Kategoriarkiv: Vetenskapsteori

Vi behöver mer 72-timmarsvetenskap

Santa Fe institutet är nydanande på flera olika sätt — och inte minst genom att man vid institutet ofta försöker hitta nya aspekter kring, perspektiv på och metoder för vetenskapligt arbete. Ett av dessa projekt kallas 72 timmars-vetenskap, och är helt enkelt en övning där ett antal forskare försöker komma fram till ett intressant, publiceringsbart resultat under 3 dagar.

Det är förstås provocerande för den som vill se vetenskap som något svårt och heligt, men det är uppfriskande för alla oss som tycker att vetenskapens kanske största problem är den ofta stängda värld som växt upp kring forskning och universitet. Nu är det dock mest klassiska forskare i dessa övningar, men det skulle inte vara omöjligt att samla en mycket mer brokig skara individer med rika erfarenheter från olika områden för att försöka lösa olika sorters problem.

Det finns massor av olika 24, 48 eller 72-timmars övningar för att starta företag, men mig veterligen är SFIs övning den enda som tillämpar samma idé på vetenskapligt arbete. Här finns också släktskap med olika nya programmeringsformer (sprints), och vi lär oss allt mer om hur överraskande mycket man kan åstadkomma på ganska litet tid. Antagandet om att komplexa resultat kräver lång tid kan helt enkelt utmanas allt mer i ett nätverkssamhälle.

Kanske är det här en ledtråd finns: ju mer sammankopplat ett nätverk är, desto mer kan hastigheten i en process ökas.

Om vi tar ett par steg tillbaka är det intressant att notera att det i den vetenskapliga praktiken finns anledning att både titta på längre projekt såväl som på kortare arbetsmetoder; att utmana våra antaganden om tid är ett rikt sätt att försöka förstå metoder och arbetssätt på nytt.

Se mer här.

Vetenskapens framtid

I en artikel i Nature nyligen redovisas resultat som antyder att vetenskapen i stort håller på att bli mer tvärvetenskaplig — referenserna i de vetenskapliga artiklar som produceras griper över alltfler olika områden. Trots att det finns några strukturella förklaringar – som en alltmer detaljerad datamodell för olika vetenskapliga grenar och en tendens att referera mer (eller alls — artikeln innehåller det häpnadsväckande historiska faktumet att tidiga artiklar inte hade några referenser alls – något som får mig att undra om det skulle vara bättre, och vilket värdet av referenser egentligen är) – så är detta intressant. Det speglar en alltmer komplex värld där vi måste knyta samman olika kunskapsdomäner för att komma vidare överhuvudtaget.

Detta är inte utan baksidor dock. En alltmer komplex vetenskap kan bli allt svårare att ta sig in i. Hur bör den som börjar forska i dag förhålla sig till dessa resultat? Bör man försöka läsa flera olika ämnen, eller koncentrera sig på smalare ämnen eller helt ignorera ämnesuppdelningen och koncentrera sig på problem? Det finns en mängd frågor här om hur vetenskap bäst organiseras, och dessutom finns det en mängd frågor om hur den vetenskapliga praktiken håller på att förändras.

Vi vet att vetenskapen i dag är enormt mycket mer kollaborativ än den var tidigare — den ensamme vetenskapsmannen som i sitt geni sitter och upptäcker världen är i allt väsentligt både en atavistisk figur och ett hinder mot vidare framsteg. Dagens vetenskap bedrivs ofta i nätverk och i djupt samarbete mellan olika individer och länder. Trösklarna är dock fortfarande höga och vetenskapen är fortfarande en i allt väsentligt elitistisk verksamhet — något som inte är hållbart givet de vetenskapliga utmaningar vi står inför. Vi behöver återvända till en vetenskap som välkomnar vetenskapsmedborgaren vid sidan av och som jämställd med vetenskapsmannen.

Det finns flera skäl.

För det första har var och en i dag verktygen och tillgången till kunskap för att kunna dyka djupt i olika problem – med nätets framväxt och de moderna verktyg som finns (Wolfram Alpha är ett exempel) finns inga skäl till att utesluta det frågande som finns utanför ett fåtal institutioner från det vetenskapliga projektet.

