Хиршебесие: как надувается пузырь науки и что делать, когда он лопнет

Мы привыкли думать, что наука — это священная корова прогресса. Что за каждым открытием стоит титанический труд, гениальная догадка и честная проверка фактами. Но если присмотреться к сегодняшней академической гонке, становится не по себе: вместо поиска истины мы получили индустрию по производству цитируемости, а вместо знания — симулякр знания.

Индекс Хирша, этот «средний вес» учёного в соцсетях от мира науки, превратился из измерительного инструмента в цель.

Началось Хиршебесие.

Эта статья — попытка честно сказать: пузырь науки надувается прямо сейчас, и он лопнет гораздо раньше, чем мы ожидаем.

Вопрос лишь в том, будем ли мы стоять с осколками старых метрик в руках или успеем перейти к другой модели — модели кластерно-микросервисной архитектуры (КМА) знания.

В идеальном представлении, которое досталось нам от древних греков и получило законченную форму в эпоху Просвещения, наука — это способность разума проникать в суть вещей. Это развитие, мудрость, прогресс. Учёный — не ремесленник и не бюрократ, а человек, который видит чуть дальше других и может обосновать своё видение. На протяжении веков наука была привилегией одиночек — гениев, спонсируемых меценатами или королевскими дворами.

Но у этой красивой картинки был один недостаток: неясность демаркации. Как провести границу между наукой и ненаукой? Между физикой и астрологией? Между серьёзным исследованием и изящной словесностью под видом теории всего? Именно этот вопрос толкнул философов к созданию того, что мы сейчас называем нормативной эпистемологией.

Логические позитивисты Венского кружка (Карнап, Шлик, Нейрат) предложили элегантное, почти инженерное решение: нужно упростить знание до языка. А для языка науки установить строгие правила — верификацию (соответствие фактам) и когерентность (логическую непротиворечивость суждений). Им казалось, что если договориться о правилах игры, то все научные высказывания можно будет проверить, как арифметические примеры.

Проблема оказалась в том, что наука — не арифметика. Верификация натолкнулась на парадокс индукции: никакое количество белых лебедей не доказывает, что все лебеди белы. А сама программа самопроверки правил привела к знаменитым теоремам Гёделя о неполноте: в любой достаточно сложной системе найдутся истинные утверждения, которые нельзя доказать средствами этой системы. А главное — правила языка науки оказались неприменимы к самим себе. Венский круг потерпел концептуальное крушение.

После Второй мировой войны философия науки сделала ход конём: если логика не работает, нужно изучать сообщества. Томас Кун показал, что наука развивается не плавным накоплением истин, а скачками — сменами парадигм. Парадигма — это не теория, это образ жизни учёного, его инструменты, учебники, круг общения. В этом подходе истина перестала быть корреспонденцией реальности и стала интерсубъективным консенсусом сообщества.

С одной стороны, это был огромный шаг вперёд — наука наконец заговорила о власти, традициях и социальных сетях. С другой — была потеряна объективность. Если истина — это то, во что верит большинство авторитетных членов сообщества, то научное знание становится производной от карьерных стратегий, лоббизма и внутрицеховых договорняков.

Карл Поппер попытался спасти объективность через фальсифицируемость. Научным является то утверждение, которое в принципе можно опровергнуть. Прогресс идёт через конкуренцию теорий: плохие отсеиваются, хорошие временно выживают. Это было честно, рискованно и интеллектуально красиво. Но неоперационально. Как измерить «степень выживаемости» теории?

И тут на сцену вышел индекс Хирша — количественная мера, объединяющая количество публикаций и их цитируемость.

Казалось бы, прекрасный заменитель сложной экспертизы: если тебя много цитируют, значит, твои идеи работают. Но подмена произошла незаметно. Вместо поиска знаний учёные бросились искать цитирования. Конкуренция идей превратилась в конкуренцию ссылок.

Представьте себе финансовый пузырь. Все знают, что актив переоценён, но все продолжают в него вкладываться, потому что «сосед же богатеет». В науке произошло то же самое.

