Jan Kralj & Anton Donchev: Raziskovanje = nuja + radovednost

V četrtem pogovoru serije V ozadju znanstvenih dosežkov predstavljamo Jana Kralja, mladega raziskovalca na Institutu Jožef Stefan (IJS) v Ljubljani, in Antona Doncheva, doktorskega študenta filozofije znanosti na Novi bolgarski univerzi v Sofiji, prestolnici Bolgarije.

Jan Kralj je magistriral v matematiki, doktorat pa pripravlja na Odseku za tehnologije znanja IJS. Ukvarja se s strojnim učenjem, natančneje s podatkovnim rudarjenjem v mrežnem okolju. Poleg tega sodeluje tudi pri vodilnem evropskem projektu Človeški možgani, občasno pa tudi z Nacionalnim inštitutom za biologijo. V okviru svojega oddelka se je ukvarjal tudi z računsko ustvarjalnostjo.

Anton Donchev za svojo doktorsko disertacijo nadaljuje s temami, ki so sorodne tistim, s katerimi se je ukvarjal že v svojem magisteriju. Išče odgovor na vprašanje, na katerega slej ko prej naletijo vsi eksperimentalni znanstveniki — do katere mere podatki potrjujejo znanstveno hipotezo. Pri tem skuša razviti formalni model, v katerem bi lahko opredelil, kakšen vpliv ima najboljša razlaga podatkov na potrditev hipoteze.


Oba tokratna sogovorca druži ukvarjanje s podatki. Jan Kralj se s podatki ukvarja na računski ravni, saj raziskuje v okviru t. i. semantičnega podatkovnega rudarjenja. To pomeni, da pri razbiranju vzorcev in pridobivanju znanja iz velike količine podatkov upošteva tudi določeno ozadje, ki računalniškemu sistemu pomaga pri bolj učinkovitem delu. Anton Donchev se po drugi strani s podatki in razlagami podatkov ukvarja v razmerju do znanstvenih hipotez, pri tem pa skuša razviti računski model, ki bi pojasnil, kakšno je razmerje med razlago podatkov in verjetnostjo hipoteze.

Spregovorita o tem, kako ju je radovednost privedla do njunih trenutnih raziskovalnih tem. Ampak ali zgolj radovednost zadošča za to, da se raziskovalno posvetimo določeni tematiki? Je potrebno še kaj drugega? Kaj je ustvarjalnost? Ali so računalniki lahko ustvarjalni? Kako ustvarjalnost definirajo raziskovalci v različnih disciplinah? Zakaj je pomembno, da širša javnost razume, kaj delajo matematiki in kaj je umetna inteligenca? Kaj ima z vsem tem opraviti Terminator?

Ali znanstveniki uporabljajo modele, ki jih razvijejo filozofi znanosti? Seveda pri vseh teh vprašanjih ni šlo mimo načrtov za prihodnost – kakšne so prednosti in slabosti dela v akademskem in gospodarskem okolju? Lahko filozofske teorije empirično preverjamo? Zakaj matematika predstavlja most med računalništvom in filozofijo ter zakaj je dobro, da gremo večkrat čez ta most?


O RADOVEDNOSTI IN NUJI, KI POGANJATA RAZISKOVANJE

Anton Donchev: Nam lahko poveš, kdo si, s čim se trenutno ukvarjaš, kaj raziskuješ in morda še kaj o svojih projektih?

Jan Kralj: Seveda. Sem Jan Kralj, delam na Inštitutu Jožef Štefan v Ljubljani, točneje na Odseku za tehnologije znanja. Moje raziskovanje je osredotočeno na strojno učenje in rudarjenje podatkov v mrežnem okolju, kar pomeni, da me zanima preučevanje podatkov, ki imajo mrežno strukturo. To pomeni, da nimam le posameznih podatkov, ampak so ti medsebojno povezani v nekakšno omrežje. Moje delo je pridobivanje znanja s preučevanjem samih podatkov kot tudi s preučevanjem tega, kako so podatki povezani med seboj.

Kralj: Ustvarjalnost pomeni dodajanje novih povezav v mrežo znanja, ki ga ima človeštvo. Seveda je tu tudi umetnost, a ustvarjalnost znotraj znanosti pomeni razvijanje novih načinov gledanja na obstoječe stvari ali odkrivanje novih stvari za ogledovanje.

