переход кажется небольшим, но он меняет саму постановку вопроса. Если раньше нерешённая проблема представлялась как нечто вроде закрытой двери, то теперь мы можем попытаться установить, что именно удерживает эту дверь закрытой: отсутствие данных, недостаточная теория, несовершенный метод, нехватка точности, вычислительное ограничение, невозможность эксперимента, отсутствие независимой проверки, недостаток ресурсов или, наконец, неспособность соединить знания, которые уже существуют в разных областях.
А если мы способны увидеть изменение этих компонентов во времени, то можем заметить и другое: в какой-то момент система перестаёт быть принципиально закрытой. Именно здесь появляется окно открытия.
Момент, когда невозможное становится практически достижимым
Само понятие окна требует прежде всего избавиться от одного распространённого недоразумения. Открытие не начинается в тот момент, когда исследователь уже получил результат; напротив, к этому времени самое интересное с точки зрения нашей модели уже произошло.
До результата существует промежуток, в котором проблема становится практически разрешимой, но решение ещё не получено и ещё не стало общеизвестным. Это и есть тот временной интервал, который предлагается называть окном открытия.
Его начало можно обозначить как t₀: в этот момент проблема достигает такого состояния, при котором существует практически реализуемая траектория к новому проверяемому результату. Конец окна — t₁ — наступает тогда, когда решение уже получено, проверено или стало достаточно широко известно, так что первоначальная возможность перестаёт представлять собой новое научное открытие.
Таким образом, окно можно представить как интервал:
ОКНО ОТКРЫТИЯ = [t₀, t₁].
Это определение важно именно своей временной природой. Мы привыкли говорить об открытии как о содержательном событии — о новом факте, новом законе, новом объяснении, — но здесь внимание переносится на другую сторону процесса: оказывается, у открытия существует ещё и временная возможность, то есть период, в течение которого неизвестное уже стало практически достижимым, но ещё не превратилось в известное.
Причём наличие такого интервала само по себе ещё ничего не гарантирует. Окно может открыться, но исследователь его не заметит; он может выбрать неверную гипотезу, поставить слабый эксперимент или неправильно интерпретировать полученные данные. Он может продолжать пользоваться старой методикой, хотя в другой области уже появился метод, снимающий главное ограничение, или просто не знать, что необходимая технология давно существует за пределами его собственной дисциплины.
Поэтому открытое окно означает не то, что открытие неизбежно произойдёт, а только то, что открытие стало практически достижимым. И вот здесь возникает следующий вопрос: если окно действительно существует, что именно определяет момент его открытия?
Иногда проблема “ждёт” всего одного элемента
В реальной научной работе редко случается так, что исследователь одновременно испытывает нехватку данных, теории, метода, инструмента, вычислений и всего остального. Гораздо чаще большая часть системы уже готова, а продвижение блокируется одним или несколькими компонентами, которые ещё не достигли необходимого уровня зрелости.
Можно представить ситуацию, в которой теория уже существует, данные собраны, метод разработан и вычисления вполне выполнимы, однако прибор не обеспечивает нужной точности. Тогда сама научная проблема фактически ждёт инструмента. В другом случае прибор и данные уже доступны, но не существует математического способа обработки материала; где-то ещё может быть построена хорошая модель, но отсутствуют необходимые наблюдения, а иногда почти вся система готова, за исключением эксперимента, который позволил бы различить две конкурирующие гипотезы.
Так появляется понятие узкого места открытия — того компонента или группы компонентов исследовательской системы, недостаточная зрелость которых в данный момент блокирует получение проверяемого нового знания.
Это понятие позволяет по-новому классифицировать нерешённые проблемы. Их можно различать не только по тому, о чём они спрашивают, но и по тому, почему они пока не могут быть решены. А такое различие уже непосредственно влияет на стратегию исследования, поскольку в одном случае необходимо искать новую гипотезу, в другом — собирать данные, в третьем — создавать метод, а в четвёртом научный прогресс может вообще зависеть от появления прибора, который позволит впервые увидеть то, что до сих пор существовало лишь как теоретическая возможность.