För det andra har vi för få vetenskapare. Detta är en poäng som Stanislaw Lem tog upp redan 1964 i sin märkliga Summa Technologiae. Lem skriver att varefter den vetenskapliga fronten växer – och varje nytt resultat öppnar upp nya områden och fält som måste undersöka – kommer vi att få allt svårare att allokera vetenskaplig uppmärksamhet eftersom vi inte på förhand vet vad som är fruktbart och vad som leder oss i cirklar. Därför behöver vi, menar Lem, mycket mer vetenskaplig uppmärksamhet för att hantera denna växande, alltmer komplexa vetenskapliga horisont. Hans två förslag – det ena lekfullt och det andra allvarligt – är att tvångsrekrytera studenter till vetenskaplig forskning eller bygga artificiella vetenskapsmän. För Lem är AI ett sätt att hantera den växande komplexiteten i världen runt oss och i vetenskapen.

För det tredje är det vetenskapliga systemet i dag riggat så att det mycket snabbt söker sig till det tillstånd som Kuhn kallade normalvetenskap – det triviala producerande av resultat som maximerar inte framsteg utan sannolikheten att få finansiering i ytterligare några år. Systemet i sig måste reformeras, men det behöver också externa chocker och med en parallell organisation av vetenskapligt arbete i vetenskapsmedborgarens regi skulle åtminstone de värsta exemplen på bruspublicering av minsta möjliga resultat kunna elimineras.

En problemorienterade inkluderande vetenskaplig verksamhet skulle kunna vara ett sätt att förnya vetenskapen i sin helhet.

När det gäller frågan om hur man bör studera så är den mycket svår. Jag har en tendens att tro att ordet ”tvärvetenskap” sätter fokus på fel saker — antingen tror vi att man skall läsa litet av varje i dag kodifierad vetenskap eller så att man måste hitta två olika vetenskaper och läsa över dem. Förmodligen håller inte detta — man behöver ett djup för att kunna nå en bredd. Samtidigt tror jag inte att detta djup måste vara disciplinärt. Det som gör att det disciplinära djupet oftast vinner är dock att kunskapen är organiserad i nätverk och den som vill gå på djupet måste söka sig till ett nätverk som organiserats kring ett ämne, och då blir det ofta en disciplin. Det finns dock intressanta undantag — jag tror att man kan gå på djupet i komplexitet vid Santa Fe-institutet exempelvis.

Det är svårt att mäta det vetenskapliga framstegets hastighet, men vad vi vet är att vi inte skulle ta skada av ett snabbare framsteg — och kan vi organisera oss så att vi löser ut fler samhälleliga resurser i det vetenskapliga projektet så vinner sannolikt alla.

Här finns en annan tanke också – vi lever i ett samhälle som har det allt svårare att skilja ur fakta mot en bakgrund av politiskt oväsen. Vi har gjort det alldeles för billigt att tvivla på något, det krävs ingen som helst ansträngning eller investering för att tvivla på vaccin, att jorden är rund eller att det finns antropogeniska klimateffekter. Vetenskapen behöver en renässans eftersom den har ett inbyggt pris på tvivel: det empiriska arbete som ger vid handen att det finns ett problem.

Till sist: det finns i artikeln en fascinerande bild som visar hur olika vetenskaper refererar till varandra. Den är en underbar nyckel för de forskare som vill pröva något nytt: leta reda på de två vetenskapliga grenar som är minst sammankopplade och börja ställa frågor om hur de skulle kunna informera varandra:

Är det sant att det inte finns två likadana snöflingor?

Våra liv är fulla av påståenden som vi glatt accepterar, och upprepar för andra som sanningar och som ofta bara därför ter sig mer och mer sannolika. Sådana påståenden – låt oss kalla dem upprepningssanningar – spelar en stor roll i vår förståelse av världen och vi undersöker dem förhållandevis sällan. Därför är det alltid intressant när vi får en möjlighet att se efter.

Just frågan om det finns två likadana snöflingor avhandlas i en smått fantastisk och mycket vacker open science-bok som kom ut för några dagar sedan – Snow Crystals av Kenneth Libbrecht. Som alla goda vetenskapsmän avfärdar han inte till synes enkla frågor, utan fordrar i stället att vi verkligen frågar oss vad det är vi vill veta.

Han skriver:

Is it really true that no two snowflakes are alike? This is another a question I hear a lot. It’s a funny question, almost like a Zen koan – if two identical snowflakes fell, my inquisitive friend, would anyone know? And can you ever be sure that no two are alike, as you cannot possibly check them all to find out?