A ne želim zaiti v prevelike podrobnosti. V tovrstno raziskovanje sem zašel preko študija matematike – imam namreč magisterij v matematiki – in med študijem matematike sem zašel iz bolj teoretične matematike v uporabno, numerično matematiko. Ločil me je le še en korak do strojnega učenja in tega, kar počnem zdaj.

Kar se tiče projektov, imam svoj projekt – sem mladi raziskovalec, kar pomeni, da moj mentor prejema finančna sredstva za moj doktorski študij, poleg tega pa sodelujem tudi pri projektu Človeški možgani, ki je vodilni evropski projekt. Je še nekaj drugih projektov, predvsem v sodelovanju z Nacionalnim inštitutom za biologijo, od koder tudi pridobivam podatke za naše eksperimente.

Kaj pa ti, Anton, kakšno je tvoje raziskovanje in projekti?

Anton Donchev: Sem doktorski študent filozofije znanosti na Novi bolgarski univerzi v Sofiji. Sem v zadnjih mesecih drugega leta svojega doktorata. Filozofija znanosti me je pritegnila, ker me je začelo zanimati, kaj se dogaja okoli nas. To je seveda pomenilo, da sem se moral ozreti proti znanosti. Pred tem me je predvsem zanimalo vprašanje, kako vemo, katero hipotezo ali teorijo izmed vseh najbolj potrdijo dokazi, ki jih imamo.

To je seveda filozofsko vprašanje, kar me je pripeljalo do filozofije znanosti in, bolj specifično, do potrditvene teorije. To je bila tudi tema mojega magisterija, kjer sem zagovarjal bayesovski pristop znotraj potrditvene teorije, kar sem nato primerjal z ostalimi tradicionalnimi pristopi, ki jih lahko najdemo v literaturi, ampak ne bi se želel zdaj spuščati v podrobnosti.

Donchev: Kako vemo, katero hipotezo ali teorijo izmed vseh najbolj potrdijo dokazi, ki jih imamo?

V doktoratu nadaljujem opisano delo, le da sedaj raziskujem povezavo med znanstveno potrditvijo in potrjevalno razlago. Zanima me tudi, kako znanstvene hipoteze in teorije razložijo podatke, ki jih imamo. Zgraditi poskušam bayesovsko eksplikacijo sklepanja na najboljšo razlago.

Sklepanje na najboljšo razlago nam pove, da moramo izmed vseh hipotez in teorij izbrati tisto, ki najboljše pojasni vse dokaze in je najbolj verjetna, najbližje resnici. A sklepanje na najboljšo razlago trenutno nima ravno najboljše formalne eksplikacije. Posledično je veliko trenj, če je sploh kompatibilno z bayesovstvom in z bayesovsko potrditveno teorijo. Sam sem na strani, da je, zato je moja naloga, da to tudi pokažem.

Anton Donchev: Od kod dobivaš motivacijo za svoje raziskovanje? Kaj poganja tvoje raziskovanje? Povej nam kaj o tem.

Jan Kralj: Prvotno prihajam iz matematike. Menim, da je matematika bržkone vodilna znanstvena disciplina, ki raziskuje zaradi raziskovanja samega, vsaj bolj teoretična matematika. Del celote je zagotovo tudi radovednost, ki poganja kakršnokoli raziskovanje. Radovednost ne samo da poganja, temveč tudi motivira raziskovalca. Če bi le dobil neko idejo in ne bi bil radoveden, če drži vodo ali ne, potem ne bi nikoli imel motivacije, da bi ravno to tudi preveril.

Kralj: Trenutno se ukvarjam predvsem z razvojem in izboljšavo algoritmov za strojno učenje ali prebiranje podatkov. Pot, ki jo uberem, je odvisna od podatkov, ki jih imam in podatkov, ki jih moram analizirati. Moje raziskovanje torej usmerja nuja in poganja radovednost.

Znotraj moje discipline je sicer navada taka, da se razvija tisto, kar se potrebuje. Moje raziskovanje vključuje predvsem razvijanje in izboljševanje algoritmov za strojno učenje ali prebiranje podatkov. Pot, ki jo uberem, je odvisna od podatkov, ki jih imam in podatkov, ki jih moram analizirati.