Поэтому вместо бесконечной попытки непосредственно решить проблему иногда разумнее поставить другой вопрос: Что необходимо создать или обнаружить, чтобы эта проблема стала разрешимой? В таком случае устранение препятствия само становится частью научного движения, и оказывается, что следующий шаг к открытию может состоять вовсе не в появлении новой идеи, а в устранении того узкого места, которое мешало уже существующей идее пройти проверку.
Окно необязательно распахивается сразу
На первый взгляд может показаться, что всё происходит довольно просто: появляется последний недостающий элемент, и окно открытия мгновенно распахивается. Однако исследовательская система устроена сложнее, поскольку её компоненты связаны между собой и изменение одного из них способно изменить требования к другим.
Новый прибор, например, может позволить получать данные, которых прежде не существовало, но одновременно потребовать нового метода их обработки. Новые данные, в свою очередь, способны показать, что прежняя теория недостаточна для их интерпретации, а увеличение вычислительной мощности может сделать возможной модель, которая затем потребует совершенно нового экспериментального подтверждения.
Поэтому окно открытия не обязательно возникает как один резкий момент. Иногда оно открывается постепенно, по мере того как уменьшается совокупность критических ограничений, и в некоторый момент их уже недостаточно для того, чтобы остановить практически реализуемую траекторию к проверяемому результату.
Это заставляет смотреть не на отдельную технологию и не на отдельный успех, а на состояние всей исследовательской системы. Новый прибор сам по себе ещё не означает, что какое-либо окно открылось; точно так же недостаточно появления новой базы данных, нового алгоритма или новой вычислительной мощности. Значение приобретает их сочетание с остальными условиями, потому что именно совокупность изменений определяет, способен ли исследователь теперь пройти путь от проблемы к проверяемому результату.
И здесь возникает ещё один, гораздо более неожиданный вопрос. Что произойдёт, если все необходимые условия уже сошлись, но никто ещё не понял, что они сошлись? В таком случае объективно проблема уже может быть разрешима, хотя для исследовательского сообщества она по-прежнему будет выглядеть нерешённой.
Именно в этом ключе окно открытия разделяется на два “состояния” — объективное и наблюдаемое, — а вместе с ними появляется возможность измерить время, которое наука иногда теряет не потому, что не умеет решать проблему, а потому, что слишком поздно замечает, что решить её уже стало возможно.
Когда окно уже открылось, но наука… этого ещё не знает
Представим ситуацию, в которой необходимые данные уже собраны, подходящий метод опубликован, прибор доступен, вычислительные ресурсы позволяют выполнить необходимые расчёты, а эксперимент технически осуществим. Если все эти элементы действительно способны работать вместе, то с объективной точки зрения проблема уже достигла состояния практической разрешимости, даже если ни один исследователь ещё не поставил перед собой задачу собрать их в единую конструкцию.
Получается довольно странная картина: научная возможность существует, но в научном сознании её ещё нет. Для одного и того же момента времени можно поэтому говорить о двух разных состояниях окна. Объективное окно открытия возникает тогда, когда необходимые условия решения фактически существуют, тогда как наблюдаемое окно появляется только после того, как исследователь или исследовательская система распознали совпадение этих условий.
Между этими двумя событиями может пройти значительное время, и это время уже нельзя объяснить отсутствием самого научного ресурса. Проблема могла стать разрешимой, но остаться незамеченной; следовательно, если мы хотим понять эффективность научного исследования не только по числу полученных результатов, но и по способности науки вовремя использовать возникающие возможности, необходимо научиться измерять подобную задержку.
Для этого введём три момента. t_available обозначает время, когда проблема фактически стала практически разрешимой, t_detected — время, когда эта возможность была распознана, а t_discovery — момент получения нового проверяемого результата. Тогда промежуток между фактическим появлением возможности и её обнаружением можно представить как
Δ₁ = t_detected − t_available.