Although there is indeed a certain level of unknowability to the question of snowflake alikeness, as a physicist I find that I can shed some light on this issue. And, as I will demonstrate, the answer depends to a large extent on what you mean by the question. (Physics does occasionally have its Zen-like qualities.)

The short answer to the question is yes – it is indeed extremely unlikely that any two complex snowflakes will look exactly alike. It is so unlikely, in fact, that even if you looked at every one ever made, over all of Earth’s history, you would almost certainly not find any exact duplicates.

Libbrechts första konstaterande är viktigt — alla som tror på satsen ”inga snöflingor är lika” måste ju medge att den är meningslös så tillvida att vi inte har sett alla snöflingor, och därför på sin höjd en approximativ gissning. Så hur vet vi det istället? Libbrechts svar är intressant — han pekar på processen och låter den bli bevisningen. Det är mycket osannolikt att den process som skapar snöflingor skulle ge två identiska resultat. Den sortens bevis är spännande, eftersom de kan hjälpa oss att göra uttalanden om mycket stora mängder instanser, utan att behöva validera dessa uttalanden genom att granska instanserna.

Frågan är om den metoden kan flyttas över till andra fält. Kan vi säga något säkert om huruvida decimalerna i pi till slut kommer att upprepa sig genom att säga något om hur pi produceras? Kan vi säga något om börskurser genom att säga något om hur de produceras? Här finns kopplingar till algoritmisk komplexitetsteori, Chaitin och frågor om datavetenskapliga bevis.

För övrigt är en 250+ sidors bok om snöflingors fysik, gratis tillgänglig, ett utmärkt sätt att börja måndagen på. God måndag!

Kan vi spå framtiden (och det förflutna) i den stora Texten?

Vi skriver mer än någonsin tidigare och summan av alla texter – Texten – utgör ett fantastiskt intressant corpus för alla möjliga olika studieområden. Att vi kan läsa samhället utifrån texter är inte en ny insikt i sig – det är tvärtom något som åtminstone går tillbaka till Foucault och den ur honom spirande diskursanalysen – men det som verkligen har förändrats är de metoder och verktyg som vi har till vårt förfogande. Med hjälp av olika tekniker för att analysera ”naturligt språk” kan vi nu ge oss på de massor av text som vi gemensamt skapar på nätet.

Faktum är att det nog är dags att börja tänka på ett lager på nätet som just Texten – och förvandla den till sitt eget studieobjekt, och forskningsområde. Vad vet vi om Textens sammansättning, förändringar över tid och vad vi kan läsa ur den? Nu invänder vän av ordning att det har vi gjort i minst lika länge som datorer funnits, och det äger sin riktighet, men jag är ute efter något annat – efter ett projekt som tvärvetenskapligt försöker förstå vilken sorts källa till kunskap Texten kan vara.

Byggklossarna finns, och har funnits, länge. Sentimentsanalys, NLP, generativa textmodeller…det saknas inte angreppssätt. Det finns också en växande forskningsgren inom humaniora – den s.k. ”digital humanities”-grenen – som använder dessa verktyg. Överhuvud är ”computational” (vad är en bra svensk översättning?) vetenskapliga metoder på frammarsch, men det känns ändå som om det vore intressant att ta ett gemensamt grepp på allt detta och fundera mer kring själva studieobjektet.

Några intressanta exempel på verktyg och modeller kan vara en start. Google – där jag jobbar, full disclosure, har ett par verktyg.

Ngram viewer gör det möjligt att spåra olika ords förekomst i ett stort textcorpus. Man kan exempelvis kika på hur förekomsten av ordet ”complexity” varierar över tid för att få en känsla för hur det begreppet växlar i betydelse:

Skärmavbild 2019-10-15 kl. 07.30.02

Trends är ett annat verktyg som de flesta känner till, men överraskande få använder. Den som är intresserad av relationen mellan två begrepp i sökningar kan jämföra dessa rätt enkelt. Säg att vi vill se hur intresset varierat för Annie Lööf och Ebba Busch Thor under de senaste 12 månaderna:

Skärmavbild 2019-10-15 kl. 07.39.04

Här kan vi notera att intresset för Annie Lööf fram till JÖKen var mycket högre, men allmänhetens intresse för centerns partiledare sjönk efter det till normala nivåer. Inte så svårt att tolka — möjligen kan det betyda att centern hade nytta av utdragna förhandlingar (jag säger inte att de drog ut på dem) eftersom det placerade partiet i strålkastarljuset, men att allmänhetens intresse efter överenskommelsen omedelbart falnade; beslutet var fattat, nu var centern en del av ett regeringsunderlag. Man kan också söka enbart på nyhetssökningar, och då får man en fin bild av utspelsrytm och genomslag.

