संशोधनावर आधारित विकास. इंजिन पोशाख

संशोधन "कल्पना शोधणे कठीण आहे का?" ("ते शोधणे कठीण होत आहे का?"), जे सप्टेंबर 2017 मध्ये प्रसिद्ध झाले आणि त्यानंतर, या वर्षाच्या मार्चमध्ये विस्तारित आवृत्तीमध्ये. लेखक, चार सुप्रसिद्ध अर्थशास्त्रज्ञ, त्यात दाखवतात की सतत वाढणारे संशोधन प्रयत्न कमी आणि कमी आर्थिक फायदे आणतात.

मॅसॅच्युसेट्स इन्स्टिट्यूट ऑफ टेक्नॉलॉजीचे जॉन व्हॅन रेनेन आणि निकोलस ब्लूम, चार्ल्स आय. जोन्स आणि स्टॅनफोर्ड विद्यापीठाचे मायकेल वेब लिहितात:

"विविध प्रकारच्या उद्योग, उत्पादने आणि कंपन्यांमधील मोठ्या प्रमाणात डेटा असे दर्शवितो की संशोधन खर्चात लक्षणीय वाढ होत असताना संशोधन स्वतःच वेगाने कमी होत आहे."

ते उदाहरण देतात मूरचा कायदा"आता दर दोन वर्षांनी संगणकीय घनतेचे प्रसिद्ध दुप्पट साध्य करण्यासाठी आवश्यक असलेल्या संशोधकांची संख्या 70 च्या दशकाच्या सुरुवातीस आवश्यक असलेल्या अठरा पटीने जास्त आहे." तत्सम ट्रेंड कृषी आणि औषधाशी संबंधित वैज्ञानिक पेपरमध्ये लेखकांनी नोंदवले आहेत. कर्करोग आणि इतर रोगांवरील अधिकाधिक संशोधनामुळे अधिक जीव वाचवले जात नाहीत, उलट उलट - वाढलेला खर्च आणि वाढलेले परिणाम यांच्यातील संबंध कमी कमी होत चालला आहे. उदाहरणार्थ, 1950 पासून, यूएस फूड अँड ड्रग अॅडमिनिस्ट्रेशन (FDA) ने संशोधनावर खर्च केलेल्या प्रति अब्ज डॉलर्सच्या मंजूर औषधांची संख्या नाटकीयरित्या कमी झाली आहे.

पाश्चात्य जगतात या प्रकारची दृश्ये नवीन नाहीत. आधीच 2009 मध्ये बेंजामिन जोन्स नवोन्मेष शोधण्यात वाढत्या अडचणींवरील त्यांच्या कामात, त्यांनी असा युक्तिवाद केला की दिलेल्या क्षेत्रातील नवोन्मेषकांना आता पूर्वीपेक्षा अधिक शिक्षण आणि विशेषीकरणाची आवश्यकता आहे जेणेकरून ते पार करू शकतील अशा मर्यादेपर्यंत पोहोचू शकतील. वैज्ञानिक संघांची संख्या सतत वाढत आहे आणि त्याच वेळी, प्रति वैज्ञानिक पेटंटची संख्या कमी होत आहे.

अर्थशास्त्रज्ञांना प्रामुख्याने ज्याला उपयोजित विज्ञान म्हणतात त्यामध्ये स्वारस्य असते, म्हणजे, आर्थिक वाढ आणि समृद्धी तसेच आरोग्य आणि राहणीमान सुधारण्यासाठी संशोधन क्रियाकलाप. यासाठी त्यांच्यावर टीका केली जाते, कारण, अनेक तज्ञांच्या मते, विज्ञानाला अशा संकुचित, उपयुक्ततावादी समजापर्यंत कमी करता येत नाही. बिग बँग सिद्धांत किंवा हिग्ज बोसॉनचा शोध सकल देशांतर्गत उत्पादनात वाढ करत नाही, परंतु जगाबद्दलची आपली समज वाढवतो. हेच विज्ञान आहे ना?

स्टॅनफोर्ड आणि एमआयटी अर्थशास्त्रज्ञांद्वारे प्रथम पृष्ठ संशोधन

फ्यूजन, i.e. आम्ही आधीच हंसला नमस्कार केला आहे

तथापि, अर्थशास्त्रज्ञांनी मांडलेल्या साध्या संख्यात्मक गुणोत्तरांना आव्हान देणे कठीण आहे. काहींचे उत्तर आहे की अर्थशास्त्र देखील गंभीरपणे विचार करेल. अनेकांच्या मते, विज्ञानाने आता तुलनेने सोप्या समस्यांचे निराकरण केले आहे आणि मन-शरीर समस्या किंवा भौतिकशास्त्राचे एकत्रीकरण यासारख्या अधिक जटिल समस्यांकडे वाटचाल सुरू आहे.

