Η επιστήμη είναι ένα από τα πιο ισχυρά εργαλεία που έχει δημιουργήσει ο άνθρωπος. Μας έχει βοηθήσει να κατανοήσουμε τον κόσμο, να θεραπεύσουμε ασθένειες, να ταξιδέψουμε στο διάστημα και να επικοινωνούμε με ένα άγγιγμα. Όμως, όσο κι αν βασίζεται σε μετρήσεις, πειράματα και λογική, η επιστήμη δεν είναι ποτέ εντελώς ουδέτερη. Γιατί πίσω από κάθε επιστημονική απόφαση βρίσκεται ένας άνθρωπος – και οι άνθρωποι δεν είναι ποτέ εντελώς αντικειμενικοί.
Αυτό δεν είναι πρόβλημα από μόνο του. Το πρόβλημα ξεκινά όταν δεν το παραδεχόμαστε.
Πώς Καθορίζεται η Υποκειμενικότητα στην Επιστήμη;
Όταν διαφορετικοί επιστημονικοί τομείς συνεργάζονται – όπως η πληροφορική με την ψυχολογία ή η μηχανολογία με την κοινωνιολογία – το τελικό αποτέλεσμα δεν είναι απλώς το άθροισμα των γνώσεων. Είναι και το αποτέλεσμα των επιλογών που έγιναν: ποια δεδομένα χρησιμοποιήθηκαν, ποια αγνοήθηκαν, ποιο πρόβλημα θεωρήθηκε σημαντικό και ποιο όχι.
Για παράδειγμα, ένα πρόγραμμα υπολογιστή που αξιολογεί μαθητές μπορεί να βασίζεται σε στατιστικά μοντέλα. Αν όμως αυτά τα μοντέλα έχουν σχεδιαστεί με βάση μόνο έναν τύπο μαθητή – π.χ. παιδιά από αστικά σχολεία – τότε το πρόγραμμα θα αδικεί άλλους μαθητές, όχι επειδή είναι «κακό», αλλά επειδή δεν αναγνωρίστηκε η υποκειμενικότητα των αρχικών επιλογών.
Όταν η Μη Αναγνώριση της Οδηγεί σε Προβλήματα
Υπάρχουν περιπτώσεις όπου η τεχνολογία δεν λειτούργησε όπως αναμενόταν, όχι επειδή ήταν λάθος, αλλά επειδή δεν είχε ληφθεί υπόψη η ανθρώπινη πλευρά:
- Το Google Glass ήταν μια καινοτόμα ιδέα: γυαλιά με κάμερα και οθόνη. Όμως, οι δημιουργοί του δεν σκέφτηκαν πώς θα ένιωθαν οι άλλοι όταν κάποιος τους κοιτάζει φορώντας τα. Πολλοί ένιωσαν ότι παραβιάζεται η ιδιωτικότητά τους. Αν είχε αναγνωριστεί αυτή η κοινωνική ευαισθησία, ίσως η τεχνολογία να είχε εξελιχθεί διαφορετικά.
- Το bot Tay της Microsoft, που μιλούσε στο Twitter, άρχισε να λέει προσβλητικά πράγματα γιατί «μάθαινε» από τα σχόλια των χρηστών. Οι δημιουργοί του δεν είχαν προβλέψει ότι οι άνθρωποι θα το επηρέαζαν αρνητικά. Αν είχαν αναγνωρίσει την υποκειμενικότητα του περιβάλλοντος, θα είχαν προστατεύσει το σύστημα καλύτερα.
- Το 2020 στη Βρετανία, η Ofqual χρησιμοποίησε αλγόριθμο για να υπολογίσει τους βαθμούς A-levels λόγω πανδημίας. Ο αλγόριθμος βασίστηκε σε ιστορικά δεδομένα σχολείων και υποβάθμισε περίπου το 39% των αποτελεσμάτων, πλήττοντας ιδιαίτερα μαθητές από λιγότερο προνομιούχα σχολεία. Η κοινωνική αντίδραση ήταν έντονη και η κυβέρνηση αναγκάστηκε να ακυρώσει το σύστημα, επαναφέροντας τις προβλέψεις των καθηγητών. Το περιστατικό ανέδειξε πώς οι αλγόριθμοι μπορούν να ενισχύσουν ανισότητες όταν αγνοούν κοινωνικούς και πολιτισμικούς παράγοντες.
Η στιγμή που η Αποδοχή της Φέρνει Βελτίωση
Υπάρχουν όμως και παραδείγματα όπου η αναγνώριση της υποκειμενικότητας οδήγησε σε καλύτερα αποτελέσματα:
- Συστήματα πλοήγησης που στην αρχή έδιναν οδηγίες χωρίς να λαμβάνουν υπόψη πεζούς, ποδηλάτες ή άτομα με αναπηρία. Όταν οι σχεδιαστές αναγνώρισαν ότι οι χρήστες έχουν διαφορετικές ανάγκες, πρόσθεσαν επιλογές για «πεζή διαδρομή», «ποδηλατόδρομο» ή «προσβασιμότητα».
- Εφαρμογές για ψυχική υγεία που αρχικά βασίζονταν μόνο σε γενικά στατιστικά. Όταν οι δημιουργοί τους κατάλαβαν ότι κάθε χρήστης έχει διαφορετικό υπόβαθρο και εμπειρίες, πρόσθεσαν δυνατότητες εξατομίκευσης και επιλογές που σέβονται την προσωπικότητα του καθενός.
Συμπέρασμα
Η επιστήμη δεν είναι ψέμα. Είναι ένα εργαλείο. Όμως, όπως κάθε εργαλείο, εξαρτάται από το πώς το χρησιμοποιούμε. Όταν αγνοούμε την υποκειμενικότητα – δηλαδή τις ανθρώπινες επιλογές, προκαταλήψεις και αξίες που κρύβονται πίσω από κάθε τεχνολογία – τότε κινδυνεύουμε να φτιάξουμε κάτι που δεν είναι ούτε δίκαιο ούτε χρήσιμο για όλους.
Η λύση δεν είναι να απορρίψουμε την επιστήμη. Ούτε να τη φοβόμαστε. Η λύση είναι να τη δούμε καθαρά: να αναγνωρίσουμε πού και πώς μπαίνει η ανθρώπινη υποκειμενικότητα, ώστε να μπορούμε να τη διορθώσουμε.
Μόνο όταν παραδεχτούμε ότι η επιστήμη δεν είναι τέλεια, μπορούμε να την κάνουμε καλύτερη. Η αναγνώριση της υποκειμενικότητας δεν μειώνει την επιστήμη – την ενισχύει. Γιατί μόνο έτσι μπορούμε να πλησιάσουμε την πραγματική αντικειμενικότητα.