Skärmavbild 2019-10-15 kl. 07.43.42

Givetvis kan man lägga till fler och så teckna en del av den politiska diskursen.

Skärmavbild 2019-10-15 kl. 07.45.38

Notera att genomsnittet inte riktigt motsvarar frekvensen i uppmärksamheten – något som man kan dra sina egna slutsatser av.

Det finns dock många andra intressanta exempel. Ett projekt som jag nyligen upptäckte och verkligen tycker är intressant är det s.k. osäkerhetsindexet. Förenklat mäter man hur ofta en korg med ord som indikerar osäkerhet förekommer i dagspress och följer på detta sätt allmän ekonomisk osäkerhet. Sverige finns med (tack vare fina insatser från forskarna Hanna Armelius, Isiah Hull och Hanna Stenbacka Köhler) :

Skärmavbild 2019-10-15 kl. 07.49.53

Här används alltså främst dagspress, men det vore också möjligt att bygga upp ett mer robust osäkerhetsindex, en sorts mått på hur siktdjupet i framtiden och hur det minskar, samt hur det upplevs relativt andra länder. Här USA:

Skärmavbild 2019-10-15 kl. 07.53.06

 

Det går också att blicka bakåt. I en annan intressant artikel visade ett antal forskare hur man kan konstruera ett lyckoindex genom att analysera texter:

The method uses psychological valence norms — values of happiness that can be derived from text — for thousands of words in di?erent languages to compute the relative proportion of positive and negative language for four di?erent nations (the USA, UK, Germany and Italy). The research team also controlled for the evolution of language, to take into account the fact that some words change their meaning over time.

The new index was validated against existing survey-based measures and proven to be an accurate guide to the national mood. One theory as to why books and newspaper articles are such a good source of data is that editors prefer to publish pieces which match the mood of their readers.

Studying the index, the researchers found that:

  • Increases in national income do generate increases in national happiness but it takes a huge rise to have a noticeable effect at the national level
  • An increase in longevity of one year had the same effect on happiness as a 4.3 per cent increase in GDP
  • One less year of war had the equivalent effect on happiness of a 30 per cent rise in GDP
  • In post-war UK the worst period for national happiness occurred around the appropriately named ”Winter of Discontent.”
  • In post-war USA the lowest point of the index coincides with the Vietnam War and the evacuation of Saigon.

Commenting on the findings, Professor Thomas Hills said: ”What’s remarkable is that national subjective well-being is incredibly resilient to wars. Even temporary economic booms and busts have little long-term effect. We can see the American Civil War in our data, the revolutions of 48′ across Europe, the roaring 20’s and the Great Depression. But people quickly returned to their previous levels of subjective well-being after these events were over. Our national happiness is like an adjustable spanner that we open and close to calibrate our experiences against our recent past, with little lasting memory for the triumphs and tragedies of our age.”

Slutsatserna är fascinerande, men metodanmärkningen är också viktig: redaktörer publicerar texter som de tror matchar läsarens inställning och humör — alltså blir texterna en spegel av sin samtid, och Texten en rik källa till möjliga insikter.

Nästa steg är enkelt: vilka frågor skulle du vilja ställa till Texten och vilka verktyg tänker du använda? Här finns en växande källa till kunskap som vi behöver lära oss mer om.

Cormac McCarthy om hur man skriver bra vetenskap

Den som läst Cormac McCarthy vet vilken oerhört tät, men samtidigt lätt stil han har utvecklat. I alltifrån The Road till Blood Meridian kan man njuta av hans koncentrerade och ofta kusligt effektiva språk. McCarthy, som under flera år varit en del av det kända forskningsinstitutet Santa Fe delar nu med sig av sina skrivtips och de kännetecknas av samma stränga minimalism. Det viktigaste tipset är dock ett metodiskt: läs alltid dina texter högt för dig själv. Det kan inte nog betonas hur viktigt detta är — jag önskar att jag gjorde det oftare för texter – även email eller bloggposter – eftersom det nästan alltid innebär en förbättring av texten med minst 10-15% (om jag nu ska försöka kvantifiera det).

