Когда мы начинаем что-либо исследовать, нам обычно хочется получить больше материалов. Мы читаем статьи, собираем цифры, ищем мнения экспертов и просим ИИ сделать сводку. Кажется, что большее количество информации должно сделать наше суждение надёжнее. Конечно, если материалов слишком мало, мы можем упустить важные факты. Но увеличение количества материалов — не то же самое, что понимание вопроса. Даже прочитав десять источников, мы всё ещё можем не понимать, что именно нужно оценивать, если каждый источник остаётся обособленным.
Предположим, мы изучаем регион, где ввели новый вид транспорта. Можно собрать множество показателей: число пользователей, стоимость, время в пути, воздействие на окружающую среду, безопасность и многое другое. Но ни одно число само по себе не определяет своего значения. Даже если использование выросло, важно, просто ли пользователи перешли с другого вида транспорта или доступ получили люди, которые раньше не могли передвигаться. Даже если расходы снизились, оценка меняется, если зона обслуживания сократилась. Исследование требует не только собирать факты, но и изучать связи между ними.
ИИ может значительно сократить время, необходимое для поиска материалов и упорядочивания их содержания. Это важное преимущество для исследования. В то же время, когда обобщение становится быстрее, несколько источников могут быть сжаты до похожих выводов, и различия между ними становятся менее заметными. Даже источники на одну и ту же тему нельзя просто объединить, если они различаются по региону, периоду времени, условиям или методам измерения. Качество исследования зависит не только от способности сжимать информацию, но и от того, можем ли мы определить, какие различия влияют на вопрос.
Рассмотрение связей также меняет значение противоречащих свидетельств. Обнаружив один результат, который расходится с нашей точкой зрения, мы можем отбросить его как исключение. Но если спросить: «Почему при этих условиях возник противоположный результат?», появляется новый вопрос. Противоречащие свидетельства не просто мешают выводу; они могут показать, в каких пределах этот вывод справедлив. Исследование — это не только накопление информации, направленной в одну сторону. Это также поиск различий в условиях, стоящих за разными результатами.
Здесь от ИИ можно ожидать не только «поиска большего количества релевантных материалов». Он также может отделять свидетельства, поддерживающие утверждение, от свидетельств против него, сравнивать условия, при которых меняются результаты, и указывать на связи, которые ещё не подтверждены. Но эти связи не становятся правильными автоматически. Людям всё равно необходимо проверять источник, исследуемую группу, период времени и метод измерения, а также определять, действительно ли связанная ИИ информация отвечает на один и тот же вопрос.
По мере продвижения исследования первоначальный вопрос может измениться. Мы можем начать с вопроса: «Работает ли этот метод?» — и обнаружить, что настоящий вопрос звучит так: «Для кого и при каких условиях он работает?» Это не провал исследования. Рассмотрение связей между отдельными сведениями показало, что исходный вопрос был слишком грубым. Хорошее исследование не пытается насильно подогнать ответ под первый вопрос; при необходимости оно обновляет сам вопрос.
Именно поэтому Sai＊aus Labo рассматривает знания через связи. Вместо того чтобы изолировать статью как завершённый ответ, её можно связать с другими вопросами, контрдоказательствами, условиями и знаниями, полученными позднее. Тогда при начале нового исследования прежнюю статью можно использовать не просто повторяя её, а выясняя, «что изменилось по сравнению с нашим прежним пониманием». Ценность знания заключается не только в том, что оно хранится, но и в том, что оно остаётся открытым для пересмотра через следующий вопрос.
Исследование начинается со сбора информации, но не обязано на этом заканчиваться. Рассматривая связи между фактами, между доказательствами и контрдоказательствами, между результатами и условиями, а также между прошлыми и нынешними вопросами, мы приближаем информацию к знанию, способному поддержать суждение. По мере того как ИИ ускоряет сбор, область, где требуется человеческое мышление, смещается от количества источников к смыслу связей. Глубина исследования меняется не только в зависимости от того, сколько мы собрали, но и от того, какие связи мы обнаружили.
Не ответы. Понимание.