Киберсемиотический подход к теории научных открытий

   Актуальность. С 20-х годов XXI века началась культурная эпоха неомодерна, связанная с расширением влияния технологий искусственного интеллекта на общество, экономику и научно-технический прогресс. Актуальным является разработка теории научных открытий, которая предложит новые модели управления научными открытиями и цивилизационными рисками с учётом цифровизации и изменений в мышлении человека.
   Цель. В рамках данного исследования ставится две цели ‒ предложить новую «полезную» теорию научных открытий, которая учтет факторы изменения в психологии мышления людей и потенциал автоматизации научных открытий, и провести философско-методологический анализ предложенной теории и ее влияния на управление научными открытиями и научно-технический прогресс.
   Задачи: подготовить обзор подходов к теории научных открытий; предложить типологию подходов, основанную на анализе артефактов мышления; сформулировать новый подход и «полезную» теорию научных открытий; провести философско-методологический анализ.
   Методология. Контент-анализ, компаративистский подход, структурно-функциональный анализ, историко-философский подход.
   Результаты: гипотеза о метазадаче научных открытий в виде развития квантового гиперграфа; теория синтетических научных открытий на основе киберсемиотического подхода.
   Выводы. Необходим пересмотр попыток объяснить научные открытия без учета изменений в мышлении людей и автоматизации. Киберсемиотический подход к теории научных открытий открывает новые модели управления научными открытиями, основанными на данных, а не бюрократии, моде или социальном капитале. Цифровизация научных открытий открывает возможность освоить новый тип ментального оператора – квантовый гиперграф, который является предпосылкой для появления технологий синтетической ноосферы и триггером смены типа цивилизационной модели, основанной на преодолении поляризации мышления людей.

1. Lakatos I. Falsification and the Methodology of Scientific Research Programmes // Criticism and the Growth of Knowledge / I. Lakatos, A. Musgrave [et. al]. Cambridge: Cambridge University Press, 1970.

2. Scientific Change ‒ Philosophical Models and Historical Research / L. Laudan, A. Donovan, R. Laudan, P. Barker, H. Brown, J. Leplin // Synthese. 1986. Vol. 69(2). P. 141-223.

3. Fuchs S. A Sociological Theory of Scientific Change. University of North Carolina Press, 1993.

4. Radder H. Philosophy and history of science: Beyond the Kuhnian paradigm // Studies in History and Philosophy of Science. 1997. Vol. 28(4). P. 633-655.

5. Simon H. A., Langley P. W., Bradshaw G. L. Scientific discovery as problem-solving // Synthese. 1981. Vol. 47. P. 1–27.

6. Pearson K. The Problem of the Random Walk // Nature. 1905. Vol. 72. P. 294.

7. Sandstrom P. E. Scholars as subsistence foragers // Bulletin of the American Society for Information Science. 1999. Vol. 25(3). P. 17‒20.

8. Pirolli P. Information Foraging Theory: Adaptive Interaction with Information. Oxford: Oxford University Press, 2007. 226 p.

9. Goffman W., Harmon G. Mathematical approach to the prediction of scientific discovery // Nature. 1971. Vol. 229. P.103-104.

10. Goffman W., Newill V. A. Generalisation of epidemic theory: an application to the transmission of ideas // Nature. 1964. Vol. 204. P. 225-228.

11. Степин В. С. К проблеме структуры и генезиса научной теории // Философия, методология, наука. М.: Наука, 1972. С. 158–185.

12. The group structure of co-citation clusters: A comparative study / N. C. Mullins, L. L. Hargens, P. K. Hecht, E. L. Kick // American Sociological Review. 1977. Vol. 42(4). P. 552-562.

13. Dorigo M., Gambardella L. M. Ant colony system: A cooperative learning approach to the traveling salesman problem // IEEE Transactions on Evolutionary Computation 1997. Vol.1(1). P. 53-66. 14. Burt R. S. Structural holes and good ideas // American Journal of Sociology. 2004. Vol.110(2). P. 349-399.

14. Börner K., Maru J. T., Goldstone R. L. The simultaneous evolution of author and paper networks // PNAS. 2004. Vol. 101. P. 5266-5273.

15. Ausloos M., Lambiotte R. Drastic events make evolving networks // The European Physical Journal B ‒ Condensed Matter and Complex Systems. 2007. Vol. 57(1). P. 89-94.

16. Kuhn T. S. The Structure of Scientific Revolutions. University of Chicago Press, 1970. 209 p.

17. Davis M. S. That's Interesting! Towards a Phenomenology of Sociology and a Sociology of Phenomenology // Phil. Soc. Sci. 1971. Vol. 1. P. 309-344.

18. Brush S. G. Dynamics of theory change: The role of predictions // The Proceedings of the Biennial meeting of the Philosophy of Science Association. Cambridge: Published online by Cambridge Umiversity Press, 2022.

19. Mayer R. E. The search for insight: Grappling with Gestalt Psychology's unanswered questions // The Nature of Insight / R. J. Sternberg, J. E. Davidson [et al.]. Cambridge, MA: The MIT Press, 1995. P. 3-32.

20. Perkins D. N. Insight in minds and genes // The Nature of Insight / R. J. Sternberg, J. E. Davidson [et al.]. Cambridge, MA: MIT Press, 1995. P. 495-534.

21. Heinze T., Bauer G. Characterizing creative scientists in nano-S&T: Productivity, multidisciplinarity, and network brokerage in a longitudinal perspective // Scientometrics. 2007. Vol. 70(3). P. 811-830.

22. Kostoff R. N. Where is the Discovery in Literature-Based Discovery? // Information Science and Knowledge Management. 2008. Vol. 15.

23. Shneiderman B. Creating creativity: user interfaces for supporting innovation // ACM Transactions on Computer-Human Interaction. 2000. Vol. 7. P. 114-138.

24. Human-Computer Interaction in the New Millennium / ed. by J. M. Carroll. New York: ACM Press, 2002. P. 235-258.

25. Буданов В. Г. Постнеклассика: философия, наука, культура. СПб.: Миръ, 2009. C. 361–396.

26. Аршинов В. И., Свирский Я. И. Сложностный мир и его наблюдатель // Философия науки и техники. 2016. Т. 21, № 1. С. 78–91.

27. The Turing al scientist grand challenge. URL: https://www.turing.ac.uk/research/research-projects/turing-ai-scientist-grand-challenge (дата обращения: 14.08.2022).