Это и есть задержка обнаружения. Она показывает, сколько времени исследовательская система могла бы уже работать с проблемой, но ещё не знала, что для неё изменились условия. После того как окно замечено, начинается уже другой процесс, который можно описать величиной
Δ₂ = t_discovery − t_detected.
Это время, необходимое для прохождения исследовательской траектории от распознанной возможности до проверяемого результата. Наконец, если нас интересует весь путь от момента фактической готовности проблемы до момента открытия, получаем
Δtotal = t_discovery − t_available.
Так возникает важное различие между двумя типами научной эффективности. Одно дело — насколько быстро исследовательская система умеет двигаться после того, как возможность уже обнаружена, и совсем другое — насколько быстро она вообще замечает, что такая возможность появилась.
Отсюда следуют два естественных вопроса. Можно ли уменьшить Δ₁, научившись раньше распознавать созревание проблемы, и можно ли уменьшить Δ₂, сокращая путь от обнаруженной возможности к проверяемому результату? Если оба ответа окажутся положительными, то своевременность исследования перестанет быть просто хорошим выражением и превратится в характеристику, которую можно пытаться изучать и измерять.
Иногда всё необходимое находится рядом, но не вместе
Особенно заметную роль в этой задержке играет то, что было обозначено вектором состояния как K — связность знания. Современная наука настолько разрослась, что один человек уже не способен постоянно удерживать в поле зрения все методы, технологии, данные и исследовательские возможности, которые появляются даже в смежных областях, не говоря уже о дисциплинах, между которыми традиционно не существует тесного обмена.
Представим, что математик разработал метод, инженер создал прибор, специалист по информатике предложил алгоритм, физиолог отработал экспериментальную процедуру, а психолог сформулировал проблему, для которой всё это неожиданно может оказаться полезным. С точки зрения каждой отдельной дисциплины события выглядят независимыми, и никто из участников не обязан предполагать, что созданный им инструмент через некоторое время станет недостающим элементом чужого исследования.
Однако именно здесь может находиться настоящее узкое место. Необходимые элементы уже существуют, но они не соединены в одну систему, а значит, практическая разрешимость проблемы остаётся ниже того уровня, при котором появляется реальная траектория к проверяемому результату.
Получается парадоксальная ситуация: иногда науке не нужно новое знание в обычном смысле этого слова, потому что нужное знание уже существует. Не хватает связи между существующими знаниями. Поэтому отсутствие такой связи следует рассматривать не как второстепенную проблему коммуникации между специалистами, а как возможный фактор, непосредственно влияющий на момент открытия окна.
Отсюда становится понятнее и другое явление, которое время от времени удивляет историков науки: почему старые работы, забытые на десятилетия, вдруг возвращаются и начинают играть заметную роль в новых исследованиях?
Почему старые работы иногда становятся своевременными
Если научная публикация десятилетиями остаётся практически невостребованной, это ещё не означает, что содержащаяся в ней идея была ошибочной или бесполезной. Возможно, в момент её появления просто не существовало той исследовательской среды, внутри которой эта идея могла стать рабочим элементом решения.
Позднее появляется новый прибор, новый метод или новый массив данных, изменяется вычислительная архитектура, возникает область применения, которой раньше не существовало, и старая работа оказывается включённой в совершенно другую систему возможностей. При этом содержание публикации не меняется: меняется её положение относительно того, что наука теперь способна сделать. Именно поэтому научная ценность знания иногда изменяется без изменения самого знания. То, что в один период выглядит как любопытная, но практически бесплодная идея, в другой период может оказаться недостающим элементом исследования, потому что вокруг неё наконец возникли необходимые условия.
Такой взгляд заставляет несколько иначе относиться к научному архиву. Архив хранит не только то, что было сделано раньше и потому осталось в прошлом; в нём могут находиться идеи, которые просто ещё не встретились с подходящей исследовательской средой. Их практическая значимость способна измениться не потому, что изменилось содержание самой работы, а потому, что изменилось пространство возможностей, в котором эта работа существует.
