Johdanto

​

Mitä tapahtuu, kun tiede kohtaa ilmiön, jota nykyiset mallit eivät vielä täysin selitä? Tieteen historia osoittaa, että edistys ei yleensä merkitse vanhojen havaintojen hylkäämistä, vaan niiden ymmärtämistä yhä laajemmissa viitekehyksissä. Sama kysymys on ajankohtainen myös biologian, kokemuksen ja tietoisuuden rajapinnoilla.

 

 

Tieteen kehityksestä puhutaan usein ikään kuin uudet teoriat yksinkertaisesti kumoaisivat vanhat. Todellisuudessa näin tapahtuu harvoin. Useimmiten vanhat mallit säilyvät käyttökelpoisina omalla alueellaan, mutta niiden rinnalle syntyy laajempi malli, joka selittää enemmän ja tarkemmin.

Tämä ei ole tieteen heikkous, vaan yksi sen suurista vahvuuksista. Tiede ei etene kohti yhtä lopullista ja muuttumatonta kuvausta todellisuudesta, vaan rakentaa yhä tarkempia, rajatumpia ja käyttökelpoisempia malleja.

 

 

Juuri siksi on hyödyllistä kysyä, mitä tapahtuu silloin, kun nykyinen malli saavuttaa rajansa.

​

 

Kartta ei ole maasto

​

 

Tieteelliset mallit ovat parhaimmillaankin kuin karttoja: ne voivat olla tarkkoja, hyödyllisiä ja ennustaa ilmiöitä suurella täsmällisyydellä. Silti kartta ei koskaan ole sama asia kuin maasto, jota se kuvaa.

Maantiekartta kertoo teistä, mutta ei maaperän geologiasta. Geologinen kartta kuvaa kallioperää, mutta ei liikennettä. Sääkartta näyttää ilmanpaineen ja sateet, mutta ei kasvillisuutta. Mikään näistä kartoista ei ole väärä; ne vain kuvaavat todellisuutta eri näkökulmista ja eri tarkoituksiin.

 

​

Sama pätee tieteellisiin malleihin. Fysiologia kuvaa elimistön toimintaa yhdestä näkökulmasta, genetiikka toisesta, immunologia kolmannesta ja psykologia neljännestä. Jokainen niistä tavoittaa jotakin olennaista, mutta yksikään ei yksinään kuvaa koko ihmisolemuksen todellisuutta.

Tämä ei ole tieteen heikkous, vaan seurausta siitä, miten tiede toimii. Mallin tarkoitus ei ole sisältää kaikkea, vaan rajata jokin ilmiö niin tarkasti, että sitä voidaan ymmärtää, ennustaa ja tutkia.

​

 

Mallit tekevät tieteen mahdolliseksi

 

Ilman malleja tiedettä olisi käytännössä mahdotonta tehdä. Todellisuus on liian monimutkainen tutkittavaksi sellaisenaan, joten tutkimus edellyttää aina rajaamista, valintoja ja yksinkertaistamista.

 

Jokainen koe alkaa kysymyksillä:

 

• Mitä mitataan?

• Mitä jätetään mittaamatta?

• Mitkä muuttujat pidetään vakioina?

• Mitkä saavat vaihdella?

 

Juuri tällainen yksinkertaistaminen tekee tutkimuksesta mahdollista. Malli ei yritä kuvata kaikkea, vaan rajaa tarkastelun niin, että jokin ilmiö voidaan ottaa hallintaan ja tutkia järjestelmällisesti.

​

 

Kun fysiologi tutkii kortisolia, hänen ei tarvitse samanaikaisesti mitata jokaista hermosolua, suolistobakteeria, tunnetta, ihmissuhdetta ja elämäntapahtumaa. Malli rajaa tutkimuskohteen tarkoituksenmukaisen kapeaksi ja tekee tutkimuksesta hallittavaa. Tieteen voima perustuu juuri tähän rajaukseen, mutta samalla on hyväksyttävä, ettei mikään malli ole täydellinen kuvaus ilmiöstä.

