Mit algorytmicznej władzy
Algorytmy nie przejęły nad nami władzy – to my, z czystego wygodnictwa, oddaliśmy im stery. Czas je odzyskać, zanim ostatecznie zapomnimy, po co w ogóle uprawiamy naukę – pisze prof. Mariusz J. Figurski w polemice do tekstu prof. Celiny Olszak „Nauka we władzy algorytmów”. Czytając opublikowany na łamach „Forum Akademickiego” tekst Nauka we władzy algorytmów , trudno nie przyznać racji zarysowanej tam diagnozie. Rzeczywiście, parametryzacja, wskaźniki bibliometryczne i globalne rankingi zamieniły poszukiwanie prawdy w bezduszną księgowość, a w miejscu dawnych mistrzów i szkół naukowych usadowiły się wskaźniki Impact Factor czy indeksy Hirscha. Powstają akademickie bańki, badania formatowane są pod gusta wydawców, a naukowcy stają się trybikami w machinie zoptymalizowanej na produkcję punktów. Do tego momentu pełna zgoda. Patrząc jednak na wyciągane z tych danych wnioski, moja perspektywa podpowiada mi nieco inną interpretację. Budowanie narracji, w której niewidzialne „algorytmy” przejmują władzę nad bezbronnym środowiskiem naukowym, jest szkodliwym intelektualnym alibi. To opowieść, która zdejmuje odpowiedzialność z konkretnych ludzi, gremiów i instytucji. Algorytm nie jest bytem obdarzonym własną wolą, nie knuje przeciwko naukowcom i sam z siebie nie przyznaje finansowania. Jest jedynie martwym kodem i bezlitosnym lustrem, w którym odbijają się nasze własne grzechy główne: lenistwo decyzyjne, oportunizm środowiskowy i korporacyjny styl zarządzania, który w brutalny sposób zaadaptowano do kierowania instytucjami naukowymi. O wiele łatwiej oskarżyć system – ów nieludzki, matematyczny „matrix” – niż uderzyć się we własne piersi i przyznać, że oddaliśmy naukę we władzę Excela całkowicie dobrowolnie, by ukryć lęk przed podejmowaniem merytorycznego ryzyka. Przez lata obserwując krajowy system oceniania wniosków i ewaluacji jednostek, widzę wyraźnie, że to nie algorytmy nas zniewoliły. To urzędnicy i decydenci pokochali je miłością bezgraniczną, bo dzięki nim nie trzeba już brać na siebie ciężaru stwierdzenia: „ten projekt badawczy to krok milowy”, a „ten wniosek jest wtórny”. Zamiast bolesnej merytorycznej dyskusji, mamy uspokajające liczby. A my – środowisko akademickie – zamiast podnieść bunt, zajęliśmy się udoskonalaniem sztuki hakowania tego systemu, doprowadzając do zjawiska, które śmiało można nazwać nauką szarpaną, uwikłaną w nieustanną grantozę. Czas skończyć z tym wygodnym złudzeniem i nazwać problem po imieniu. Alibi dla decydentów Głównym motorem napędowym algorytmizacji polskiej nauki nie jest wcale ślepy pęd technologiczny, ale drastyczne niedofinansowanie i wadliwy, oparty niemal wyłącznie na systemie projektowym model dystrybucji środków. System punktowy ewaluacji dorobku czy wskaźniki bibliometryczne stały się po prostu doskonałym alibi dla decydentów od urzędników ministerstw po panele w agencjach grantowych. O wiele łatwiej jest odrzucić wniosek o finansowanie, zasłaniając się ułamkiem punktu w indeksie bibliometrycznym kierownika, niż podjąć merytoryczną polemikę z architekturą proponowanego rozwiązania. Excel zdejmuje z barków urzędników konieczność zrozumienia wysoce specjalistycznych zagadnień i, co najważniejsze, zdejmuje odpowiedzialność za ewentualną porażkę projektu. W ten sposób ocena potencjału badawczego została zredukowana do prostej, algorytmicznej księgowości. Najbardziej niszczycielskim skutkiem tej ucieczki od odpowiedzialności jest zjawisko, które trafnie można nazwać nauką szarpaną. Opieranie utrzymania instytutów na krótkoterminowych, zazwyczaj dwu- lub co najwyżej trzyletnich