Если это так, то становится понятнее ещё одно историческое явление — случаи, когда одно и то же открытие практически одновременно появляется у нескольких независимых исследователей.
Почему открытия иногда приходят почти одновременно
История науки знает немало ситуаций, когда несколько исследовательских групп, не координируя свои действия, получают близкие результаты примерно в одно и то же время. Обычно такие случаи можно объяснять сходством научной подготовки, общим состоянием дисциплины или тем, что разные исследователи независимо пришли к одной и той же идее, однако модель окна открытия позволяет сформулировать ещё одну проверяемую гипотезу.
Если область достигла высокой практической разрешимости, несколько сильных исследовательских групп могут одновременно оказаться в сходной ситуации: необходимые данные уже доступны, методы сопоставимы, приборы позволяют провести нужные измерения, вычислительные возможности достаточны, а экспериментальная проверка стала реальной. В такой момент пространство возможных исследований меняется не для одного человека, а сразу для целого научного сообщества.
То, что раньше требовало исключительной интуиции, может превратиться в естественный следующий шаг для нескольких исследователей одновременно. Поэтому совпадение открытий может быть связано не только с особенностями самих учёных, но и с тем, что исследовательская среда достигла состояния, при котором одна и та же ранее недоступная область стала практически достижимой сразу для нескольких групп.
Если эта гипотеза верна, то вероятность независимых близких открытий должна возрастать после того, как соответствующее поле достигает достаточно высокого уровня практической разрешимости. И это уже можно проверять не только на отдельных красивых исторических примерах, но и на достаточно большой выборке научных открытий.
Однако здесь появляется новое ограничение: далеко не всякая практически разрешимая проблема заслуживает того, чтобы немедленно тратить на неё научные ресурсы.
Открытое окно ещё не говорит, что в него стоит “входить”
Наука в любой момент времени располагает множеством вопросов, которые в принципе можно исследовать. Если считать главным критерием только практическую разрешимость, то исследователь очень быстро окажется перед огромным числом возможностей, из которых всё равно невозможно выбрать все. Поэтому необходимо различать две характеристики научной проблемы: можно ли её решить сейчас и насколько значимым будет результат, если её решить.
Открытое окно может вести к результату, который окажется интересным лишь для узкой области, тогда как другая проблема, несмотря на сохраняющиеся технические трудности, способна при успешном решении изменить целое направление науки. Следовательно, практическая разрешимость сама по себе не является достаточным критерием выбора.
Наиболее интересной становится область пересечения двух величин: когда проблема одновременно обладает высокой практической разрешимостью и высоким потенциальным научным значением. В этом случае вопрос исследователя меняется ещё раз. Он спрашивает уже не просто о том, что сегодня можно решить, а о том, что имеет смысл решать именно сейчас. И это различие необходимо сохранить, если мы не хотим превратить модель окна открытия в простой механизм поиска самых лёгких научных задач.
Окно показывает направление, но не прокладывает дорогу
Даже если исследователь обнаружил, что проблема достигла состояния практической разрешимости, это ещё не означает, что путь к результату очевиден. Необходимо понять, какие данные уже существуют, каких данных не хватает, какие гипотезы конкурируют между собой, какой эксперимент способен их различить, какие операции можно исключить как избыточные и какое следующее действие даст максимальное продвижение.
Поэтому окно открытия и исследовательская траектория — разные вещи. Окно показывает, что существует практически реализуемая возможность двигаться к новому проверяемому результату; траектория отвечает на вопрос о том, как именно этот результат получить. Если смешать эти два понятия, легко принять сам факт доступности проблемы за готовый план исследования, хотя между ними существует ещё вся работа, связанная с выбором гипотезы, метода, эксперимента и последовательности действий.
Именно поэтому обнаружение окна должно рассматриваться скорее как изменение статуса проблемы: она перестаёт быть практически недоступной и становится задачей, для которой уже можно строить реальную исследовательскую траекторию.