 

 

Jokainen malli jättää jotakin ulkopuolelle

 

Mallin rajallisuus on välttämätöntä, mutta jokainen yksinkertaistus tarkoittaa myös sitä, että jotakin jää pois. Kun tutkitaan yhtä hormonia, monet muut tekijät jäävät taustalle. Kun tutkitaan yhtä geeniä, koko organismi voi jäädä näkymättömiin. Kun tutkitaan yhtä hermoverkkoa, kokemus voi jäädä mittauksen ulkopuolelle.

​

​

Tämä ei tee mallista väärää. Se mahdollistaa tarkan tiedon tuottamisen rajatusta alueesta. Ongelma syntyy vasta silloin, kun karttaa aletaan pitää maastona: kun tutkimusmallin rajat unohtuvat, todellisuus alkaa näyttää siltä, että se koostuu vain niistä asioista, joita kyseinen malli pystyy kuvaamaan.

​

 

Tieteen historiassa näin on tapahtunut useita kertoja. Uusi menetelmä tai näkökulma on hetkellisesti saanut näyttämään siltä, että sen avulla voidaan selittää lähes kaikki. Myöhemmin on kuitenkin huomattu, että myös kyseinen menetelmä kuvaa vain yhtä todellisuuden tasoa.

​

 

Kun ensimmäisen persoonan kokemus kohtaa kolmannen persoonan mittauksen

​

 

Tietoinen kokemus on tästä ehkä kaikkein tunnetuin esimerkki. Kipu voidaan mitata epäsuorasti, aivojen toimintaa voidaan kuvata ja hermoverkkojen aktivaatiota voidaan seurata. Silti itse kipu koetaan ensimmäisessä persoonassa.

​

Tutkija voi nähdä magneettikuvan, mutta kokija tuntee kivun. Molemmat havainnot ovat todellisia, mutta ne eivät ole sama asia, eikä niitä tulisi sekoittaa keskenään.

​

Tämä tekee tietoisuuden tutkimuksesta poikkeuksellisen haastavaa. Neurotiede pystyy löytämään yhä tarkempia yhteyksiä hermoston toiminnan ja koetun kokemuksen välillä. Se voi tunnistaa verkostoja, jotka liittyvät tarkkaavaisuuteen, muistamiseen, kehotietoisuuteen ja minuuden kokemukseen. Se voi kuvata tietoisuuden hermostollisia korrelaatteja, mutta korrelaatio ei vielä ole selitys.

​

Se, että tietty hermoverkko aktivoituu aina tietyn kokemuksen yhteydessä, ei vielä kerro, miksi juuri kyseinen kokemus syntyy.

 

Tässä kohtaavat kaksi näkökulmaa: kolmannen persoonan mittaus ja ensimmäisen persoonan kokemus. Haaste ei ole siinä, että toinen olisi oikeassa ja toinen väärässä, vaan siinä, ettei kumpaakaan voida täysin palauttaa toiseksi. Juuri tässä tieteen yksi kiinnostavimmista rajoista tulee näkyviin.

​

 

Selitys ei ole sama asia kuin korrelaatio

​

Moderni neurotiede on kehittynyt viimeisten vuosikymmenten aikana valtavasti. Aivojen toimintaa voidaan kuvata ennennäkemättömällä tarkkuudella. Hermoverkkojen aktiivisuutta voidaan seurata reaaliaikaisesti, aivoalueiden välistä viestintää voidaan mallintaa ja erilaisia kokemuksia voidaan yhdistää tiettyihin hermostollisiin aktivaatiomalleihin. Tämä on yksi nykybiologian suurista saavutuksista.

​

 

Samalla on kuitenkin tärkeää erottaa toisistaan kaksi asiaa:

 

• Korrelaatio kertoo, että kaksi ilmiötä esiintyy yhdessä.

• Selitys kertoo, miksi ne esiintyvät yhdessä.

​

Jos tietty hermostollinen tapahtuma esiintyy johdonmukaisesti tietyn kokemuksen yhteydessä, tiedämme niiden olevan yhteydessä toisiinsa. Emme kuitenkaan vielä tiedä, miksi ne liittyvät toisiinsa juuri kyseisellä tavalla.

