Кварки на небесной тверди

Как я перестал верить в научную истину и полюбил модели

Поздний вечер. Лаборатория молекулярных биотехнологий. Я тысячный раз пересматриваю все полученные за месяц работы хроматограммы очистки фитазы, не понимая, почему целевой пик уехал куда‑то вбок, совершенно не туда, куда надо. Бывший одногруппник, нынешний коллега мощно отхлебывает дешевый кофе из автомата, почти в упор разглядывая на мониторе кристаллографический снимок комплекса белка с ДНК. Разноцветные спирали, точные координаты каждого атома, красивые торсионные углы. Бормочет:

‑Ну красота, балдеж просто…

‑Угу, — отвечаю, не отрываясь от ионнообменной колонки.

‑Забавно, что мы, по сути, просто развлекаемся со всей этой наукой…

Не понял. Я точно не развлекаюсь, послал бы ко всем чертям эту хроматографию и пошёл бы домой, дооткрывать персонажей в Lego Marvel Super Heroes 2. Интересуюсь, что это он такое говорит.

‑Вот эта красивая картинка, — показывает снова структуру белково‑нуклеинового комплекса, — это понятная нам визуализация, так? Спиральки, полосочки, палочки да точечки. Ничего этого ведь на самом деле нет… Всё это — модель на модели, и моделью погоняет. Понимаешь?

Понимаю.

Популярный миф о научном познании

В последнее время всё больше интереса ^[2] вызывают научные исследования в различных областях. В кино ученые всё время пялятся в экран с крутящейся молекулой ДНК (признаюсь, в моменты особенной лени так и делаю), в качественных дискуссиях оппоненты всё чаще швыряют друг в друга ссылками на PubMed и прочие авторитетные источники, откуда они взяли своё новое мнение о вопросе.

В связи с этим всё чаще сталкиваюсь не сколько с вульгарным, сколько с совершенно убогим сцаентизмом от людей, которые очень любят вечером под пледиком посмотреть парочку научно-популярных лекций и думать, что представляют себе науку во всей красе. Я бы хотел в этой статье немного развеять мифологизацию науки как института. Предполагается, что я могу себе это позволить, размахивая дипломом магистра химических наук.

На протяжении всей жизни мне вдалбливался такой нарратив:

Вот раньше (очень, очень давно) люди были невежественны и неразумны. Свято верили, что звезды – не что иное как золотые гвозди, которыми прибит небесный свод. Или что это дырки в небесном покрывале, через которые виден небесный свет…Поэтично, но совершенная чепуха в плане отражения реальности, верно?

Но вот потом! Пришла НАУКА™ и каааак доказала! Открыла нам Закон Всемирного Тяготения, атомы, электроны, кварки, бозоны Хиггса, убили/оживили кота Шредингера… Теперь мы почти всё знаем!

Сейчас осталось совсем чуть-чуть. Ещё пару ускорителей построим, пару экзафлопсов посчитаем – и вот она, Теория Всего. Полное понимание мироздания в кармане. Здорово, правда?

Неправда.

От золотых гвоздей к кваркам: нанометр прогресса.

Давайте на секунду задумаемся. Когда-то звёзды для людей были прибиты к небесной тверди. Это была модель – построенная в силу ограниченных возможностей изучения неба. Модель работала: по ней ориентировались мореплаватели, по ней предсказывали сезоны, по ней составляли календари. Она была полезна.

Сейчас у нас есть кварки, глюоны, биозоны – огромное разнообразие новых крутых слов и концепций. И мы уверены, что теперь-то мы наконец понимаем, как устроен мир.

Но давайте честно: насколько мы приблизились к истинному пониманию устройства вселенной? Ну серьезно, вот вопрос на засыпку: какой процент вселенной мы описали?

Ответ: около 5%.

Это обычная (барионная) материя — атомы, молекулы, всё, что мы можем увидеть и потрогать. Остальные ~95% – это тёмная материя (~27%) и тёмная энергия (~68%) ^[3], про которые мы, по большому счёту, не знаем практически ничего. Не понимаем, из чего они состоят. Не можем их непосредственно зарегистрировать. Даже не уверены, что они вообще существуют как отдельные сущности, а не являются артефактом нашей же модели гравитации.

Физики описали 5% содержимого вселенной и с важным видом рассказывают про “устройство атомов во всей вселенной“. А остальные 95%? «Ну, это тёмная материя… тёмная энергия… мы их не видим, не понимаем, но они точно есть, потому что иначе наши модели галактик не работают».

