Георгий Рузавин - Методология научного познания [Учебное пособие для вузов]

Но этот закон оставляет открытым вопрос о механизме тяготения и характере действия сил тяготения, которые во времена Ньютона считались распространяющимися мгновенно.

Альберт Эйнштейн, построивший общую теорию относительности, объясняет механизм тяготения с помощью введенного им понятия гравитационного поля и равенства тяготеющей и инертной масс. Благодаря этому было опровергнуто представление о мгновенном дальнодействии гравитационных сил, однако природа тяготения полностью не раскрыта и до настоящего времени. До сих пор остается спорным вопрос о существовании гравитонов как особых частиц поля тяготения.

Замечательным примером постановки новых проблем в физике служит также известная книга Ньютона «Оптика», в которой были не только сформулированы важнейшие проблемы учения о свете, но и рассмотрены основные методы исследования физических явлений, в особенности получивший широкое распространение метод принципов. Хотя с появлением новой волновой концепции света некоторые из проблем, поставленных Ньютоном, оказались неперспективными, но многие из них способствовали творческим поискам в области корпускулярной интерпретации света на протяжении ряда лет. Нельзя также забывать, что корпускулярная идея вновь возродилась в понятии фотонов как квантово-механических объектов светового поля.

В математике примером, более близким к нашему времени, может служить программа, выдвинутая знаменитым немецким математиком Д. Гильбертом на Международном математическом конгрессе в 1900 г. В ней были поставлены наиболее актуальные проблемы развития и обоснования математики. Многие из них к настоящему времени уже решены, некоторые уточнены и переформулированы, но существование программы стимулировало математические исследования и оказало большое воздействие на развитие всей математики XX в.

Выдвижение программ исследования проблем, рассчитанных на перспективу, ставит своей целью стимулировать научный поиск в наиболее актуальных областях науки и способствуют выявлению в них точек роста научного знания.

Легче всего такие точки роста выявляются в математике и математическом естествознании, которые обладают сравнительно стабильной концептуальной структурой и преемственностью в развитии своих теорий. Значительно труднее обнаружить эти точки роста в экспериментальных и фактуальных науках, в которых развитие познания во многом определяется результатами эмпирических наблюдений и экспериментов, которые могут существенно изменить ход дальнейших исследований. Так, например, обнаружение, явлений естественной радиоактивности коренным образом повлияло на стратегию исследований в области строения вещества. Тем не менее для определения точек роста научного знания, а тем более для разработки проблем необходимо соблюдать определенную последовательность действий и стадий исследования.

Разработка научных проблемв таких абстрактных науках, как математика и математическая логика, должна начаться с определения принципиальной возможности разрешения проблемы. Поэтому в современной математике такое широкое распространение получили доказательства о неразрешимости некоторых видов проблем, в особенности с помощью алгоритмов. Например, существует простой алгоритм для извлечения квадратного корня, но нет алгоритма для вывода теорем из аксиом. Доказательства неразрешимости избавляют нас от бесполезной затраты интеллектуальных усилий для решения таких проблем.

В эмпирических и фактуальных науках вообще разработка проблем начинается с установления общего анализа альтернативных возможностей для их решения. На этой стадии должны быть сформулированы конкретные условия, при которых проблема может быть решена, а также определены ограничения, которые накладываются на ее решение.

За ней следует стадия генерирования новых идей, предположений и рабочих гипотез, которые возникают в процессе осмысления и конкретизации проблемы. Хотя процесс генерирования новых идей, как мы уже знаем, не поддается точному логическому анализу, тем не менее его результаты могут изучаться рациональными методами. Для оценки пробных решений проблемы могут быть использованы различные эвристические приемы (мысленный эксперимент, математические модели и компьютерные методы анализа), правдоподобные рассуждения (аналогия, индукция и статистика), а также вероятностные оценки полученных результатов.

Часто при выборе пробных решений проблем ссылаются на правдоподобие гипотез. Действительно, из множества пробных гипотез, способных решить проблему, для анализа и исследования обычно отбираются наиболее правдоподобные и многообещающие. Но это вовсе не означает, что при окончательной эмпирической проверке они обязательно могут оказаться истинными. Правдоподобие не тождественно истинности, ибо истина представляет собой соответствие знаний действительности, суждений и теорий фактам, а правдоподобие означает вероятность истинности знания или меру его приближения к истине.

Правдоподобие, или логическую вероятность, следует, поэтому отличать от статистической вероятности, которая определяется через относительную частоту появления случайных массовых событий. Если статистическая вероятность непосредственно характеризует определенные объективные отношения в реальном мире, то правдоподобие выражает специфические логические отношения между суждениями. В логике правдоподобность обычно определяют как степень подтверждения одного суждения, в частности гипотезы, другими суждениями (свидетельствами, результатами наблюдений и экспериментов, либо иными фактами). Поскольку такие свидетельства, например эмпирические факты, никогда не могут окончательно верифицировать, т. е. установить, истинность гипотезы или теории, то вновь возникает труднейший вопрос о дополнительных критериях выбора.

Поскольку никакого общего решения этого вопроса не существует, и вряд ли оно может быть найдено, усилия многих исследователей направлены на поиски критериев и методов частного характера. Соответственно этому сами проблемы нередко в таких случаях превращаются в задачи. Разница между задачами и проблемами состоит в том, что для решения задач часто существуют общие правила, методы или приемы. В простейших случаях, как, например, в математике, говорят о правилах (или алгоритмах) решения арифметических, алгебраических, геометрических и других подобных задач. Стандартные методы используются также для решения технических задач. В методологии научного познании вслед за Т. Куном часто говорят, что парадигмы служат для решения задач так называемой нормальной науки. Во всех таких случаях существует некоторый общий способ, или алгоритм, решения задач. Полноценные научные проблемы отличаются от задач тем, что для их решения не существует такого алгоритма, поэтому используется научный поиск, опирающийся на творческое воображение, интуицию и некоторые эвристические средства и приемы исследования.