Celokupno bi rekel, da motivacija za raziskovanje pride preko opazovanja tega, kar že imam, kar potem vzbudi neko radovednost. Do tega pride sploh takrat, ko prebiram o tem, kako so se tovrstni podatki obravnavali do sedaj, in kakšni so bili rezultati. Nato pobrskam po lastni knjižnici možnosti, kaj bi še lahko bilo storjeno, kar mi pomaga najti novo perspektivo na podatke.

Mislim, da je večina znanstvenega raziskovanja lahko strnjena v to, da je nek briljanten znanstvenik pogledal na te in te podatke skozi ta in ta novi način in posledično prišel do nove razlage. Seveda ne pravim, da sem briljanten znanstvenik, ampak tako delujem tudi jaz. Moje raziskovanje torej poganjata nuja in radovednost.

Anton Donchev: Hvala za odgovor. Popolnoma se strinjam s tem, da te mora zanimati, kaj se dogaja okoli tebe. To me je prvotno povleklo v filozofijo, to je res tista največja motivacija, ki dejansko poganja moje delo. Jaz imam svoj lasten projekt, kar pomeni, da ne potrebujem upoštevati nikogar, če ne želim. Tako me ženejo izključno lastna zanimanja, kar se mi zdi dobro in mi zelo ustreza.

Kar se tiče moje motivacije, sem nekako razdeljen. Seveda sem notranje motiviran. Filozofija znanosti me zanima zato, ker me zanimajo vprašanja, ki raziskujejo znanstveno potrjevanje. A lagal bi, če bi rekel, da sem le notranje motiviran in ne tudi zunanje. Ne morem zanikati, da so finančna sredstva pač izredno pomembna. Ne bi mogel početi tega, kar me zanima, če ne bi imel finančnega zaledja za tovrstno početje. Lagal bi, če bi rekel, da sem le notranje motiviran, zunanji faktorji pa me sploh ne zanimajo in ne vplivajo name.

USTVARJALNOST KOT ISKANJE NOVIH POVEZAV

Anton Donchev: Kako bi definiral ustvarjalnost? Meni je to izredno zanimivo vprašanje.

Jan Kralj: Res je. V bistvu je naš oddelek ravnokar dokončal serijo projektov o računski ustvarjalnosti. Potekali so tako, da smo potegnili vzporednice iz razmišljanja o inteligenci. Če imamo torej ljudje inteligenco, želimo računalnikarji ustvariti umetno inteligenco. A ljudje smo tudi ustvarjalni – lahko torej naredimo ustvarjalne tudi računalnike? Veliko je bilo in je še govora o tem, kako lahko sploh naredimo računalnike ustvarjalne, če se niti med seboj ne strinjamo, kaj ustvarjalnost je.

Spomnim se simpatičnega predavanja profesorja Simona Coltona, ki je naredil računalniški program, ki je znal slikati. Colton je rekel, da se ne osredotoča na to, kaj ustvarjalnost je, temveč na to, kaj ni. Colton je vedno pojasnil, kako točno računalnik pride do svojih idej za slike, potem pa je vprašal ljudi, če mislijo, da je to ustvarjalnost. In, seveda, ker jih je naslikal računalnik, so ljudje vedno odgovorili z “ne”. Colton je nato vprašal, zakaj računalnik ni ustvarjalen. Nato so mu ljudje na primer na vprašanje odgovorili, da računalnik počne le nekaj iz svoje notranjosti, ne glede na zunanje dogajanje. Colton je potem to upošteval, dodal je algoritem, na katerega vpliva dogajanje zunaj računalnika. Zanimalo ga je, če to potem spremeni ljudem mnenje. Je računalnik zdaj ustvarjalen? Ljudje so to ponovno zanikali. Colton se je nato spraševal, zakaj ne, saj je ugodil kritikam.