Чувствуете тот самый привкус? Это эпициклы Птолемея. Тот же приём: модель не сходится – добавим в неё что-нибудь невидимое, чтобы сошлось. Во, теперь супер!

И ничего, что пришлось придумать 11 измерений, свернутых в точку, чтобы оправдать теорию суперструн.

Подгонометрия как основа научного метода

Давайте честно посмотрим, как работает наука ^[4] – без романтического флёра “познания истины”.

Вот как это происходит в реальности:

1. Живём по модели. Скажем, механика Ньютона. Планеты летают, мосты стоят, пушки стреляют. Всё отлично.

2. Обнаруживаем аномалию. Перигелий Меркурия прецессирует не так, как предсказывает Ньютон. Хм.

3. Перестраиваем модель. Эйнштейн придумывает общую теорию относительности. Теперь она объясняет и старые данные, и прецессию Меркурия.

4. Repeat.

5. ?????

6. PROFIT!!!

Это не баг. Это фича. Наука – это институционализированная подгонометрия. Мы постоянно подгоняем модели под новые данные. И это нормально. Просто давайте не будем называть это “познанием истины”.

Несколько примеров такой подгонометрии в действии:

Квантовая механика. Классическая физика не объясняла спектр излучения абсолютно чёрного тела (ту самую “ультрафиолетовую катастрофу”). Планк в 1900 году ввёл кванты энергии – по сути подогнал формулу. Получилось?

Получилось. Мы “поняли истину”? Да совершенно нет. Мы нашли модель, которая работает в этих рамках. Через двадцать лет пришлось подгонять снова – появилась квантовая механика Шрёдингера. Потом ещё раз – квантовая электродинамика Фейнмана.

Биология. Дарвин предложил естественный отбор, но не мог объяснить механизм наследственности. Через сто лет открыли ДНК – подогнали. Потом обнаружили эпигенетику – подогнали снова. Горизонтальный перенос генов у бактерий? Опять подогнали. Каждый раз модель усложняется, но до “истины” так же далеко, как и раньше.

Моя энзимология. Вот совсем приземлённый пример. Измеряю активность фитазы – фермента, расщепляющего фитаты для лучшего усвоения кормов крупным рогатым скотом. Получаю кривую зависимости скорости реакции ^[5] от концентрации субстрата. Подгоняю под уравнение Михаэлиса – Ментен, выкидывая выпавшие точки и прищурив один глаз (так работает вся наука в любой лаборатории мира, я вас уверяю).

Получаю два числа: Km и Vmax. Что я узнал о “природе фермента”? Ровным счётом ничего. Я нашёл два параметра, которые позволяют предсказать поведение ^[6] молекулы в пробирке при pH 5.5 и 37°C. При pH 7.0 или 50°C – другие числа, другая модель.

Матрёшка моделей: как биолог “видит” белок

Вернёмся к кристаллографии. Давайте пошагово разберём, что на самом деле происходит, когда структурный биолог «смотрит на белок».

Слой 1: Физический эксперимент. Белок кристаллизуют (что само по себе искусство с изрядной долей шаманства – подобрать условия кристаллизации можно потратить месяцы). Кристалл облучают рентгеном. Получают дифракционную картину – просто(!) набор пятен на детекторе.

Слой 2: Математическая обработка. Пятна превращают в числа (интенсивности и углы). Эти числа прогоняют через преобразование Фурье. Получают электронную плотность – трёхмерную карту распределения электронов. Это уже модель. Причём для решения так называемой «фазовой проблемы» используют дополнительные допущения и трюки (молекулярное замещение, MAD, SAD), каждый из которых вносит свои погрешности.

Слой 3: Построение атомной модели. В электронную плотность “вписывают” атомы. Программа подбирает координаты, чтобы модель соответствовала электронной плотности. Это модель модели.

Слой 4: Рефайнмент. Подгоняют торсионные углы, длины связей, чтобы всё выглядело “химически разумно” (то есть соответствовало ещё одной модели — нашим представлениям о стереохимии). Модель модели модели.

Слой 5: Интерпретация. Биолог смотрит на красивую картинку на экране и говорит: “Ага, вот тут активный центр, тут субстрат связывается, этот остаток критичен для катализа”. Модель модели модели модели.

На каждом слое мы что-то предполагаем, упрощаем, подгоняем. Итоговая “структура белка” на экране – это не реальность. Это конструкт, который согласуется с экспериментальными данными в рамках принятых допущений.