​

Ajatellaan vaikkapa kipua. Tutkimukset voivat osoittaa, että tietyt hermoverkot aktivoituvat kivun kokemisen yhteydessä. Tämä on tärkeä havainto, mutta se ei vielä ratkaise kysymystä siitä, miksi juuri kyseinen hermostollinen toiminta liittyy koettuun kipuun.

​

Samalla tavoin voimme havaita, että tietyt tulehdusvälittäjäaineet liittyvät krooniseen sairauteen. Sekään ei vielä selitä koko sairauden syntyä.

 

Korrelaatiot muodostavat tieteen perustan. Niiden varaan rakennetaan hypoteeseja ja niiden avulla kehitetään uusia tutkimusmenetelmiä. Silti korrelaatio on usein vasta tutkimuksen alku, ei sen päätepiste.

​

Tieteen historia tarjoaa tästä useita esimerkkejä.

​

Mahahaavan tiedettiin pitkään liittyvän mahalaukun tulehdukseen ja stressiin, mutta vasta Helicobacter pylorin löytyminen tarjosi mekanistisen selityksen suurelle osalle tapauksista ja muutti koko hoitokäytännön. Korrelaatio ei ollut väärä – se ei vain ollut selitys. Samalla tavoin monet tieteen suurimmat läpimurrot ovat syntyneet silloin, kun pelkkien yhteyksien sijaan on alettu ymmärtää niiden taustalla olevia rakenteita.

​

 

Newton pystyi kuvaamaan planeettojen liikkeitä hämmästyttävällä tarkkuudella. Hänen teoriansa ennusti ilmiöitä, joita voitiin mitata vuosisatojen ajan. Silti suhteellisuusteoria osoitti myöhemmin, ettei Newtonin malli ollut koko selitys. Se ei ollut väärä – se oli rajallinen. Tieteellinen edistys ei siis useinkaan tarkoita vanhan mallin kumoamista, vaan sen sijoittamista laajempaan viitekehykseen.

​

 

Miksi reduktionismi toimii – missä sen rajat tulevat vastaan

​

 

Reduktionismi on yksi modernin tieteen tehokkaimmista työvälineistä. Sen perusajatus on yksinkertainen: monimutkaista ilmiötä pyritään ymmärtämään tutkimalla sen pienempiä osia.

Tämä lähestymistapa on ollut poikkeuksellisen menestyksekäs. Sen avulla on löydetty esimerkiksi DNA:n rakenne, hermovälittäjäaineet, hormonien vaikutusmekanismit, solujen signalointireitit ja immuunijärjestelmän toiminnan periaatteet. Ilman reduktionismia nykyinen lääketiede olisi mahdoton.

Juuri sen vahvuus määrittää kuitenkin myös sen rajat. Kun ilmiö pilkotaan riittävän pieniksi osiksi, kokonaisuus alkaa helposti kadota näkyvistä.

​

 

Sydäntä voidaan kuvata soluina, ionikanavina, sähköisenä toimintana, mekaanisena pumppuna tai verenkierron säätelijänä. Kaikki nämä kuvaukset ovat oikeita, mutta mikään niistä ei yksinään kuvaa sydäntä osana elävää organismia.

​

Sama pätee ihmiseen. Ihmistä voidaan tarkastella molekyyleinä, soluina, kudoksina, elinjärjestelminä, käyttäytymisenä tai kokemuksena. Mikään näistä kuvaustasoista ei tee toisista tarpeettomia, mutta mikään niistä ei myöskään kuvaa ihmistä kokonaisena systeeminä.

​

Reduktionismin luonnollinen raja ei siis ole siinä, että se olisi väärä. Raja syntyy siitä, että kokonaisuudella voi olla ominaisuuksia, joita ei voida täysin päätellä yksittäisistä osista.

​

 

Samaa ilmiötä voidaan tarkastella useilla tasoilla. Tieteessä tätä kutsutaan monitasoiseksi mallintamiseksi. Kompleksiset ilmiöt voivat vaatia useita yhtä aikaa oikeita kuvaustasoja.