येथे कठीण प्रश्न आहेत.

कोणत्या टप्प्यावर, जर कधी, आपण ठरवू की आपण जी काही फळे मिळवण्याचा प्रयत्न करीत आहोत ती अप्राप्य आहेत?

किंवा, एक अर्थशास्त्रज्ञ म्हणू शकतो की, ज्या समस्या सोडवणे खूप कठीण आहे ते सोडवण्यासाठी आपण किती खर्च करण्यास तयार आहोत?

कधी, जर कधी, आपण तोटा कमी करून संशोधन थांबवायला सुरुवात करावी?

प्रथम सोप्या वाटणाऱ्या अत्यंत कठीण समस्येचा सामना करण्याचे उदाहरण म्हणजे खटल्याचा इतिहास. थर्मोन्यूक्लियर फ्यूजनचा विकास. 30 च्या दशकात आण्विक संलयनाचा शोध आणि 50 च्या दशकात थर्मोन्यूक्लियर शस्त्रांचा शोध यामुळे भौतिकशास्त्रज्ञांनी अशी अपेक्षा केली की फ्यूजनचा वापर ऊर्जा निर्माण करण्यासाठी त्वरीत केला जाऊ शकतो. तथापि, सत्तर वर्षांहून अधिक काळ उलटून गेल्यानंतर, आपण या मार्गावर फारशी प्रगती केलेली नाही, आणि आपल्या डोळ्यांच्या कप्प्यांमधील संमिश्रणातून शांततापूर्ण आणि नियंत्रित उर्जेची अनेक आश्वासने असूनही, असे नाही.

जर विज्ञानाने संशोधनाला अशा वळणावर नेले की जिथे आणखी एका मोठ्या आर्थिक खर्चाशिवाय पुढील प्रगतीसाठी दुसरा कोणताही मार्ग नाही, तर कदाचित थांबण्याची आणि त्याची किंमत आहे का याचा विचार करण्याची वेळ आली आहे. असे दिसते की भौतिकशास्त्रज्ञ ज्यांनी एक शक्तिशाली दुसरी स्थापना तयार केली आहे ते या परिस्थितीकडे येत आहेत. लार्ज हॅड्रॉन कोलायडर आणि आत्तापर्यंत ते थोडेच आले आहे... मोठ्या सिद्धांतांचे समर्थन किंवा नाकारण्याचे कोणतेही परिणाम नाहीत. आणखी मोठ्या प्रवेगकाची गरज असल्याच्या सूचना आहेत. तथापि, प्रत्येकाला असे वाटते की हा मार्ग आहे.

इनोव्हेशनचा सुवर्णकाळ - ब्रुकलिन ब्रिज तयार करणे

लबाड विरोधाभास

शिवाय, मे 2018 मध्ये प्रकाशित झालेल्या वैज्ञानिक कार्यात प्रा. डेव्हिड वूलपर्ट सांता फे इन्स्टिट्यूटमधून तुम्ही ते अस्तित्वात असल्याचे सिद्ध करू शकता वैज्ञानिक ज्ञानाच्या मूलभूत मर्यादा.

हा पुरावा "आउटपुट डिव्हाईस"-म्हणजे, सुपर कॉम्प्युटर, मोठ्या प्रायोगिक उपकरणे इत्यादींनी सज्ज असलेला शास्त्रज्ञ त्याच्या सभोवतालच्या विश्वाच्या स्थितीबद्दल वैज्ञानिक ज्ञान कसे मिळवू शकतो याच्या गणितीय औपचारिकतेने सुरू होतो. तुमच्या विश्वाचे निरीक्षण करून, त्यात फेरफार करून, पुढे काय घडेल याचा अंदाज बांधून किंवा भूतकाळात घडलेल्या गोष्टींबद्दल निष्कर्ष काढण्याद्वारे मिळू शकणारे वैज्ञानिक ज्ञान मर्यादित ठेवणारे एक मूलभूत गणिती तत्त्व आहे. उदा., आउटपुट उपकरण आणि ते प्राप्त केलेले ज्ञान, एका विश्वाची उपप्रणाली. हे कनेक्शन डिव्हाइसची कार्यक्षमता मर्यादित करते. वोल्पर्टने हे सिद्ध केले की असे काहीतरी असेल ज्याचा तो अंदाज करू शकत नाही, काहीतरी त्याला आठवत नाही आणि त्याचे निरीक्षण करू शकत नाही.

"एक प्रकारे, ही औपचारिकता डोनाल्ड मॅकेच्या दाव्याचा विस्तार म्हणून पाहिली जाऊ शकते की भविष्यातील निवेदकाची भविष्यवाणी त्या भविष्यवाणीच्या निवेदकाच्या शिकण्याच्या परिणामासाठी जबाबदार असू शकत नाही," वूलपर्ट phys.org येथे स्पष्ट करतात.

