Prof. Arciszewski: – Nadchodzi czas kreatywności

Wydaje się, że paradygmat oświeceniowy jest w głębokim kryzysie. Nie opieramy się na wiedzy, odwołujemy się do opinii. Nie interesują nas fakty, odwołujemy się do emocji – szczególnie mocno widać to na przykładzie ruchów antyszczepionkowych.

Niestety tak jest. I jest to też do pewnego stopnia  reakcja na fakt, że nauka staje się coraz bardziej skomplikowana, coraz trudniejsza do zrozumienia i coraz więcej osób boi się nawet popatrzeć na naukę z punktu widzenia racjonalnego. W takiej sytuacji siłą rzeczy pojawiają się zachowania skrajne.

Powiedział Pan, że nauka stała się zbyt skomplikowana, ale ona jest też coraz bardziej specjalistyczna. To być może etap przejściowy, ale wysokiej klasy specjalistów pozbawia szerokiej perspektywy.

I czasie kilkunastu sekund doszliśmy do istoty tego, czym się zajmuję i co próbuję propagować w obecnym świecie – potrzebujemy nie tylko wiedzy szczegółowej, ale i wiedzy ogólnej. W nauce następuje proces podziału, specjalizacji. Idziemy coraz głębiej, w coraz węższym wykopie, tracąc to, co się nazywa dużym obrazem. W efekcie traci my to, co jest najważniejsze – kierunek. I to jest naturalne, jeśli założymy, że nauka jest rozwijającym się systemem i przechodzi przez różne fazy rozwoju. W okresie renesansu było to zrozumienie ogólne. Ludzie osiągali wielkie rzeczy w różnych dziedzinach, ci najwybitniejsi, jak Leonardo da Vinci, posiadając dużą wiedzę szczegółową, widzieli też kierunek, a więc widzieli całość. Oczywiście, wraz z rozwojem nauki obszar wiedzy, który trzeba opanować, jest znacznie większy niż w okresie renesansu, stąd te specjalizacje. Nie mamy już ludzi, którzy są jednocześnie wielkimi literatami, wielkimi malarzami i wielkimi poetami...

…i konstruktorami, inżynierami…

I tak dalej, i tak dalej… jeżeli popatrzy pani na rozwój inżynierii, to też na początku była to inżynieria cywilna i inżynieria wojskowa. Teraz ta cywilna rozbiła się na dziesiątki specjalności i podspecjalności i w ten sposób zatraciliśmy coś bardzo ważnego. Miałem przyjemność pracować z wielkim naukowcem, Andrew Sage – mój pierwszy dziekan na George Mason University – który w  Stanach Zjednoczonych jest uważany za ojca analizy systemowej i przez wiele lat zajmował się pojęciem wiedzy jako takiej, a więc wiedzy interdyscyplinarnej i wiedzy transdyscyplinarnej. Nie tylko on zresztą twierdzi, że przez dziesiątki lat koncentrowaliśmy się głównie na tej dyscyplinarnej wiedzy. Właściwie dopiero w XXI wieku nastąpił przełom i zaczęto patrzeć na naukę w sposób interdyscyplinarny, wykorzystując wiedzę i specjalistów z różnych dziedzin. Obecnie jednak to nie wystarcza.

Dlaczego?

Potrzebujemy nowej jakości wiedzy, transdyscyplinarnej. Wiedzę interdyscyplinarną można porównać do takiej zupy wiedzy. Wykorzystujemy w niej kawałki wiedzy z różnych dziedzin i próbujemy to razem spożytkować. W przypadku wiedzy transdyscyplinarnej te kawałki już nie pływają jak w zupie, każdy osobno. My je próbujemy zintegrować. Mówiąc inaczej, w przypadku wiedzy interdyscyplinarnej poszczególne fragmenty możemy tylko zrozumieć w kontekście dziedziny, z której dany fragment pochodzi. W przypadku wiedzy transdyscyplinarnej tracimy to poczucie specjalizacji, w zamian dostając nową jakość. I to właśnie ta wiedza staje się podstawą rozwoju nowych dziedzin nauki takich jak choćby bioinżynieria, która powstała z inżynierii, biologii i medycyny, integrując trzy obszary badawcze.

