Věda se tříští: proč už skoro nikdo nevidí celý obraz
Přírodovědec devatenáctého století udržel většinu tehdejší vědy v jediné hlavě. Dnes specialista nemusí plně sledovat ani laboratoř o dveře vedle. Získali jsme oceán poznání a ztratili jeho mapu.
Alexander von Humboldt na začátku devatenáctého století procestoval půl světa a psal o geologii, botanice, klimatu i astronomii zároveň — a nepůsobil přitom jako šarlatán. Tehdejší vědu šlo z velké části obsáhnout jednou hlavou. Dnes špičkový imunolog nemusí do hloubky rozumět práci imunologa o patro výš, pokud dělá jinou cytokinovou dráhu. Něco jsme za ta dvě století vyměnili: získali jsme nesrovnatelně víc poznání a ztratili jeho souvislou mapu.
01Specializace je úspěch
Začněme tím, co se vykládá špatně. Roztříštěnost vědy se snadno líčí jako úpadek — ztráta šíře, konec renesančního člověka. Tak to ale není. Specializace je přesně ten důvod, proč moderní věda funguje.
Hloubka vyžaduje zúžení. Posunout hranici poznání znamená vědět o úzkém výseku víc než kdokoli na světě — a to nejde, když je vaše pozornost rozprostřená přes deset oborů. Humboldt mohl být polyhistor, protože hranice byly blízko a skoro všude. Dnes je hranice daleko a dostat se k ní stojí roky soustředěné práce v jednom úzkém pruhu.
Roztříštěnost je tedy vedlejší efekt skutečného triumfu, ne selhání charakteru nebo vůle. Není to tak, že by dnešní vědci byli líní nebo úzkoprsí. Je to tak, že nahromaděné poznání přerostlo kapacitu jediné lidské hlavy — a to je dobrá zpráva o objemu poznání, ne špatná zpráva o lidech. Férové je mluvit o kompromisu, ne o tragédii.
02Co se vlastně tříští
Když řekneme „věda se tříští“, je potřeba být přesný — protože ne všechno se rozpadá. Fakta se nerozpadají. Naopak: poznatků dál přibývá, ukládají se, ověřují, čtou. Po téhle stránce je věda v nejlepší kondici v dějinách.
Rozpadá se něco jiného. Zaprvé sdílený slovník napříč obory — tatáž věc se ve dvou oborech jmenuje jinak a dva odborníci se nedomluví, protože netuší, že mluví o tomtéž. Zadruhé schopnost jedné hlavy udržet kontext napříč doménami — propojit, co ví fyzika, s tím, co ví biologie, dnes přesahuje kapacitu jednotlivce. A zatřetí pojivo mezi obory — to místo, kde by se zjištění dvou polí navzájem informovala a opravovala.
Stručně: poznání roste, ale jeho integrace s ním nedrží krok. Přibývá střípků rychleji, než stíháme skládat obraz. To není totéž co úpadek vědy — je to nepoměr mezi tím, co věda ví, a tím, co kdokoli dokáže z toho vědění propojit.
03Cena roztříštěnosti
Ten nepoměr má konkrétní cenu. Tři příklady, jak se projevuje v praxi.
Tentýž problém se nezávisle řeší ve třech oborech, které o sobě nevědí — a každý ho vyřeší trochu jinak, často hůř, než kdyby si tři řešení mohli porovnat. Zjištění, která by se navzájem opravila, se nikdy nepotkají, protože žijí v časopisech, které nikdo ze sousedního oboru neotevře. A badatel často ani nedokáže zjistit, jestli sousední pole jeho otázku už nezodpovědělo — protože samotný objem publikací dělá takovou kontrolu prakticky nemožnou. (Jak se v té záplavě vůbec orientovat, rozebírá článek Jak číst AI papery.)
Jeden konkrétní příklad za všechny: síťová věda. Strukturu „malého světa“ a scale-free sítí objevili nezávisle sociologové (Mark Granovetter a Stanley Milgram už v šedesátých letech), fyzici (Duncan Watts a Steven Strogatz, později Albert-László Barabási na přelomu tisíciletí) a paralelně biologové, kteří mapovali metabolické sítě. Trvalo zhruba dekádu, než se ty tři tábory navzájem objevily a začaly číst totéž jako jeden program. Do té doby každý opakoval část toho, co už jinde dávno stálo — a ne proto, že by byli líní, ale proto, že na to neměli způsob přijít.
