توسعه پژوهش محور سایش موتور
مطالعه "آیا یافتن ایده ها سخت تر است؟" («آیا یافتن ایده‌ها سخت‌تر می‌شود؟»)، که در سپتامبر ۲۰۱۷ و سپس در نسخه توسعه‌یافته در ماه مارس سال جاری منتشر شد. نویسندگان، چهار اقتصاددان مشهور، نشان می‌دهند که تلاش‌های تحقیقاتی فزاینده، سود اقتصادی کمتر و کمتری به همراه دارد.
جان ون رینن از موسسه فناوری ماساچوست و نیکلاس بلوم، چارلز ای جونز و مایکل وب از دانشگاه استنفورد می نویسند:
مجموعه وسیعی از داده‌ها از طیف گسترده‌ای از صنایع، محصولات و شرکت‌ها نشان می‌دهد که هزینه‌های تحقیقاتی به طور قابل توجهی در حال افزایش است در حالی که خود تحقیقات به سرعت در حال کاهش است.
مثال می زنند قانون موربا اشاره به این که "تعداد محققینی که اکنون برای دستیابی به دو برابر شدن معروف چگالی محاسباتی هر دو سال یک بار نیاز دارند، بیش از هجده برابر بیشتر از آن چیزی است که در اوایل دهه 70 مورد نیاز بود." نویسندگان به روندهای مشابه در آثار علمی مرتبط با کشاورزی و پزشکی اشاره می کنند. تحقیقات بیشتر و بیشتر در مورد سرطان و سایر بیماری ها منجر به نجات جان افراد بیشتر نمی شود، بلکه برعکس - رابطه بین افزایش هزینه و افزایش نتایج به طور فزاینده ای کمتر مطلوب می شود. به عنوان مثال، از سال 1950، تعداد داروهای تایید شده توسط سازمان غذا و داروی ایالات متحده (FDA) به ازای هر میلیارد دلار هزینه شده برای تحقیقات به شدت کاهش یافته است.
این گونه دیدگاه ها در دنیای غرب جدید نیست. قبلاً در سال 2009 بنجامین جونز او در کار خود در مورد مشکلات فزاینده در یافتن نوآوری، استدلال کرد که نوآوران بالقوه در یک زمینه معین اکنون به آموزش و تخصص بیشتری نسبت به قبل نیاز دارند تا به اندازه کافی مهارت داشته باشند تا به سادگی به محدودیت هایی که می توانند عبور کنند، برسند. تعداد تیم های علمی به طور مداوم در حال افزایش است و در عین حال تعداد پتنت های هر دانشمند در حال کاهش است.
اقتصاددانان در درجه اول به آنچه علوم کاربردی گفته می شود علاقه دارند، یعنی فعالیت های تحقیقاتی که به رشد و شکوفایی اقتصادی و همچنین بهبود در سلامت و استانداردهای زندگی کمک می کند. آنها به این دلیل مورد انتقاد قرار می گیرند، زیرا به گفته بسیاری از کارشناسان، علم را نمی توان به چنین درک باریک و سودمندی تقلیل داد. نظریه بیگ بنگ یا کشف بوزون هیگز تولید ناخالص داخلی را افزایش نمی دهد، اما درک ما از جهان را عمیق تر می کند. آیا علم این نیست؟
صفحه اول یک مطالعه توسط اقتصاددانان از استنفورد و موسسه فناوری ماساچوست
فیوژن، یعنی من و غاز قبلاً سلام کرده ایم
با این حال، به چالش کشیدن روابط عددی ساده ارائه شده توسط اقتصاددانان دشوار است. برخی پاسخی دارند که اقتصاد نیز ممکن است به طور جدی به آن توجه کند. به عقیده بسیاری، علم اکنون مسائل نسبتاً آسانی را حل کرده است و در حال حرکت به سمت مسائل پیچیده تر است، مانند مسئله ذهن و بدن یا مسئله یکپارچه سازی فیزیک.
در اینجا سوالات دشواری وجود دارد.
در چه مقطعی، اگر هرگز، تصمیم خواهیم گرفت که برخی از ثمراتی که می‌خواهیم به دست آوریم، دست نیافتنی هستند؟
یا همانطور که یک اقتصاددان ممکن است بگوید، چقدر حاضریم برای حل مشکلاتی که حل آنها بسیار دشوار است، هزینه کنیم؟
چه زمانی باید شروع به کاهش ضرر و توقف تحقیق کنیم؟
نمونه ای از رویارویی با یک مسئله بسیار دشوار که در ابتدا آسان به نظر می رسید، تاریخچه دعوا است. توسعه همجوشی گرما هسته ای. کشف همجوشی هسته ای در دهه 30 و اختراع سلاح های گرما هسته ای در دهه 50 باعث شد فیزیکدانان انتظار داشته باشند که همجوشی می تواند به سرعت برای تولید انرژی مهار شود. با این حال، با گذشت بیش از هفتاد سال، ما در این مسیر پیشرفت چندانی نکرده‌ایم، و علیرغم وعده‌های زیادی مبنی بر انرژی صلح‌آمیز و کنترل‌شده حاصل از همجوشی در حدقه چشم، اینطور نیست.
اگر علم آنقدر تحقیق را پیش می‌برد که جز هزینه‌های مالی عظیم دیگری راهی برای پیشرفت بیشتر وجود ندارد، شاید وقت آن رسیده است که متوقف شویم و به این فکر کنیم که آیا ارزش انجام آن را دارد یا خیر. به نظر می رسد فیزیکدانانی که یک نصب دوم قدرتمند ساخته اند به این وضعیت نزدیک می شوند. برخورد دهنده بزرگ هادرون و تا کنون کمی از آن به دست آمده است... هیچ نتیجه ای وجود ندارد که نظریه های بزرگ را تایید یا رد کند. پیشنهاداتی وجود دارد که نیاز به یک شتاب دهنده حتی بزرگتر است. با این حال، همه فکر نمی کنند که این راه حل است.
