Рис. 3. Изменение стоимости расшифровки генома человека в США
Каждый доллар, который мы вложили в создание карты человеческого генома, вернул по 140 долларов в нашу экономику – каждый доллар!»
Таким образом, ещё одна граница развития науки лежит там, где она соприкасается с промышленностью. Основополагающие научные достижения выдающихся ученых одной эпохи позволяют организовать массовые, рутинные технологические операции в другую. Это и является одним из важнейших механизмов развития общества.
ПРОМЕЖУТОЧНОЕ ЗВЕНО
Мир представляет реализацию простейших математи-
ческих конструкций.
А. Эйнштейн
Будущая эра пробуждения человеческого интеллекта
вполне может привести к пониманию качественного содер-
жания уравнений. Сегодня мы этого не можем. Сегодня мы
не видим, что уравнение течения воды включает такие ве-
щи, как структуры турбулентности. Сегодня мы не знаем,
содержит ли уравнение Шрёдингера лягушек, композиторов
или мораль. Мы не можем сказать, есть ли необходимость в
чем-то большем, а именно, в Боге. И мы все можем иметь на
этот счет собственное мнение.
Р. Фейнман
На первый взгляд, структура научной деятельности представляется достаточно простой. Вначале формулируется проблема, затем для её разрешения организуются наблюдения или ставится эксперимент, чтобы объяснить его, развивается теория. Её предсказания сопоставляются с реальностью, и далее мы выясняем, позволяет ли достигнутый уровень понимания ответить на первоначально заданный вопрос.
В этой ясной и логичной цепочке упущено очень важное звено, лежащее между результатами наблюдений или эксперимента и суждениями о том, что же на самом деле стоит за тем, что мы видим, измеряем, фиксируем.
Постановка этой ключевой для научного познания проблемы восходит к Платону, представившему в своих диалогах миф о пещере. Он предложил проанализировать следующую ситуацию. Узники прикованы к стенам пещеры таким образом, что они не могут непосредственно наблюдать то, что происходит за её пределами. Однако у них есть возможность видеть тени людей, животных, предметов, проходящих и проносимых мимо пещеры и отбрасывающих тени на противоположную стену. Встает вопрос, насколько полно и объективно узники могут судить об окружающем мире, находясь в такой ситуации.
Этот миф очень важен для развития идей объективного идеализма, поэтому он многократно обсуждался, переосмысливался и интерпретировался как на протяжении прошедших веков, так и в течение последних лет.
Традиционно мифу сопоставлялся образ наших чувств, дающих нам искаженную, неполную и неточную картину совершенных идеальных сущностей (образ мира, находящегося вне пещеры).
Наука и технологии нашего времени многократно расширили возможности органов чувств человека. Приборы гиперспектрального зондирования позволяют наблюдать поверхность Земли не в 7 естественных цветах спектра, видимых невооруженным взглядом, а в 1000 условных цветов. Астрономия стала всеволновой.
Тем не менее, значительная часть всей прикладной математики, связанная с анализом результатов наблюдений и экспериментов, в ХХ веке развивалась под знаком мифа о пещере.
Дело в том, что ученые в прошедшем столетии начали задавать гораздо более сложные вопросы, чем раньше, и пришли к необходимости анализировать так называемые обратные задачи.
Отличие между прямыми и обратными задачами можно пояснить с помощью простой формулы
Az = u .
В прямых задачах A – известный оператор, отражающий свойства исследуемого объекта, u – его свойства или будущее состояние (или характеристики объекта, которые мы хотим определить). Законы природы, если они известны, и позволяют для конкретной системы строить оператор A (или, что то же самое, математическую модель).
Однако, возможна другая ситуация, с которой современная наука встречается всё чаще. Нам известно нынешнее состояние объекта и оператор A, отражающий свойства изучаемой системы. И по этим данным требуется определить начальное состояние изучаемой системы. Другой вариант – у нас есть несовершенные измерения свойств объекта u (аналог теней на стене в платоновском мифе), мы знаем свойства измеряющего прибора A, и нам нужно восстановить исходные свойства объекта (те самые «идеальные сущности», свойства предметов, проносимых мимо пещеры в мифе).
Фундаментальность и общность обратных задач для современной науки была осознана одним из основоположников прикладной математики ХХ века Андреем Николаевичем Тихоновым, вторым директором ИПМ [33]. Он столкнулся с этой ситуацией, рассматривая задачу о тепловом режиме Земли. Пробурив скважину и достав керн, мы можем измерить его температуру (вектор u). Законы теплопроводности хорошо известны уже несколько веков (оператор A). Требуется определить, какая температура была на поверхности Земли в разные исторические эпохи (вектор z). Другими словами, надо решить обратную задачу
z = A-1u .
Прямую задачу на экзамене по математической физике должен с легкостью решать студент физического или математического факультета университета. Проблем здесь нет.
