CC BY
0
СОВРЕМЕННЫЕ ИНСТРУМЕНТЫ ПОВЫШЕНИЯ КАЧЕСТВА НАУЧНО-ТЕХНОЛОГИЧЕСКИХ ПРОГНОЗОВ
ГОЛУБЕВ Сергей Сергеевич, [email protected], Московский государственный юридический университет имени О.Е. Кута-фина, Москва, Россия
ORCID: 0000-0001-8745-6235; Scopus Author ID: 57194392281 ГУБИН Александр Михайлович, [email protected], Московский государственный юридический университет имени О.Е. Ку-тафина, Москва, Россия ORCID: 0000-0003-0514-4794
РОМАНЕНКО Надежда Юрьевна, [email protected], Московский государственный юридический университет имени О.Е. Кута-фина, Москва, Россия ORCID: 0000-0003-0421-288X
Современное развитие экономики и общества характеризуется все возрастающей сложностью, высоким уровнем неопределенности и скорости происходящих процессов, ключевую роль в которых играет наука и технологии. В этих условиях цена ошибок при принятии стратегических решений значительно возрастает, что приводит к необходимости формирования адекватных представлений о развитии отдельных секторов экономики, науки, техники и технологий. Одним из наиболее эффективных инструментов решения этих задач является разработка долгосрочных прогнозов научно-технологического развития. Результаты прогнозов используются в качестве основы для принятия стратегических решений на национальном, отраслевом и корпоративном уровнях. В связи с этим резко возрастает актуальность повышения качества прогнозной информации, которая в конечном счете определяет эффективность её практического применения.
Авторами поставлена цель научно обосновать влияние качества научно-технологических прогнозов на эффективность их применения, определить наиболее современные и перспективные методы повышения качества научно-технологических прогнозов в условиях долгосрочных санкций, неопределенности и скорости происходящих изменений внешней и внутренней среды прогнозирования. Для этого авторы используют комплексный и системный подход к анализу существующей проблемы.
Комплексность заключается во всестороннем анализе факторов влияния на результаты прогноза, а предложения сформированы на основе системного учета составляющих показателей качества прогнозов и взаимных связей. В работе представлены предложения по повышению качества прогнозов развития науки, техники и технологий с точки зрения их влияния на эффективность применения прогнозной информации, а такжерас-крыты направления применения разработанных рекомендаций участниками формируемых долгосрочных прогнозов развития науки, технологий и техники.
Новизна статьи заключается в том, что авторами на основе применения системного и комплексного подходов доказана прямая связь качества прогнозов развития науки, техники и технологий с эффективностью их применения, а также предложены наиболее перспективные и современные подходы к повышению качества прогнозной информации.
Это будет способствовать повышению качественных характеристик научно-технологических прогнозов, формированию научно-технологического задела для производства современной техники и образцов, не уступающих по техническим параметрам зарубежному уровню, обеспечению технологической независимости государства и эффективному расходованию бюджетных средств на финансирование новых проектов, формируемых на основе результатов прогнозирования.
Ключевые слова: научно-технологическое прогнозирование, качество прогноза, эффективность применения прогнозов, технологическая независимость, современные методы прогнозирования
Б01: 10.47711/2076-3182-2024-1-44-70
Введение. Эффективность применения прогнозов во многом определяется их качеством, поэтому важной является задача проведения системы мероприятий по повышению их качества. От качества результатов прогноза зависит успех предприятия или организации, правильное определение приоритетов научно-технологического развития, и в результате уровень российской техники и технологий по сравнению с зарубежными образцами.
Гипотеза проведения исследований заключается в том, что в условиях нарастания актуальности интенсивного инновационного развития российской экономики, наличия широкого спектра угроз национальной безопасности России, возрастающего влияния факторов неопределённости возникает необходимость
поиска новых методов повышения качества научно-технологического прогнозирования, повышение которого приведет к росту эффективности применения результатов научно-технологического прогнозирования и в конечном счете к формированию современного научно-технологического задела для совершенствования техники и изделий, особенно для военных целей.