Университеты и грантовые фонды повесили h-индекс и его производные на все значимые решения: получение ставки, допуск к экзаменам, выделение лаборатории, премию. Учёные отреагировали так, как и следовало ожидать: они начали оптимизировать метрику. Появились «паровозы» — несколько сверхцитируемых статей, к которым прицепляется всё остальное. Появились круговые цитирования внутри кланов. Появилась скрытая торговля цитатами — «ты мне в своей работе ссылку, я тебе — в своей».

Статистика говорит сама за себя. За последние двадцать лет количество научных журналов выросло в разы, а число статей — на десятки процентов в год. Но количество действительно значимых прорывов, меняющих картину мира, осталось на том же уровне.

Мы просто научились производить больше текста, упакованного в красивые метрики. Иными словами, мы имитируем науку.

Ситуация стала критической в последние два-три года, когда большие языковые модели (ChatGPT и аналоги) научились генерировать связные тексты с реалистичными списками литературы. Теперь для имитации научной работы даже не нужно быть учёным.

Можно за вечер нагенерировать десяток статей в «мусорные» журналы, набрать цитирований за счёт ботов и купить себе индекс Хирша, достаточный для гранта.

Конечно, в приличных журналах есть рецензирование, но рецензенты тоже загнаны в ту же гонку метрик — у них нет времени глубоко проверять чужие статьи. ИИ превратил фальсификацию цитат из трудоёмкого процесса в массовую услугу. Пузырь надувается с ускорением.

Российского читателя может посетить горькая мысль: «Вот опять у нас всё плохо, на Западе наука настоящая». Это не так.

Хиршебесие — глобальный феномен. Просто в России из-за относительной бедности и закрытости системы метрики приобрели особенно уродливые формы. Но в Китае продажа соавторства в топ-журналах — открытый рынок. В США профессора всё чаще совмещают академическую позицию с консалтингом, где главный навык — убедиться, что отчёт получит нужные ссылки от индустриальных партнёров. Европейские исследователи вынуждены публиковаться в «хищных» журналах открытого доступа (MDPI, Frontiers и др.), где бизнес-модель строится на количестве статей, а не на их качестве.

Проблема не в национальных академиях. Проблема в самой идее, что науку можно измерить через цитируемость.

Пузырь держится на парадоксе: метрики цитируемости всё ещё воспринимаются как индикатор качества, хотя уже десятки исследований показали, что корреляция между индексом Хирша и реальным научным вкладом — слабая или случайная. Но институциональная инерция велика. Декану факультета нужен простой KPI, министерству — таблица для отчёта. И все делают вид, что это работает.

Пузырь не может не лопнуть по двум причинам. Во-первых, имитация науки не создаёт экономической ценности в долгой перспективе. Компании, которые пытались внедрять инновации на основе модных, но плохо проверенных публикаций, проигрывают тем, кто полагается на инженерную экспертизу и прототипы. Во-вторых, как только искусственный интеллект полностью обесценит процесс письма и цитирования, формальные метрики перестанут кого-либо обманывать. Решающим станет вопрос: а что ты умеешь делать, кроме публикаций?

Жан-Франсуа Лиотар и другие постмодернисты предупреждали, что метанарративы (включая научный) рушатся. Но сегодняшняя ситуация оказалась ещё более изощрённой. Мы построили не отсутствие нарративов, а гиперреальность, где цитата отсылает к цитате, а оригинальное исследование всё труднее найти.

Это мир Жана Бодрийяра: симулякр съел реальность.

Проблема этого мира в том, что он не даёт настоящего знания.

Знание — это не связка референций. Знание — это способность что-то сделать: предсказать падение камня, собрать работающий двигатель, вылечить болезнь.

Если система поощряет усиливает производство ссылок, она неизбежно отбирает людей, которые умеют производить ссылки, а не знания. Мы получили рынок цитат с прекрасной биржевой аналитикой и полным отсутствием реального продукта на выходе.

Индекс Хирша в терминах синергетики Германа Хакена представляет собой классический параметр порядка — макроскопическую переменную, которая возникает из хаоса индивидуальных микровыборов (куда публиковать, на кого ссылаться, кому дать грант), а затем начинает подчинять себе эти микровыборы, определяя поведение всей системы.