С обратной задачей ситуация совершенно иная. Она является некорректной. Суть этого важнейшего для современной математики понятия вновь непосредственно связана с платоновским мифом. Дело в том, что разные предметы могут отбрасывать одни и те же тени. Очень мало отличающимся векторам u могут соответствовать очень сильно отличающиеся вектора z.
Как же тут быть? Здравый смысл подсказывает очевидное. Если кто-то из узников был вне пещеры, то он может иметь представления о том, что же могут проносить мимо неё и представлять, между какими образами делается выбор. Он может располагать априорной информацией (относительно возможных свойств вектора z). К нему и следует обратиться за советом! И тогда, решая обратную задачу, мы должны это знание каким-то образом учесть.
Иногда это знание может прийти из другой области исследований. И в основе современной теории некорректных задач лежат способы учета априорной информации.
Это очень важный и интересный сюжет и для междисциплинарных исследований, и для философии науки в её постнеклассическом контексте.
Из статьи в статью кочуют высказывания выдающихся физиков о том, что новая теория должна быть «красива» или «достаточно безумна». Это тоже субъективные критерии отбора среди теорий, привносимая априорная информация. (Представления о «красоте» и «безумности», бытующие в научном сообществе, очень сильно меняются со временем). И сейчас здесь требуется глубокий методологический анализ той априорной информации, которая привносится в теории различных областей науки, определяющих нашу картину мира.
Говоря языком студентов-математиков, известный оператор A может обладать «хорошими» свойствами, а оператор A-1 – многими «плохими», и его следует заменить на «хороший» оператор Ã-1 , близкий к A-1 , учитывающий имеющуюся априорную информацию, и дающий наилучшее (в том смысле, о котором исследователи тоже должны договариваться) возможное решение обратной задачи. Сегодня прикладная математика знает об этом гораздо больше, чем в начале ХХ века, и гораздо меньше, чем нужно было бы.
Задача, о которой шла речь, совершенно типична для медицинской диагностики и экспертного анализа в целом [43,43]. Просто, если в естествознании мы во многих случаях представляем, как обращаться с оператором A-1 , то для многих важных областей исследование такого фактора – «человеческих» алгоритмов учета априорной информации, образа действий «узников пещеры» – анализ оператора A-1 находится в самом начале.
Однако наука не ждет, пока мы «разберемся с простыми задачами» и «возьмемся за сложные». Обычно все эти вопросы решаются одновременно.
Исследователи в области космологии, математической истории, многих других областей имеют дело с ещё более сложной ситуацией, в которой неизвестен не только вектор z, но и многие свойства оператора A. Например, в космологии учёные пробуют реконструировать не только состояние вселенной в первые мгновенья после большого взрыва, но и «оператор эволюции вселенной», наблюдая «мгновенный снимок» космоса и привнося в космологию результаты других областей науки.
Посмотрев на развитие знания с точки зрения мифа о пещере и теории обратных задач, мы гораздо яснее, чем раньше, можем очертить пределы научного анализа. В упоминавшейся задаче о тепловом режиме Земли исследователи располагают точностью измерения нынешнего состояния ε , и это позволяет заглянуть в прошлое на T(ε) лет назад. То, что было до этого момента, при современном уровне эксперимента находится в сфере гипотез, догадок, домыслов, мифов, веры.
Чтобы продвинуться дальше в прошлое, нам надо увеличить точность измерения (уменьшив ε ). Это возможно далеко не всегда. Вероятно, у нас появится новая теория (новый оператор A), для которой будут не такие жесткие ограничения (например, в световой микроскоп нельзя увидеть атомы, но есть ряд электронных микроскопов, с помощью которых это можно сделать). Иначе надо дать себе отчет, что этот круг явлений находится (а, возможно, и всегда будет находиться) вне сферы научного знания. На мой взгляд, ясное и трезвое понимание этого сделает науку сильнее.
В рамках постнеклассической научной рациональности представляется очень важным и интересным проанализировать новую роль математики в процессе познания и связанные с этим ограничения.
Анри Пуанкаре предполагал, что в будущем можно будет предсказывать новые физические явления на основании анализа общих свойств математической модели, описывающей исследуемые явления. В ХХ веке это предвидение стало реальностью благодаря развитию нелинейной динамики и широкому использованию компьютерного моделирования. Многие науки сейчас проходят путь, который завершен в физике. В самом деле, вначале к физике относились и опыты, и гипотезы, и зачатки теории. Это примерно то, что проходят в школе или на первых курсах университетов в курсах «общей физики». Затем, по мере развития науки, произошло разделение «по вертикали» на экспериментальную и теоретическую физики и по «горизонтали», по отраслевому принципу (механика, электродинамика, физика твердого тела, биофизика и т.д.)
С усложнением теоретической физики возникла потребность исследовать свойства предложенных моделей и построенных концепций как математических объектов – родилась математическая физика. Однако для того, чтобы использовать новые инструменты, осмысливать их возможности и ограничения, исследователями, начиная с 1960-х годов, начала создаваться вычислительная физика.