عصر طلایی نوآوری - ساخت پل بروکلین
پارادوکس دروغگو
علاوه بر این، همانطور که در کار علمی منتشر شده در می 2018 توسط پروفسور بیان شد. دیوید ولپرت از موسسه سانتافه می تواند وجود آنها را ثابت کند محدودیت های اساسی دانش علمی.
این اثبات با یک رسمی‌سازی ریاضی آغاز می‌شود که چگونه یک «دستگاه استنتاج» - مثلاً یک دانشمند مسلح به یک ابر رایانه، تجهیزات آزمایشی بزرگ و غیره - می‌تواند دانش علمی در مورد وضعیت جهان اطراف خود به دست آورد. یک اصل اساسی ریاضی وجود دارد که دانش علمی را که فرد می‌تواند با مشاهده جهان خود، دستکاری آن، پیش‌بینی آنچه در آینده اتفاق می‌افتد یا نتیجه‌گیری در مورد آنچه در گذشته اتفاق افتاده است به دست آورد، محدود می‌کند. یعنی دستگاه خروجی و دانشی که کسب می کند، زیر سیستم های یک جهان. این اتصال عملکرد دستگاه را محدود می کند. ولپرت ثابت می کند که همیشه چیزی وجود خواهد داشت که نمی تواند آن را پیش بینی کند، چیزی که به خاطر نمی آورد و قادر به مشاهده آن نخواهد بود.
ولپرت در phys.org توضیح می‌دهد: «از برخی جهات، این فرمالیسم را می‌توان به‌عنوان بسط ادعای دونالد مک‌کی در نظر گرفت که پیش‌بینی آینده‌ای را که پیش‌بینی می‌کند نمی‌تواند تأثیر یادگیری گوینده آن پیش‌بینی را توضیح دهد».
اگر به دستگاه خروجی نیاز نداشته باشیم که همه چیز را در مورد جهان خود بداند، بلکه از آن بخواهیم تا آنجا که ممکن است در مورد آنچه می توان شناخت داشته باشد، باید بداند؟ چارچوب ریاضی ولپرت نشان می دهد که دو ابزار استنتاجی که هم اراده آزاد (به درستی تعریف شده) و هم حداکثر دانش از جهان را دارند، نمی توانند در آن جهان وجود داشته باشند. ممکن است چنین "دستگاه های فوق استاندارد" وجود داشته باشد یا نباشد، اما نه بیش از یک. ولپرت به شوخی این نتیجه را «اصل توحید» می نامد، زیرا در حالی که وجود خدایی را در جهان ما منع نمی کند، وجود بیش از یک خدا را ممنوع می کند.
ولپرت استدلال خود را با پارادوکس مردم گچکه در آن اپیمنیدس از کنوسوس، یک کریتی، این جمله معروف را بیان می کند: "همه کرتی ها دروغگو هستند." با این حال، برخلاف اظهارات اپیمنیدس، که مشکل سیستم‌هایی را که توانایی خودارجاعی دارند، آشکار می‌کند، استدلال ولپرت در مورد دستگاه‌های استنتاجی که فاقد این توانایی هستند نیز صدق می‌کند.
تحقیقات ولپرت و تیمش در جهات مختلفی از منطق شناختی تا نظریه ماشین های تورینگ انجام می شود. دانشمندان سانتافه در حال تلاش برای ایجاد چارچوب احتمالی متنوع تری هستند که به آنها امکان می دهد نه تنها محدودیت های دانش کاملاً صحیح را مطالعه کنند، بلکه همچنین در زمانی که قرار نیست دستگاه های استنتاج با دقت 100 درصد کار کنند، چه اتفاقی می افتد.
دیوید ولپرت از موسسه سانتافه
مثل صد سال پیش نیست
ملاحظات ولپرت، بر اساس تحلیل های ریاضی و منطقی، چیزی در مورد اقتصاد علم به ما می گوید. آنها پیشنهاد می‌کنند که دورترین چالش‌های علم مدرن - مشکلات کیهانی، پرسش‌هایی درباره منشأ و ماهیت کیهان - نباید حوزه‌ی بزرگ‌ترین هزینه‌های مالی باشد. اینکه راه حل های رضایت بخشی به دست آید، تردید وجود دارد. در بهترین حالت، چیزهای جدیدی یاد می گیریم که فقط تعداد سوالات را افزایش می دهد و در نتیجه باعث افزایش حیطه نادانی می شود. این پدیده برای فیزیکدانان کاملاً شناخته شده است.
با این حال، همانطور که داده های ارائه شده قبلا نشان می دهد، تمرکز بر علم کاربردی و اثرات عملی دانش کسب شده کمتر و کمتر موثر می شود. گویی سوخت در حال تمام شدن است یا موتور علم از پیری فرسوده شده است که همین دو یا صد سال پیش به طور مؤثری به توسعه فناوری، اختراع، منطقی‌سازی، تولید و در نهایت کل اقتصاد منجر شد. برای افزایش رفاه و کیفیت زندگی مردم.
نکته این است که دست های خود را فشار ندهید و لباس های خود را روی آن پاره نکنید. با این حال، قطعاً ارزش این را دارد که بدانیم آیا زمان یک ارتقاء اساسی فرا رسیده است یا حتی جایگزینی این موتور با موتور دیگری.