Rekel bi, da je težko reči, kaj ustvarjalnost je, razen zelo splošno, da gre za dobivanje idej, ki jih do sedaj še ni bilo. Po svoji osebni filozofiji bi rekel, da je ustvarjalnost dodajanje novih povezav ali pa recimo novih vozlišč v mrežo znanja, ki ga ima človeštvo. Seveda je tu tudi umetnost, a ustvarjalnost znotraj znanosti pomeni razvijanje novih načinov gledanja na obstoječe stvari ali odkrivanje novih stvari za ogledovanje.

Če pogledamo na primer teorijo evolucije, je bil ustvarjalni korak poskus umišljanja novega načina, ki bi pojasnil, kako je tako veliko vrst lahko sploh nastalo. Poskusili smo torej najti novo razlago za neko obstoječo stvar. Pri nas imamo en primer, ki si ga vedno delimo v nekaterih naših projektih. Gre za razlago o nastanku bisociacij – tako jih kličemo mi – ki so nastale iz dveh ločenih polj raziskovanja, kemije in zdravja. Ena raziskava je bila o tem, kako lahko nizki nivoji magnezija v krvi v ljudeh povzročajo migrene in druga, popolnoma nepovezana raziskava je pokazala, da uživanje nekakšnega ribjega olja ali nekega drugega hranila zviša nivo magnezija v krvi. Ustvarjalni del tega je bil nekakšna združitev obeh raziskav in zaključek, da bi lahko omilili posledice migren z rabo nekega novega zdravila. To je čisto nekaj drugega od začetnih raziskav.

Donchev: Seveda ne moreš spremeniti tega, kar ti je dala narava, torej moči svojih možganov. Kar lahko spremeniš, je to, koliko trdega dela vložiš v svoj projekt.

Anton Donchev: Ravno sem želel dodati, da ne gre le za odkrivanje novih stvari, temveč tudi za odkrivanje povezav med stvarmi, ki že obstajajo. Ustvarjalnost je torej lahko veliko različnih stvari. Lahko je odkrivanje stvari, ki jih do zdaj še nismo poznali, lahko je spoznavanje novih povezav med že obstoječimi stvarmi itd.

Zdi se, da obstajajo različne definicije ustvarjalnosti znotraj različnih disciplin. V kognitivni znanosti imajo definicijo ustvarjalnosti, ki je precej drugačna od našega vsakdanjega razumevanja ustvarjalnosti, ki je predvsem povezano z novimi idejami. Zdi se, da je v računalništvu spet nekaj drugega, kot si povedal tudi sam.

No, v filozofiji bi lahko rekli, da je ena definicija, da sledimo določeni kompatibilni metodi. To pomeni, da sledimo logični ali pa verjetnostni metodi, s čimer bi prišli do rezultatov, ki niso popolnoma jasni že iz premise. Nekakšno pridobivanje novih informacij, a ne novih informacij o logičnih povezavah, temveč dejansko nekaj novega.

Res zanimivo vprašanje je tudi, kakšna je vloga ustvarjalnosti znotraj našega lastnega raziskovanja. Morda ti slediš kakšni hevristiki ali šabloni, da bi bil ustvarjalen v svojem lastnem raziskovanju, da prideš do nečesa novega? Da prideš do nekega odkritja ali pa do povezav med stvarmi, ki jih že vemo?

Kralj: Nisem prepričan, kako točno pride do ustvarjalnosti, a nujni pogoji za to so vaja, znanje, izkušnje.

Jan Kralj: Mislim, da pri meni ni tako, da bi se kar odločil, da bom ustvarjalen. Zdi se mi, da je to najboljši način, kako zatreti novo idejo, ker boš neprestanoma pod pritiskom miselnosti, da moraš takoj zdaj priti do nečesa novega. Menim, da je najboljši način, da si ustvarjalen v raziskovanju, da se karseda izpostaviš mnoštvu idej. Če želiš v človeški mreži znanja potegniti novo povezavo, moraš poznati karseda veliko vozlišč, da sploh dobiš idejo, kako povezati dve stvari.

Pri raziskavi, kjer sodelujem trenutno, poskušam povezati področje tehnik bolj mrežnih analiz znotraj rudarjenja podatkov in nečesa, ki se imenuje semantično rudarjenje podatkov. Moja ideja je nekakšno predrugačenje trenutnega pogleda na ozadnje biološko znanje o genih. Ta ideja, če bo delovala, je lep primer slednjega: “Poglejmo na tointo stvar, ki že obstaja, na nov način. Poskusimo se je lotiti z metodami, ki še niso bile preizkušene.” A do te ideje sem prišel s tem, da sem poznal obe strani enačbe.