Две последние «физики» сейчас в огромной мере играют объединяющую, интегрирующую роль. Они позволяют увидеть единство в многообразии физического мира и дают язык для его описания. Они позволяют избегать «эффекта вавилонской башни», когда специалисты, работающие в близких областях, перестают понимать друг друга.
Это дало огромный импульс и самой математике. Академик В.И. Арнольд, придерживавшийся радикальных воззрений, считал: «Математика – это часть физики».
Вместе с тем стоит обратить внимание на парадоксальность нынешней ситуации. Обратим внимание на статистику информационной системы Google за 2011 год, категория «наука». Десять самых популярных запросов в мире: математика, Луна, клетка, Википедия, ДНК, химия, математические игры, физика, Большой взрыв (испанский сегмент). Десять самых популярных запросов в США: математика, Луна, наука, математические игры, занимательная математика, Земля, калькулятор, занимательные математические игры, химия, периодическая таблица элементов. Десять самых популярных запросов в Австралии: математика, занимательная математика, математические игры (math games), занимательные математические игры, математика, Луна, математические игры (math games,) акула, занимательная математика.
Примерно таким же образом дела обстоят в большинстве развитых стран – математика фигурирует в том или ином виде в первой десятке, а во многих странах и не по одному разу. На 2800% выросло за 2011 год число запросов «занимательная математика».
Несколько иначе дела обстоят в России. Наша «горячая десятка»: ЕГЭ (единый государственный экзамен) ГДЗ (готовые домашние задания), решебник, ответы, результаты ЕГЭ, Википедия, ЕГЭ по русскому, ЕГЭ-2011, Алгебра, ГДЗ по алгебре.
Рубеж роста в 5000% в российском сегменте интернета превысили такие запросы, как «Википедия», «ГДЗ по алгебре», «ГДЗ по геометрии», «ГДЗ по русскому», «ЕГЭ-2011» и «радикал». Согласно статистической российской поисковой системе Яндекс 23 млн страниц содержат аббревиатуру «ЕГЭ».
Таким образом, интерес части общества, связанной с математикой, очень велик. В то же время среди областей научных исследований и математика, и информатика находятся в положении аутсайдеров. Каково же объяснение этой парадоксальной ситуации?
По-видимому, многое делает понятным мысль Нильса Бора: «Математика – это язык». Этот язык становится всё более важным и востребованным. Его можно сравнить с нашим обычным языком, который необходим всем. При этом профессии исследователей языка – филологов, лингвистов – совсем не являются массовыми, несмотря на обширность и важность предмета, которым они занимаются. По-видимому, во всё большей степени занятия профессиональных математиков и филологов будут во многом сближаться (заметим, что и филология является древнейшей и вечно молодой наукой…).
Вместе с тем язык для познающего субъекта очень важен. Мы не можем передать своё понимание и знания, если в языке нет средств для этого. Существует обратная связь – изменение реальности меняет язык, используемый язык формирует реальность. В полной мере это относится к математике и другим языкам науки.
Язык – важнейший инструмент познающего субъекта – тоже должен быть важной темой постнеклассического анализа.
И здесь есть над чем задуматься. До появления неевклидовой геометрии математика казалась совершенной, абсолютной и единственно возможной. Но кризис этой науки в ХХ веке показал, что есть неразрешимые задачи, что существует множество альтернатив, много вариантов классической теории – математического анализа – вошедшей в кровь и плоть современного естествознания. Было осознано, что есть совершенно разные направления развития и представления о том, какой должна быть математика. Один взгляд, тяготеющий к формализации и к приоритету алгебраических подходов, был выдвинут Д. Гильбертом, предложившим в 1900 году свои 23 знаменитые проблемы. Другой –опирающийся на идеи геометризации всех разделов математики – был обоснован Анри Пуанкаре.
Естественно, встал вопрос, какие образцы математического творчества, концепции и понятия в наибольшей степени соответствуют нашей реальности или её отдельным фрагментам?
На этот вопрос обратили внимание философы ещё во времена Исаака Ньютона. В версии математического анализа, предложенной Ньютоном и Лейбницем и в течение нескольких веков развиваемой их последователями, одними из важнейших понятий являются бесконечно малые и бесконечно большие величины. Бесконечно малая величина, умноженная на любое конечное число, остается бесконечно малой. Выдающийся британский философ и теолог Джордж Беркли (1685-1753) иронизировал над этим понятием, вопрошая, не являются ли бесконечно малые величины тенями безвременно усопших конечных величин. (Строгое обоснование этого понятия – нестандартный анализ, в котором отдельно вводятся пространства бесконечно малых и конечных величин – достижение второй половины ХХ века).
Понятие бесконечно малых величин возникает при обосновании предельного перехода и определении понятия мгновенной скорости
где v(t) – мгновенная скорость, Δx – малое приращение пути, Δt – времени.