Tady je férové oddělit fakt od interpretace. Fakt: objem publikované vědecké literatury měřitelně roste a roste rychle — to se dá spočítat. Interpretace: tvrzení „a tím se zpomaluje objevování“ je rozumný odhad, opřený o tyto pozorované jevy, ale není to dokázaná věta. Je pravděpodobné, že duplicita a přehlédnuté souvislosti objevování zdržují; jisté to ale není a mělo by se to tak i podávat.
04Konsilience: stará myšlenka jednoty
Myšlenka, že roztříštěné poznání patří dohromady, není nová. Biolog Edward O. Wilson jí v roce 1998 věnoval celou knihu — Consilience: The Unity of Knowledge. Teze zní jednoduše: obory by k sobě měly „skočit“ do souvislé sítě vysvětlení.
Důležitější než historie pojmu je status té teze. Konsilience je program a aspirace, ne konsenzus. Spousta lidí — zvlášť v humanitních oborech — ji odmítá, protože v sobě nese silný redukcionismus: představu, že kulturní a společenské jevy lze v principu odvodit z biologie a ta z fyziky. Brát ji jako hotový výsledek by bylo chybné. Je to kompas, ne mapa: říká, kam se vyplatí dívat, ne že tam ten cíl prokazatelně je.
05Emergence: proč sjednocení není totéž co redukce
Proti redukcionistickému čtení jednoty stojí silný protitah. Fyzik Robert B. Laughlin, nositel Nobelovy ceny, v knize A Different Universe (2005) tvrdí, že zákony vyšších úrovní organizace jsou skutečné — nejsou jen fyzikou nižší úrovně v přestrojení.
Emergence znamená, že každá úroveň organizace má vlastní platné zákonitosti. Teplota, tlak nebo tuhost mají smysl pro soubor částic, ne pro jednu částici; jsou to skutečné regularity, které na nižší úrovni nejen nikdo nevidí, ale ani dávat smysl nemůžou. „Sjednotit vědu“ proto nemůže znamenat „převést všechno na fyziku“. Skutečná syntéza úrovně respektuje — propojuje je, ale neruší.
A tady je čestné přiznat stav věci: emergence versus redukcionismus je živá, legitimní a nevyřešená debata na pomezí vědy a filozofie. Obě strany mají vážné argumenty a vážné zastánce. Tento článek žádnou z nich nevydává za vyřešenou — kdo to dělá, podává spor jako výsledek.
06Komplexní systémy jako most
Existuje konkrétní pokus o znovuspojení oborů — věda o komplexních systémech. Její nejznámější domovskou institucí je Santa Fe Institute, založený v roce 1984 právě s cílem dělat výzkum napříč hranicemi tradičních oborů.
Komplexní systémy hledají vzorce, které se opakují ve fyzice, biologii, ekonomii i společnosti: sítě, škálování, adaptaci, fázové přechody. Když se stejná matematická struktura objeví v šíření epidemie i v pádu finančního trhu, je to skutečný mezioborový program — a ne planý.
Patří sem ale poctivá výhrada. Mezioborové vzorce jsou mocné, ale také svůdné. Metafora, která „zní sjednocujícím dojmem“, ještě není zákon. Disciplína, kterou si tahle věda musí držet, zní takto: opakující se vzorec je hypotéza, kterou je třeba ověřit zvlášť v každé doméně, ne důkaz, že jsou ty domény „totéž“. Stejná rovnice ve dvou systémech může znamenat společný mechanismus — nebo jen náhodnou podobnost tvaru.
Učební případ je tady ostuda s mocninnými rozděleními. Po desetiletí se opakující výskyt mocninných rozdělení (power laws) napříč fyzikou, biologií i ekonomií bral jako stopa hlubokého společného mechanismu — typicky self-organized criticality Pera Baka. Aaron Clauset, Cosma Shalizi a Mark Newman ovšem v sérii prací ukázali, že většina deklarovaných power laws byla statisticky špatně otestovaná: u většiny dat sedí lognormální nebo jiná heavy-tailed distribuce stejně dobře nebo lépe, a „mocninný tvar“ byl výsledek toho, jak se na grafu mhouřilo oko. Roky mezioborového nadšení se opřely o shodu tvarů, která se rozpadla v okamžiku, kdy někdo data otestoval pořádně. Přesně toho se článek bojí: aby svůdná podobnost křivek byla zaměněna za sdílený mechanismus.