Подобно тому как в лазере амплитуда когерентного поля заставляет миллионы атомов излучать синхронно, индекс Хирша, однажды закреплённый в системе оценки, превратился из измерительного инструмента в управляющий фактор. Он подчинил себе все другие измерения научной деятельности — глубину, оригинальность, практическую применимость, педагогический талант — и перестроил вокруг себя институциональную структуру: журналы, грантовые фонды, карьерные траектории.

Система перестала производить знание и начала производить цитируемость.

Если вы сейчас работаете в академии или НИОКРе, вы наверняка узнаёте эти приёмы:

Прицепиться к «паровозу». Найти сверхцитируемую статью, опубликовать свою в том же духе и всеми силами ссылаться на оригинал. Чем ближе к мэйнстриму, тем выше шанс, что вашу работу заметят и процитируют.
Картельное цитирование. Договориться с коллегами в узкой области — «ты меня, я тебя». Формально это не запрещено, доказать сговор трудно, а индекс растёт. В маленьких дисциплинах такой подход позволяет искусственно создать «научную школу» за год.
Торговля цитатами. У вас есть громкая статья, на которую все хотят сослаться. Вы начинаете отказывать в доступе к данным или в совместных проектах, пока вам не предложат выгодные ссылки. Это самый тёмный уровень — здесь метрика становится валютой власти.

В этой системе реальное знание становится маргинальным. Чтобы получить высокий Хирш, нужно публиковаться на модные темы, в модных журналах, в модных коллаборациях. А настоящее, сложное, прорывное знание часто не вписывается в мейнстрим. Оно не набирает мгновенных цитат. Оно не даёт грантов. Оно остаётся за кадром.

Следование за h-индексом это случай патологического параметра порядка, ведущего систему в режим саморазрушения.

Как и любой параметр порядка, Хирш не может быть побеждён моральными призывами «публиковать меньше, но лучше» — он может быть только замещён другим параметром порядка.

Альтернатива — метрики, основанные не на цитировании текстов, а на интеграции действующих практик и трансформации архитектуры современной науки.

Смена параметра порядка запустит новый фазовый переход в организации науки, где порядок будет рождаться не из гонки за ссылками, а из кооперации вокруг реальных практик.

Представьте себе мир, где главный вопрос при знакомстве — не «кто ты?» и «что ты умеешь?», а «какого бренда на тебе штаны?». Звучит абсурдно, но в подростковой среде такое случается: люди судят о человеке по лейблу, а не по содержанию.

В современной науке произошло то же самое. Появилась целая генерация ученых, которые первым делом смотрят не на суть и содержание работы, а на «лейбл»: в каком журнале опубликована статья? Каков импакт-фактор? Какой h-индекс у автора?

И если h-индекс «не тот» (то есть меньше негласного порога в 10 или 20), то к ученому относятся как к человеку «не из того бренда». С ним не вступают в дискуссии. Его тексты автоматически отправляются в корзину. Он — не ученый. Он — никто. Его тексты не принимаются журналами, его работы на рассматриваются грантовыми комитетами, его диссертация не проходит по формальным критериям.

Произошла принципиальная подмена, которую хорошо описывает постмодернистский концепт гиперреальности и симулякра.

Бренд больше не отсылает к конкретному учёному и его реальным достижениям. Он превратился в самостоятельную сущность, живущую по своим законам. Q1, импакт-фактор, индекс Хирша — это знаки, которые отсылают не к реальному знанию, а к другим знакам (к рейтингам, к спискам журналов, к бюрократическим процедурам).

Как у Бодрийяра карта больше не соответствует территории, а предшествует ей, так и квартиль журнала сам конструирует реальность «хорошей науки». Статья может быть пустой или даже сфальсифицированной, но если её лейбл — Q1, она существует как «научный факт» в мире бюрократических отчётов и грантовых заявок. Лейбл отделился от носителя и начал жить собственной жизнью.

Теперь «бренды» — это не люди, а безликие рейтинги. И эта подмена имеет ещё одно, менее очевидное, но катастрофическое последствие: разрушение механизма передачи неявного знания.

Традиционная наука держалась на брендинге личности и фигуре «учитель — ученик». Молодой учёный приходил в лабораторию к маститому авторитету и учился не только по учебникам.