grantach, całkowicie dewastuje możliwość prowadzenia długofalowych, strategicznych badań. Jak w takich warunkach budować stabilne zespoły badawcze? Rozwój zaawansowanej infrastruktury niezależnie, czy mówimy o wdrażaniu wielkoskalowych modeli numerycznych, projektowaniu bezpiecznych systemów dla nowoczesnej telekomunikacji, czy budowie mobilnych laboratoriów pomiarowych, wymaga ciągłości. Wymaga wysoce wyspecjalizowanego know-how, które buduje się latami. Tymczasem obecny system zmusza naukowców do zwalniania świetnych specjalistów i inżynierów tuż po zakończeniu projektu, bo w oczekiwaniu na rozstrzygnięcie kolejnego konkursu grantowego po prostu nie ma z czego wypłacić im pensji. Skutkuje to powszechną grantozą. Kierownicy zakładów naukowych i wybitni badacze spędzają dziś więcej czasu na optymalizowaniu wniosków pod klucze ocen, pisaniu raportów i ciągłym poszukiwaniu łatwych do zdobycia, choć często wtórnych, małych grantów na przetrwanie, niż na faktycznej pracy koncepcyjnej. Badania stają się celem drugorzędnym – celem nadrzędnym staje się utrzymanie płynności finansowej zespołu do następnego kwartału. To w tym chorym ekosystemie algorytmy ewaluacyjne zyskały swoją potęgę. Nie dlatego, że są nieomylne, ale dlatego, że system zarządzania nauką panicznie potrzebował bezdusznego narzędzia do racjonowania biedy. Złudzenie obiektywizmu Transplantacja modelu korporacyjnego do świata nauki to jeden z najbardziej szkodliwych eksperymentów instytucjonalnych ostatnich dekad. Narzędzia takie jak KPI (Key Performance Indicators), stworzone do optymalizacji procesów produkcyjnych, wdrożono do instytutów badawczych z naiwną lub cyniczną wiarą, że innowacyjność można ująć w ramy tabeli przestawnej. W efekcie stworzyliśmy system zarządzania, w którym procesy twórcze próbuje się wtłoczyć w sztywne ramy rocznych i kwartalnych celów do odhaczenia. Zarządzanie pionem naukowym uczy jednak brutalnej prawdy. Przełom technologiczny i prawdziwa innowacja wymagają czasu, a przede wszystkim niosą ze sobą nieodłączne ryzyko błędu. Złożone problemy, od projektowania bezpiecznych architektur dla infrastruktury krytycznej po zaawansowane modelowanie numeryczne, nie poddają się logice taśmy montażowej. Tymczasem wprowadzona do jednostek badawczych ślepa „punktometrioza” absolutnie nie toleruje ryzyka. Skąd się wzięła ta patologia? Nie narzucił jej nam żaden złośliwy, bezosobowy algorytm, przed którym ostrzega autorka na łamach „Forum Akademickiego”. To efekt panicznego lęku decydentów przed odpowiedzialnością za podejmowane decyzje. Wzięcie odpowiedzialności za rozwój instytutu wymaga wizji i odwagi. Wymaga pochylenia się nad rzeczywistą wartością prowadzonych prac i przyznania: „Ten zespół zajmuje się problemem wysokiego ryzyka. Ich praca nie przyniesie w tym roku wysoko punktowanych publikacji, ale z punktu widzenia strategii i suwerenności technologicznej to badania kluczowe – dajemy im zielone światło”. Aby podjąć taką decyzję, dyrektor, dziekan czy panelista w agencji grantowej musi posiadać głęboką wiedzę ekspercką i być gotowym obronić swój wybór przed zwierzchnikami. O wiele łatwiej jest wyabstrahować ocenę z merytorycznej treści i sprowadzić ją do sumy punktów z ministerialnego wykazu czasopism. Algorytm zdejmuje z barków ciężar decyzyjny. Arkusz kalkulacyjny staje się idealnym alibi, zwalnia z wnikliwej oceny, zwalnia z konieczności rozumienia specyfiki poszczególnych dyscyplin, a ostatecznie zwalnia z bycia prawdziwym liderem naukowym. Decyzje personalne i finansowe tłumaczy się formułką: „to nie my, to obiektywne wskaźniki”. Cena za ten rzekomy obiektywizm