Stejně poctivé je ale přiznat i opak. Vedle svůdné metafory existuje třída objevů, které uvnitř jediného oboru udělat nelze — ne proto, že by chybělo pojivo mezi hotovými zjištěními, ale proto, že tam tu otázku nejde ani správně položit. Strukturu DNA odhalila rentgenová krystalografie, metoda fyziky namířená na biologickou molekulu; „jaký tvar má gen“ nebyla otázka, kterou biologie sama uměla formulovat, protože k ní neměla nástroj. Behaviorální ekonomie zase nemohla vzniknout uvnitř ekonomie — její vlastní předpoklad racionálního aktéra dělal celou otázku neviditelnou, protože chyběl psychologický aparát, kterým by se na ni vůbec dalo podívat. V takových případech není mezioborovost úklid po specializaci ani efektní spojení dvou polí, ale jediný způsob, jak takový objev vůbec mohl vzniknout.
07Ekonomie překladatelů
Po překladatelích volá snadno každý — ale současné akademické pobídky je systematicky trestají. Tenure komise nevědí, kam mezioborového člověka zařadit, protože nezapadá do jednoho oboru. Granty mají oborová sila a návrh, který sedí na hranici, často nemá kam podat. Citační síť mezioborového badatele je řidší než síť čistého specialisty: cituje ho míň lidí v každém z polí, ne víc lidí celkem, a h-index proto vyjde nižší. V žebříčcích, podle kterých se rozhoduje o místech a financích, takový člověk vypadá hůř, ne lépe. K tomu se přidává časové penále: kdo má rozumět dvěma oborům, potřebuje dvojnásobek let, než dorazí na hranici v každém z nich, a ten čas mu kariéra zpravidla nedává.
Bez institucionální úpravy je výzva po překladatelích spíš piety než plán. Reálně by k nim přivedlo to, co Santa Fe Institute dělá programově: nezadávat tenure jako podmínku přežití, financovat rezidence místo grantových silos, hodnotit lidi podle propojení, ne podle h-indexu. Funguje to mimo jiné proto, že pobídky, které mezioborovost na běžné univerzitě brzdí, ten ústav od základu obchází. To není argument pro to, aby všechna věda byla taková — hluboká specializace ji posunula a posouvat má dál. Je to argument pro to, aby alespoň část systému byla taková, aby pojivo mělo kde vznikat.
08AI a výpočetní nástroje jako nová integrační vrstva
Od půlky dvacátých let se k problému přidává nová vrstva, kterou by článek z dřívějška neměl. Embedding-based vyhledávání podobných papírů napříč obory, automatizovaná literature review, modely, které přečtou desítky tisíc abstraktů a hledají strukturální podobnosti — to je technologická odpověď na původní problém článku: jedna hlava neudrží celek, ale stroj umí škálovat to, co hlava nezvládá. V malém už dnes badatelé pomocí AI nástrojů nacházejí spojení mezi obory, která by ručně hledali roky, pokud vůbec. Jak číst přívalovou produkci samotných AI papírů, rozebírá vedlejší článek Jak číst AI papery.
K tomu patří jedna výhrada, která má dvě strany. Modely jsou trénované hledat podobnosti, ne nepodobnosti, a vlastní halucinace podávají se stejnou důvěrou jako skutečné nálezy — což znamená, že AI umí vyrábět přesvědčivě vypadající spojnice tam, kde žádná není, a u stroje je skeptické čtení obtížnější než u člověka, protože nejde se ho zeptat, proč si myslí, že to spojení dává smysl. Hlubší ale je, že nástroj povahu problému spíš přesouvá, než řeší: mosty mezi obory nejsou hotová zjištění, která stačí najít a propojit — jsou to úsudky o tom, jestli dvě věci znamenají totéž, a tenhle úsudek pořád dělá člověk. AI škáluje hledání kandidátů na most; rozhodnutí, jestli most stojí, z toho neplyne. Zatím to vypadá, že AI posiluje překladatele, ne že je nahrazuje.