Развитие научного прогнозирования в нашей стране связано с исследованиями выдающихся советских и российских специалистов И.В. Бестужева-Лады, а также на труды крупнейших зарубежных специалистов в этой области: Э. Янча, Д. Белла, Д.Х. Медоуз и Д.Л. Медоуз, Э. Тоффлера, А. Печчеи, де Жуве-наля, Л. Брауна, Дж. Мартина, Дж. Нейсбрита и П. Абурден, П. Кеннеди и др. Наиболее известными работами в области социального прогнозирования являются «Окно в будущее: современные проблемы социального прогнозирования» И. Бестужева-Лады (1970); «Предвидение и цель в развитии общества: фило-софско-социологические аспекты социального прогнозирования» А. Гендина (1970); «Методологические проблемы социального прогнозирования» под ред. А. Казакова (1975); «Вопросы прогнозирования общественных явлений» под ред. В. Куценко (1978) и др. Значительный вклад в формирование и развитие методологии научно-технологического прогнозирования развития вооружений и специальной техники внесли работы Буре-нока В.М. в условиях признания зарубежными прогнозистами неизбежности войн при прогнозировании будущего, а самые пессимистические прогнозы связаны с угрозой ядерной войны [1].
Процедура оценки качества формируемых научно-технологических прогнозов описана в работе [2], а пути повышения качества прогнозной информации показаны в трудах Комкова Н.И., например путем их валидации на соответствие закономерностям научно-технологического развития [3] и рассмотрения проблемы управления развитием как крупномасштабных социально-экономических систем [4].
Целью исследования является установление взаимосвязи и степени корреляции качества прогноза и эффективности от его применения на практике, а также систематизация научно-методических рекомендаций по повышению качества научно-технологического прогнозирования и определение
наиболее целесообразных мероприятий по повышению качества прогноза для повышения эффективности его применения в условиях нестабильной экономики и неопределенности в связи с санкциями государств Евросоюза и НАТО и проведением специальной военной операции.
Новизна проведенного исследования заключается в определении наиболее эффективных мероприятий по повышению качества прогноза, обеспечивающих рост эффективности практического использования результатов прогнозирования. Это будет способствовать также снижению затрат на формирование научно-технологических прогнозов.
Практическая значимость проведенного авторами исследования заключается в том, что представленные рекомендации по повышению качества формирования научно-технологического прогноза позволят сократить сроки его проведения и повысить научно-технические параметры образцов изделий, разрабатываемых и создаваемых на основе применения результатов прогноза.
Методы исследования. Теоретической и методологической базой проведенного исследования явились научные отечественные и зарубежные публикации ученых, связанные с проведением научно-технологического прогнозирования, повышения качества научно-технологических прогнозов и эффективности их применения при создании образцов современной техники, а также вооружения.
Поиск наиболее эффективных методов повышения качества формируемых прогнозов осуществляется на основе системного и комплексного подходов. Системность исследования обеспечивается рассмотрением эффективности применения научно-технологических прогнозов и путей повышения качества на всех уровнях формирования и применения результатов прогноза, а комплексность обеспечивается учетом современных вызовов национальной безопасности государства.
Результаты и их обсуждение. Основными показателями качества прогноза являются его точность и полезность, определяемая эффективность применения результатов прогнозирования. Точность прогноза зависит от достоверности и информативности исходных данных, которые в конечном счете определяют
достоверность и информативность сформированного научно-технологического прогноза.
Системная взаимосвязь показателей качества прогноза с эффективностью его применения. Информативность прогноза определяется его полнотой и обоснованностью, что в конечном счете связано с полнотой исходной информации и обоснованностью используемых методов прогнозирования в соответствии с поставленными целями и задачами прогноза (рис. 1).
Качество прогноза
П=
Точность I
Полезность
Достоверность
Качество исходных данных
Современные методы прогнозирования
Валидация результатов прогноза
Информативность
Л
Полнота
Обоснованность
Количество источников информации
Формирование комбинированных прогнозов
Рис. 1. Системная взаимосвязь показателей оценки качества прогноза с эффективностью его применения
Представленная логика взаимосвязи показателей качества прогноза и эффективности его применения положена в структуру разработки предложений по повышению качества прогноза. Качественные прогнозы имеют решающее значение для эффективного принятия управленческих решений и оптимизации бизнес-процессов, что приводит к лучшим результатам деятельности и повышению производительности. Качественные научно-технологические прогнозы дают предприятиям конкурентные преимущества в производстве образцов техники с показателями на уровне или превышающими мировые. Ошибки в прогнозах могут привести к упущенным возможностям и избыточному расходованию материальных и финансовых средств.
