知識の重荷に抗う

マクスウェル・タバロック ダートマス大学の経済学研究者であり、 最大限の進歩 substack。Maximum Progress は、1 つのグラフを取り巻く経済、歴史、科学、哲学、文化に関するブログです。 過去2千年間の世界GDP、偉大な事実、ホッケースティック、人類の歴史の弧。

有料購読または 一度限りの寄付。 この春夏に科学の種を発芽させましょう 25%割引。

アイシミ: SoS リサーチ コレクティブの発表. 集団は現在活動中です。ぜひご覧ください。 ホームページ そして私たちの最初の研究員たち（笑）！

数投稿前 2020年の論文について書きました。アイデアを見つけるのが難しくなっていませんか?ニコラス・ブルーム、チャールズ・ジョーンズ、ジョン・ヴァン・リーネン、マイケル・ウェッブによる「自動車の加速」という論文を投稿しました。投稿では、この論文を比喩で説明しています。私たちの経済は自動車のようなものです。ジョーンズらは、燃料消費量（研究開発投資）は過去 100 年間で急速に増加しているのに、加速度（生産性成長率）は変化していないと指摘しています。彼らは、アイデアの探索には、学習が進むにつれて負担が増す固有の抵抗があると仮定してこれを説明しています。すでに高速で走っている車の速度を 2 倍にするのは、発進が遅い車よりも難しい、慣性のようなものです。

しかし、科学と経済成長の根底にある動力学を知らなければ、この慣性モデルは単なる推測に過ぎません。燃料使用量と加速の乖離の観察と一致する説明は他にもたくさんあります。私たちの車は坂を上っているのかもしれませんし、荒れた岩だらけの道を走っているのかもしれません。あるいは、エンジンが劣化していたり、余分な燃料を非効率的に使用していたりするのかもしれません。同様に、私たちが生み出すアイデアは、物理的な製品や建物として実現する前に、生産性に影響を与える障壁がますます高まるかもしれません。あるいは、私たちの科学機関は、非効率的な制度設計で、受け取った余分なリソースを浪費しているのかもしれません。

私の投稿のタイトルは「何かが難しくなってきているが、それはアイデアを見つけることではない” と書きましたが、結局は「何かが難しくなっているが、それが何なのかはわからない」ということを証明するだけです。この投稿では、アイデアを見つけるのが本当に難しくなっている理由に関する最も一般的な議論の 1 つである「知識の負担」を取り上げることで、当初の約束の実現に近づきました。

知識の重荷は、新しいアイデアを見つけるのが本質的に難しくなると主張します。なぜなら、境界を広げる準備ができるまで、古いアイデアを学ぶのに多くの時間を費やさなければならないからです。

この主張を支持する議論は、かなり直感的で説得力があります。知識を蓄積せずに科学の進歩のモデルを想像するのは難しいです。蓄積された知識の一部は、フロンティアを拡大するために必要ですが、誰もそれを知ることはありません。そのため、教育への投資のプロセスが必要です。学習する必要が増えるほど教育コストが増加する場合、知識の負担を伴うモデルがすでに作成されています。

理論の外では、知識の重荷を支持する根拠がさらに見つかります。知識は確かに蓄積されるようです。私たちの百科事典ははるかに長いです。今日の科学者は、過去の科学者よりも多くの種、より多くの基本粒子、より多くの考古学的遺物について知っています。教育はまた、知識の境界を広げるために必要な前提条件のようです。科学者は、独自の研究貢献を始める前に、しばしば何十年もトレーニングを受けます。

しかし、過去数十年間の R&D 投資と生産性成長率の乖離を説明するには、この間に知識の負担が増加したに違いありません。これについても経験的証拠があります。

学術雑誌の著者の平均年齢は上昇しており、ノーベル賞受賞者が最高の業績を残す年齢も上昇している。これは、新たな貢献をする前に、知識の負担が増大し、それを処理するのにより多くの時間を要するためだと説明できる。

関連して、より多くのジャーナル記事や特許が、より大きなチームで執筆されています。研究者は、知識の最前線に早く到達するために狭いトピックに特化し、その後、新しい拡張に必要なすべての要素を組み合わせて協力するため、知識の負担が増大していることに対応するために、チームがより大きくなります。

また、研究者や発明家が複数の研究分野に貢献することは一般的ではなくなり、報酬も少なくなっており、これも知識の負担の増大に応じて専門化が進むことを示唆しています。

この証拠はすべて、知識負担モデルで簡潔に説明されています。これらの効果が、R&D の投入と生産性向上の成果の乖離のすべてまたは大部分を説明するのに十分であるかどうかはまだ明らかではありませんが、説得力のあるストーリーを語っています。

しかし、この話にはいくつか問題があります。

知識負担モデルの中心となるのは知識の蓄積であり、これは進歩の成果であると同時に将来の研究者にとっての障害でもあります。しかし、科学技術の進歩の歴史を見ると、この仮定が誤っている例が無数にあります。

私が一番好きなのは軌道力学です。何千年もの間、天文学の予測の標準モデルはプトレマイオスの地動説でした。地球が中心にあり、すべての天体が地球の周りを回転していました。これはうまく機能していましたが、私たちの視点から見ると、これらの天体の多くが一年を通してさまざまな時期に方向を変えて反対方向に軌道を回るため、事態は複雑になりました。

