В 1970х гг. заговорили о пост-методной науке ("эпистемологический анархизм" Фейерабенда). Определить, в чем именно заключается "научный метод", стало сложно, и решили считать наукой попросту то, чем занимаются ученые.
Решение привело к следующим типовым диалогам:
— Не могли бы вы объяснить, как вы получили эти результаты? Заранее благодарю.
— Ты на кого батон крошишь, пес? У меня докторская степень из университета Лиги Плюща! Я выжил в конкурентной борьбе за бессрочную позицию на кафедре! У меня нобелевская премия!
Может показаться, что с тем открылся путь в науку для шарлатанов, но это не так. Если некоторая научная теория окажется ложной, несоответствующей веяниям времени, то кафедру можно, все-таки, отобрать, да и нобелевскую премию тоже. Тогда её автор будет не ученый, а в говне моченый, и все его теории перестанут быть научным знанием.
В 2020х гг. начали говорить о пост-теорной науке (post-theory science). Ученым стало сложно обобщать экспериментальные данные в формальную, математизированную теорию, ведь данных так много, и они такие разнообразные. Предлагается принять в качестве эталона научного результата не теорию, а "магию чисел"^W^Wмодель, полученную машинным обучением на экспериментальных данных.
Как и при помощи теорий, при помощи моделей можно предсказывать поведение мира. А конечной целью науки является именно возможность гадания^Wпредсказания.
Предполагаю, что набор типовых диалогов в скором времени пополнится вот таким:
— Не могли бы вы объяснить, как вы получили эти результаты? Заранее благодарю.
— Мы собрали экспериментальные данные и использовали 80% из них чтобы обучить вот эту модель. На оставшихся 20% данных, не использовавшихся при обучении, модель имеет точность в 99%, значит, она вполне верна.
— Как вы собирали экспериментальные данные?
— С этим нам помог индустриальный партнер, компания Пфайзер. У нее развитая клиентская сеть, без её помощи, силами одного только университета, мы столько данных не собрали бы.
— Как вы обучали модель?
— При помощи продукта Scientific Mind, лицензированного нам другим индустриальным партнером, компанией Гугл. Силами одной только нашей исследовательской группы мы не разработали бы все необходимое ПО и не построили бы всю необходимую инфраструктуру.
— Хорошо, а посмотреть на модель можно?
— К сожалению, она слишком большая и помещается только в дата-центре Гугла. Вот, можете поспрашивать её через API. Ознакомьтесь, пожалуйста, с расценками на запросы и подпишите пользовательское соглашение.
В 2022 г. в науку, действительно, остается разве что верить. Предварительно перекрестившись.
>>Click here to continue<<