Повышение качества прогнозов способствует снижению риска дорогостоящих ошибок.
Под точностью прогноза понимают величину, показывающую, насколько разработанный прогноз совпадает с фактическими данными. Она зависит также и от достоверности и информативности исходной информации.
Достоверность прогнозирования во многом определяется используемыми методами, способами и моделями формирования прогноза.
Для повышения точности прогноза необходимо производить валидацию результатов прогнозирования, например применением теории решения изобретательских задач (законы развития технических систем) [5] и рассмотрения проблемы управления развитием как крупномасштабных социально-экономических систем [4]. Если результаты сформированного прогноза не будут валидизированы, то прогноз подлежит доработке.
Внешние и внутренние факторы влияния на результаты прогноза. Ключевые факторы, которые надо принимать во внимание при проведении прогнозирования, представлены на рис. 2. Их учет при прогнозировании поможет сформировать более качественный прогноз, при реализации которого будет возможно принимать эффективные решения и достичь успехов при создании новой техники и технологий будущего.
Важным фактором, влияющим на формирование прогноза, является учет внешних и внутренних параметров среды прогнозирования. К внешним факторам относится экономическая ситуация, её стабильность и динамика развития, политические события, санкции, изменения в трендах рыночных показателей, а также уровень развития науки и технологий. Их необходимо учесть их при формировании научно-технологических прогнозов.
Так, например, после очередного формирования научно-технологического прогноза началась специальная военная операция. Это привело к необходимости уточнения сформированного ранее прогноза научно-технологического развития.
К внутренним факторам относятся технические возможности предприятия по производству техники, уровень существующих технологий, качество научно-технологического задела для разработки новых и совершенствования старых образцов.
Рис. 2. Факторы влияния на формирование научно-технологического прогноза
Предложения по повышению качества научно-технологических прогнозов. Постоянное совершенствование процесса формирования научно-технологических прогнозов выступает гарантом их высокого качества. Организации, которые применяют итеративное усовершенствование операционных процессов, двигаются на шаг впереди других и принимают более обоснованные решения.
В ходе проведённого авторами исследования систематизированы различные предложения по повышению качества прогнозов и эффективности применения результатов научно-технологических прогнозов по степени их важности и эффективности (рис. 3).
Выбор современных методов, способов и источников прогнозирования. Важным фактором, определяющим качество прогноза, являются методология и применяемые методы научно-технологического прогнозирования [6]. Существующие методы и способы прогнозирования не являются совершенными, поэтому необходимо их постоянно сравнивать и оценивать, обращать внимание на появление новых современных методов прогнозирования, обладающих существенными преимуществами над уже известными методами научно-технологического
прогнозирования. Для различных сценариев и ситуаций наиболее эффективными являются различные методы и способы прогнозирования.
современных
методов и источников прогнозирования
V_л
Мониторинг (актуализация) прогноза
• Применять методологию форсайта
• Планировать сценарии прогноза:оптимистический, пессимистический, реальный
• Применять многоаспектные системы прогнозирования
• Применять технологии искусственного интеллекта
• Увеличение количества источников информации
• Создавать постоянно действующихе группы прогнозирования
• Актуализировать прогнозную информацию с периодичностью 1-2- года.
• Ввести постоянный мониторинг результатов прогноза
Повышение качества экспертов и участников разработки прогноза
Г N
Повышение эффективности взаимодействия участников разработки прогноза
V_А
' N
Автоматизация
процессов формирования и доведения прогнозной информации до потребителей
У
Г N
Повышение ценности и эффективности применения результатов прогноза
V_/
• Подбор экспертов осуществлять с учетом их широкого кругозора, глубоких специальных знаний и системного мышления
• Осуществлять методическую подготовку экспертов
• Организовать поступление в отраслевые центры компетентности прогнозной информации от конкурирующих организаций Устранять дублирование прогнозной информации
• Формировать документы в соответствии с горизонтом прогнозирования
• Использовать современные методы электронного анкетирования
• Создать межведомственную систему оперативного обеспечения научно-технической информацией
• Сочетать результаты деятельности искусственного интеллекта с экспертными знаниями в качестве основы приятия решений
• Формировать качественный и комплексный прогноз по требованиям потребителей
• Вносить изменения в документы программно-целевого планирования в соответствии с результатами прогноза
• Оперативно доводить до заинтересованных органов и организаций необходимые им прогнозные данные
Совершенствование классификации прогнозной информации
• Исключить дублирование прогнозной информации в различных разделах прогноза
• Ввести единый терминологический аппарат
Рис. 3. Предложения по повышению качества научно-технологических прогнозов
Повышению качества формируемых прогнозов безусловно будет способствовать применение современных методов прогнозирования, таких как Форсайт, методы моделирования и методы использования больших данных и искусственного интеллекта [7, 8].