Co to oznacza dla nauki?

Że potrzebujemy czegoś więcej niż tylko wiedzę dyscyplinarną. Jesteśmy na innym poziomie i to właśnie wiedza transdyscyplinarna staje się motorem postępu. Po pierwsze jest ona konieczna w obrębie kreatywności ludzkiej i maszynowej lub komputerowej. Po drugie jest absolutnie niezbędna do integracji systemów. Żyjemy w epoce informatyki, mówimy o Polsce 4.0, o przemyśle 4.0, a to oznacza po prostu pełną integrację na bazie wiedzy. Najlepiej zobrazować to na przykładzie: jeżeli popatrzymy na miasto, to widzimy tzw. rodzinę systemów, a więc mamy system zasilania w prąd, wodę, system kanalizacyjny, transportowy, może jeszcze jakiś inny. Wszystkie istnieją w tej samej czasoprzestrzeni, ale obok. A w przypadku integracji systemów stają się one połączone. Innymi słowy jeżeli mamy powódź w jednej części miasta, to system transportowy reaguje i automatycznie przełącza światła, blokując dojazd do zalanej części. Jeżeli wybucha pożar, to system blokuje dostęp do części objętej zagrożeniem. Ale to oznacza synergię, jedność w postaci systemu systemów. I o tę nową jakość cały czas walczymy, musimy jednak pamiętać, że ona wynika z integracji wiedzy.

Czy takiego spojrzenia na wiedzę, systemy, w których istniejemy i zarządzanie tymi systemami, można się nauczyć?

Są ludzie, którzy są bardziej do tego predysponowani. I oczywiście można się tego nauczyć. Istnieje przecież inżynieria systemów, zwana też analizą systemową – ludzie latami studiują, jak myśleć w sposób systemowy. Nawet w ramach tej inżynierii systemowej istnieje dziedzina, którą po polsku nazywamy budową architektury systemów. Zajmuje się ona sztuką holistycznego zrozumienia świata w całej jego złożoności. Istnieje też tzw. mind mapping, który też sprowadza się do tego, by popatrzeć na świat z pewnej perspektywy. I oczywiście, nie twierdzę, że głęboka wiedza dyscyplinarna jest niepotrzebna, wręcz przeciwnie, jest niezbędna, jednocześnie jednak nie wystarcza we współczesnym świecie.

To będę adwokatem diabła. Kiedy studiowałam, moi koledzy z politechniki byli niezadowoleni, że muszą chodzić na zajęcia z filozofii. Sądzę, że dzisiaj też nie brakuje ludzi, którzy uważają, że biolog nie musi mieć wiedzy z socjologii, inżynier z historii, a historyk z ekonomii.

Najbardziej pragmatyczna odpowiedź przychodzi z neuropsychologii. W ogromnym uproszczeniu możemy powiedzieć, że jedna część mózgu specjalizuje się w działalności o charakterze dedukcyjnym, a druga abdukcyjnym. Dedukcyjne są umiejętności analityczne, myślenie formalne, tradycyjne, wykorzystujące reguły itd. Myślenie abdukcyjne jest bardziej emocjonalne, artystyczne, generujące nowe pomysły. Jeżeli więc tylko i wyłącznie będziemy specjalizowali się w jednym rodzaju działalności, to w jakimś sensie staniemy się takimi kalekami mózgowymi. Bardzo często pokazuję na swoich wykładach przezrocze, gdzie są obie półkule mózgu, lewa i prawa. W przypadku inżynierów gigantycznie rozbudowana jest lewa, analityczna i maleńka, niepracująca niemal, obumierająca prawa – ta kreatywna. To oznacza, że w sposób naturalny blokujemy część swoich możliwości działania, myślenia i to jest oczywiście szkodliwe.