Он перенимал стиль мышления, манеру ставить вопросы, чувство того, где искать ошибку, умение отличать важное от второстепенного. Это знание нельзя записать в статью. Оно передаётся только через личный контакт, через годы совместной работы, через подражание и критику.

Это напоминает рукоположение в церковных традициях: благодать (или, если угодно, профессиональная интуиция) передаётся от мастера к ученику через прямое наставничество, а не через достижение количественных показателей.

В системе, где главное — не авторитет живого учёного, а безликий Q1, эта связь рвётся с обеих сторон.

Со стороны ученика не нужно приходить к конкретному профессору, если карьера зависит не от наследования идей, стиля мышления и научных традиций, а от количества публикаций в «правильных» журналах? Зачем тратить годы на погружение в лабораторную культуру, если можно за месяц натаскать цитат и накрутить индекс Хирша? Ученик больше не ищет Мастера — он ищет паровозы и готовый шаблон для публикации.

Со стороны учителя возникает мощное искушение заменить наставничество начетничеством — то есть не развитием мышления, а натаскиванием на форматы, выбором «модных» тем и гонкой за трендами. Профессор рискует превратиться не в наставника и носителя традиции, а в репетитора: его задача — не вырастить ученика как самостоятельного мыслителя, а помочь ему сдать «тест» публикацией, пройти «экзамен» грантовой заявки, набрать проходной балл по формальным показателям.

Таким образом, исчезает не просто передача неявного знания. Исчезает сама педагогическая ткань науки — живое, диалектическое, часто конфликтное и болезненное, но единственно работающее «рукоположение» в профессию. На смену приходит модель «репетиторства под метрики»: обе стороны заняты оптимизацией показателей, а научная школа как устойчивое сообщество, передающее традиции через поколения, умирает. Мы получаем не учеников и учителей, а клиентов и исполнителей. Безликий Q1 окончательно побеждает живую традицию.

Преемственность нарушена, традиция прервана.

Наука как ремесло, передающее секреты мастерства от рук к рукам, исчезает, уступая место науке как конвейеру по производству цитирований и симулякров.

И это уже не будущее — это настоящее.

Это и есть бренд-мода в науке. Мы заменили содержание этикеткой. Мы оцениваем не то, что сказано, а то, где напечатано и сколько раз процитировано.

Но хуже всего другое. Как в подростковой среде ношение дорогих вещей часто означает долги, кредиты или фейк, так и в науке высокие показатели все чаще означают имитацию активности — покупку публикаций, «паровозное» соавторство, круговое цитирование. Погоня за «брендом» неизбежно порождает симулякры и симуляции.

И мы постепенно приходим к системе, где настоящего ученого вытесняет тот, кто лучше упакован в правильные лейблы.

А производство знаний становится опциональным.

Китай в 2010-е годы пережил ту же эпидемию Хиршебесия, что и весь мир. Китайские учёные грешили публикациями в хищных журналах, самопродвижением и круговыми цитированиями. Но примерно с середины 2010-х государство предприняло системные меры.

Во-первых, были отвязаны государственные гранты и академические назначения от чистого индекса цитируемости. Во-вторых, начали вводить метрики коммерциализации: патенты, лицензии, совместные проекты с реальным сектором. В-третьих, появилась система оценки технологического уровня исследований (Technology Readiness Level, TRL). Теперь китайский учёный может получить повышение не за десяток статей в Q1, а за один работающий прототип или внедрённую технологию.

Конечно, и здесь остаются возможности для имитации (патенты-пустышки, договорные консорциумы). Но вектор задан: от цитат — к практикам. И это меняет правила игры.

Вот здесь и приходит на помощь кластерно-микросервисная архитектура (КМА). Если мы перестаём верить в «знание как связку утверждений», то должны пересобрать саму модель и рассмотреть науку как архитектуру, собранную из микросервисов, кластеров и платформ.

В КМА элементарной единицей становится не статья и не цитата, а микросервис — практика переработки данных и артефактов.

Это может быть скрипт, обрабатывающий спутниковые снимки; протокол лабораторного эксперимента; API для предсказания свойств материала. Микросервис должен быть воспроизводимым, интероперабельным и открытым для проверки.