Работает? Да. Полезно? Невероятно полезно – на основе этих структур разрабатывают лекарства. Истина?

Нет.

Великая экстраполяция

Теперь – самое интересное.

Физики уверенно рассказывают про «устройство атомов во всей вселенной». Но откуда эта уверенность? Мы сидим на маленькой планете у рядовой звезды на окраине рядовой галактики. Смотрим в телескопы на свет, который летел миллиарды лет, проходя через… да мы даже не знаем, через что именно. Анализируем спектры далёких галактик и делаем вывод: “Везде так же, как у нас”.

А если нет?

Мы принимаем за аксиому, что законы физики одинаковы везде и всегда. Это колоссальное допущение. Скорость света в Андромеде такая же? Кварки там такие же? Физические константы не дрифтуют со временем настолько медленно, что мы просто не замечаем?

Как это проверить? Да никак. Мы экстраполируем локальные наблюдения на всю наблюдаемую вселенную и надеемся, что модель не подведёт. Это гигантский прыжок веры в стог сена с крыши Бурдж Халифа, завёрнутый в математику ^[7].

Да, спектры далёких галактик похожи на наши. Но мы видим их такими, какими они были миллиарды лет назад! Космологические модели работают – но в них 95% содержимого вселенной приходится подгонять невидимыми сущностями.

Это напоминает знаменитую притчу о фонаре ^[8]: человек ищет ключи под фонарём не потому, что там потерял, а потому, что там светло. Мы изучаем 5% вселенной не потому, что остальное неважно, а потому, что остальное мы просто не можем изучить нашими методами.

Проблема индукции: почему яблоко НЕ обязано падать

Тут стоит упомянуть одну философскую бомбу, которую ещё в XVIII веке подложил Давид Юм – и которую наука предпочитает не замечать. Это проблема индукции.

Законы Ньютона называют “законами” потому, что во всех наблюдаемых случаях они работали. Но из этого логически не следует, что яблоко на триллиард первый раз тоже упадёт на землю, а не взлетит в небо из-за скачка каких-нибудь ещё не открытых параметров в этой точке пространства-времени.

Из того, что солнце вставало каждый день на протяжении 4.5 миллиардов лет, логически не следует, что оно встанет завтра. Это эмпирическая закономерность, а не логическая необходимость.

Физика это знает – но предпочитает об этом не думать, потому что иначе работать невозможно. Мы просто предполагаем, что закономерности будут продолжаться. И это предположение невозможно доказать – можно лишь подтвердить следующим наблюдением, что не решает проблему.

Так зачем вообще нужна наука?

Стоп. Сейчас я начинаю звучать как конспиролог или постмодернист из категории “истины нет, всё относительно, земля плоская, идите к шаманам”.

Нет. Категорически нет. Я говорю нечто совсем другое.

Наука невероятно полезна. Просто не для того, для чего её рекламируют.

Наука не познаёт истину. Наука расширяет зону комфорта.

Вот что реально делает наука:

GPS работает. Не потому, что мы поняли гравитацию, а потому, что модель ОТО даёт правильные предсказания для коррекции времени на спутниках. Модель работает – GPS работает.

Антибиотики работают. Не потому, что мы “поняли бактерии”, а потому, что нашли молекулы, которые их убивают. Механизм действия часто придумываем постфактум.

Мои ферменты работают. Не потому, что я “понял фермент”. А потому, что подобрал pH, температуру и концентрацию субстрата. Фермент делает что нужно – этого достаточно для того, чтобы мой биореактор давал продукт, а майонез многомиллиардного заказчика стал лучше.

В моей лаборатории мы честны с собой. Мы делаем ферменты для промышленности. Модель биореактора работает в рамках конкретной задачи. Мы не делаем вид, что «познали природу жизни». Просто подогнали модель под конкретный кейс – и она работает.

Историческая перспектива: каждая эпоха считала себя особенной

Вот что по-настоящему забавно: каждое поколение учёных искренне верило, что именно оно наконец-то всё поняло.

В 1894 году (почти 150 лет назад, если что) Альберт Майкельсон, нобелевский лауреат по физике, произнёс знаменитую фразу ^[9]: “Наиболее важные фундаментальные законы и факты физической науки уже открыты”. Мол, через лет 5 закрываем науку и чилимся на лаврах.

Через 11 лет Эйнштейн опубликовал специальную теорию относительности, через 30 – появилась квантовая механика. Вся “уже открытая” физика оказалась частным случаем.