Naukowiec to rzemieślnik czy artysta?

Jeżeli w nauce chce się osiągnąć coś wielkiego, trzeba być kreatywnym. Ogromna większość naukowców to są po prostu rzemieślnicy, którzy przez całe życie wykonują te same doświadczenia z różnymi materiałami, czy niewiele różniącymi się od siebie materiałami i produkują dane numeryczne. One są oczywiście użyteczne, ale to jest działalność powtarzalna, która nawet w najmniejszym stopniu nie jest kreatywna. Ci ludzie, nierzadko ze wspaniałymi tytułami profesorskimi, co najwyżej marginalnie poprawiają naukę. Ale są też ludzie, którzy myślą kreatywnie, tworzą nowe teorie, pojęcia, nowe systemy pojęć.

Jeżeli chce się zmienić świat, to nie zmieni się go badając przez 30 lat próbki betonu nieco różniącego się właściwościami.

Jeżeli chce się zmienić świat, to nie zmieni się go badając przez 30 lat próbki betonu nieco różniącego się właściwościami.

W nauce oczywiście potrzebujemy takich wyrobników, tak jak potrzebujemy ludzi, którzy zaproponują teorię względności czy teorię przyciągania, a więc tych, którzy dokonują myślenia abdukcyjnego i stwarzają nowe pojęcia i nowe systemy pojęć. Jeżeli chcemy osiągnąć najwyższy poziom nauki, tej prawdziwej, wielkiej, która zmienia świat, to musimy wiedzieć, że wymaga to czegoś większego niż nauczenia się podstawowych umiejętności statystycznych i laboratoryjnych. I tu zaczynamy myśleć o modelu człowieka renesansu, którego przykładem jest da Vinci. Ja często przywołuję też postać jednego z moich domniemanych przodków – Krzysztofa Arciszewskiego – który był generałem, poetą, pisał książki medyczne.

I był też rabusiem zdaje się.

Może nie rabusiem, ale na pewno nie był aniołem. Krzysztof Arciszewski był również szpiegiem księcia Radziwiłła i kardynała Richelieu. Bardzo wielowymiarowy człowiek. W pewnym okresie swojego życia podbił Brazylię, w Polsce też różne wielkie rzeczy zrobił, ale nigdy nie był rzemieślnikiem wojska, czy polityki. Przywoływałem już da Vinci – to na podstawie jego działalności Michael Gelb sformułował siedem zasad twórczego życia, które są też zasadami współczesnej nauki. Po pierwsze, jest to zasada ciekawości, czyli żądza i umiejętność uczenia się przez cale życie. Następnie jest to praktyka eksperymentalnej weryfikacji pozyskiwanej wiedzy, czyli stale wykorzystywanie  doświadczenia i uczenie się na własnych błędach.  Kolejna zasada to stały rozwój wrażliwości wszystkich zmysłów i integracja ich działania.  Następna zasada to tolerowanie złożoności świata poprzez akceptacje świata ukrytego we mgle, czyli otwarcie się na paradoks, niepewność i wieloznaczność.  Szczególnie ważna jest zasada łączenia wiedzy z nauki i sztuki, co można rozumieć jako myślenie całym mózgiem.  Zasada cielesności, to utrzymywanie  świadomości, że nasza aktywność intelektualna czy naukowa związana jest ściśle z aktywnością fizyczną, sprawnością naszego ciała, ale również z wymiarem duchowym/emocjonalnym. To jest właściwie zasada jedności umysłu, ciała i ducha. I wreszcie ostatnia zasada – zasada spójności lub jedności, czyli poznawanie i holistyczne rozumienie więzi łączących rzeczy i zjawiska. To na przykład wyjście ze swojej bańki, otwarcie na nowe i szukanie tego, co łączy.