​

Systeemiteoria, kompleksisuustiede ja verkostotutkimus ovat osoittaneet tämän monilla tieteenaloilla. Ekosysteemiä ei voida ymmärtää tutkimalla vain yhtä lajia, aivoja ei voida ymmärtää tutkimalla vain yhtä neuronia eikä organismia voida ymmärtää tutkimalla vain yhtä hormonia.

​

Sama pätee myös tietoiseen kokemukseen. Kokemus ei korvaa biologiaa, mutta biologia ei myöskään yksin riitä kuvaamaan kokemusta.

​

 

Emergenssi ei ole mystiikkaa

​

 

Kun keskustelu siirtyy ilmiöihin, jotka näyttävät syntyvän useiden osien yhteistoiminnasta, esiin nousee usein käsite emergenssi. Joskus emergenssi ymmärretään virheellisesti mystiseksi tai yliluonnolliseksi ajatukseksi. Todellisuudessa se on yksi kompleksisuustieteen keskeisistä käsitteistä.

​

Emergenssi tarkoittaa sitä, että kokonaisuudessa ilmenee ominaisuuksia, joita ei voida suoraan havaita tarkastelemalla yksittäisiä osia erillään. Yksittäinen vesimolekyyli ei ole märkä, mutta suuri joukko vesimolekyylejä muodostaa veden, jonka tunnemme märkänä.

​

Yksittäinen muurahainen ei rakenna muurahaispesää, mutta tuhannet muurahaiset yhdessä muodostavat monimutkaisen yhteiskunnan. Yksittäinen neuroni ei ajattele, mutta miljardien hermosolujen verkosto kykenee ilmiöihin, joita kutsumme muistiksi, oppimiseksi, päätöksenteoksi ja mahdollisesti myös tietoiseksi kokemukseksi.

 

Emergenssi ei siis tarkoita, että kokonaisuuteen ilmestyisi jotakin yliluonnollista. Se tarkoittaa, että järjestelmän käyttäytyminen muuttuu sen monimutkaistuessa. Kun vuorovaikutussuhteita syntyy riittävästi, myös järjestelmän ominaisuudet muuttuvat.

Tästä näkökulmasta biologian tutkimuksessa ei ole kyse valinnasta osien ja kokonaisuuden välillä. Tarvitsemme molempia. Molekyylit ja solut ovat todellisia, mutta myös niiden muodostamat järjestelmät ovat todellisia. Usein juuri järjestelmän tasolla syntyvät ilmiöt ovat niitä, jotka kiinnostavat meitä eniten.

​

 

Tieteellinen avoimuus ja  nöyryys

​

 

Tieteen historia osoittaa, että suurimmat edistysaskeleet eivät yleensä synny vanhojen mallien hylkäämisestä. Useammin ne syntyvät siitä, että olemassa olevia malleja laajennetaan. Newtonin mekaniikka ei muuttunut hyödyttömäksi suhteellisuusteorian myötä; se osoittautui erinomaiseksi kuvaukseksi tietyissä olosuhteissa. Genetiikka ei kumonnut evoluutiota, vaan syvensi sitä. Systeemiteoria ei korvannut fysiologiaa, vaan tarjosi uuden tavan ymmärtää fysiologian järjestäytymistä.

​

Hyvät mallit eivät muutu vääriksi kohdatessaan rajansa. Ne lakkaavat vain olemasta riittäviä. Juuri tästä syystä rajojen tunnistaminen ei ole tieteen heikkous, vaan yksi sen vahvuuksista.

​

Tieteellinen kypsyys ei tarkoita sitä, että kaikkeen löytyy vastaus. Se tarkoittaa kykyä tunnistaa, mihin nykyinen tieto riittää — ja mihin se ei vielä riitä.

​

Ehkä kaikkein tieteellisin lause ei ole:

​

"Nyt tiedämme."

​

Vaan:

​

"Tätä emme vielä ymmärrä riittävän hyvin."

​

Tieteen historia osoittaa, että juuri tällaiset kysymykset ovat usein vieneet tutkimusta kaikkein eniten eteenpäin.