Кластер — это агрегация таких микросервисов вокруг реальной проблемы: создать дешёвый аккумулятор, расшифровать геном устойчивости к засухе, построить систему прогноза землетрясений. В кластере цитируемость заменяется на интеграцию: кто и как часто использует твой сервис, насколько легко его встроить в чужие пайплайны.

Платформа — это инфраструктура, на которой живут микросервисы и кластеры. И её главная задача — не подсчитывать ссылки, а обеспечивать наблюдаемость процессов, их воспроизводимость и возможность независимого аудита.

Если мы всерьёз хотим вылечиться от Хиршебесия, нам понадобятся другие измерители. Не вместо, а наряду с цитируемостью, но с другим весом.

Вместо «числа цитирований» — число успешных интеграций вашего микросервиса в чужие проекты. Вместо «импакт-фактора журнала» — интеграция в кластер в метриках обмена данными и артефактами между микросервисами.

Да, и эти метрики можно будет накручивать. Но их накрутка требует реального труда: создать интеграцию, предоставить данные, обеспечить работоспособность кода.

Это гораздо сложнее, чем организовать круговое цитирование.

Пузырь Хиршебесия лопнет не с громким хлопком, а с протяжным стоном академических администраторов, которые внезапно обнаружат, что их «звёздные» профессора не могут создать ничего, кроме мусорных статей. И произойдёт это не по одной причине, а по целому пучку сходящихся ударов, каждый из которых делает старую систему всё более хрупкой.

Первый удар — внедрение ИИ-агентов в производство и экспертизу. Когда большие языковые модели научились генерировать убедительные тексты, реалистичные списки литературы и даже проходить рецензирование, главный ресурс старой системы — «умение производить правдоподобные суждения» — обесценился моментально. Сегодня любой аспирант с ChatGPT может за вечер нагенерировать статью, которая по формальным признакам не отличима от трудов «звезды» Q1.

Это означает, что барьер входа в имитацию упал до нуля. Когда подделка становится массовой, подлинность начинает стоить дорого — но в системе, где никто не проверяет содержание, подлинность просто перестаёт быть заметной. Пузырь держится до тех пор, пока все делают вид, что верят в ценность формальных метрик. ИИ превращает это «делание вида» в абсурд: зачем притворяться, если можно делегировать притворство машине?

Второй удар — смена приоритетов государств с «науки ради науки» на оборону и безопасность. Геополитическая турбулентность последних лет заставила правительства пересмотреть, за что они готовы платить. Когда на кону стоят реальные беспилотники, системы ПВО, криптографическая защита и технологический суверенитет, министерства обороны быстро охладевают к абстрактным индексам цитируемости. Им нужны действующие прототипы, воспроизводимые результаты, проверяемые инженерные решения. А этого старая система имитационной науки дать не может. Как только крупные оборонные бюджеты начнут перетекать в проекты с жёсткими требованиями к результату, академическая «пустышка» останется без основного источника финансирования.

Третий удар — суверенизация и локализация научных систем. Долгие годы мировая наука существовала как единое поле с общими журналами, общими метриками и общим языком (английским). Но сейчас страны начали строить собственные научные инфраструктуры, изолированные от глобальных платформ. Российская наука — свои рейтинги и издательства. Китайская — свои базы цитирования (CNKI). Европейская — Open Science.

В этой фрагментированной реальности «универсальный» индекс Хирша теряет свою магию. Что значит Q1, если твой главный журнал — внутренний, не индексируемый в Web of Science? Что значит импакт-фактор, если ключевые гранты распределяются национальными советами по своим правилам? Когда единого поля больше нет, единый параметр порядка перестаёт работать. Пузырь лопается не от того, что его кто-то проткнул, а от того, что он оказывается в вакууме, где его никто не поддерживает.

Четвёртый и самый беспощадный удар — повышение прозрачности процессов создания результатов интеллектуальной деятельности за счёт развития платформ автоматизации управления научными проектами. Всё больше научных лабораторий и инженерных центров внедряют системы управления данными, электронные лабораторные журналы, автоматизированные пайплайны обработки экспериментов. В этих системах каждый шаг фиксируется, каждая операция логируется, каждая ошибка остаётся в истории.

