Прогнозирование научно-технического процесса

       Предварительная   формулировка   обоснованных   логических   гипотез,

проникновение в (физическую( сущность экстраполируемых  процессов,  вскрытие на  основе  содержательного  анализа   причинно-следственных   отношений   в изучаемых с помощью статистики  явлениях  –  все  это  обязательные  условия корректного,  а  зачастую  элементарно  грамотного  использования   аппарата математической  статистики.  Уместно  напомнить  предупреждение,   сделанное статистиком с мировым  именем  Ф.  Миллсом(  (Статистическое  доказательствосамо  не  устанавливает  причинность.   Статистика   устанавливает   степень ковариации, но существуют ли  причинные связи  или  нет  и  каким  путем  они развиваются, не может быть установлено статистикой.В случае  использования методов   экстраполяции   в   научно-техническом   прогнозировании    прямым следствием  этого   требования   является   необходимость   учета   факторов общественного спроса на новые научно-технические разработки, оценки  влияния на развитие прогнозируемого объекта политики цен и  специфических  в  разных странах социально-экономических и производственных условий.  Так,  например, статистика технических решений в сухогрузном морском транспорте Японии и  ее основных  торговых  партнеров  явно   говорит   о   тенденции   к   созданию сверхтоннажных судов. Конъюнктура ввоза и вывоза сырья  морским  транспортом России принципиально отлична  от  ситуации,  имеющей  место  в  Японии.  Это обстоятельство   делает    неправомерным    распространение    выводов    их экстраполяции  подобных  данных  на  соответствующие   технические   решения российского судостроения.

       Еще одним важным методическим обстоятельством рассматриваемых приемов прогнозирования является  выбор соотношения глубины ретроспектабельности экстраполируемой    тенденции    (базы    экстраполяции)     и     дальности экстраполируемого интервала. А.С.Консон считает возможным брать их  равными. В.А.Лисичкин рекомендует (выбирать срок прогноза равным 1/3  отчетного  ряда данных(. Последнее предложение нам  представляется  более  приемлемым,  хотя обосновано оно преимущественно эмпирически. Полезным  ориентиром  и  в  этом случае  будет  являться  предварительная  качественная  оценка  стабильности процесса и характера определяющих его закономерностей.

       Прогноз  по  методу  экстраполяции   состоит  обычно  в  том,  что   в

полученную  тем  или   иным   способом   зависимость   y=f(t)   представляют

интересующие  нас даты t и находят  соответствующие  значения  y,  которые  и принимают  за прогноз на  данный  год.  При  этом  для  обоснования  прогноза доказать(  что  закон  (тенденция),   найденный   на   известном

промежутке, не изменится  и  вне  его  в  определенных  границах;  что  сами

параметры качественно не изменятся.

       Для  доказательства  обычно   используют   в   качестве   предпосылки

инерционность  прогнозируемой  системы.  Считают,  что  в  сложных  системах изменения происходят  сравнительно  медленно,  поэтому  можно  ожидать,  что ошибки экстраполяции за малые отрезки времени будут  незначительными.  Такая предпосылка не является достаточно сильной.

       Для прогноза часто бывает  интересным и важным не столько  предсказать конкретное  значение  изучаемого  параметра   в   таком-то   году,   сколько своевременно  фиксировать объективно   намечающиеся   сдвиги   и   симптомы изменений в тенденциях развития.

       Подлинно научное отношение к  экстраполяции тенденций ничего общего не имеет с фатализмом и слепым преклонением перед статистической оценкой.  Даже дальняя экстраполяция до (точек абсурда( –  до  невозможных  ситуаций  –  не такое уж бессмысленное занятие, если  ее  результаты  рассматривать  не  как собственно прогноз, а как свидетельство  более  или  менее  остро  назревших потребностей  изменить  сложившуюся  ранее  тенденцию.   Кроме   того,   при экстраполяции  системы  взаимосвязанных   параметров   имеется   возможность оценить чувствительность конечных данных к  равным  по  масштабу  изменениям

различных  параметров.  На  основании  полученных  таким  образом   сведений формулируются  прогнозные рекомендации по управлению процессом развития.

       Методом   экстраполяции   прогнозировались   рост  объемов   научно-

технической информации, размеры средств,  вкладываемых  в  науку,  и  другие вопросы. Заметим, что  полученные  при  этом  конкретные  оценки  логических пределов роста тех или иных характеристик, а также значения  разрывов  между взаимообусловленными  показателями   послужили   основанием   для   принятия долгосрочных решений относительно будущей научной политики.

       Одно из таких решений –  прогнозируемое потребное опережение  в  темпах роста производительности  труда персонала, занятого в научных  исследованиях, по сравнению с темпами роста его численности.

       Если рассматривать  экстраполяцию   не  как  самоцель,  а  как   начало

анализа тенденций и прогнозирования, то следует  признать,  что  возможности  этого вида методов весьма многочисленны, а практика  такого прогнозирования обширна, хотя и связана в большинстве случаев с прогнозами первого  эшелона. Для предвидения более отдаленных  свершений  научно-технического  прогресса, как   правило,   требуется   дополнение   этого   подхода   более   глубоким проникновением в логику научно-технического развития и  будущие  возможности фундаментальных естественных наук.

                                      4.Методы моделирования.

       Весьма большие надежды  возлагают   прогнозисты  на  решение проблемы моделирования существенных   процессов   и   явлений   научного   развития. Пристального   внимания   заслуживают    некоторые    существующие    методы прогнозирования,  использующие  приемы   моделирования.   Наиболее   давними традициями обладает в  этом  отношении  группа  методов  прогнозирования  по исторической аналогии.