 

​

Kohti tieteen laajempia malleja

​

​

Jos biologian, kokemuksen ja tietoisuuden välinen suhde osoittautuu nykyisiä malleja monimutkaisemmaksi, siitä ei seuraa, että tiede olisi epäonnistunut. Se tarkoittaa pikemminkin, että tutkimuskohde on monimutkaisempi kuin aiemmin ymmärrettiin.

​

Historia tarjoaa tästä lukuisia esimerkkejä. Ekologia laajeni yksittäisten lajien tutkimuksesta kokonaisten ekosysteemien tutkimukseen. Genetiikka laajeni näkyvistä ominaisuuksista molekyylitason mekanismeihin. Kompleksisuustiede osoitti, ettei verkostojen toimintaa voida aina ymmärtää tutkimalla vain niiden yksittäisiä osia.

​

Yksikään näistä kehitysaskeleista ei vähentänyt tieteen tarkkuutta. Päinvastoin: tarkkuus lisääntyi. Ehkä sama kehitys odottaa myös biologian ja kokemuksen tutkimusta. Emme välttämättä tarvitse varsinaista vallankumousta, vaan laajempia malleja.

​

Tarvitsemme malleja, jotka kykenevät kuvaamaan samanaikaisesti molekyylejä, hermoverkkoja, säätelyjärjestelmiä, käyttäytymistä ja kokemusta ilman, että mitään näistä tarvitsee palauttaa täysin toiseksi. Kompleksiset ilmiöt edellyttävät useita toisiaan täydentäviä kuvaustasoja.

 

Ehkä juuri tässä tieteen seuraava askel piilee: ei vanhan tiedon hylkäämisessä, vaan sen yhdistämisessä laajempiin kokonaisuuksiin.

​

 

Lopuksi

​

 

Tiede on yksi ihmiskunnan vaikuttavimmista tavoista ymmärtää todellisuutta. Sen voima ei perustu pelkästään varmuuteen, vaan kykyyn kysyä rohkeita kysymyksiä, korjata itseään, tarkentaa mallejaan ja muuttaa käsityksiään uuden näytön perusteella. Juuri tästä syystä tieteen rajat ovat niin kiinnostavia. Niitä ei tule nähdä muureina, vaan tutkimuksen seuraavina lähtöpisteinä.

​

 

Kun tiede kohtaa ilmiön, jota se ei vielä täysin ymmärrä, vaihtoehtoja on kaksi:

 

• Voimme sulkea silmät ja päättää, ettei ilmiötä ole olemassa.

• Tai voimme kehittää parempia kysymyksiä.

​

 

Tieteen historia viittaa vahvasti siihen, että jälkimmäinen vaihtoehto on ollut hedelmällisempi. Ehkä myös biologian, kokemuksen ja tietoisuuden rajapinnalla olemme juuri tällaisessa vaiheessa.

​

Parhaat tieteelliset mallit eivät ole niitä, jotka väittävät selittävänsä kaiken. Parhaita ovat ne, jotka kertovat tarkasti, mitä ne selittävät, mitä ne eivät vielä selitä ja mihin suuntaan seuraavat kysymykset näyttävät johtavan.

​

Hyvä tieteellinen malli ei muutu vääräksi kohdatessaan rajansa. Se lakkaa vain olemasta riittävä.

Tieteen historia ei ole kertomus siitä, kuinka vanhat mallit osoittautuvat hyödyttömiksi. Se on kertomus siitä, kuinka hyvät mallit sisällytetään vähitellen entistä laajempiin malleihin.

 

​

Historiassa on lukuisia esimerkkejä, kuinka jotain tänään aivan itsestään selvänä pitämäämme pidettiin aiemmin absurdina, melkein taikuutena. Esimerkiksi 1600-luvulla runsaasti vastustusta sai William Harveyn (1628) idea, jonka mukaan sydän toimii elimistössä pumppuna, kierrättäen verta suljetussa systeemissä. Meistä tämä kuulostaa niin ilmeiseltä, että on melkein vaikea ymmärtää, miten sitä on voitu vastustaa. Sydänhän pamppailee. Sen tuntee rinnassa ja sen voi kuulla. Mutta Harveyn aikaan ajatus oli ristiriidassa vuosisatoja vallinneen käsityksen kanssa, jonka mukaan maksa tuotti jatkuvasti uutta verta ja veri ikään kuin kului kudoksissa.

