το τέταρτο παράδειγμα(;): η μηχανική διαμεσολάβηση της επιστημονικής σκέψης…


Ο όρος “Παράδειγμα”, μαζί με τον συνοδευτικό του “Αλλαγή Παραδείγματος”, από τότε που πρωτοεμφανίστηκαν στο κλασσικό πλέον βιβλίο του Τόμας Κουν για τη δομή των επιστημονικών επαναστάσεων, έχουν υποστεί όχι μόνο την αναμενόμενη κριτική, αλλά και μια κατάχρηση που κινδυνεύει να τους καταστήσει άχρηστους ως εργαλεία κατανόησης της επιστημονικής πρακτικής. [1] Από κει που κάποτε θεωρούνταν απειλητικοί για το επιστημονικό status quo ή, για να είμαστε κάπως πιο μετριοπαθείς στις εκφράσεις μας, τουλάχιστον υπονομευτικοί για τον τρόπο που οι επιστήμονες κατανοούσαν τον εαυτό τους και νομιμοποιούσαν προς τα έξω τη δραστηριότητά τους ως αναζήτηση της Αλήθειας, τώρα πλέον δεν είναι καθόλου σπάνιο να τους χρησιμοποιούν οι ίδιοι οι επιστήμονες ως διαφημιστικό σλόγκαν για καινούριες ανακαλύψεις, είτε θεωρητικές είτε τεχνολογικές. Παρ’ όλα αυτά, πρόκειται για όρους που διατηρούν μιαν αξία, αν τουλάχιστον γνωρίζει κανείς για τι πράγμα μιλάει. Σε μια κίνηση παρόμοια με εκείνη της κοινωνιολογίας στα πρώτα της βήματα, που έθεσε στο επίκεντρό της τη θρησκεία, αναλύοντάς την ως προς τα κοινωνικά της συμφραζόμενα (από τον Μαρξ μέχρι τον Ντυρκέμ και τον Βέμπερ), η κοινωνιολογία της επιστήμης, από τον Κουν και μετά άφησε ως παρακαταθήκη το εξής αυτονόητο(;) πλέον: καμμία επιστημονική αλλαγή μεγάλης κλίμακας δεν μπορεί να γίνει κατανοητή ως κίνηση που λαμβάνει χώρα αυστηρά στο εσωτερικό μιας επιστήμης. Κι αν η μάχη για τις επιστημονικές έννοιες υπερβαίνει τα όρια ενός στενά εννοούμενου ορθολογισμού και η έκβασή της καθορίζεται κι από παράγοντες εξω-επιστημονικούς – δηλαδή ιδεολογικούς, κοινωνικούς ή ακόμα και πολιτικούς – τότε η αντίληψη για μια καθαρή επιστήμη, “αμόλυντη από τα ταπεινά εγκόσμια”, που θα λειτουργεί ως προπύργιο της αντικειμενικής γνώσης, γίνεται στην καλύτερη περίπτωση μια χίμαιρα και στην χειρότερη απλό ιδεολόγημα. [2


Μέσα από τις σελίδες του cyborg αναφερόμαστε συχνά σε αυτό που ονομάζουμε καπιταλιστική αλλαγή παραδείγματος, δηλαδή στην διαδικασία εκείνη ριζικής αναδιάρθρωσης του καπιταλισμού τις τελευταίες δεκαετίες, που μπορεί να έχει στην αιχμή της τις τεχνολογικές εξελίξεις κατά κύριο λόγο, αλλά που τελικά φτάνει να διαπερνά εγκάρσια ολόκληρο το κοινωνικό πεδίο, από τις διαπροσωπικές σχέσεις και το εκπαιδευτικό σύστημα μέχρι τις μορφές πολιτικής εκπροσώπησης. Τον όρο “αλλαγή παραδείγματος” τον έχουμε δανειστεί φυσικά από το πεδίο της επιστημολογίας και τον χρησιμοποιούμε για τους δικούς μας σκοπούς κι όχι ως ακριβή αναλογία με τις επιστημονικές αλλαγές παραδείγματος. [3]
Το ερώτημα ωστόσο γεννάται αυτόματα. Από τη στιγμή που η αναδιάρθρωση της καπιταλιστικής μηχανής απλώνεται σε τόσα πεδία, είναι δυνατό να μένει απ’ έξω η ίδια η επιστήμη; Κι εδώ προφανώς δεν εννοούμε την επιστήμη από την άποψη των όποιων τεχνολογικών εφαρμογών παράγει, αλλά τον ίδιο τον πυρήνα των θεωριών και των μεθοδολογιών της. Με άλλα λόγια, μπορεί να εντοπιστεί ένας κυρίαρχος τρόπος του επιστημονικού σκέπτεσθαι, δηλαδή ένα Παράδειγμα, εδώ και τώρα, στη σημερινή συγκυρία; Κι αν ναι, αυτό το Παράδειγμα είναι ένα ή μήπως κάθε επιστημονικός κλάδος έχει το δικό του; Η εύκολη απάντηση σε τέτοια ερωτήματα θα ήταν ότι αρκεί να κοιτάξουμε το τι παρήγαγαν οι τελευταίες επιστημονικές επαναστάσεις, στη βάση των οποίων δουλεύουν σήμερα οι επιστήμονες. Για παράδειγμα, θα μπορούσαμε να θεωρήσουμε ότι οι θεωρίες της σχετικότητας και η κβαντομηχανική αποτελούν δύο σταθερά θεμέλια της σύγχρονης φυσικής, παρέχοντας στους φυσικούς αντίστοιχες εννοιολογήσεις του χωροχρόνου και της αιτιότητας. Στον τομέα της βιολογίας τώρα, το κεντρικό δόγμα της, που θέλει το κύτταρο να είναι η βασική μονάδα της ζωής και το DNA ο φορέας όλων των απαραίτητων πληροφοριών, θα μπορούσε να θεωρηθεί ότι συνιστά ένα άλλο τέτοιο Παράδειγμα. Κι έτσι οι σημερινοί επιστήμονες που εκπαιδεύτηκαν κι εκπαιδεύονται να δουλεύουν στη βάση αυτών των Παραδειγμάτων μπορούν να κοιμούνται ήσυχοι. Καμμία απειλητική επανάσταση στον ορίζοντα.

