A probléma
Képzeljünk el egy kutatót, aki hónapokon keresztül dolgozik egy ígéretes hipotézisen. Megépíti a kísérleti rendszert, többféle módszert kipróbál, újraelemzi az adatokat, majd végül arra jut, hogy az elképzelés nem működik. A projektből nem születik publikálható pozitív eredmény, ezért a folyamat nagy része eltűnik egy merevlemezen, egy laborjegyzetben vagy a kutató emlékezetében.
Néhány évvel később egy másik kutató ugyanabból a logikából indul ki. Nem tudja, hogy valaki már végigjárta ezt az utat, ezért ugyanazokat a kísérleteket végzi el, ugyanazokat a módszertani hibákat követi el, és ugyanoda jut. Mindkét kutató racionálisan cselekedett, a rendszer egésze mégis kétszer fizette ki ugyanazt a tanulási folyamatot.
Az akadémiai publikációs rendszerben jellemzően a lezárt, megvédhető és lehetőleg pozitív eredmény jelenik meg. A zsákutcák, az elvetett hipotézisek, a negatív eredmények és a félbehagyott irányok többnyire nem kerülnek dokumentálásra, vagy ha mégis, nem számítanak érdemben a kutatói teljesítmény értékelésében.
Mivel az álláshoz, a támogatáshoz és az előmenetelhez publikációs teljesítmény kell, a kutató számára az a racionális stratégia, ha olyan kérdéseken dolgozik, amelyekből belátható időn belül védhető eredmény várható. A radikális, bizonytalan vagy több tudományterületet átfogó hipotéziseknél ennek kisebb az esélye. Ezek a kérdések ezért gyakran nem azért maradnak megválaszolatlanok, mert jelentéktelenek, hanem mert az intézményi ösztönzők mellett túl kockázatosak.
A következmény kettős. Egyrészt a kutatási folyamat jelentős része láthatatlan marad, így mások újra végigjárják ugyanazokat a zsákutcákat. Másrészt éppen a legnagyobb bizonytalanságot hordozó, potenciálisan legnagyobb hatású kérdéseken dolgozik a legkevesebb ember.
Ehhez egy új probléma is társul. Az AI egyre gyakrabban vesz részt hipotézisek felállításában, irodalomkutatásban, elemzési módszerek kialakításában, modellezésben és szövegalkotásban. Nincs azonban egységesen elfogadott gyakorlat annak dokumentálására, hogy egy eredményhez melyik ember, kutatócsoport, adatforrás vagy AI-rendszer mivel járult hozzá. Így nemcsak a kudarcok és zsákutcák, hanem maga az együttgondolkodás folyamata is elveszhet.
Az EQUORA Institute válasza
Az EQUORA Institute nem kizárólag a kutatás végtermékét, hanem a gondolkodás teljes útját kezeli tudásként. Dokumentálhatóvá és megoszthatóvá teszi a hipotéziseket, a kísérleti döntéseket, a módszertani elágazásokat, a negatív eredményeket, a zsákutcákat és azokat a kérdéseket is, amelyekre még nincs válasz.
A cél nem az, hogy minden félkész gondolat hagyományos publikációvá váljon. Olyan kutatási memóriára van szükség, amelyből mások megérthetik, mit próbáltak már ki, miért vetettek el egy irányt, milyen feltételek mellett nem működött egy megközelítés, és hol lenne érdemes folytatni.
Az intézet emellett nyomon követhetővé teszi az ember és az AI közös kutatási munkáját. Nem pusztán azt rögzíti, hogy használtak-e mesterséges intelligenciát, hanem azt is, milyen szerepet játszott a kérdésfeltevésben, az irodalom feltárásában, az elemzésben vagy a következtetések kialakításában.
Az EQUORA Institute így nem csupán eredményeket gyűjt, hanem újrahasznosítható gondolkodási folyamatokat hoz létre.
Miért hasznos?
Csökkenti a párhuzamosan megismételt kudarcokat, láthatóvá teszi a negatív tudást, és biztonságosabbá teszi a nagy kockázatú hipotézisek vizsgálatát. Egy kutató nem feltétlenül kész választ talál, hanem pontosabb képet kap arról, hol érdemes folytatnia, és mely utakat nem szükséges még egyszer végigjárnia.
Láthatóvá és továbbépíthetővé teszi a kutatási gondolkodás teljes útját.