Ustvarjalni del se pojavi takrat, ko opaziš podobnosti med dvema stvarema in se vprašaš, če sta si med sabo na kakšen način sorodni. Ali lahko naredim povezavo med njima? A do tega lahko prideš le, če si izpostavljen karseda veliko pogledom.

Rekel bi torej, da je ustvarjalnost nekaj, kar nekako vznikne, ko imaš dovolj izkušenj. Mislim, da je nekako tako tudi v umetnosti. Ne morem kar vstati in narisati picassa. Če želim biti dober slikar, potrebujem veliko vaje, da začnem dobro slikati, da znam slikati v različnih stilih in da začnem zaznavati svet skozi mnoge oči. Čez čas bi potem morda dobil pravo idejo. Ko bi imel dovolj znanja, bi šele lahko ustvaril nekaj novega. Nisem prepričan, kako točno pride do ustvarjalnosti, a nujni pogoji za to so vaja, znanje, izkušnje.

Anton Donchev: Zagotovo. Prebral sem enega od tvojih člankov, kjer ne povezuješ le stvari, ki že obstajajo. Sistem Hedwig si razvil ti?

Jan Kralj: Ne, razvil ga je naš oddelek, specifično eden izmed mojih kolegov, Anže Vavpetič.

Kralj: Ustvarjalni del se pojavi takrat, ko opaziš podobnosti med dvema stvarema in se vprašaš, če sta si med sabo na kakšen način sorodni.

Anton Donchev: Vrniva se nazaj k ustvarjalnosti. Zase bi rekel, da ne verjamem v talent. Ti nikoli nisi omenil talenta in tudi jaz mislim, da talent ne igra neke vloge; če že, je ta zelo majhna. Seveda sem videl ljudi, ki so opravili ogromno zahtevnega dela v zelo kratkem času. A zdi se mi, da noben genij ali talent ne postane uspešen brez neznanskih naporov. Mislim, da je trdo delo enostavno nujno.

Seveda ne moreš spremeniti tega, kar ti je dala narava, torej moči svojih možganov. Kar lahko spremeniš, je to, koliko trdega dela vložiš v svoj projekt. Zato bi se strinjal s tabo glede tega, da ustvarjalnost zahteva določen nivo izkušenj, kar pomeni, da moraš trdo delati, preden sploh lahko prideš do kakih idej. Točno tako je z mano.

Rekel bi, da moj t. i. ustvarjalni proces ni pretirano drugačen od ustvarjalnih procesov kateregakoli drugega doktorskega študenta. Prvi korak je, da nabereš vse pomembne stvari, ki jih moraš prebrati. Potem ogromno bereš. Šele potem poskusiš smiselno sestaviti, kar si prebral. To ti pove, če si sploh dojel stvari, ker ko jih poskušaš sestaviti skupaj, lahko hitro ugotoviš, da nekaterih stvari enostavno nisi razumel. Ta proces traja, kolikor dolgo pač traja, ob tem pa upaš, da boš na neki točki uspel povezati stvari, ki poprej niso bile povezane, ali pa boš videl nekaj novega, nekaj, česar še noben ni videl. To je ustvarjalnost zame.

O PROMOCIJI ZNANOSTI, TERMINATORJU IN PR-IMIDŽU FILOZOFIJE

Anton Donchev: Bi rekel, da je promocija znanosti med splošno populacijo dobra ali slaba stvar? Kako misliš, da bi se morali lotiti tega?

Jan Kralj: Vsekakor mislim, da je to dobra stvar. Po osnovni izobrazbi sem matematik, in ena stvar, ki mi gre res na živce pri ljudeh, je to, da kadarkoli omenim, da sem študiral matematiko, je prvi odziv – in to ti bo povedal vsak matematik – takšen: “Ah, jaz sem pa vedno sovražil matematiko, nikoli nisem bil ravno dober v njej …” In jaz na to preprosto odvrnem, da je točno to razlog, zakaj smo tu mi – da se njim ni treba ukvarjati s tem.