09Stejná trhlina v technické organizaci
Tatáž trhlina se ukazuje v softwaru. Na auditech potkávám týmy opravdových specialistů, kde je část každého jednotlivce výborná — a přesto celý systém nevidí nikdo. Backend rozumí svým službám, mobilní tým svým, datový tým modelům. Tam, kde se ty světy potkávají, je zóna, kterou nikdo nevlastní. A celek je přitom přesně místo, kde žijí drahé problémy: předpoklady, které si dvě části tiše protiřečí roky, než to praskne na produkci; performance regrese vznikající až na styku tří služeb; bezpečnostní díry, které neleží uvnitř komponenty, ale mezi nimi.
Mechanismus je v obou případech stejný. Ekonomická síla, která odměňuje specializaci, brání tomu, aby kdokoli platil cenu za udržování celkového obrazu. Ve vědě nikdo nedostane tenure za pojivo; ve firmě nikdo nedostane povýšení za pochopení vazeb mezi týmy. Roztříštěnost poznání tak není jen problém vědy — je to každodenní podoba skoro každé větší technické organizace, a ze stejných důvodů.
10Jak hledat celek bez plané spekulace
Ať už jde o vědu, nebo o technickou organizaci, otázka zní stejně: jak hledat syntézu tak, aby to nesklouzlo do efektního, ale prázdného filozofování. Pár pravidel, která tu hranici drží.
Jeden obor do hloubky, ostatní na vzorky. Šíře bez jednoho místa, kde stojíte pevně, je diletantství. Mějte doménu, kde poznáte kvalitní práci od slabé — a odjinud berte podněty, ne soudy.
Mezioborová analogie je hypotéza, nikdy závěr. Když si všimnete, že se něco z jednoho oboru podobá něčemu z druhého, je to začátek otázky, ne odpověď. Otázka zní: opírá se ta podobnost o společný mechanismus, nebo jen o společný tvar?
Překladatelé jsou skuteční přispěvatelé. Lidé, kteří přenášejí kontext mezi obory — vědí v jednom dost a v druhém aspoň slovník — jsou nedoceněná, ale reálná hodnota. Bez nich se pojivo netvoří.
Rozlišujte mechanismus od metafory. Pracovní kritérium: sdílený mechanismus by měl předpovědět něco specifického, co by metafora předpovědět neuměla — kvantitativní vztah, ohraničení platnosti, falzifikovatelnou predikci v alespoň jedné z domén. Když dvě domény „vypadají stejně“, ale ze sdílené struktury nevypadne žádná nová testovatelná předpověď ani v jedné z nich, je to skoro jistě tvarová náhoda. Sdílený mechanismus se dá testovat a může selhat; uspokojivá metafora ne. To je celý rozdíl mezi syntézou a plkáním.
Cílem je široká zvědavost a přísná střízlivost zároveň — ne jedno na úkor druhého.
11Závěr
Věda se roztříštila proto, že uspěla. To je důležité držet pohromadě: roztříštěnost není známka úpadku, ale stopa po obrovském nárůstu poznání. Fakta jsou v bezpečí — ukládají se a ověřují dál. Celkový obraz v bezpečí není.
Skládat část toho obrazu zpět — vědou o komplexních systémech, překladateli mezi obory, disciplinovanou syntézou — je skutečná práce. A je to něco jiného než naivní sjednocení („všechno je vlastně fyzika“) i než planá spekulace („všechno se vším souvisí“). Cílem není, aby zase jeden člověk udržel celou vědu v hlavě — to je nenávratně pryč. Cílem je udržet dost mostů, aby se obory pořád dokázaly navzájem opravovat.
Věda nikdy nevěděla víc. Otázka není, jak vědět ještě víc — ale kdo, čím a za jakou cenu skládá z těch střípků obraz zpět. Skládají ho překladatelé placení mimo standardní oborové žebříčky, instituce, které ten trest za mezioborovost obcházejí, a stále víc i AI nástroje držené nakrátko skeptickou rukou. Cenou je nižší h-index, riskantnější kariéra a disciplína odlišit skutečné mosty od pohodlných shod tvarů. Skládat ten obraz není povinnost každého oboru a každého badatele — hluboká specializace má svou vlastní hodnotu a posouvat ji dál je stejně legitimní práce. Je to ale úkol, který když nedělá nikdo, nedostane se nakonec ani specialista k tomu, co by od sousedního pole potřeboval vědět.