Проблемы науки (O)

Видимое продвижение фронтов науки сопровождается постоянным возвращением к самим её основам. Понятийные основы явлений - основная движущая сила прогресса, это было всегда, а сегодня - они становятся реальной путеводной тропой развития. Выдающийся российский ученый Владимир Арнольд много времени уделил защите Науки от наукообразия.

Он предлагал симбиоз реальных моделей с математикой. Т.е., - не формулы перед пониманием явлений и процессов - но их модель. Гораздо ценнее модельное понимание - чем владение математическими приемами для решения научной проблемы. Именно здесь кроется "скучность" и ограниченная предсказательная ценность производимого в сегодняшней науке продукта.

" Что от перестановки сомножителей произведение не меняется (это и есть коммуникативность умножения), можно понять только пересчитывая по рядам и шеренгам выстроенную роту солдат или же вычисляя двумя способами площадь прямоугольника. Все попытки избежать этого вмешательства реального мира в математику — сектантство, которое восстанавливает против себя любого разумного человека и вызывает у него отвращение к математике, к умножению и к любым доказательствам. Подобное "абстрактное" описание математики не пригодно ни для обучения, ни для какого-либо практического приложения. Несмотря на это, левополушарники сумели вырастить целые поколения математиков, которые не понимают никакого другого подхода к математике и способны учить следующие поколения лишь таким же образом. Отвращение к математике со стороны министров, подвергшихся в школе унизительному опыту подобного обучения, — здоровая и законная реакция. К сожалению, это их отвращение распространяется на всю математику без исключения и может убить ее целиком."

Прекрасной иллюстрацией бессилия в самой изученной области - оптике демонстрирует невозможность продвижения там без смены парадигм моделей.

Надо сказать, что этот живой подход к исследованиям подвергается прямой дискриминации в современной науке. Результат - резкое сокращение реально теоретических работ, но появление "замещающего" ИИ подхода. Когда "создатели" программ сами не понимают что и как "решило" ИИ. То есть, то что даёт теория - прогностическое и фундаментальное решение вопроса - просто отсутствует. Отрицать перспективность и продуктивность ИИ решений глупо, но то что ученые тупеют от такого "продвижения" - просто факт. Дело в том, что одни и те же явления могут быть описаны разными формулами и разными подходами.

Наполнение научных работ модельными представлениями - путь к пониманию сущностей явлений. А значит к качественному продвижению в науке.

Можно привести примеры из медицины: проблемы "ведущих онкологию" генов и факторов. Множество таковых отрабатываются уже второй десяток лет, успехи же весьма скудные. Только благодаря случайным находкам - НО НЕ ТЕОРЕТИЧЕСКИМ ПРЕДСТАВЛЕНИЯМ - там наблюдается таки кое-какой прогрес. Почему это происходит? потому что работает "сетевой" подход: бесконечные эксперименты - минимальная информация. Отсюда и бесконечные "открытия" средств Макрополуса и т.п..

Именно модельные представления являются ведущими сегодня, именно они являются "драйверами" развития направлений. Математическое обрамление можно всегда подобрать, важно знать что именно вы собираетесь определить.

#наука #проблемы #теория #модели #математика #