jest gigantyczna. Zamiast realizować strategiczne projekty i stawiać czoła prawdziwym problemom badawczym, naukowcy zaczynają optymalizować swoją pracę wyłącznie pod kątem algorytmu ewaluacyjnego. Przestajemy rozwiązywać problemy badawcze, a zaczynamy rozwiązywać problem braku punktów w arkuszu rocznej oceny pracownika. Feudalizm w arkuszu kalkulacyjnym Transplantacja modelu korporacyjnego to jednak nie tylko ślepa pogoń za wskaźnikami – to także brutalna, kapitalistyczna pragmatyka, o której w murach akademii wciąż mówi się niechętnie. Jak pokazują doniesienia medialne, drastyczne kominy płacowe na publicznych uczelniach obnażają prawdziwy, ukryty cel tego systemu. Z jednej strony mamy rektorów-menedżerów, inkasujących wysokie pensje, z drugiej doktorantów i młodych badaczy wegetujących za kwoty zbliżone do minimalnej krajowej. Algorytmy ewaluacyjne służą tu za doskonałą zasłonę dymną. Potrzebują one „wyrobników” masowo produkujących publikacje, by utrzymać pozycję uczelni w rankingach, a tym samym uzasadnić „sukces zarządczy” na najwyższym szczeblu. Młody badacz, walczący o finansowe przetrwanie do pierwszego, nie ma komfortu podejmowania wieloletniego, ryzykownego wyzwania naukowego. Zostaje zmuszony do grania w „punktozę” i generowania szybkiego, wtórnego materiału. Kiedyś rektor był primus inter pares – pierwszym wśród równych sobie badaczy. Dziś, ukryty za tarczą wskaźników KPI i parametryzacji, staje się klasycznym prezesem korporacji (CEO), podczas gdy uniwersytet przypomina fabrykę. Dół haruje na wskaźniki, a góra spija śmietankę, tłumacząc ogromne dysproporcje obiektywnymi algorytmami. Utrzymywanie tego patologicznego modelu wynagrodzeń to nie wina bezdusznego systemu dystrybucji subwencji. To w pełni świadoma decyzja polityczna decyzyjnych elit, którym algorytm po prostu zdejmuje z ramion moralną odpowiedzialność za los najmłodszej kadry. Konformizm i utrata akademickiego etosu Uznanie algorytmów za wszechpotężnego wroga ma jeszcze jedną, niezwykle dogodną dla naszego środowiska funkcję, pozwala nam wejść w komfortową rolę ofiary. Prawda jest jednak bardziej gorzka. Środowisko akademickie, z definicji mające być ostoją niezależności, krytycznego myślenia i wolności intelektualnej, z zadziwiającą potulnością zaakceptowało tę rzekomą dyktaturę. Zamiast instytucjonalnego buntu, wybraliśmy bezwzględną optymalizację. Gdy przetrwanie na uczelni, awans naukowy czy utrzymanie zespołu zależą od dorobku punktowego w kolejnym wniosku grantowym, etos badacza szybko ustępuje miejsca pragmatyce przetrwania. Zamiast walczyć z patologicznym systemem, nauczyliśmy się go perfekcyjnie „hakować”. W efekcie sami napędzamy machinę, na którą tak głośno narzekamy w kuluarach. Zamiast skupiać się na rozwiązywaniu realnych problemów, zaczęliśmy masowo produkować akademicki fast-food. Zjawisko to przyjmuje dziś postać konkretnych, zinstytucjonalizowanych patologii:
„Salami slicing”. Kawałkowanie solidnych, kompleksowych wyników badań na kilka mniejszych, przyczynkarskich artykułów. Ich wartość poznawcza bywa znikoma, ale w arkuszu ewaluacyjnym przynoszą wielokrotnie większy zysk punktowy. Spółdzielnie cytowań. Zamknięte kręgi towarzysko-naukowe, w których badacze pompują swoje wskaźniki bibliometryczne, cytując się nawzajem bez głębszego merytorycznego uzasadnienia. Pogoń za publikacyjną modą. Podejmowanie wyłącznie tematów „klikalnych”, gwarantujących szybką akceptację w wysoko punktowanych czasopismach. Prawdziwa innowacja często wymaga lat żmudnych, ryzykownych prób w niszowych obszarach. Obecny system skutecznie tę odwagę dusi, promując zachowawczość.
