Романтика реальности. Как Вселенная самоорганизуется, порождая жизнь, сознание и сложность Космоса - Бобби Азарян

Эпистемологические озарения Карла Поппера

До Поппера мы знали, что наука работает, но нам не приходило в голову спрашивать, почему или как. Очевидно, он знал, что этот вопрос достоин глубокой проработки, поскольку посвятил ему большую часть своей профессиональной карьеры. Он придавал столь большую важность роли науки в понимании знания, что хотел переопределить эпистемологию как философию науки. Некоторые ученые-философы, высоко ценящие эпистемологию, например Дэвид Дойч, считают, что ему это удалось.

Живя на заре развития теории Шеннона и кибернетики, Поппер говорил не только на языке традиционных наук (таких как физика, химия и биология), но также на языке информации и вычислений, что отлично соответствовало логическому и дисциплинированному подходу современной философии. Именно эта обширная и актуальная база знаний позволила ему увидеть связи, попросту невидимые для философов прежних лет. Раз уж мы знаем, что информация и вычисления тесно связаны с термодинамикой и энтропией, то давайте включим эти концепции в парадигму Поппера, когда настанет время.

Великое решение эпистемологической загадки, предложенное Поппером, скрывалось в самой постановке проблемы и находилось у всех прямо перед носом, но никто его не видел, потому что никто в действительности не знал, что именно ищет. Проблема того, как создаются знания, перестает быть проблемой, когда вы осознаете, что проблемы порождают знания. Давайте разъясним, что подразумевается под этим зацикленным утверждением. Проблемы, по словам Поппера, являются фундаментальной правдой жизни, а необходимость их решения мотивирует науку и ученых: «Мы всегда сталкиваемся с практическими проблемами; из них иногда вырастают теоретические проблемы, поскольку мы пытаемся решить некоторые из наших проблем, выдвигая теории»4.

Уже из одного этого предложения видно, что наука – это процедура урегулирования проблем путем генерирования возможных решений, которые мы называем гипотезами, теориями, моделями или предположениями. Поскольку никто не является экстрасенсом или всеведущим, одни из этих теорий оказываются правильными, а другие ошибочными. То есть некоторые возможные решения на самом деле будут ошибками. Но те из теорий, которые не ошибочны и которые дают полезные решения наших проблем, содержат информацию, определенно являющуюся не просто информацией, а настоящим знанием. Мы можем думать о науке как о накоплении информации, основанной на фактических данных и позволяющей нам видеть статистические закономерности и тенденции в природе, которые мы можем использовать для составления все более точных прогнозов. Таким образом, можно сказать, что функция или цель науки заключается в генерировании прогностических знаний.

Мы также могли бы охарактеризовать науку как процесс составления умозаключений. Это означает, что ученые делают логические выводы о том, как устроен мир, на основе подкрепленной фактическими данными информации, полученной в прошлом, но с постоянным осознанием того, что информация может приводить и неизбежно приводит к новым выводам и более глубокому пониманию. Это лучшее, что мы можем сделать перед лицом неопределенности. Тот факт, что наука способна надежно производить достоверные знания – в форме теорий или моделей, точно предсказывающих закономерное или вероятное поведение мира, – подсказал Попперу, что наука использует для решения проблем некий формальный метод, отличный от догадки или чутья. Другими словами, научный метод – это алгоритм, конкретный набор правил, следуя которым, можно найти решение определенного типа проблемы. Кулинарный рецепт и правила умножения – это примеры алгоритмов, используемых в повседневной жизни, хотя обычно мы думаем об алгоритмах как о наборах инструкций, используемых компьютерами для выполнения всех тех замечательных вещей, которые они умеют делать.

Поппер назвал используемый наукой алгоритм предположением и опровержением, но большинству из нас он известен просто как проверка гипотезы. Когда есть проблема, которая, по вашему мнению, может быть решена, вы делаете обоснованное предположение, а затем смотрите, можно ли опровергнуть вашу теорию – доказать ее ложность, проверив ее предсказания (и подвергнув ее критике). В сущности, когда мы проводим эксперименты, мы позволяем реальности определять, какие теории являются решениями, а какие ошибками, поэтому науку можно считать своего рода испытанием реальности. Давайте воспользуемся концепцией конфигурационного пространства из третьей главы, также известной как фазовое пространство или пространство состояний, чтобы лучше проиллюстрировать, как действует этот алгоритм решения проблем.

На абстрактном уровне ту или иную практическую проблему можно представить как задачу, решение которой находится где-то в пространстве возможностей и просто ждет, когда его найдет кто-то достаточно мотивированный и умный. Это может занять некоторое время, но если пространство возможностей – пространство возможных решений – постоянно исследуется эффективным способом, то в конечном итоге решение будет найдено. Это описание не просто абстракция. В области машинного обучения «эволюционные алгоритмы» работают именно таким образом и используются в той или иной форме во многих наиболее производительных системах искусственного интеллекта (ИИ). В этих приложениях метод обычно называется методом «порождения и проверки», а не «предположением и опровержением», но суть одна. Возможные решения (догадки) генерируются до тех пор, пока не будет найдено настоящее решение, и решения накапливаются в памяти, тогда как ошибки отфильтровываются и забываются. В науке решения – это теории или модели, точно предсказывающие какое-либо природное явление, и успешные из них накапливаются в рецензируемых журналах и учебниках.

Не стоит думать, что эти решения ведут к некой утопии, в которой наука решит все наши проблемы. По словам Поппера, наши решения всегда будут приводить к новым проблемам, потому что вслед за новыми объяснениями естественно возникают новые вопросы, о которых раньше и не задумывались. Но мы не должны позволять бесконечной цепи будущих проблем сбить нас с толку. Почему? Потому что каждое решение остается в коллективной памяти: в мозгах, книгах, технологиях и веб-страницах. Таким образом, прогнозирующие знания неуклонно накапливаются, наша коллективная неуверенность в том, как устроен мир, уменьшается, а наука порождает истинный прогресс. Повторю, этот прогресс не иллюзия; он также не является субъективным или относительным, то есть прогрессом только с точки зрения конкретной культуры. Научный прогресс объективен в том смысле, что он расширяет причинное воздействие агентности на материю и делает это, давая разумному обществу основу или модель для понимания (и использования) поведения мира природы. Теоретически этот прогресс поддается количественной оценке, поскольку увеличение знаний приравнивается к уменьшению незнания, которое, как нам известно из теории информации, может описываться математически как процесс уменьшения энтропии [Шеннона. – Прим. пер.].

Важно признать, что, хотя наука – это основанная на правилах процедура, она в значительной степени является творческим процессом. Предположение – это философское изобретение, весьма мистическим образом создаваемое разумом посредством умозаключений, которые мы называем тщательным размышлением. Однако до тех пор, пока гипотеза не проверена на соответствие реальности, она еще