To co Pan mówi to optymistyczna i idealistyczna wizja nauki i naukowca, ale XX wiek postawił też pytania o odpowiedzialność za odkrycia. Najlepszym przykładem jest tu rozszczepienie atomu, które zostało wykorzystane militarnie.

Odpowiedzialność naukowca wiąże się z prognozowaniem i przewidywaniem rozwoju. To jest trochę inny wymiar, bo zazwyczaj naukowcy nie myślą o swojej odpowiedzialności wobec społeczeństwa, ale myślą o karierach, pieniądzach, przeżyciu w walce o granty. W sumie sprowadza się to do pieniędzy, co szczególnie drastycznie widać w Stanach Zjednoczonych. Ja na przykład byłem pierwszym inżynierem naukowcem, który zainteresował się machine learning w kontekście projektowania inżynierskiego i kreatywności inżynierskiej – to stało się już w połowie lat 80. Moja pierwsza publikacja na ten temat wyszła w 1986 rok, a tak naprawdę dopiero dzisiaj zaczyna się o tym mówić. Rzecz jednak w tym, że wówczas przez 6 czy 7 lat, bez żadnych pieniędzy zajmowałem się machine learning, budując podstawy metodologiczne zastosowań ML w inżynierii. Dzisiaj zaczyna się wracać do moich publikacji z lat 80., ale wtedy nikt tego nie doceniał i nie rozumiał. Sam jestem zdumiony renesansem moich publikacji sprzed ponad 30 lat.  Na przykład kilka dni temu odkryłem, że ostatnio w czasie około trzech tygodni na Research Gate 100 osób przeczytało moją starą publikację z lat 80. lub wczesnych 90.

Więc nie było na to pieniędzy.

A ja nie mogłem ich zdobyć. I w zasadzie tylko dlatego, że myślałem nie kategoriami pieniędzy, ale głęboko humanistycznymi wartościami nauki w budowaniu zrozumienia, byłem w stanie przez wiele lat, zresztą kosztem mojej kariery zawodowej, prowadzić te badania.

To Pan zapewne wie, że kilka lat temu w Londynie odbył się kongres dotyczący przyszłości sztucznej inteligencji i robotyki oraz zagrożeń, jakie mogą nieść dla ludzkości. W Polsce to wciąż jest nisza intelektualna, ale świat próbuje mierzyć się w tym wyzwaniem i stawia pytania jak z filmów s-f w rodzaju „Łowca androidów”. Czy sztuczna inteligencja to będzie ten Rubikon, za którym jest już tylko koniec. Bo i człowiek, i maszyna się psują, ale maszynę można naprawić.