​

 

Nykyihmisen silmissä tuon ajan käsitykset fysiologiasta tuntuvat käsittämättömiltä. Parinsadan vuoden päästä on sama tilanne, tuon ajan ihmiset pitävät monia käsityksiämme hassuina ja sen ajan normaali saisi varmaan nykyihmisen haukkomaan henkeään.  Tämän päivän yliluonnollinen on usein tulevaisuuden luonnollinen.

​

​

Näemmekö vain sen, mihin meillä on sanat ja havaitsemisen kehikko?

​

Tässä on minusta jotain todella kiinnostavaa. Kaikki saattoivat aistia sydämen sykkeen, mutta se ei vielä tarkoittanut, että heillä olisi ollut oikea malli ymmärtää, mitä sydän teki. Havainto oli olemassa, mutta sen merkitys ei ollut vielä asettunut kohdalleen.

​

 

Vaikka sydän sykkii aivan selvästi, et välttämättä huomaa sitä, jos sen huomaaminen ei kuulu havaitsemisen kehikkoosi. Tämä herättää isomman kysymyksen: kuinka paljon meiltä jää huomaamatta vain siksi, ettei meillä vielä ole sille hyvää käsitettä? Emme nimittäin havaitse maailmaa täysin sellaisena kuin se on. Havaitsemme sitä niiden käsitteiden, mallien ja odotusten kautta, jotka meillä jo on. Tämä ei ole pelkkää filosofiaa. Myös nykyinen neurotiede puhuu paljon siitä, miten aivot rakentavat havaintoa aiempien kokemusten ja ennustemallien avulla.

​

 

Mikroskooppi ei auta, jos et tiedä mitä katsot

 

Ajatellaan vaikka mikroskooppia. Bakteerit olivat olemassa jo ennen kuin kukaan näki niitä. Mutta vielä kiinnostavampaa on tämä: vaikka joku olisi nähnyt bakteerin, hän ei välttämättä olisi tajunnut, mitä katsoo. Pelkkä havainto ei aina riitä. Tarvitaan myös kehys, joka antaa havainnolle merkityksen.

​

Sama pätee geeneihin, radioaaltoihin, sähkömagneettiseen säteilyyn, mustiin aukkoihin ja painovoima-aaltoihin. Ne eivät ilmestyneet maailmaan vasta silloin, kun opimme mittaamaan niitä. Ne vain tulivat meille näkyviksi vasta, kun meillä oli tarpeeksi hyvät välineet ja tarpeeksi hyvä tapa ajatella niitä.

​

 

Mitä nykyihmisen "havaitsemisen kehikko" ei vielä mahdollista?

​

Minusta tämä on yksi tieteen kiinnostavimmista kysymyksistä. Mitä sellaista on jo olemassa, mitä emme vielä osaa nähdä, koska meiltä puuttuu oikea mittalaite, oikea käsite tai oikea tapa kysyä?

​

Ehkä emme siis aina tarvitse vain parempaa mikroskooppia. Joskus tarvitsemme uuden tavan katsoa. Historia näyttää kerta toisensa jälkeen, että juuri siitä monet suuret läpimurrot ovat alkaneet.

​

Emme havaitse kaikkea, mikä on olemassa. Havaitsemme sen, minkä nykyiset käsitteemme, mallimme ja mittausmenetelmämme tekevät meille näkyväksi. Jokainen sukupolvi havaitsee todellisuudesta suunnilleen sen verran, minkä sen ajan käsitteelliset työkalut mahdollistavat. Kun työkalut muuttuvat, myös havaittava maailma muuttuu. Juuri siksi tieteessä tarvitaan myös uteliaisuutta, mielikuvitusta ja vähän rohkeutta kysyä toisin.