Mislim, da je znanost na slabem glasu, kar se tiče ljudi. Ti vidijo znanstvenike kot neke introvertirance, ki počnejo to, kar počnejo, le zaradi svoje lastne radovednosti, tako da je vse skupaj brez neke koristi izven njihovega kroga. Ljudje mislijo, da smo prisesani na javni denar za lastno zabavo. Promocija znanosti in osveščanje splošne javnosti sta nekaj, kar se mi zdi ključnega pomena za zahodno civilizacijo.

Kralj: Na koncu je pomembno predvsem to, da imajo ljudje dober odnos do znanosti. Potrebujemo ljudi v znanosti, predvsem dobre ljudi, ki bodo opravljali dobro delo. In do tega lahko pridemo le tako, da ljudi naše delo zanima, sploh pa otroke.

Do takšnega napredka, ki smo mu priča, v dobrem in v slabem smislu, je prišlo prav zaradi prelomnega znanstvenega dela iz zadnjih 300 let. Prav znanost je za dvakrat dvignila povprečno življenjsko dobo v zadnjih 450 letih. Ugonobila je tuberkolozo, ugonobila je otroško paralizo, pripeljala nas je na luno, sicer nam je dala tudi Hirošimo, a če pogledaš stanje sveta zdaj in ga primerjaš s katerimkoli zgodovinskim obdobjem, sploh ni primerjave. In kar je pri vsem tem težava, je to, da ljudje pozabljajo, kako smo prišli do tu, in začenjajo izgubljati zaupanje v znanost. Še več, dvomijo v znanstveno metodo in v racionalno gledanje na svet. Vse se hitro lahko sfiži, če ljudje prenehajo razmišljati racionalno. Tako nekako bi povzel vse skupaj.

Moram reči, da imam srečo, kar se tiče promocije znanosti na mojem področju, saj je relativno preprosto razložiti, kaj počnemo. Nimamo težav, ko ljudem predstavljamo, kaj so to omrežja, ni težko predstaviti, kaj točno počnemo s temi omrežji. Moje področje strojnega učenja spada pod širše področje umetne inteligence, ljudje pa so gledali Terminatorja, kar pomeni, da je moje področje večkrat podvrženo napačnim interpretacijam javnosti. Mi jim preprosto moramo razložiti, kaj počnemo in kako to počnemo. Moramo jim zagotoviti, da ne bo apokalipse. Če tega ne bomo počeli, se bodo ljudje hitro obrnili proti nam, ne bodo več imeli zaupanja v naše delo.

Čeprav se zdi naše ozaveščanje javnosti kot nujno zlo, pa ni le to. Ljudje morajo vedeti, kaj točno počnemo, saj bodo le tako lahko postali radovedni glede tega, kar počnemo. Začelo jih bo zanimati in prav to morda pripelje nove sile v našo področje. Vsekakor nismo nek elitni klub, ki počne reči, ki jih nihče drug ne more. Smo le ljudje, ki jih zanimajo določene stvar, ki pa so dostopne tudi drugim ljudem.

Zato je pomembno, da so prihajajoče generacije, tudi prihajajoče generacije staršev, seznanjene z umetno inteligenco in strojnim učenjem, zato da bodo lahko povedali svojim otrokom o tem. Če bo njihove otroke to zanimalo, ne smejo odgovoriti le: “Ah, to so neke čirule čarule ljudi v belih haljah.” Morajo jim predstaviti, da so to metode in da ljudje, ki se z njimi ukvarjamo, poskušamo le izboljšati stanje v svetu. To bo otrokom morda zbudilo zanimanje.

Donchev: A niso le mediji tisti, ki imajo odgovornost pri poročanju. Gre tudi za odgovornost ljudi, da znajo prepoznati dobre in slabe informacije.

Na koncu je pomembno predvsem to, da imajo ljudje dober odnos do znanosti. Potrebujemo ljudi v znanosti, predvsem dobre ljudi, ki bodo opravljali dobro delo. In do tega lahko pridemo le tako, da ljudi naše delo zanima, sploh pa otroke.