Именно процедура такого предельного перехода и лежит в основе дифференциальных уравнений – языка, с помощью на котором сформулировано большинство известных нам законов природы.
Введение этого понятия определило магистральный путь, на котором были достигнуты главные успехи естествознания и математики последних трех столетий.
По-видимому, и этот путь кончается.
В начале ХХ века математиками был построен ряд парадоксальных, очевидным образом противоречащих здравому смыслу примеров. Это множество на прямой, которое не содержит ни одного отрезка, но … имеет ограниченную длину (вариант канторова множества). Это множество на плоскости, которое имеет ограниченную площадь и… бесконечный периметр (остров Коха). Это тело, имеющее конечный объем и… бесконечную площадь поверхности (один из вариантов губки Серпинского). Все эти множества получились предельным переходом, после бесконечного количества одинаковых, достаточно простых шагов.
Большинство фундаментальных курсов математического анализа начинается с построения теории действительных чисел. Само это понятие, если вдуматься, парадоксально – числу сопоставляется бесконечная последовательность a1, a2, a3, a4 … Но ведь мы не можем измерить что-то с бесконечной точностью (чтобы определить, с каким же действительным числом мы имеем дело). Нам недоступна бесконечная последовательность даже очень простых шагов.
Характеризуя электромагнитное поле – важнейшее физическое понятие – выдающийся теоретик и блестящий лектор Ричард Фейнман пояснял, что это просто шесть чисел в каждой точке пространства, хотя сам он этого представить не может. Но ни мы, ни компьютеры не умеем оперировать с бесконечным числом величин.
Поэтому возникает целая «индустрия перевода», позволяющая иногда приводить задачи к доступному нам и компьютерам виду. Сама теория самоорганизации возникает как попытка разобраться, что же является главным, как обойтись без бесконечного количества шагов, каковы алгоритмы выделения ключевых переменных и процессов.
Но поскольку на «перевод» тратится так много усилий, то, вероятно, и исходный «язык» скоро ждут большие перемены.
Наличие как угодно больших и малых чисел в описании физических процессов приводит к множеству парадоксов. В своё время выдающийся физик-теоретик Ф. Дайсон утверждал, что, вероятно, самое большое число, которое может возникнуть в физических исследованиях, не будет превышать 10100. Для этого гигантского числа он предложил специальное название – гугол (отсюда и наименование популярной поисковой системы Google). Один из основоположников синергетики Д.С. Чернавский, чтобы избежать ряда парадоксов в статистической физике, предлагал не рассматривать величин, меньших, чем «обратный гугол» – 10-100 [45]. Всё это – признаки неудовлетворенности способами описания оснований науки. Вероятно, это признак грядущих перемен.
В «цифровой реальности», в которую мы вступили, по-видимому, быстро вырастет роль дискретной математики, которая может обойтись без многих предельных переходов [46].
Кроме того, такие явления, как землетрясения, биржевые явления, описания которых требуют учёта нескольких уровней организации, уже моделируются на другом языке – с помощью так называемых клеточных автоматов [47]. В таких системах мир (пространство, время, измеряемые функции) дискретен.
Пока важнейшая роль математического языка – важнейшего промежуточного звена между субъектом и объектом познания – недооценивается. Однако ситуация быстро меняется. И несовершенство этого языка всё чаще воспринимается как одно из принципиальных ограничений на пути к более полному и точному пониманию реальности.
ПОСТНЕКЛАССИКА И ОГРАНИЧЕНИЯ ВТОРОГО ТИПА
Чем больше изучаем мы наук,
Тем меньше неизвестного вокруг.
Чем больше мы с тобою узнаем,
Тем больше забываем мы вдвоем.
Чем больше забываем истин мы,
Тем меньше перегружены умы.
Чем меньше изучаем мы предмет,
Тем реже забываем мы ответ.
Чем меньше забываем мудрых слов,
Тем больше светлых среди нас голов.
Зачем науки сложные учить,
Раз можем мы их так легко забыть?
Английский фольклор, вольный перевод В. Рыскулова
Мы привыкли к ясной, простой ситуации, когда всё по-
знанное и темное простирается перед сплошным фронтом
науки, а всё завоеванное и понятное служит ей тылом. Но
по сути безразлично, таится ли неведомое в лоне природы
или погребено в каталогах никем не посещаемых книгохра-
нилищ – то, что не включено в кровообращение науки, не
оплодотворяет её, всё равно что не существует.
С. Лем «Глас Господа»
Традиционные ограничения в процессе познания в природе исследуемых явлений, в объектах анализа, подробно анализировались и естественниками, и специалистами по философии науки. Однако всё более важными становятся ограничения, диктуемые субъектом познания – отдельным учёным, научным сообществом, человечеством. Если границы, накладываемые объектом анализа, считать ограничениями первого рода, то пределы, связанные с субъектом, можно назвать ограничениями второго рода.