Oczywiście, nie dotyczy to całego środowiska naukowego w Polsce, które w wielu ośrodkach z ogromną pasją robi fantastyczną, światową naukę często mimo rzucanych pod nogi kłód i wbrew samemu systemowi. Problem polega jednak na tym, że wspomniane patologie zyskały rangę usankcjonowanej normy. Skutek? Generujemy gigantyczny szum informacyjny. Światowe bazy danych zalewane surowymi tonami artykułów, które nie popychają ani o krok do przodu naszej wiedzy o świecie, ani nie przekładają się na rozwój nowych technologii. Powstają wyłącznie po to, by nakarmić ewaluacyjną bestię. To tu leży największa tragedia, zgoda elity intelektualnej na ten stan rzeczy. To my sami, a nie mityczne algorytmy, dzień po dniu, publikacja po publikacji, sprowadziliśmy naukę do roli maszynki produkującej tabelaryczne pozory doskonałości. Wybraliśmy grę w punkty, bo okazała się bezpieczniejsza niż merytoryczne ryzyko. Czas na powrót do merytorycznej odpowiedzialności Tekst opublikowany w „Forum Akademickim” kończy się ponurą wizją nauki zdominowanej przez zautomatyzowane wskaźniki prestiżu. Aby jednak wyrwać się z tej pułapki, musimy przestać traktować algorytmy jako zewnętrznego, wszechpotężnego wroga. Arkusz kalkulacyjny nie narzuci nam swojej woli, dopóki sami nie zrobimy z niego ostatecznej wyroczni. Wyjście z kryzysu wymaga odrzucenia tego wygodnego alibi i bolesnego powrotu do merytorycznej odpowiedzialności na każdym szczeblu akademickiej drabiny. Jak to powinno wyglądać w praktyce? Przede wszystkim musimy przywrócić rangę rzetelnej, jakościowej ocenie eksperckiej (tworzącej model oparty na zaufaniu i kompetencjach, a nie na bezdusznym liczeniu dorobku). Ocenianie faktycznej wartości badawczej i potencjału wdrożeniowego jest procesem trudnym, czasochłonnym i niezwykle kosztownym. Prawdziwe kierowanie pionem naukowym, ewaluacja wielkoskalowych projektów, takich jak zaawansowane systemy numerycznego prognozowania pogody, integracja bezpiecznych sieci telekomunikacyjnych, czy rozwój architektury satelitarnej – nie może opierać się na zliczaniu punktowanych publikacji. Te dziedziny wymagają oceny faktycznej dojrzałości technologicznej, gotowości operacyjnej oraz strategicznego znaczenia dla państwa. Trzeba czytać wnioski, analizować kod, weryfikować architekturę i rozumieć istotę problemu, a nie tylko weryfikować nagłówki w bazach bibliometrycznych. Decydenci, dyrektorzy instytutów i szefowie agencji grantowych muszą na nowo wziąć na swoje barki ciężar przywództwa. Oznacza to odwagę do finansowania badań ryzykownych, interdyscyplinarnych i długofalowych, nawet jeśli nie gwarantują one natychmiastowego zwrotu w postaci tabelarycznych wskaźników. Oznacza to również odwagę do powiedzenia „nie” projektom, które są jedynie poprawnymi rzemieślniczo wydmuszkami, skrojonymi idealnie pod ministerialne wytyczne, ale niewnoszącymi absolutnie nic do nauki. Zmiana musi zajść także w nas samych – badaczach. Odrzucenie konformizmu i odmowa udziału w wyścigu o punkty wymaga środowiskowej solidarności. Dopóki będziemy przymykać oko na salami slicing, sztuczne pompowanie cytowań i optymalizowanie karier kosztem rzetelnej wiedzy, dopóty będziemy tkwić w systemie, w którym excelowa tabela jest ważniejsza od odkrycia naukowego. Algorytmy nie przejęły nad nami władzy – to my, z czystego wygodnictwa, oddaliśmy im stery. Czas je odzyskać, zanim ostatecznie zapomnimy, po co w ogóle uprawiamy naukę. Mariusz J. Figurski z-ca dyrektora ds. naukowych Instytutu Łączności – PIB, Katedra Geodezji Politechniki Gdańskiej