       На основе изучения  внутренней  логики  развития  конкретной  научной

дисциплины   исследователь   конструирует   соответствующую   ее   историко- логическую модель.  Затем  в  соответствии  с  этой  моделью  прогнозируется разрешение определенных коллизий в ситуациях,  обладающих  с  ней  общностью свойств. Популярность логических моделей- образов, конструируемых  с  помощью метода исторической аналогии, держится не  только  на  традициях,  но  и  на многих хорошо известных историкам  естествознания  актах  преемственности  в развитии научных принципов и идей.

       Если бы метод исторических  аналогий был так универсален,  как  мы  его

нередко склонны воспринимать, то научно-техническую политику формировали  бы историки, а не специалисты, знающие наилучшим образом современный опыт.

       Вместе с тем для прогнозирования  и планирования новой техники  и новых научно-исследовательских   работ  весьма  важно   количественно   определенно оценить объем, полноту и  эффективность  использования  накопленного  опыта, конкретные тенденции к поглощению  данной  отраслью  техники  новых  научных результатов,  в   том   числе   и   полученных   фундаментальными   науками. Актуальность этой проблемы обусловлена резко возросшими в современную  эпоху темпами морального старения технических средств.

       В ряде случаев непосредственному  долгосрочному  планированию  научно-технического развития  предшествует  логическое  моделирование  комплексного образа   будущей   научно-технической   политики,   включающее    в    себя(сформулированные  экономические,  политические   и   другие   цели   данногогосударства,  описание  ряда   научных   и   технических   возможностей   их достижения,  характеристику   ресурсов   и   потребностей,   обусловливающих целесообразность  принятия  тех  или  иных  государственных  решений.  Такой описательный документ в научной прогностике называется  сценарием  будущего.Обычно  он  составляется   на   основе   обобщения   данных   предварительно выполненного   качественного   и   количественного   анализа(   общественных потребностей  в развитии  данной   проблемной   области;   ее   сложившихся внутренних возможностей и противоречий развития;  (фона(  научно-технической проблематики, определяющего внешние воздействия, стимулирующие и тормозящие

развитие  прогнозируемой области науки и  техники.

       Особую форму приобретают такого  рода феноменологические  модели,  как сценарии  будущего,  в   случае   прогнозов   в   области   теоретических   и фундаментальных исследований.

       В начале 70-х годов специалисты   А.И.  Покровский  и  Б.А.  Старостин

сформулировали  важную для методологии прогнозирования  такого  рода  объектов концепцию  фундаментального научного эффекта (ФЭ)  и недостающего  для его получения базиса знаний.  Эта концепция исходит из  того,  что предметом исследования в прогностике является не само будущее открытие как таковое,  а фундаментальный научный эффект,  понимаемый  как   системная   целостность данных, которая может с некоторой вероятностью привести к сдвигам в научных представлениях значительного теоретического  и потенциального  прикладного масштаба.

       Конечно, и само открытие может  стать  для  ряда  дальнейших  открытий

фундаментальным научным эффектом или важнейшим  компонентом такового. В  этом плане  следует  рассматривать,  например,  отношение   между   Периодическим  законом  Менделеева  (1869)  и  предсказанными  на  его  основе  химическими элементами  или  между  открытием  электромагнитных  волн  Герцем  (1889)  и развитием   радиотехники   с   ее   разнообразными   применениями,   включая радиолокацию и т. д.

       Совокупность целей, средств и  предпосылок для разрешения тех  или иных научных проблем может быть представлена и  более  строго  интерпретированной моделью – прогнозным графом.  Каждый  полученный  элемент  модели  (событие) состоит( из описания (на  языке  соответствующего  классификатора);  системы количественных  оценок  данного   события  (условная   вероятность,   время свершения,  значимость,  стоимость);   определителей   причинно-следственных связей данного события с событиями верхнего и нижнего по  отношению к нему уровней.  Из  такого  рода  элементов строится  модель  научно-технического прогресса, представляющая собой ориентированный граф.

       Модель  описанного  вида  реализована   в  практике  прогнозных  работ

Института кибернетики. Она позволяет следить  за  ходом  научно-технического развития конкретной проблемной области, анализировать тенденции и оценивать совокупности задач, синтезировать прогнозные  варианты  тех или иных  изменений в ситуациях и   оценивать   следствия   этих   изменений. Математическое обеспечение модели базируется на вычислительных процедурах  и алгоритмах (метода максимальных возможностей).

       Специфически важная роль во  всей излагаемой концепции прогнозирования  принадлежит  методам  информационного   моделирования.  Характерные   свойства массовых   потоков   научно-технической   информации   предопределяют    ряд возможностей анализа тенденций прогресса науки и техники по  (информационным сигналам( – по  изменению количественных  и структурных параметров  этих потоков.

       Известны попытки разработать  методы анализа информационных  сигналов, содержащихся в потоках выданных патентных документов о  мировом  техническом опыте. Закодировав информацию,  содержащуюся  в  патентах  по  определенному классу технических средств, можно определить те элементы и типы  технических решений, по которым ускорение прироста новых данных существенно  отлично  от средних значений. Это явление предложено рассматривать  как  сигнал  о  том, что через 5-8  лет  такого  рода  решения  будут  обновлять  соответствующие характеристики практически применяемых средств техники.

       В  дальнейшем  предстоит   проверить  прогнозное  значение  инженерно-

технических выводов,  вытекающих  из  подобного  анализа  патентных  данных. Процедура  классификации  содержания  патентов  и  оценки  прироста   данных нуждается в совершенствовании с учетом существующих  принципиальных  различий в национальных  системах  патентования  и   в   побудительных   мотивах   к патентованию новых идей,  а также влияния на  этот  процесс конъюнктуры мирового рынка.