Именно их анализ представляется естественным в контексте постнеклассической рациональности. Автор этой концепции – В.С. Стёпин – характеризуя глобальные научные революции, в ходе которых происходит радикальная перестройка научной картины мира, идеалов и норм науки, её философских оснований, определяет типы рациональности следующим образом [7, с.67-68].
«Первый из них (классика) характеризуется особым пониманием объяснения и описания. Предполагается, что объективность объяснения и описания достигается только тогда, когда в цепочке деятельности «субъект – средства (операции) – изучаемый объект» объяснение сосредотачивается только на объекте и будет исключено всё, что относится к субъекту, средствам и операциям деятельности.
Второй (неклассика) эксплицирует связи между знаниями об объекте и характером средств и операций деятельности. Объяснение и описание включает принцип относительности объекта к средствам наблюдения (квантово-релятивистская физика).
Третий (постнеклассика) расширяет поле рефлексии над деятельностью, учитывает соотнесённость получаемых знаний об объекте не только с особенностью средств и операций деятельности, но и с её ценностно-целевыми структурами. В явном виде учитывается связь между внутринаучными и вненаучными социальными целями и ценностями».
До сих пор традиционной для научных исследований была ситуация, в которой основную проблему составляло получение экспериментальных данных и построение теории, дающей их объяснение. С хранением, систематизацией, обработкой результатов наблюдений, как правило, проблем не возникало, либо последние относили к техническим, легко преодолимым трудностям, не накладывающим серьёзных ограничений на процесс и результаты научного познания.
Однако на наших глазах ситуация быстро и кардинально меняется. Наука является неотъемлемой частью культуры – и то, с чем столкнутся учёные, как в области технологий, так и в сфере фундаментальных исследований, за десятилетия (а то и века) до этого часто отыгрываются в художественной литературе. И здесь весьма показателен известный роман Станислава Лема «Глас Господа», в котором учёные зафиксировали сложный, периодически приходящий из космоса сигнал [16]. Данных оказывается слишком много, и совершенно неясно, что из них существенно, а что нет. Собственно, необходимый объём работы по анализу уже имеющихся данных может быть недоступен для объекта. И это его проблемы, а не свойства исследуемой системы или используемых инструментов.
По-видимому, первыми осознали и начали активно использовать эту новую для науки ситуацию специалисты по криптографии. Пусть N – число, характеризующее объём входных данных. Простыми были названы задачи, в которых для получения ответа требуется произвести не более, чем Q ~ N α действий, где α – постоянная, не зависящая от N степень.
Задачи, в которых функция Q(N) растёт в зависимости от N быстрее, были названы сложными. Именно на использовании сложных задач основано большинство современных алгоритмов защиты информации – так называемая криптография с открытым ключом [17]. Шифры строятся таким образом, чтобы для прочтения сообщения без знания ключа с помощью существующих компьютеров требовалось решить сложную задачу, что требовало бы времени, превышающего возраст вселенной.
Сложные задачи не являются экзотикой – мир полон ими. Простейший пример – задача коммивояжёра: на плоскости расположены N населённых пунктов, и коммивояжёру требуется объехать их всех по кратчайшему пути.
Каков же этот путь? Математическая теория показывает, что в этой задаче для получения точного решения необходим полный перебор вариантов, требующий порядка Q ~ N N операций. Если на плоскости всего 100 населённых пунктов, то Q ~ 100100 = 10200 . Это число довольно велико, поскольку, по представлениям физиков, во вселенной около 1080 атомов.
В существующих и широко используемых для защиты информации алгоритмах в качестве сложной задачи используется разложение N -значного числа на простые множители. Если N =1000, то потребуется Q ~ 1023 операций, которые гигафлопсный компьютер будет выполнять более 10 миллионов лет [18].
До недавнего времени все эти оценки и рассуждения считались далёкими и от фундаментальной науки, и, тем более, от характеристик познающего субъекта. Однако развитие науки и технологий в последние годы поставило эту проблему, получившую название Большие Данные (Big Data), со всей остротой [19].
Например, на Большом адроном коллайдере в ЦЕРНе происходит 20 млн. соударений в секунду. За день это даёт количество данных, сравнимое со всем объёмом интернета. Часто говорят, что большие данные характеризуются тремя V: Variety, Velocity, Volume (неструктурированность, высокая скорость поступления и обработки и большие объёмы). Иногда проблему больших данных связывают с развитием SCBIN (Socio Cognito Bio Info Nano) – технологической платформы. Единицами измерения в этой области являются петабайты ( 250 бит ≈ 1015 ) и зеттабайты (270 ≈1021 бит). К 2016 году каждую секунду через интернет будет передаваться столько материалов, что для их просмотра человеку потребовалось бы 833 дня.