Лорд Кельвин в 1900 году говорил о “двух маленьких облачках” на горизонте классической физики. Эти “облачка” – проблема излучения чёрного тела и эксперимент Майкельсона-Морли – привели к квантовой механике и теории относительности. То есть разрушили всю картину мира.

Каждый раз казалось: ну вот, осталось совсем чуть-чуть, добьём и закроем физику. И каждый раз “чуть-чуть” оказывалось бездной.

Почему сейчас должно быть иначе? Через триста лет физики будут смеяться над нашими кварками так же, как мы сейчас снисходительно улыбаемся, читая про небесную твердь. Они придумают новую модель, которая объяснит больше. И будут считать, что они-то наконец познали истину.

Спойлер: нет, нет и нет.

Наука как информационный организм

И тут я хочу сделать неожиданный поворот – к концепции, которую я развиваю в своей книге по инфобиологии.

Если посмотреть на науку через призму биологии, то сама наука — это информационный организм. Она эволюционирует, мутирует, конкурирует.

Геном науки – это научные статьи, учебники, экспериментальные данные. Информация, которая передаётся и копируется.

Фенотип – институты, лаборатории, учёные, приборы, технологии. Материальное воплощение информации.

Метаболизм – наука потребляет ресурсы (гранты, время исследователей, электричество), а производит модели, технологии, публикации.

Размножение – через обучение ^[10] студентов, публикацию статей, конференции. Информация реплицируется.

Мутации – новые гипотезы, ошибки ^[11] в экспериментах, неожиданные открытия. Случайные и не очень изменения информации.

Естественный отбор – выживают те теории, которые лучше предсказывают и объясняют. Парадигмы конкурируют за ресурсы: внимание ^[12] учёных, финансирование, место в учебниках.

Научные парадигмы – это виды, которые вытесняют друг друга. Флогистон – вымер. Теория эфира – вымерла. Квантовая механика – процветает. Пока.

Томас Кун описал это ^[13] ещё в 1962 году в «Структуре научных революций». Но он описал это как социологический процесс. Я предлагаю посмотреть более буквально: наука – это живой информационный организм, подчиняющийся тем же законам эволюции, что и биологические виды.

И, как любой организм, наука не стремится к “истине”. Она ей совершенно не упёрлась. Она стремится к выживанию и расширению – то есть к увеличению зоны комфорта вида Homo sapiens.

Заключение: давайте будем честными

Я не говорю, что наука бесполезна. Я говорю прямо противоположное: наука – это лучший инструмент, который есть у человечества. Лучший инструмент. Но именно инструмент – а не священное откровение.

Я ужасаюсь, когда вижу популяризаторов биологии, которые клянутся в верности супругу на книге Докинза. Я кринжую и морщусь, когда известный ютуб блоггер упрощает научные концепции настолько, что они превращаются в бред сумасшедшего. Мне неприятен оголтелый сцаентизм и поклонение Науке.

Давайте честно признаем, что мы делаем:

Мы строим модели, а не познаём истину. Мы проверяем их на практике – и они работают. Иногда. Мы меняем их, когда находим модель получше. Мы расширяем зону комфорта, делая мир предсказуемее и безопаснее.

Это абсолютно нормально. Это работает. Просто не надо верещать, что “НОУКА ДОКАЖИТ!”.

Каждая научная модель – это костыль для описания частных случаев в наблюдаемом диапазоне. Золотые гвозди на небе – костыль для навигации без телескопа. Ньютонова механика – костыль для медленных скоростей. Квантовая механика – костыль для микромира. Кварки – костыль для понимания протонов.

Ни один из этих костылей не является “истиной”. Это модели с разной зоной применимости.

И знаете что? Осознание этого не делает науку хуже. Наоборот ” оно делает её честнее. Учёный, который понимает модельную природу своего занятия, будет осторожнее в выводах, смелее в гипотезах и, главное, не превратится в жреца культа Науки с большой буквы.

Кварки – это не истина. Это наши новые гвозди. Более детализированные, более предсказательные, более полезные. Но прибитые к той же небесной тверди нашего незнания.

Автор PhD-кандидат по молекулярной биологии и биотехнологии, работает с ферментами (альфа-амилаза, фитаза, PNGаза) в лаборатории СО РАН в Новосибирском Академгородке. Параллельно развивает концепцию инфобиологии – взгляд на информацию как на фундаментальный живой процесс.