Anton Donchev: Imam vprašanje, povezano s tem – ali vaše področje vključuje v svoje projekte civiliste? Ali na kakršenkoli način sodelujejo? Kajti nekatera znanstvena področja in projekti vključujejo civiliste. V astronomiji astronomi poprosijo za pomoč kar civiliste. Slednji prebirajo podatke, opazujejo fotografije iz globokega vesolja in pomagajo vse to klasificirati. Znanstveniki so odkrili, da jim tovrstna pomoč izredno pomaga, saj so ljudje hitri in natančni, zato so večkrat nepogrešljivi. Zanima me torej, če se kaj podobnega dogaja tudi znotraj računalništva. Je kaj prostora za civiliste, da morda lahko kako pomagajo, četudi niso strokovnjaki?

Kralj: Ljudje so gledali Terminatorja in področje umetne inteligence je večkrat podvrženo napačnim interpretacijam javnosti. Mi preprosto moramo razložiti, kaj počnemo in kako to počnemo. Moramo jim zagotoviti, da ne bo apokalipse.

Jan Kralj: Trenutno se ne spomnim primera česa takega, ampak nekaj podobnega je recimo to, kar počne podjetje Google. Vsa njihova programska oprema s področja strojnega učenja je odprtokodna. To, kar Google razvija, se imenuje Tensorflow. Gre za strukturo, ki jim je med drugim omogočila lanskoletni uspeh pri igri Go. Prav vsak lahko dostopa do vse kode za tem, vsak si lahko prenese njihove programe ter jih zažene na svojem računalniku. Ne spomnim se ravno primera, kjer bi se ljudje dejansko lahko priključili projektu.

Omeniti gre sicer, da ni tako težko, da na našem področju sprejmemo novo osebo v projekt. Potrebna strojna oprema za dosego potrebnega znanja sta le računalnik in tipkovnica. To naredi naše področje zelo odprto za nove ljudi. Astronomija je drugačna, tam potrebuješ zelo specifično opremo, potrebuješ teleskop. Ampak prav vsak ima računalnik.

Anton Donchev: Če se vrnem na promocijo znanosti, jaz sem seveda za promocijo znanosti, ko je to storjeno pravilno. Ne predstavljam si, da obstaja veliko ljudi v znanosti ali v filozofiji znanosti, ki bi nasprotovali promociji znanosti, to bi bilo zagotovo precej čudno. A zdi se mi, da se preveč pozornosti posveča temam, kot je ta, če se mediji dovolj posvečajo znanstvenim projektom in njihovim rezultatom na pravi način.

Mislim, da je to povezano z zelo pomembno temo, ki zadeva naše izobraževanje javnosti. Gre za preprečevanje rumenega poročanja, torej slabega poročanja o znanosti in njenih rezultatih. A niso le mediji tisti, ki imajo odgovornost pri poročanju. Gre tudi za odgovornost ljudi, da znajo prepoznati dobre in slabe informacije.

Jan Kralj: Točno to je vedno težje dosegljivo zaradi vseh lažnih novic, zaradi družbenih omrežij in najrazličnejše propagande.

Anton Donchev: Res je. To je tudi razlog, da zdaj vse leži prav na ljudeh, da uspejo razpoznati slabe informacije sami, namesto da cenzuriramo medije.

Filozofija znanosti ima, kot večina področij v filozofiji, kar slab ugled. Rekel bi, da ima slab PR-imidž. Pojavljajo se vprašanja, če se jo sploh potrebuje, če sploh prinaša kaj produktivnega, če sploh na kakršenkoli način koristi znanstvenikom. Moje mnenje je, da bi to lahko popravili s tem, da bi posvetili še več sredstev osveščanju javnosti, da bi se jim približalo to, kar počnemo, kako je vse to povezano z znanostjo, zakaj je pomembno. Predvsem bi koristilo to, da znanstveniki sami glasno povejo, če jim je kaj iz našega področja pomagalo pri delu, če so našli kaj koristnega v filozofiji znanosti, kar jim je prineslo napredek.

O PRIHODNOSTI, AKADEMSKEM IN GOSPODARSKEM OKOLJU

Anton Donchev: Bi nam lahko povedal kaj o svojih prihodnjih raziskovalnih podvigih? Kaj je naslednja stvar, ki se je boš lotil?