И здесь мы вновь приходим к научным задачам. Открытие «кандидата в бозоны Хиггса» потребовало много месяцев, чтобы набрать достаточную статистику. А если бы речь шла о событиях, вероятность которых хотя бы в миллиард раз меньше … В Институте геохимии им. В.И. Вернадского была высказана гипотеза, в соответствии с которой в происхождении жизни огромную роль играют так называемые «медленные реакции», которые занимают … десятилетия или века.
Вернёмся к сюжету, обозначенному С.Лемом. В истории астрономии уже не раз учёные принимали периодически повторяющиеся сигналы за послания других цивилизаций [20]. Профессор Б.А. Воронцов-Вельяминов на лекции часто просил студентов перевернуть страницу в конспекте и пояснял, что затраченная на это каждым из них работа превышают всю энергию, принятую всеми радиотелескопами Земли за всё время их существования. В 2015 году планируется запустить радиотелескоп SKA с площадью антенны один квадратный километр, с которого будет передаваться сигнал со скоростью в несколько петабайт в секунду, что в 100 раз больше нынешнего трафика глобального интернета.
По оценкам специалистов, потенциально полезными являются 23% собираемых данных. При этом из них используется менее 3% собираемой информации. Если прорывов в данной области не произойдёт, то эта доля будет и дальше уменьшаться. По имеющимся оценкам, объёмы собираемой информации будут удваиваться каждые два года в течение ближайших 8 лет. Во многом этот взрывной рост связан с увеличением доли автоматически генерируемых данных. Если в 2005 году они составляли 11% информации, то к 2020 году их доля превысит 40%.
Мы уже оказались в новой реальности, гораздо более близкой к картине, описанной фантастами, чем к тем прогнозам, которые давали учёные всего 10 лет назад. Причина этого также понятна – технологии, связанные с накоплением и анализом огромных массивов данных, оказались очень востребованными в системах поиска в глобальных компьютерных сетях и в электронной торговле. Именно сюда и были вложены огромные ресурсы транснациональных корпораций.
Возможно, удивительные результаты экспериментов уже получены, а поразительные наблюдения сделаны и зафиксированы в тех 97% данных, которые не осмыслены и не проанализированы. Возможно, в ближайшем будущем кардинально изменится сама профессия учёного – появится большее число исследователей, которые будут путешествовать не в космосе, а в уже созданной информационной вселенной… Не так давно среди отраслей информатики появилась область, получившая название data mining – раскопки данных. Возможно, в недалёком будущем она станет важнейшей.
Естественно, здесь возникает принципиальный вопрос и связанные с ответом на него ограничения – какой объём информации может хранить и использовать человечество? С каким объёмом данных может и должна работать наука?
Кроме того, существенны для развития нашего знания и продолжительность жизни учёного, и темпы социальных и технологических изменений. Сколько лет может длиться эксперимент или серия наблюдений – 10, 100, 1000 лет?
Эти рамки, которые можно назвать ограничениями второго рода, естественно возникающие в постнеклассической науке, могут оказаться ещё более существенными, чем те физические и алгоритмические пределы, к которым подошло современное знание. Само сознание этого уже должно менять стратегии познающего субъекта, нормы и идеалы научной рациональности, требования к создаваемым теориям и направления модернизации науки.
Традиционное возражение при обсуждении такого будущего науки связанно со ссылками на очень быстрый прогресс компьютерной техники. Действительно, с 1950-х годов степень интеграции элементов на кристалле по настоящее время удваивается примерно каждые два года (см. рис.4). В том же темпе растёт и быстродействие компьютеров. На эту замечательную закономерность в своё время обратил внимание один из создателей фирмы Intel Гордон Мур, а выявленную зависимость назвали Первым законом Мура. (Второй закон гласит, что через некоторое время Первый закон перестанет действовать).
Достигнутые результаты впечатляют: за пятьдесят с лишним лет такого экспоненциального роста быстродействие компьютеров выросло в 250 миллиардов раз. Ни одна отрасль не знала таких темпов развития. И если бы первый закон Мура продолжал действовать в обозримой перспективе, то об информационном кризисе, к порогу которого мы подошли и который самым существенным образом влияет на нашу науку, можно было бы не беспокоиться.
Рис. 4. Закон Мура: число транзисторов в процессоре удваивается каждые 2 года
Однако, вероятно, очень скоро начнет действовать второй закон Мура. Причин у этого много, и здесь можно обратить внимание только на две.
Рис. 5. Число выполненных в различных странах научных работ, тыс. (Web of Science)
Микроэлектроника подошла к своим технологическим пределам. Основным параметром, характеризующим технологии в этой области, является ширина линии – минимальный размер элемента интегральной схемы. Ведущие мировые фирмы уже подошли к рубежу 20 нм (нм – нанометр –10-9 м), характерный размер кристаллической решетки – 0,1 нм. Меньшей толщина линии не может быть в принципе. Казалось бы, есть надежды на параллельную работу сети компьютеров, на возможность решать большую, сложную задачу «по частям», однако опыт такой деятельности, связанный с криптографией, анализом данных космических экспедиций, поиском лекарств против рака, сейсморазведкой, физикой плазмы, работой ускорителей, показывает уникальность и научных задач, и алгоритмов, и проектов, в рамках которых сегодня можно действовать подобным образом.