プトレマイオスと天文学の祖先は、これらの「逆行」運動を、上の地図に見られる「周転円」と呼ばれる余分なループで説明しました。15 世紀までに、天文学者は何世紀にもわたる綿密な測定を積み重ね、それを複雑な軌道に組み込み、観測結果と一致させました。これらのモデルを学び、そのうちの 1 つを改善するのに十分な測定を行うには、一生をかけて星の研究に専念する修道士の努力が必要でした。知識の負担は膨大でした。

しかしその後、コペルニクスが太陽中心のモデルを提唱しました。このモデルは、最も単純な初期形態では、改良されたプトレマイオスのモデルよりも予測が悪かったです。しかし、知識の重荷は一瞬で解消されました。コペルニクスのモデルを改良することは、軌道を完全な円から楕円に変えることを意味しました。これはプトレマイオスのモデルの周転円や近日点とはまったく関係がなく、その重荷となる知識は、新たな境界を広げるのに必要ありませんでした。

ニュートン力学から相対論的力学への移行、ギリシャの論理的幾何代数からアラビアの象徴的方程式への移行、迷信的な錬金術から物理的に根拠のある化学への移行にも、同様のパターンが見られます。他にも何千もの例があります。新しいものを作るには過去の知識をすべて学ばなければならないというのは一般的なルールではありません。過去の知識は新しい発見によって完全に置き換えられることも多く、必要な教育投資を増やすことなく、あるいは減らすことなく進歩を続けることができます。

知識の重荷に関するもう 1 つの予測は、研究者はより狭い分野に特化することで対応し、最先端に早く到達できるようにするというものです。これは問題ありませんが、この専門化により大規模なグループとのコラボレーションが必要になり、これがイノベーションの妨げになる場合、R&D の投入と生産性向上の成果の乖離の一部を説明することができます。

知識の負担が増大したことに対する一般的な対応として専門化が見られるのは間違いありません。しかし、この専門化が表れる最も一般的な方法は、学術研究者の大規模なチームが協力して長くて複雑な論文を作成することではありません。科学者と技術者が専門化し、自分たちでは再現できない複雑なツールと交換することで、それでも技術の限界を広げるのに役立ちます。

2020 年代の技術系起業家について考えてみましょう。ソフトウェアの技術の最先端を開拓したい場合、ある意味では、彼らの前には膨大な知識の重荷が立ちはだかります。理論計算の歴史、コンピューター工学、ムーアの法則、ネットワーク、インターネットの背後にあるすべての科学と工学。しかし実際には、起業家はコンピューターを使用して新しい技術を作成するために、これらのことを学ぶのに時間を費やす必要はありません。MacBook を購入し、それを作る人々にすべての知識の重荷を負わせるだけでよいのです。

同様に、現代の科学者は、電子顕微鏡、スーパーコンピューター、タンパク質合成装置など、自分では再現できない非常に複雑なツールを何十も使用するという点で高度に専門化されています。これらすべてのツールを深く理解するために必要な知識の負担は非常に大きいため、科学者は研究に特化し、これらのツールの単なるユーザーであり続ける必要があります。しかし、これは知識を前進させる能力を妨げるものではなく、むしろその逆です。

現代世界では、過去のどの時代よりも多くの知識が蓄積されています。専門化は、この蓄積に対する必要な対応ですが、イノベーションの妨げにはなりません。専門化と貿易を通じて蓄積された知識の成果にアクセスすることで、進歩と発見が加速されます。

前の 2 つの議論は直感的かつ理論的ですが、知識の重荷が説明できる重要な経験的証拠には触れていません。新しい分野と新しいツールが知識の重荷を切り抜けているのなら、なぜ研究者は高齢化し、チームは大きくなり、研究分野は狭くなり、より永続的になっているのでしょうか。

この証拠に対する説明の 1 つは、知識の負担が増大していることです。アイデアの空間は、知識の最新フロンティアに到達するために、より多くの時間、労力、およびより狭い専門性を必要とするように構造化されています。

私たちの観察を同様に説明するもう一つの説明は、学術機関の価値が下がっているということである。助成金申請者と審査員の内向きのネットワーク 毎年年を取る固定された研究者集団に報酬を与えるリスクを嫌う資金提供者と審査員は 漸進的で労働集約的な研究に報酬を与える.あ 独占性に基づくビジネスモデル 初期の応募者数が増えるにつれて、より多くのハードルが必要になります。

学術界の制度的衰退は、誰が見ても明らかであり、学術界におけるキャリアの高齢化と狭まりを説明できる。知識の重荷は、これらの傾向は進歩の避けられないコストに対する必然的な反応であると主張している。しかし、制度的衰退に基づく説明は、メタサイエンスという解決策を示唆している。学術機関を再設計すれば、これらの傾向の一部を逆転させることができる。

知識の重荷は、アイデアが見つけにくくなっていることの直感的な説明である。科学の進歩に関する極めて単純なモデルでさえ、知識の重荷が内在しており、現実の世界では知識の重荷を示唆する経験的証拠がいくつかある。しかし、新しい分野や新しいツールは知識の重荷に逆らう。理論的にも経験的にも、知識の重荷が、R&Dの投入と生産性の成長のアウトプットの乖離の大きな部分を説明する可能性は低い。アイデアを見つけるのが難しくなっていませんか?” 指摘している。