Även Dickens lär ha läst högt för att hitta dialog och röster, och han läste även sina texter offentligt och framförde sina röster med stor framgång. Rösten är en omistlig del av texten, och om du inte har hört din text så har du kanske inte heller skrivit den verkliga texten. Orden på papperet är en del av en större helhet. Att skriva bättre och samtidigt inte låta prestationsångest tysta oss är en pågående kamp, och helt klart en kamp värd att utkämpas. Högläsningen är en viktig allierad i det arbetet.

McCarthys minimalism är också en utmaning för vetenskapen – han gillar inte fotnoter, han tycker illa om texter som försöker smickra in sig genom att använda vissa snirkliga uttal. Gapet mellan hans ideal och vetenskapen är nästan smärtsamt stort – men man kan inte låta bli att undra hur en vetenskap sett ut som inte låtit språket bli ett hinder för kommunikationen av kunskap och insikter.

— Läs på www.nature.com/articles/d41586-019-02918-5

Begravningarnas takt som framstegets rytm

Här ett citat som ibland tillskrivs Niels Bohr:

Fysikens framsteg sker i takt med begravningarna i vårt fält.

Innebörden är enkel: stora och dominerande tänkare är källor till insikter i det fält de är verksamma i, men också källor till speciella tankestilar som präglar hela fältet under lång tid och utesluter vissa frågor och idéer. När de går bort öppnas så fältet upp och måste hitta nya tyngdpunkter och nytt fokus.

Under lång tid var detta endast en rolig anekdot, men nu har ett antal ekonomer publicerat en artikel i American Economic Review där de visar att det ser ut att stämma:

The life of an eminent researcher is obviously a boon to science. But, says a new study, their death might be important as well.

Now researchers discover the death of a science superstar also has a major impact on research. Reporting in the August issue of the American Economic Review, scientists find that research actually picks up after a scientific heavyweight dies. It’s an indication of the pitfalls of intellectual dominance, and a lesson for scientists worldwide.

“The fact that if you’re successful, you get to set the intellectual agenda of your field, that is part of the incentive system of science, and people do extraordinary positive things in the hope of getting to that position,” said Massachusetts Institute of Technology economist Pierre Azoulay, who led the new research, in a press release.

“It’s just that, once they get there, over time, maybe they tend to discount ‘foreign’ ideas too quickly and for too long.” 

Undersökningen är imponerande detaljerad och omfattar en stor mängd år:

Azoulay and colleagues looked at biomedical research, and the scientists who did it, between 1975 and 2006. They identified nearly 13,000 scientists who made important contributions to the field, based on things like funding, patents, citations and awards.

About 450 of these successful scientists passed away in the midst of an active career. On average the deceased were 61 years old and about half died unexpectedly.

The analysis revealed that while top scientists are alive, they sit at the helm of a coterie of collaborators and steer the direction of research in their field. But after they die, there’s a noticeable effect on publications in the field. There are more of them for one thing, and the papers begin coming from researchers outside of the once-influential core group.

Those collaborators publish about 20 percent fewer papers, but overall, the number of papers in the field goes up by around 5 percent. These new papers are also more likely to be cited by their peers, the researchers found.

Inom vetenskapsteorin talas ibland om paradigmskiften, men som ofta fokuserar alltför mycket på teorier som abstrakta. Teorier bärs upp av människor i väl definierade nätverk – och dessa människor är en viktig del av varje förändringsteori.

En fråga som denna forskning väcker är förstås om det måste vara såhär, eller om det finns metoder för att se till att snabba på utvecklingen (förslagsvis utan att ta livet av berömda forskare). Borde vi exempelvis införa begränsningar i hur länge en forskare får sitta i anslagskommittéer? Ta fram mått på när en forskares inflytande börjar sakta ett fält och då helt enkelt pensionera dem?

Dessa förslag är delvis på skämt, men rymmer en allvarlig fråga: om vi är måna om att öka den takt med vilken vi gör vetenskapliga framsteg så måste vi fundera på hur våra institutioner är utformade.