Но если модель действительно претендует на статус научной, возникает совершенно естественный вопрос: можно ли проверить, что такие окна вообще существуют в описываемом виде?
Как проверить окно, если открытие уже произошло
Первый путь связан с историей науки. Можно выбрать, к примеру, двадцать или тридцать известных открытий из разных дисциплин и попытаться восстановить для каждого из них последовательность событий, которая привела к результату: когда была сформулирована проблема, когда появились необходимые данные, когда созрела теория, когда возник метод, когда появился соответствующий инструмент, когда стали возможны необходимые вычисления, когда стало реально провести решающий эксперимент и, наконец, когда был получен сам результат.
Если между моментом, когда совокупность условий впервые сделала проблему практически разрешимой, и моментом открытия действительно обнаруживается устойчивый интервал, это даст основание говорить о наблюдаемом эффекте окна. Если же такой закономерности не обнаружится, модель придётся пересматривать.
Но историческая проверка имеет очевидную слабость: когда результат уже известен, легко посмотреть назад и решить, что необходимые условия «должны были» сложиться именно перед открытием. Поэтому ретроспективного анализа недостаточно, если задача состоит в том, чтобы проверить модель как инструмент для будущих исследований. Гораздо сильнее выглядел бы проспективный тест, в котором решение ещё не получено.
Можно ли заметить окно до открытия?
Для такого эксперимента необходимо взять некоторое количество современных нерешённых проблем и оценить состояние каждой из них с помощью того самого вектора Wₚ(t). Затем проблемы можно разделить на две группы: в одной будут задачи с высокой предполагаемой практической разрешимостью, в другой — сопоставимые проблемы, для которых сохраняются существенные узкие места.
Ключевое условие здесь состоит в том, что оценка должна быть зафиксирована до получения результатов, иначе мы снова рискуем подменить прогноз реконструкцией уже известного прошлого. После этого в течение заранее определённого периода можно наблюдать, что происходит с обеими группами: появляются ли новые экспериментальные результаты, улучшается ли воспроизводимость, исчезают ли ключевые неопределённости, возникают ли новые методы и, наконец, появляются ли проверяемые решения.
Если проблемы, которым заранее приписана высокая практическая разрешимость, систематически дают новые проверяемые результаты быстрее или чаще, чем сопоставимые задачи с выраженными узкими местами, модель получает эмпирическую поддержку. Если этого не происходит, её придётся изменять. Важен здесь именно такой принцип: модель окна должна не защищаться от реальности, а позволять реальности её опровергнуть.
От истории открытия — к машине исследования
Именно на этом этапе понятие окна открытия естественным образом соединяется с идеей машины исследования. Человек способен глубоко работать внутри своей области, но он физически не может непрерывно отслеживать все изменения, происходящие одновременно в тысячах научных дисциплин, особенно если речь идёт о технологиях и методах, которые ещё не получили применения за пределами собственной области.
Между тем окно открытия может открыться именно благодаря событию, которое для специалиста данной области первоначально выглядит совершенно посторонним. Где-то появился новый датчик, в другой лаборатории был разработан математический метод, открылась новая база данных, подешевело секвенирование, возник новый класс вычислительных возможностей, появился экспериментальный материал с необычными свойствами или отрицательный результат исключил одну из конкурирующих гипотез.
Ни одно из этих событий само по себе не обязано быть открытием в интересующей нас области. Однако каждое из них способно изменить один из компонентов Wₚ(t) для проблемы, которая находится далеко от места возникновения самого события. Если таких изменений оказывается несколько и они начинают работать вместе, состояние проблемы может измениться быстрее, чем это успеет заметить отдельный исследователь.
Поэтому одной из возможных задач машины исследования становится не просто поиск научной информации, а непрерывное отслеживание изменения разрешимости нерешённых проблем с целью обнаружения момента, когда совокупность условий начинает формировать окно открытия.