Tak naprawdę, to rozmawialiśmy na ten temat w Polskim Towarzystwie Cybernetycznym już w latach 70. Mamy tu zresztą co najmniej dwie odpowiedzi. Jedna jest taka, że istnieje koncepcja tzw. złożonego systemu. Różnica pomiędzy systemem złożonym a zwykłym polega na tym, że w przypadku tego zwykłego jesteśmy w stanie przewidzieć deterministycznie jego zachowanie, a w przypadku systemu złożonego zostaje przekroczona ta granica, czyli występują zachowania systemów, których nie byliśmy w stanie przewidzieć. Z tej perspektywy systemowej, jeżeli systemy komputerowe przekroczą pewien stopień złożoności rzeczywiście nie będziemy w stanie przewidzieć ich zachowania. Wtedy te systemy mogą zacząć wykazywać niezależność. Ja bym jednak sformułował to jako zupełnie nieprzewidywalne zachowania, które mogą mieć różny charakter i mogą też się przejawić w postaci złożoności. Z drugiej strony, siedząc w środku tej inteligencji, szczególnie machine learning, mogę do pewnego stopnia to wszystko zrozumieć – cały czas mówimy o pozyskiwaniu wiedzy, ale jeżeli poskrobiemy powierzchnię tej wiedzy, to wiedza formalna, maszynowa, w dużej mierze sprowadza się do reguł decyzyjnych, które powinny być odbiciem rzeczywistości. W przypadku uczenia się z przykładów, możemy powiedzieć, że wiedza zawarta jest w tej butelce, która stoi na stole. I to jest ogromna wiedza. Jest też zawarta w roślinach, które stoją na parapecie okna pokoju, w którym rozmawiamy. Ale my akurat mówimy o wiedzy zawartej w przykładach, którą przetwarza się na wiedzę w postaci reguł decyzyjnych. Z tego punktu widzenia występuje zrozumiałość tego procesu – możemy powiedzieć, że rezultaty będą przewidywalne, ponieważ proces uczenia się jest procesem transformacji wiedzy. Możemy to sobie wyobrazić na przykładzie: mamy skrzynkę i wkładamy do niej z jednej strony przykłady czy powiedzmy, butelkę zawierającą jakąś wiedzę, a z drugiej strony wychodzi wiedza formalna, którą można wykorzystać w systemach wiedzy, a więc w systemach sztucznej inteligencji. Swoją drogą, bardzo się boję terminu „sztuczna inteligencja”, bo już sam termin „inteligencja” można różnie interpretować. Ja oczywiście nie jestem filozofem tylko prostym inżynierem, ale nieco rozumiem systemy uczące się, szczególnie te, które uczą się z przykładów i dla mnie to wszystko sprowadza się do dalszego zrozumienia, które jest zawarte np. w przykładach projektowych.

Czyli punktem wyjścia jest człowiek?

Oczywiście, bo punktem wyjścia jest wiedza i my cały czas mówimy o wiedzy. Ta inteligencja jest wtórna. Co to bowiem jest inteligencja? Można ów termin różnie interpretować, ale generalnie inteligencja jest umiejętnością rozumowania i podejmowania decyzji, które są odbiciem naszych priorytetów w kontekście posiadanej wiedzy, a więc inteligencję można zrozumieć bardzo pragmatycznie. Jeżeli tak ją zrozumiemy, to nie ma niebezpieczeństwa, że nagle ta wiedza zacznie przejmować kontrolę nad światem.

Nie wierzy Pan w scenariusz Stanleya Kubricka z filmu „2001: Odyseja kosmicznej”?

Dla mnie to jest ciekawa, potencjalna hipoteza. Gdy zaczynałem się zajmować systemami uczącymi się w latach 80., początkowo wierzyłem we wszech potęgę komputerów i przekonany, że jakiekolwiek przykłady wprowadzimy, to dostaniemy z drugiej strony tej czarnej skrzynki, a więc z komputera, znakomite reguły, idealną wiedzę. I bardzo szybko się przekonałem, że jeśli mamy złe przykłady, niekompletne, sprzeczne, to uzyskujemy rezultaty, które są w bardzo małym stopniu użyteczne.

Jeśli wiedza włożona w system jest byle jaka, to i wyniki są byle jakie niezależnie od najbardziej doskonałego systemu pozyskiwania wiedzy. I dokładnie tak jest ze sztuczną inteligencją.

Jeśli wiedza włożona w system jest byle jaka, to i wyniki są byle jakie niezależnie od najbardziej doskonałego systemu pozyskiwania wiedzy. I dokładnie tak jest ze sztuczną inteligencją.

Parę tygodni temu moja żona miała poważny wypadek, szczęśliwie to się dobrze zakończyło, choć samochód został całkowicie rozbity. Ale całe zdarzenie pokazało mi ponownie kruchość sztucznej inteligencji.

W jaki sposób?

