Общенаучное знание и его методологические проблемы

Проблемы методологии исследования являются актуальными для любой науки, особенно в современную эпоху, когда в связи с научно-технической революцией крайне усложняются задачи, которые приходится решать науке, и резко возрастает значение тех средств, которыми она пользуется. Кроме того, в обществе возникают новые формы организации науки, создаются большие исследовательские коллективы, внутри которых ученым необходимо разработать единую стратегию исследований, единую систему принимаемых методов. В связи с развитием математики и кибернетики рождается особый класс так называемых междисциплинарных методов, применяемых в качестве «сквозных» в различных дисциплинах. Все это требует от исследователей все в большей и большей степени контролировать свои познавательные действия, анализировать сами средства, которыми пользуются в исследовательской практике. Доказательством того, что интерес современной науки к проблемам методологии особенно велик, является факт возникновения особой отрасли знания внутри философии, а именно логики и методологии научного исследования. Характерным, однако, нужно признать и то, что анализом методологических проблем все чаще начинают заниматься не только философы, специалисты в области этой дисциплины, но и сами представители конкретных наук. Возникает особый вид методологической рефлексии — внутринаучная методологическая рефлексия.

Одним из примеров методологических проблем в науке является проблема кибернетики.

В кибернетике камнем преткновения, является отсутствие практического формального языка для записи математических предложений и доказательств. Этот язык должен быть близким к естественному языку математики и фактически представлять собой формализацию той части естественного языка, на котором пишутся книги по математике. Реализацией языка математики является "алгоритм очевидности", который проверяет правильность математических утверждений, написанных в языке, если доказательства достаточно подробны, или находит в них пробелы, требующие расшифровки.

Отсюда и вырастают остальные нерешимые, на сегодняшний день, проблемы моделирования искусственного интеллекта.

Главным отличием человеческого мозга от искусственного интеллекта является гибкость мышления (ассоциативное мышление, воображение) и интуитивное восприятие. Даже маленький ребенок может отличить кошку от собаки, но для того, чтобы это смогла сделать машина нужен очень сложный алгоритм, который требуется в каждой ситуации, где требуется принимать решение. То есть машина не обладает возможностью невербального восприятия (эмоции, чувства). Проще говоря творческого мышления, которое можно разделить на три этапа: сознательная активизация накопленных знаний, интуитивный скачок к новому пониманию и логическая оценка его справедливости. Это хорошо отражено в проблеме понимания текста, машиной.

Для логик, лежащих в основе программных систем, это ситуация означает бесконечный цикл, логический круг, который принципиально недопустим. Однако, в человеческом мышлении — это основа основ.

Так же проблемой и направлением современной кибернетики является накопление опыта машиной - то есть обучаемость. Доктор Винер первым поставил задачу по решению данной проблемы, разработав математический алгоритм для "выхода мыши из лабиринта" - мышь бегала по ходам лабиринта, утыкалась в тупики, возвращалась обратно. При этом она запоминала "неправильные ходы", никогда не повторяла их и в результате приходила к цели. Но самое главное в другом: при повторном прохождении лабиринта мышь достигала цели кратчайшим путем. То есть она училась, использовала накопленный опыт. На основе этого появились компьютерные программы, способные обыграть в шахматы мировых чемпионов. Они способны накапливать и учитывать опыт сыгранных партий, но опять же, расчет шахматных задач происходит в рамках формальной логики замкнутой математической системы, что не требует дополнительных задач, кроме просчета имеющихся и возможных позиций всех фигур на доске. На данный момент факт обыгрывания компьютером человека сводится только к двум причинам - наличию алгоритма и большим мощностям современных компьютеров. Опять же, накопление подобного опыта требует как математических, так и технологических решений - создания баз данных, алгоритмов обращения к ним, оптимизации и прочее.