τέταρτο παράδειγμαΣχεδιάγραμμα απεικόνισης των σταδίων επεξεργασίας των αρχικών δεδομένων από το πείραμα ATLAS στο CERN. Οι λεπτομέρειες δεν έχουν τόση σημασία εδώ. Ο αριθμός των σταδίων από μόνος του (μεταξύ των οποίων είναι και προσομοιώσεις για να καλιμπράρονται τα πρωτογενή δεδομένα) δείχνει πόσο μακριά είναι η αλυσίδα μέχρι να πάρουν τελικά τα δεδομένα τους οι φυσικοί για ανάλυση.

επιστήμη έντασης δεδομένων

Το 2008, στο γνωστό τεχνολαγνικό περιοδικό Wired, εμφανίστηκε ένα άρθρο με τον προβοκατόρικο τίτλο “Το τέλος της θεωρίας: ο κατακλυσμός δεδομένων καθιστά απαρχαιωμένη την επιστημονική μέθοδο”. Μεταφέρουμε εδώ ένα εκτεταμένο απόσπασμα:

Στην κλίμακα των petabyte, η πληροφορία δεν είναι πλέον ζήτημα ταξινόμησης και διάταξης σε τρεις ή τέσσερις διαστάσεις, αλλά ζήτημα στατιστικής, για την οποία θα είναι αδιάφορος ο αριθμός των διαστάσεων. Χρειάζεται μια τελείως διαφορετική προσέγγιση που θα είναι απαλλαγμένη από την απαίτηση της οπτικοποίησης των δεδομένων στην ολότητά τους. Μας αναγκάζει να δούμε τα δεδομένα καταρχήν μέσα από μια μαθηματική σκοπιά και μόνο σε δεύτερο χρόνο να βρούμε τα συμφραζόμενά τους. Για παράδειγμα, η  Google δεν χρειάστηκε τίποτα άλλο παρά μόνο εφαρμοσμένα μαθηματικά για να κατακτήσει τον κόσμο της διαφήμισης. Ποτέ της δεν προσποιήθηκε ότι γνωρίζει το παραμικρό για την κουλτούρα και τις συμβάσεις της διαφήμισης – η μόνη της υπόθεση ήταν ότι θα κατάφερνε να βγει κερδισμένη διαθέτοντας απλώς καλύτερα δεδομένα και καλύτερα εργαλεία ανάλυσης. Και είχε δίκιο.
Η βασική φιλοσοφία της Google είναι ότι “δεν γνωρίζουμε γιατί μια συγκεκριμένη σελίδα είναι καλύτερη από μια άλλη”. Αν τα στατιστικά στοιχεία σε σχέση με τους εισερχόμενους συνδέσμους μάς λένε ότι όντως είναι καλύτερη, τότε αυτό μας αρκεί. Δεν χρειάζεται καμμία ανάλυση ως προς την σημασιολογία ή την αιτιολογία. Αυτός είναι ο λόγος που η Google μπορεί να μεταφράζει από γλώσσες που στην πραγματικότητα δεν «γνωρίζει» (αν της δοθεί η ίδια ποσότητα δεδομένων, η Google μπορεί με την ίδια ευκολία να μεταφράσει την γλώσσα των Klingon στα Φαρσί όπως και τα Γαλλικά στα Γερμανικά). Κι είναι επίσης ο λόγος που μπορεί να βρίσκει ποιες διαφημίσεις ταιριάζουν με ένα συγκεκριμένο περιεχόμενο χωρίς να γνωρίζει ή να υποθέτει το ο,τιδήποτε ούτε για τις διαφημίσεις ούτε για το περιεχόμενο.