В такой среде подделать результат уже не так просто — и уж точно не получится скрыть, что «сенсационное открытие» сделано на основе трёх строчек кода из ChatGPT. Прозрачность убивает имитацию. Как только грантодатель может в автоматическом режиме проверить, как получены данные, сколько раз воспроизводился эксперимент, не противоречат ли выводы сырым логам, — необходимость в индексе Хирша как суррогате доверия отпадает. Его место занимают прямые метрики воспроизводимости и интеграции.

Вот почему пузырь лопнет не завтра, но уже через несколько лет. Первыми откажутся от метрик компании, которым нужны рабочие прототипы, а не отчёты. За ними — национальные агентства, которые устанут от скандалов с поддельными публикациями и под давлением оборонных ведомств перейдут к проектной логике. И наконец, университеты, которые больше не смогут оправдывать рост административного аппарата ростом индексов, когда станет очевидно, что индексы эти ничего не значат.

Нам нужно быть готовыми к этому моменту. Это не катастрофа. Это освобождение — от симулякров, от репетиторства, от гонки за фантомными показателями. Но освобождение больное. И лучше готовиться к нему сейчас, чем ловить осколки потом.

Это не катастрофа. Это освобождение.

Хиршебесие — болезнь, которая поразила не Россию, а весь глобальный академический мир. Мы доигрались до того, что система поощряет производство имитаций быстрее, чем производство знаний. Пузыль лопнет, и лопнет скоро.

Чтобы было не больно, нужно уже сейчас переходить к другой парадигме — к кластерно-микросервисной архитектуре. Это не очередная модная концепция. Это прагматичный ответ на вопрос: «Как измерить, что учёный действительно что-то умеет, а не просто упаковывает догадки в цитаты?»

Попробуйте для начала в своём проекте или в своей лаборатории:

заменить требование «опубликовать статью» на требование «опубликовать протокол инструмента» (код, данные, спецификацию эксперимента);
при оценке коллег смотреть не на их Хирш, а на то, какие инструменты они создали и кто эти инструменты реально использует;
при распределении грантов спрашивать не «сколько ссылок», а «какую практическую задачу вы решили и как её можно тиражировать».

Это звучит наивно на фоне бюрократической машины. Но каждая бюрократическая машина однажды начинает тормозить. И тогда те, у кого есть работающие инструменты, а не только цитаты, окажутся в выигрыше.

P.S. Предлагаю в комментариях поделиться историями о том, как вы сталкивались с «симуляцией науки» в своих институтах, университетах или лабораториях.

Узнаем, масштаб трагедии.

Владислав Тарасенко

Кандидат философских наук (философия науки и техники), доцент МГТУ им. Баумана, эксперт по системному моделированию и организационному развитию.Настоящий анализ выполнен исключительно на основе информации, находящейся в открытом доступе. Любые совпадения с внутренними документами или непубличными решениями случайны. Материал носит экспертно-аналитический характер, выражает частное мнение автора и не ставит целью дискредитацию упоминаемых компаний и организаций, их руководства или реализуемых ими стратегий. Автор не несёт ответственности за возможные убытки или иные последствия, возникшие в результате использования информации, содержащейся в данном анализе. Ответственность за принятие решений на основе прочитанного полностью лежит на читателе. При подготовке материала были предприняты все разумные усилия для проверки достоверности исходных данных, однако автор не гарантирует абсолютную точность и полноту информации, полученной из открытых источников.

Мой канал в Telegram

Подписывайтесь на мой канал в МАХ

Мои статьи:

Как мы понимаем науку: от идеалов просвещения через позитивистов к акторно-сетевым и микросервисным теориям

Как отличить науку от фейка? Микросервисная архитектура науки

Стратегии работы с экзистенциальными угрозами компании «Мособлгаз»: между социальной ответственностью и цифровой трансформацией

Куда улетит «Самолёт»?

«Университет 4.0» или «чемодан без ручки»: краш текст стратегии "Бауманки"

Роевой интеллект: ИИ 2.0?

Баги галлюцинаций и фичи ограниченной рациональности

Цифровая трансформация: первая лекция Цифровая трансформация: вторая лекция

ИИ как собеседник: три сценария нашего будущего (от «зомби» до коллеги)