W nowym aucie żony, kupionym miesiąc wcześniej był system, który zapewniać miał bezpieczeństwo i utrzymywać samochód na środku pasa jezdni. To się dokonywało przy użyciu knowledge base system, systemu opartego o wiedzę, i technologię, która się nazywa computer vision. Samochód, poprzez ten komputer, szuka linii, której się trzyma. Tylko, że tym razem nie było linii na asfaltowej jezdni. Była wiejska droga, zakręt i płot. Droga skręcała, ale samochód pojechał na wprost. Bo płot był w linii prostej, a komputer dostał wskazówkę, że jeżeli jest jakaś linia, to powinien się jej trzymać. Jeżeli nie ma takiej linii to samochód powinien jechać na wprost, co oczywiście ogólnie jest racjonalne.  I ta wskazówka, a dokładniej to zderzenie z płotem, pokazuje kruchość owych systemów. I tak właśnie jest z tą sztuczną inteligencją – jeżeli mamy przykłady z dobrze zdefiniowanej dziedziny i w tej dziedzinie chcemy podejmować decyzje, to będą one racjonalne, dobre, ale jeżeli wyjdziemy nieco na zewnątrz, to nagle to się wszystko w sposób bardzo gwałtowny urywa.

Pana książki, a w szczególności „Edukacja Sukcesu” wyrażają tęsknotę inżyniera za humanistyką.

Ależ oczywiście, że tak. Próbuję rozszerzyć ów zamknięty świat wiedzy inżynierskiej.

Ale ja się zastanawiałam nad sukcesem tej książki u Azjatów, w Chinach. Czy to wynika z odmienności kultury?

To jest bardziej złożone zagadnienie. Od początku pobytu w Stanach Zjednoczonych byłem przedmiotem zainteresowania chińskiego wywiadu naukowego. Jak wspomniałem, początkowo zajmowałem się sztuczną inteligencją i machine learning, więc nawet na parę lat przysłali do mnie szpiega – tak to teraz widzę.

Szpiega?

Naukowca, na tzw. sabbatical, z pieniędzmi z chińskiej akademii nauk. Już wówczas, we wczesnych latach 90., Chiny zainteresowały się moim łączeniem sztucznej inteligencji, systemów uczących i podejść obliczeniowych z kreatywnością inżynierską i wynalazczością. Po tym pierwszym profesorze, przysłano drugiego, sam też byłem często do Chin zapraszany. I oczywiście częścią tej operacji było rozpowszechnienie moich pomysłów, które stały się tam politycznie bardzo ważne. Miałem więc wykłady dla profesorów z wiodących uczelni w Pekinie, opublikowano książkę, którą pani wymieniła. Uznano, że jest dla nich użyteczna w kontekście wielkiego programu, pół tajnego, polegającego na przejściu z przetwarzania cudzej myśli do wytwarzania własnej, co pozwoli im osiągnąć pozycję dominującą na świecie, nie tylko naukowo, ale również gospodarczo i politycznie. Chiny zaczynają być bardziej otwarte jeśli chodzi własność intelektualną. Nie chcą być już postrzegane jako państwo kradnące cudzą myśl. Wynika to z tego, że zaczynają mieć własną wartość intelektualną, wartościową, której chcieliby pilnować. I wprowadzają w życie plan budowy całego systemu politechnik, które będą kształciły zupełnie innych inżynierów.

Czyli?

Czyli inżynierów sukcesu, którzy będą również kreatywni i będą w stanie stworzyć nową myśl techniczną. Pani profesor z dwóch uczelni, która z punktu widzenia wywiadu chińskiego była moją prowadzącą, zajmowała się tym, jak zaprojektować wnętrza i formę uczelni, by stymulować kreatywność inżynierów. Czyli mówimy tutaj o stworzeniu ambience, a więc całego otoczenia, kultury miejsca, mówimy o wprowadzeniu do niego elementów sztuki oddziałujących emocjonalnie, również o wykorzystaniu przyrody. To wszystko ma stymulować mózg w celu pełnego wykorzystania jego możliwości. O takich „bodźcowaniach” pisał Gelb i wielu innych, wciela je w życie na Google. Biura Googla w Krakowie były w pięknym starym budynku, który zlokalizowany jest w pięknym miejscu, a w środku ludzie mieli to, czego potrzebowali do pracy i do zabawy. A wszystko po to, by w pełni wykorzystać możliwości, jakie mamy.