Это уже существенно отличается от привычного представления об интеллектуальной системе, которая умеет искать публикации, отвечать на вопросы или предлагать гипотезы. Здесь машина должна следить не только за содержанием научного знания, но и за изменением его практической конфигурации. Иными словами, её интересует не только то, что известно, но и то, что вследствие последних изменений стало возможно.
Научная мысль порождает ещё один вопрос?
Традиционная наука задаёт фундаментальные вопросы о том, что существует, как это устроено, почему происходят определённые явления и каким образом можно проверить полученные объяснения. Концепция окна открытия добавляет к ним ещё один вопрос, который относится уже не столько к содержанию знания, сколько к его временной доступности:
Когда данная проблема становится практически разрешимой? Этот вопрос не является предсказанием истины. Нельзя заранее гарантировать, что определённая гипотеза окажется правильной, и никакая модель состояния проблемы не превращает неизвестное в известное. Речь идёт о другом: можно ли обнаружить момент, когда стоимость и сложность получения проверяемого ответа существенно снижаются благодаря тому, что сама исследовательская среда достигла необходимой зрелости?
Если это возможно, то появляется самостоятельный предмет исследования — динамика научной разрешимости, то есть изменение во времени способности науки получать проверяемые ответы на конкретные вопросы. Такой подход позволяет посмотреть на научное открытие не как на внезапную вспышку индивидуального гения, а как на событие, которому предшествует определённое состояние системы. Неизвестное при этом никуда не исчезает: если ответ заранее известен, открытия нет. Но меняется другое — расстояние между вопросом и возможностью получить на него проверяемый ответ. И именно это расстояние становится объектом исследования.
Увидеть возможность раньше
Научное открытие по определению содержит неизвестность, и поэтому никакая машина не может заранее сообщить человеку, где находится истина. Однако из этого вовсе не следует, что техническая система не способна помочь исследователю раньше заметить изменение самой ситуации.
Можно поставить гораздо более реалистичную задачу: обнаруживать случаи, когда проблема по-прежнему остаётся нерешённой, но необходимые для продвижения условия уже достаточно сошлись. Данные существуют, теория позволяет интерпретировать результат, метод способен различать конкурирующие объяснения, инструмент даёт нужную точность, вычисления практически выполнимы, эксперимент можно провести, результат можно воспроизвести, ресурсы доступны, а знания, прежде существовавшие раздельно, теперь можно соединить в единую исследовательскую конструкцию.
В этот момент неизвестное не становится известным, но оно становится практически достижимым. Именно здесь происходит важнейший переход: ещё вчера проблему можно было обсуждать, строить вокруг неё гипотезы и признавать её научную значимость, но не существовало реализуемой цепочки, которая позволяла бы проверить ответ; сегодня такая цепочка уже появилась, хотя само открытие ещё не сделано.
Особенность этого перехода состоит в том, что никакого специального сигнала о нём не существует. Наука не получает сообщения о том, что новое окно только что открылось. Изменения могут происходить далеко друг от друга: в одной лаборатории создаётся прибор, в другой области появляется алгоритм, затем становится доступной база данных, снижается стоимость вычислений, совершенствуется экспериментальная технология или подтверждается теория, которая раньше оставалась под вопросом.
По отдельности эти события могут вообще не выглядеть как части одной истории. Только их соединение способно изменить состояние конкретной научной проблемы.
И здесь становится очевидным ограничение человеческого исследовательского внимания. Учёный обычно глубоко отслеживает собственную область и, в лучшем случае, несколько соседних дисциплин, тогда как окно открытия может возникнуть именно на пересечении процессов, которые происходят в совершенно разных областях.
Поэтому энциклопедичность в таком контексте перестаёт быть просто характеристикой образованности. Она становится инструментом обнаружения научной возможности, потому что способность увидеть окно зависит уже не только от знания отдельных фактов, но и от способности заметить их новое сочетание.