Квантовые компьютеры, на которые сейчас возлагают большие надежды, действительно позволяют сделать несколько вычислительно сложных задач (допускающих очень высокую степень распараллеливания) простыми [18]. Однако сейчас это не правило, а счастливое исключение на общем фоне вычислительных проблем. Вероятно, таковым оно и останется.
Второе ограничение ещё более серьёзно и непосредственно касается человека. Опыт анализа особо ответственных и многократно протестированных компьютерных программ показывает, что достичь уровня менее одной ошибки на 1000 команд пока не удается. (Исходя из этого, можно сказать, что в последней версии Windows более 50 тысяч ошибок). Это очень существенно снижает надежность многих технических систем, тормозит использование компьютеров во многих ответственных технологиях и существенно влияет на стратегии реализации многих крупных научно-технических проектов. Пока не ясно, преодолим ли в принципе этот барьер.
Рассмотренный подход к прогнозу развития науки, опирающийся на теорию научных революций и смену типов рациональности, имеет не только академический интерес, но и большое прикладное значение. Он непосредственно связан с обоснованием научной стратегии России.
Место российской науки в мире существенно изменилось за прошедшие два десятилетия (см. рис. 5). Произошел стремительный откат назад. В настоящее время прикладываются огромные усилия, чтобы изменить ситуацию к лучшему. Финансирование научных исследований за последние годы было увеличено почти в 20 раз (см. рис. 6). Однако это не дало заметных результатов. В чем же дело?
По-видимому, ситуация близка развитию промышленности. В этом случае важно не только количество инвестиций, а то, к какому технологическому укладу относится предприятие, которое предполагается создать или модернизировать. Вложение в производства, относящиеся к VI технологическому укладу, например, могут давать огромный выигрыш при небольших затратах, а в заводы III уклада – скромные доходы при гигантских инвестициях.
Рис. 6. Федеральные расходы на науку в России
В науке также очень важно заниматься именно тем, чем надо сегодня, из чего вырастает завтрашнее знание, а не только тем, что было нужно вчера. И в этом смысле междисциплинарные исследования и философия науки в ее проектной ипостаси могут сыграть роль компаса, определяющего точки роста и направления главных усилий в науке и в образовании.
Подводя итог, можно сказать, что развитие концепции постнеклассики, проектный подход к философии науки, самым тесным образом связанный со стратегическим прогнозом, ставят очень много интересных и важных задач перед философами, математиками, науковедами, системными аналитиками, футурологами, представителями многих других научных дисциплин. Это требует и самоорганизации научного сообщества, и междисциплинарных подходов.
Представленная траектория развития научного знания сегодня выглядит необычно и неожиданно. Однако, скорее всего, именно она и определит будущее.
БЛАГОДАРНОСТИ
Искренне признателен своему учителю – Сергею Павловичу Курдюмову– за многочисленные продолжительные беседы, в ходе которых он убедил меня, что анализ оснований науки, методологическая и философская рефлексия являются важнейшим каналом, через который результаты конкретных научных исследований могут войти в культуру, понимаемую в широком смысле. Обширная серия его совместных с сотрудницей Института философии РАН (ИФ РАН) Еленой Николаевной Князевой статей и книг показывает, насколько серьёзно он относился к решению этой задачи.
Считаю приятным долгом выразить благодарность одному из основоположников современной философии науки Вячеславу Семеновичу Стёпину за многочисленные обсуждения проблем философии, синергетики и междисциплинарных исследований и прекрасные подаренные книги, в которых раскрывается эта проблематика.
Его концепция теоретического знания и постнеклассической науки, его проектный и прогнозный характер философской рефлексии, помогающий осмыслить не только ретроспективу, но и перспективу развития научного знания, сыграли и продолжают играть важную роль в развитии междисциплинарных подходов в России и в мире.
Большое спасибо друзьям и коллегам из Института философии РАН, активным членам Клуба инновационного развития ИФ РАН, Владимиру Ивановичу Аршинову, Владимиру Григорьевичу Буданову, Владимиру Евгеньевичу Лепскому за обсуждения, оказанную помощь и поддержку.
Признателен Андрею Викторовичу Подлазову за многолетнюю совместную работу и плодотворные обсуждения, а также участникам семинаров и школ «Будущее прикладной математики», которые способствовали формированию представленных взглядов.
Выражаю искреннюю благодарность Светлане Аркадьевне Торопыгиной и Вере Григорьевне Комаровой за помощь в оформлении этого текста, а также Михаилу Михайловичу Горбунову-Посадову, благодаря активности которого препринты нашего института преобразились.