Εδώ βρισκόμαστε μπροστά σ’ έναν κόσμο όπου τα τεραστίων όγκων δεδομένα και τα εφαρμοσμένα μαθηματικά θα αντικαταστήσουν όλα τ’ άλλα εργαλεία. Ξεχάστε όλες τις θεωρίες για την ανθρώπινη συμπεριφορά, από τη γλωσσολογία μέχρι την κοινωνιολογία. Ξεχάστε ταξινομικά σχήματα, οντολογίες και ψυχολογίες. Ποιος ξέρει γιατί οι άνθρωποι συμπεριφέρονται όπως συμπεριφέρονται; Το θέμα είναι ότι συμπεριφέρονται κι αυτή τη συμπεριφορά τους μπορούμε να την καταγράψουμε και να την μετρήσουμε με αδιανόητη μέχρι πρότινος πιστότητα. Αν έχουμε αρκετά δεδομένα, τότε τα νούμερα μιλάνε από μόνα τους.
Ωστόσο, στο στόχαστρο εδώ δεν βρίσκεται τόσο η διαφήμιση, αλλά η επιστήμη. Η επιστημονική μέθοδος βασίζεται στις ελέγξιμες υποθέσεις. Αυτά τα μοντέλα είναι στο μεγαλύτερο μέρος τους συστήματα, οπτικοποιημένα μέσα στο μυαλό των επιστημόνων. Κατόπιν τα μοντέλα ελέγχονται και τα πειράματα είναι που τελικά επιβεβαιώνουν ή διαψεύδουν τα θεωρητικά μοντέλα για το πώς λειτουργεί ο κόσμος. Αυτός είναι ο τρόπος της επιστήμης εδώ κι αιώνες.
Μέρος της εκπαίδευσης των επιστημόνων είναι να μαθαίνουν ότι η συσχέτιση δεν ταυτίζεται με την σχέση αιτιότητας κι ότι δεν μπορείς να εξάγεις συμπεράσματα απλά και μόνο βάσει του ότι το Χ συσχετίζεται με το Ψ (που θα μπορούσε να είναι κι απλή σύμπτωση). Πρέπει, αντιθέτως, να μπορείς να κατανοείς τους αφανείς μηχανισμούς που συνδέουν αυτά τα δύο. Από τη στιγμή που διαθέτεις ένα μοντέλο, τότε μπορείς να κάνεις με αξιοπιστία τη σύνδεση μεταξύ τους. Το να έχεις δεδομένα χωρίς κάποιο μοντέλο είναι σαν να έχεις σκέτο θόρυβο.
Με την εμφάνιση των δεδομένων μαζικής κλίμακας όμως, αυτή η προσέγγιση της επιστήμης – υπόθεση, μοντέλο, έλεγχος – γίνεται απαρχαιωμένη. Ας πάρουμε το παράδειγμα της φυσικής: τα νευτώνεια μοντέλα δεν ήταν τίποτα άλλο παρά χοντροκομμένες προσεγγίσεις της αλήθειας (λανθασμένα όταν εφαρμόζονται στο ατομικό επίπεδο, αλλά κατά τ’ άλλα χρήσιμα). Πριν εκατό χρόνια, η κβαντομηχανική, βασισμένη στη στατιστική, μάς έδωσε μια καλύτερη εικόνα – όμως κι η κβαντομηχανική είναι απλώς ένα ακόμα μοντέλο, που ως τέτοιο, είναι κι αυτό ελαττωματικό· καρικατούρα μιας πραγματικότητας που είναι πολύ πιο σύνθετη. Ο λόγος που τις τελευταίες δεκαετίες  η φυσική έχει διολισθήσει προς μια θεωρητική εικοτολογία περί εντυπωσιακών ν-διάστατων ενοποιημένων μοντέλων είναι το γεγονός ότι δεν γνωρίζουμε τον τρόπο για να τρέξουμε τα πειράματα εκείνα που θα διέψευδαν όλες αυτές τις υποθέσεις – απαιτούνται πολύ υψηλές ενέργειες, πολύ ακριβοί επιταχυντές, κ.τ.λ.
Η βιολογία οδεύει προς την ίδια κατεύθυνση. Τα μοντέλα που μάθαμε στο σχολείο σχετικά με “επικρατή” και “υπολειπόμενα” γονίδια που καθοδηγούν μια αυστηρά μεντελιανή διαδικασία αποδεικνύεται ότι τελικά είναι μια απλοποίηση της πραγματικότητας ακόμα πιο χοντροκομμένη από αυτή των νευτώνειων νόμων. Η ανακάλυψη των αλληλεπιδράσεων μεταξύ γονιδίων και πρωτεϊνών, όπως κι άλλων επιγενετικών παραγόντων, έχει κλονίσει την άποψη ότι το DNA συνιστά κάτι σαν πεπρωμένο και μάλιστα πλέον διαθέτουμε ενδείξεις ότι το περιβάλλον μπορεί να επηρεάζει χαρακτηριστικά που είναι κληρονομήσιμα, κάτι που εθεωρείτο γενετικά αδύνατο κάποτε.