Что должна замечать будущая машина
Если рассматривать эту задачу последовательно, то будущая машина исследования должна будет делать нечто большее, чем искать статьи и отвечать на вопросы. Её задачей может стать постоянное наблюдение за состоянием множества нерешённых проблем, причём не только внутри отдельных дисциплин, но и на границах между ними.
Она должна уметь спрашивать, что изменилось за последнее время, какое прежнее ограничение исчезло или ослабло, какая проблема вследствие этого стала более разрешимой, какие знания, прежде находившиеся в разных областях, теперь можно соединить, где появилась новая экспериментальная возможность и, наконец, какую проблему имеет смысл исследовать сегодня именно потому, что ещё вчера её решение было практически недоступно.
В таком случае эффективность подобной системы можно будет оценивать не количеством найденных публикаций и не числом сгенерированных гипотез, а тем, насколько она способна сокращать время между появлением исследовательской возможности и её обнаружением.
Иными словами, речь снова возвращается к Δ₁.
Если проблема фактически стала разрешимой в момент t_available, а исследователь узнал об этом только в t_detected, то задача машины состоит в том, чтобы сделать разницу между этими моментами как можно меньше. После этого начинается второй этап — сокращение Δ₂, то есть времени между обнаружением возможности и получением проверяемого результата.
Таким образом, перед машиной исследования возникают две разные функции. Первая заключается в том, чтобы раньше увидеть возможность, а вторая — в том, чтобы быстрее пройти путь от возможности к результату. И здесь концепция окна открытия выходит за пределы истории науки и превращается в вопрос о будущем самой исследовательской деятельности.
Не машина открытий, а машина своевременности
Если такая система когда-нибудь окажется возможной, её роль в науке будет определяться не тем, что она «делает открытия вместо человека». Это было бы слишком сильным и одновременно слишком грубым пониманием задачи.
Машина не способна заранее гарантировать истину, потому что неизвестность является не ошибкой научного процесса, а его необходимой частью. Она также не может самостоятельно решить, какой результат действительно имеет научное значение, какое направление стоит выбрать и какую ответственность несёт исследователь за принятое решение.
Но она способна выполнять другую работу, которая человеку становится всё труднее: постоянно сопоставлять изменения в огромном количестве областей знания и замечать, что совокупное состояние исследовательской системы изменилось.
В идеальном случае такая система могла бы сообщить исследователю примерно следующее: последнее критическое ограничение ослабло; необходимые данные уже существуют; метод доступен; соответствующий инструмент появился; эксперимент теперь практически возможен; а знания, которые раньше находились в разных областях, удалось связать между собой. Иными словами: Возможно, окно открытия уже открыто.
После этого решение всё равно остаётся за человеком. Он определяет значимость проблемы, оценивает смысл будущего результата, принимает решение о начале исследования и несёт ответственность за полученные выводы. Машина лишь увеличивает вероятность того, что человек увидит возникшую возможность вовремя.
В этом смысле преимущество исследователя будущего может определяться не только объёмом его знаний и даже не только мощностью используемых им вычислительных систем. Возможно, гораздо важнее окажется способность раньше других распознать тот момент, когда неизвестное, которое ещё вчера было практически недоступно, становится достижимым для проверки.
Потому что научный вопрос имеет, по меньшей мере, три измерения. Нас интересует, что можно открыть, нас интересует, как это открыть, но существует ещё один вопрос, который обычно остаётся в тени: Когда пришло время это открывать?
Если окажется, что этот момент действительно можно обнаруживать, описывать и исследовать, то у науки появляется новый предмет — не предсказание будущей истины, а исследование момента, когда путь к неизвестному впервые становится практически проходимым.
Именно этот промежуток между тем временем, когда проблема ещё не имела реализуемого пути к проверяемому ответу, и тем временем, когда её решение уже стало совершённым научным фактом, и предлагается называть окном открытия.
Автор: Ph.D Олег Мальцев
Официальный e-mail профессора: Phd@oleg-maltsev.com