आम्हाला आउटपुट डिव्हाइसला त्याच्या विश्वाबद्दल सर्व काही माहित असणे आवश्यक नसल्यास, परंतु त्याऐवजी जे ज्ञात आहे त्याबद्दल शक्य तितके जाणून घेणे आवश्यक असल्यास काय? व्होल्पर्टचे गणितीय फ्रेमवर्क असे दर्शविते की दोन अनुमान यंत्रे ज्यांना स्वतंत्र इच्छा (सु-परिभाषित) आणि विश्वाचे जास्तीत जास्त ज्ञान दोन्ही आहे ते त्या विश्वात एकत्र राहू शकत नाहीत. अशी "सुपर-रेफरन्स डिव्हाइसेस" असू शकतात किंवा नसतील, परंतु एकापेक्षा जास्त नाहीत. वोल्पर्ट गंमतीने या निकालाला "एकेश्वरवादाचा सिद्धांत" म्हणतो कारण ते आपल्या विश्वातील देवतेच्या अस्तित्वाला मनाई करत नसले तरी ते एकापेक्षा जास्त लोकांच्या अस्तित्वाला मनाई करते.

वोल्पर्ट त्याच्या युक्तिवादाची तुलना करतो खडू लोक विरोधाभासज्यामध्ये एपिमेनाइड्स ऑफ नॉसॉस, एक क्रेटन, प्रसिद्ध विधान करते: "सर्व क्रेटन्स खोटे आहेत." तथापि, एपिमेनाइड्सच्या विधानाच्या विपरीत, ज्यामध्ये स्वयं-संदर्भ करण्याची क्षमता असलेल्या सिस्टमची समस्या उघड होते, व्होल्पर्टचे तर्क ही क्षमता नसलेल्या अनुमान उपकरणांना देखील लागू होते.

व्होल्पर्ट आणि त्याच्या टीमचे संशोधन संज्ञानात्मक तर्कशास्त्रापासून ट्यूरिंग मशीनच्या सिद्धांतापर्यंत विविध दिशांनी केले जाते. सांता फे शास्त्रज्ञ अधिक वैविध्यपूर्ण संभाव्य फ्रेमवर्क तयार करण्याचा प्रयत्न करीत आहेत जे त्यांना केवळ अचूक ज्ञानाच्या मर्यादांचा अभ्यास करण्यास अनुमती देईल, परंतु जेव्हा अनुमानित उपकरणे XNUMX% अचूकतेसह कार्य करू शकत नाहीत तेव्हा काय होते.

सांता फे इन्स्टिट्यूटचे डेव्हिड वोल्पर्ट

शंभर वर्षांपूर्वीची गोष्ट नाही

गणितीय आणि तार्किक विश्लेषणावर आधारित व्होल्पर्टचे विचार, विज्ञानाच्या अर्थशास्त्राविषयी काहीतरी सांगतात. ते सुचवितात की आधुनिक विज्ञानाच्या सर्वात दूरच्या समस्या - वैश्विक समस्या, विश्वाच्या उत्पत्ती आणि निसर्गाबद्दलचे प्रश्न - हे सर्वात जास्त आर्थिक खर्चाचे क्षेत्र असू नये. समाधानकारक तोडगा निघेल की नाही अशी शंका आहे. उत्तम प्रकारे, आपण नवीन गोष्टी शिकू, ज्यामुळे केवळ प्रश्नांची संख्या वाढेल, त्यामुळे अज्ञानाचे क्षेत्र वाढेल. ही घटना भौतिकशास्त्रज्ञांना सुप्रसिद्ध आहे.

तथापि, पूर्वी सादर केलेला डेटा दर्शवितो की, उपयोजित विज्ञानाकडे असणारा अभिमुखता आणि प्राप्त केलेल्या ज्ञानाचे व्यावहारिक परिणाम कमी आणि कमी प्रभावी होत आहेत. जणू काही इंधन संपत चालले आहे, किंवा विज्ञानाचे इंजिन वृद्धापकाळापासून जीर्ण झाले आहे, ज्याने केवळ दोनशे किंवा शंभर वर्षांपूर्वी तंत्रज्ञान, शोध, तर्कशुद्धीकरण, उत्पादन आणि शेवटी संपूर्ण अर्थव्यवस्था, लोकांचे कल्याण आणि जीवनमान वाढवते.

मुद्दा हात मुरगाळून त्यावर कपडे फाडण्याचा नाही. तथापि, हे निश्चितपणे विचारात घेण्यासारखे आहे की ही एक मोठी सुधारणा करण्याची किंवा या इंजिनच्या बदलीची वेळ आली आहे.