ЛИТЕРАТУРА
1. Капица С.П., Курдюмов С.П., Малинецкий Г.Г. Синергетика и прогнозы будущего. Изд. 3-е. – М.: Едиториал УРСС, 2003 – 288 с. – (Синергетика: от прошлого к будущему).
2. Бадалян Л.Г., Криворотов В.Ф. Кризисы. Перспективы: Новый взгляд на прошлое и будущее/ Под ред. и с предисл. Г.Г. Малинецкого. – М: Книжный дом «ЛИБРОКОМ», 2010. – 288 с. – (Синергетика: от прошлого к будущему. Будущая Россия).
3. Турчин П.В. Историческая динамика. На пути к теоретической истории. Пер. с англ. / Под общ ред. Г.Г.Малинецкого, А.В.Подлазова, С.А.Боринской. Предисл. Г.Г.Малинецкого. Изд. 2-е. – М.: Издательство ЛКИ, 2010. – 386 с. – (Синергетика: от прошлого к будущему).
4. Проблемы математической истории: Основания, информационные ресурсы, анализ данных. / Отв. ред. Г.Г. Малинецкий, А.В. Коротаев. – М.: Книжный дом «ЛИБРОКОМ», 2009. – 256 с.
5. Геловани В.А., Бритков В.Б., Дубовский С.В. СССР и Россия в глобальной системе (1985-2030): Результаты глобального моделирования / Предисл. Г.Г. Малинецкого. – М.: Книжный дом «Либроком», 2009. – 320 с. – (Будущая Россия).
6. Медоуз Д.Х., Рандерс Й., Медоуз Д.Л. Пределы роста: 30 лет спустя / Под ред. Н.П.Тарасовой. – М.: Бином. Лаборатория знаний, 2012. –358с.
7. Стёпин В.С. Теоретическое знание. – М.: «Прогресс-традиция», 2000. – 774 с.
8. Стёпин В.С. Важно, чтобы работа не прекращалась/Человек. Наука. Цивилизация. К семидесятилетию академика В.С. Стёпина. – М.: Канон+, 2004. С. 11-88.
9. Новое в синергетике: Взгляд в третье тысячелетие /Под. ред. Г.Г. Малинецкого, С.П. Курдюмова. – М.: Наука, 2002 – 478 с. – (Информатика: неограниченные возможности и возможные ограничения).
10. Новое в синергетике. Новая реальность, новые проблемы, новое поколение / Под. ред. Г.Г.Малинецкого. М., 2007. – 383 с. – (Информатика: неограниченные возможности и возможные ограничения)
11. Аршинов В.И., Буданов В.Г. Синергетика как инструмент формирования новой картины мира. / Человек. Наука. Цивилизация. К семидесятилетию академика В.С. Стёпина – М.: Канон+, 2004. С. 428-444.
12. Доклад Правительству Российской Федерации об итогах реализации в 2012 году
Программы фундаментальных исследований государственных академий наук за 2008-2012 гг. – М., 2013 – 366 с.
13. Кун Т. Структура научных революций. – М.: ООО «Издательство АСТ»: ЗАО НПП «Ермак», 2003 . – 365 с. – (Философия. Психология).
14. Лакатос И. Методология исследовательских программ. – М.: ООО «Издательство АСТ»: ЗАО НПО «Ермак», 2003 –380с. – (Философия. Психология).
15. Наука России. От настоящего к будущему / Под ред. В.С.Арутюнова, Г.В.Лисичкина, Г.Г.Малинецкого. – М.: Книжный дом «ЛИБРОКОМ», 2009. – 512 с. – (Будущая Россия).
16. Лем С. Глас Господа. – М.: АСТ, 2001. – 285 с.
17. Введение в криптографию /Под общ. ред. В.В. Ященко – 3-е изд., доп. – М.: МЦНМО : «ЧеРо», 2000. – 288 с.
18. Валиев К.А., Кокин А.А. Квантовые компьютеры: надежды и реальность. – Ижевск: НЦЦ «Регулярная и хаотическая динамика», 2001. –352с.
19. Сараев В. Когда данные стали большими // Эксперт, 2013, №19, с.51-54
20. Черепащук А.М., Чернин А.Д. Горизонты Вселенной. – Новосибирск: изд-во СО РАН, 2005. – 372 с.
21. Смолин Л. Будущее вселенной / Будущее науки в XXI веке. Следующие пятьдесят лет / Под ред. Дж. Брокмана.- М.: АСТ: Астрель; Владимир: ВКТ, 2011.С.15-24
22. Владимиров В.А., Воробьёв Ю.Л., Малинецкий Г.Г. Управление риском. Риск. Устойчивое развитие. Синергетика. – М.: Наука, 2000 – 431 с. – (Серия «Кибернетика: неограниченные возможности и возможные ограничения»).
23. Малинецкий Г.Г., Подлазов А.В., Потапов А.Б. Нелинейная динамика: Подходы, результаты, надежды. – М.: Комкнига, 2006. – 280 с. – (Синергетика: от прошлого к будущему).