Τώρα πλέον υπάρχει ένας καλύτερος τρόπος. Με τα petabyte μπορούμε να πούμε: “η συσχέτιση μας αρκεί”. Μπορούμε να σταματήσουμε να ψάχνουμε για μοντέλα. Μπορούμε να αναλύουμε τα δεδομένα χωρίς υποθέσεις περί του τι είναι πιθανό να βρούμε. Μπορούμε να ταΐζουμε τα υπολογιστικά cluster (τα μεγαλύτερα που έχουν υπάρξει ποτέ) με αριθμούς και να αφήνουμε τους στατιστικούς αλγορίθμους να βρίσκουν τα μοτίβα που δεν μπορεί να βρει η ίδια η επιστήμη.

Δεν θα αδικούσαμε όποιον επέλεγε να προσπεράσει άρθρα τέτοιας συμπυκνωμένης αλαζονείας με μια απλή συγκατάβαση. Το ζήτημα ωστόσο είναι ότι το εν λόγω άρθρο αποτέλεσε έκτοτε σημείο αναφοράς (ακόμα και με την αρνητική έννοια) για όσους προσπαθούν να κατανοήσουν τις μεταβολές που φέρνουν στο επιστημονικό πράττειν και σκέπτεσθαι οι τελευταίες πληροφοριακές τεχνολογίες συγκέντρωσης κι ανάλυσης δεδομένων σε μαζική κλίμακα.

[…]

…η συνέχεια στο έντυπο τεύχος του Cyborg.
[ σημεία διακίνησης ]

Separatrix

cyborg 06

Σημειώσεις

1 – Για ένα πιο χειροπιαστό παράδειγμα κακοποίησης εννοιών, μπορεί κανείς να δει το τι έχει τραβήξει η λέξη “επανάσταση” στα χέρια των διαφημιστών. Για να μην μιλήσουμε για τους “πολιτικούς ειδικούς” του είδους, που στα μέρη μας τους συναντάει κανείς σε κάθε γωνία.
[ επιστροφή ]

2 – Το έργο του Κουν θεωρείται ορόσημο κυρίως στον αγγλοσαξωνικό κόσμο. Η ηπειρωτική Ευρώπη (κυρίως η Γαλλία) είχε να επιδείξει παρόμοιο έργο (αν και λιγότερο γνωστό, για προφανείς λόγους) ήδη πριν τον Κουν. Βλ. το βιβλίο του Dominique Lecourt,Marxism and Epistemology: Bachelard, Canguilhem and Foucault.
[ επιστροφή ]

3 – Βλ. σχετικό άρθρο στο τεύχος 4 του Cyborg, Περί αλλαγής παραδείγματος
[ επιστροφή ]

_____________________________________________________________

Από:http://www.sarajevomag.gr/cyborg/issues/06/i06_p29_tetarto.html

One comment on “το τέταρτο παράδειγμα(;): η μηχανική διαμεσολάβηση της επιστημονικής σκέψης…

Σχολιάστε

Εισάγετε τα παρακάτω στοιχεία ή επιλέξτε ένα εικονίδιο για να συνδεθείτε:

Λογότυπο WordPress.com

Σχολιάζετε χρησιμοποιώντας τον λογαριασμό WordPress.com. Αποσύνδεση / Αλλαγή )

Φωτογραφία Twitter

Σχολιάζετε χρησιμοποιώντας τον λογαριασμό Twitter. Αποσύνδεση / Αλλαγή )

Φωτογραφία Facebook

Σχολιάζετε χρησιμοποιώντας τον λογαριασμό Facebook. Αποσύνδεση / Αλλαγή )

Φωτογραφία Google+

Σχολιάζετε χρησιμοποιώντας τον λογαριασμό Google+. Αποσύνδεση / Αλλαγή )

Σύνδεση με %s