​

Kirjoittanut: Natassa Aaltonen

​

​

 

Lisälukemista

​

Jos haluat syventyä tässä artikkelissa käsiteltyihin teemoihin, seuraavat tutkimussuunnat ja tieteenalat tarjoavat hyödyllisiä lähtökohtia:

​

​

Tietoisuuden hermostolliset korrelaatit (Neural Correlates of Consciousness, NCC)

Tutkii hermoston toimintamalleja, jotka liittyvät tiettyihin tietoisiin kokemuksiin. Tutkimus auttaa tunnistamaan yhteyksiä aivojen toiminnan ja kokemuksen välillä, mutta samalla havainnollistaa korrelaation ja selityksen välistä eroa.

​

​

Ennakoiva prosessointi (Predictive Processing)

Neurotieteellinen viitekehys, jonka mukaan hermosto rakentaa jatkuvasti ennustemalleja sekä ulkoisesta ympäristöstä että kehon sisäisestä tilasta. Tämä tutkimussuunta tarjoaa uuden tavan ymmärtää havaintoa, oppimista, tunteita ja fysiologista säätelyä.

​

​

Interoseptio ja kehollinen kognitio (Embodied Cognition)

Tutkii, kuinka kehon sisäiset signaalit osallistuvat havaitsemiseen, tunnekokemuksiin, päätöksentekoon ja itsesäätelyyn. Samalla se haastaa ajatuksen mielestä täysin kehosta erillisenä ilmiönä.

​

​

Kompleksisuustiede ja systeemiteoria

Tarkastelee biologisia järjestelmiä dynaamisina kokonaisuuksina, joissa vuorovaikutus synnyttää uusia ominaisuuksia. Tämä tutkimussuunta auttaa ymmärtämään emergenssiä, itseorganisoitumista ja monitasoista säätelyä.

​

​

Monitasoinen mallintaminen

Tutkii, kuinka samaa ilmiötä voidaan kuvata useilla yhtä aikaa oikeilla kuvaustasoilla – esimerkiksi molekyylien, solujen, hermoverkkojen, käyttäytymisen ja kokemuksen näkökulmista. Lähestymistapa korostaa, että eri kuvaustasot täydentävät toisiaan sen sijaan, että kilpailisivat keskenään.

​

​

Tieteenfilosofia

Tieteenfilosofia tarkastelee muun muassa mallien rakentamista, selitysten luonnetta, korrelaation ja kausaliteetin eroa sekä sitä, mitä tieteellinen tieto oikeastaan tarkoittaa. Se tarjoaa välineitä ymmärtää myös tieteen omia rajoja.

​

​

Emergenssi biologisissa järjestelmissä

Emergenssitutkimus tarkastelee, kuinka uusia ominaisuuksia syntyy monimutkaisissa järjestelmissä ilman, että niitä voidaan palauttaa yksittäisiin osiin. Tämä näkökulma on keskeinen esimerkiksi hermoverkkojen, immunologian ja tietoisuuden tutkimuksessa.

​

​

Säätely, allostaasi ja kompleksinen fysiologia

Tähän liittyvä tutkimus tarkastelee elimistöä jatkuvasti muuttuvana, ennakoivana ja itseään organisoivana järjestelmänä. Ne siirtävät painopistettä yksittäisistä mekanismeista kohti säätelyn kokonaisarkkitehtuuria.

 

 

Verkostotiede (Network Science)

Tutkii, kuinka monimutkaiset verkostot rakentuvat ja käyttäytyvät. Verkostotieteen näkökulmia hyödynnetään yhä enemmän myös biologisten järjestelmien, hermoverkkojen ja fysiologisen säätelyn tutkimuksessa.

​

​

Fenomenologia

Fenomenologinen tutkimus tarkastelee mm. tietoista kokemusta sellaisena kuin se ilmenee kokijalle. Vaikka lähestymistapa eroaa kokeellisesta neurotieteestä, se tarjoaa arvokkaita käsitteellisiä välineitä ensimmäisen persoonan kokemuksen kuvaamiseen ja jäsentämiseen.

 

Nämä tutkimussuunnat eivät tarjoa yhtä lopullista selitystä biologian, kokemuksen ja tietoisuuden suhteelle. Sen sijaan ne auttavat rakentamaan yhä tarkempia malleja siitä, kuinka nämä ilmiöt liittyvät toisiinsa.