Pan mówi o kreatywności i potędze mózgu, a ja zapytam o systemy, które te mózgi tworzą. W Chinach mamy przecież najbardziej na świecie rozbudowany system inwigilacji społeczeństwa. To systemy do rozpoznawania twarzy, analiza danych, na podstawie której ktoś może kupić bilet na pociąg lub nie. Podejrzewam, że takie zarządzanie społeczeństwem jest atrakcyjne dla wielu przywódców wielu państw.

To rzeczywiście jest ogromne niebezpieczeństwo. Systemy kontroli są wszędzie, ale tylko jedynie Chiny wykorzystują je w formie Big Brother. Zdradzę pani jednak, że liberalne firmy amerykańskie, chociażby wspomniany Google, w Stanach Zjednoczonych odmawiają współpracy z armią amerykańską, ale z wielką ochotą współpracują z Chinami w zakresie pełnej inwigilacji ludzi i wyłapywania wolnomyślicieli stanowiących zagrożenie z punktu widzenia kontroli i unifikacji społeczeństwa. To są te paradoksy współczesnego świata, pokazujące jak ludzie wąsko myślą – w jednym kontekście odrzucają działania, które potencjalnie mogą być wykorzystane przez państwo, ale w drugim przypadku, szczególnie kiedy w grę wchodzą ogromne pieniądze, bez jakiejkolwiek refleksji rzucają się do masowego prześladowania ludzi i tworzenia wielkiego obozu koncentracyjnego. I to jest ta odpowiedzialność, o której powinniśmy mówić. Nie tylko naukowca, ale przede wszystkim korporacji, posiadających ogromne pieniądze i poprzez te pieniądze wpływające i kształtujące otaczającą nas rzeczywistość.

Tomasz Arciszewski

Professor Emeritus George Mason University (GMU) Senior Research Fellow, GMUCenter for the Advancement in Well-Being Member, GMU Learning Agents Center. Wynalazca z patentami w Polsce, Kanadzie i USA, z bogatym dorobkiem naukowym, dydaktycznym i projektowym z Polski, Szwajcarii, Nigerii i USA. Z wykładami odwiedził 25 krajów. Był członkiem American Society of Civil Engineers oraz założycielem i wieloletnim dyrektorem ASCE Global Center of Excellence in Computing. W uznaniu za dorobek naukowy i społeczny otrzymał m.in. nagrodę ASCE Nagroda Roku 2004 w Zakresie Zastosowań Komputerów w Inżynierii. Tomasz Arciszewski jest humanistą i kontynuatorem społecznych tradycji rodzinnych. Jego dziadek, również Tomasz Arciszewski, członek Organizacji Bojowej PPS, współorganizator akcji pod Bezdanami razem z Józefem Piłsudskim, premier polskiego rządu emigracyjnego w Londynie, we wczesnych latach 20. XX wieku założył m.in. Robotnicze Towarzystwo Przyjaciół Dzieci i był współzałożycielem Warszawskiej Spółdzielni Mieszkaniowej w latach 30. Jego wnuk jest twórcą i propagatorem nowego modelu kształcenia, nawiązującego m.in. do tradycji renesansu i Teorii Inteligencji Sukcesu. Naukowiec i autorytet w dziedzinie Inżynierii Wynalazczości był liderem w wielu projektach naukowo-badawczych, w tym w pracach finansowanych m.in. przez NSF i NASA. Jest autorem i współautorem niemal 180 publikacji[. Jego książka „Successful Education. How to Educate Creative Engineers” opublikowana w USA w 2009 została również wydana w Chinach i w Polsce.

rozmawiała Katarzyna Kaczorowska