Jan Kralj: Nekako sem razdeljen med dve raziskavi, obe pa sta povezani z mrežno analizo. Moji trenutni načrti so, da zaključim z obema, da ju zapakiram v nekaj celovitega, kar bo na koncu nosilo moje ime na prvem mestu. Nekoliko bolj dolgoročni plani so povezani z večno dilemo izbire med industrijo in akademskim svetom.

Raziskovalci s področja strojnega učenja moramo biti izpostavljeni industrijskemu okolju ali vsak nekakšnemu okolju, kjer so pomembni rezultati. Zato sem se jaz že med študijem ukvarjal s programiranjem, kar pomeni, da sem že bil izpostavljen delom svoje možne kariere znotraj industrije.

Lansko leto pa sem tudi prvič stopil za kateder, učil sem predmet o strojnem učenju, sicer pa sem asistent. Vedno me je navduševalo poučevanje, uživam v tem, da ljudem razložim stvari, ki jih ne poznajo, sploh potem, ko vidim njihove oči, ko jim je nekaj razjasnjeno.

Donchev: Zelo me zanima obravnavanje filozofskih vprašanj, ki bi jih nekako preuredil v empirično obliko in empirično preveril.

Nikoli se torej ne bi odpovedal akademskemu svetu. Nekoč, ko bom imel dovolj znanja, ga gotovo želim širiti. To širjenje znanja mora biti na nek način akademsko, kar pomeni, da ne šteje le konkretna in takojšnja uporabnost naučenega. Seveda ne vem, kje bom čez dve leti, a zagotovo bi se rad preizkusil ali pa celo resneje delal na projektu znotraj kakega podjetja, ki ga zanimajo samo končni rezultati projekta, ne le metoda. Moj načrt je torej, da pogledam onkraj, a da ne zapustim popolnoma akademskih vod.

Kaj pa ti, Anton?

Anton Donchev: Z mano je več ali manj enako. Moj kratkoročni načrt je to, da končam svoj doktorat. Upam, da bom imel rezultate, ki jih bom lahko objavil, kar je seveda odlična popotnica za akademsko kariero.

Vedno sem tudi mislil, da je znotraj filozofije znanosti cel kup vprašanj, ki bi lahko bila empirično preverjena, ampak trenutno niso formulirana kot empirična vprašanja. Seveda vem, da ne moremo dobiti odgovora na vsako vprašanje na empiričen način. Vseeno mislim, da ima tak pristop veliko potenciala. Žal v svojem doktoratu ne bom imel prostora za kakršnokoli empirično raziskovanje. A če ostanem v akademskem svetu, bi to zelo rad naredil, zelo me zanima tovrstno obravnavanje vprašanj, ki bi jih nato nekako preuredil v empirično obliko. Seveda to ne pomeni, da bi empirično raziskovanje na njih tudi odgovorilo, ampak kakršenkoli doprinos bi bil zelo dobra stvar.

Kralj: Vedno me je navduševalo poučevanje, uživam v tem, da ljudem razložim stvari, ki jih ne poznajo, sploh potem, ko vidim njihove oči, ko jim je nekaj razjasnjeno.

Sam tudi nameravam ostati v akademski sferi, če bom lahko. Filozof znanosti sicer zelo težko najde delo znotraj industrije. Če nisi v akademskih sferah, sposobnosti filozofa znanosti, torej analitične sposobnosti, niso ravno neposredno praktične. Seveda se lahko lotiš programiranja ali česa podobnega, kar lahko koristi tudi tvojemu raziskovanju v filozofiji znanosti.

V glavnem, hvala ti za ta fin pogovor in diskusijo, res je bilo prijetno. Želim ti veliko sreče v raziskovanju in res upam, da pride do še več sodelovanja med filozofijo znanosti in računalništvom. Mislim, da je to nekaj, kar bi bilo vredno poskusiti večkrat.

Jan Kralj: Mislim, da je ravno matematika nekaj takega. Matematika je neka oblika filozofije in računalništvo je neka oblika matematike. To pomeni, da le nismo tako daleč drug od drugega.

Anton Donchev: Zagotovo se strinjam. Hvala ti še enkrat!

Komentirajte prispevek