В связи с современными достижениями в области цифровых технологий и искусственного интеллекта, которые повышают эффективность доступа к огромным объемам информации, в Форсайт-исследованиях получили распространение такие методы, как глубинный анализ текстов (текст-майнинг), сайтов (веб-май-нинг), машинное обучение и анализ больших объемов данных.
Заслуживают особого внимания при научно-технологическом прогнозировании вопросы использования методов интеллектуального анализа больших массивов данных. В первую очередь это касается решения таких задач, как выявление долгосрочных глобальных трендов, угроз и возможностей в сфере науки, «слабых сигналов» о возможных технологических прорывах, технологий и инноваций, поддержка принятия решений по приоритетным направлениям развития науки, технологий и техники.
Исследования в данной области проводятся Институтом статистических исследований и экономики знаний НИУ ВШЭ, где создана и эксплуатируется система интеллектуального анализа больших массивов данных iFORA, основанная на технологиях текст-майнинга и машинного обучения. Она позволяет быстро проводить операции по извлечению знаний и интеллектуальной обработке информации в интересах поддержки принятия стратегических решений в сфере научно-технологического развития [9].
Использование алгоритмов семантического анализа, машинного обучения и искусственного интеллекта позволяет проводить:
- оценку трендов (картирование, диаграммы жизненного цикла и др.);
- оценку рынков (количественные оценки, продуктовые и технологические портфели и др.);
- поддержку проектного управления (приоритезация инициатив, разработка технологических дорожных карт и др.);
- бенчмаркинг и оценку рисков (анализ конкурентоспособности, репутационный анализ и др.);
- прогнозы (таймлайны событий будущего, прогноз спроса на компетенции и др.);
- сетевой анализ (выявление центров компетенций, картирование сетевых связей, анализ коопераций и аффилиаций).
В качестве инструментов визуализации в iFORA используются:
- семантические карты;
- карты жизненного цикла;
- карты структурной динамики;
- тренд-карты и др.
Интеллектуальный анализ данных подразделяют на прямой (задачи прогнозирования) и косвенный (задачи классификации и кластеризации). Отметим, что любые интеллектуальные методы при реальном применении используют развитый аппарат математической статистики [10].
Применяются современные методы и инструменты интеллектуального анализа «больших» данных, такие как:
- теория машинного обучения - благодаря ей компьютерные системы совершенствуются на основе анализа данных. Теория машинного обучения с успехом используется для решения задач предсказания поведения сложных систем в случае, когда отсутствуют гипотезы о механизмах, управляющих поведением таких систем, или такие гипотезы недостаточно точны;
- кластеризация - набор методов, служащих для определения и описания связанных групп данных (или объектов с близкими свойствами). Кластеризация - это всегда обучение без учителя (даже в условиях задачи деления на непересекающиеся кластеры). В этом состоит принципиальное отличие от классификации - обучения с учителем, ни для каких объектов изначально не известна принадлежность кластерам, и даже число самих кластеров. Наиболее известные такие классические методы кластеризации, как статистические методы, нечёткие методы, методы, включающие генетические алгоритмы, графовые методы, ансамблевые методы;
- классификация - структурирующее рассматриваемое множество явлений в совокупность отдельных классов, отражающих важные свойства этих явлений. Также этот термин применяется к задачам отнесения отдельных объектов к заранее заданным классам. Также этот термин применяется к задачам отнесения отдельных объектов к заранее заданным классам;
- нейронные сети - мощный и развитый метод интеллектуального анализа данных, исторически являющийся особенно распространенным и проработанных для решения задач ОПК.
Повышению качества прогноза способствует применение систем интеллектуального анализа больших массивов данных.
Важно отметить следующие соображения по использованию текст-майнинга в прогнозировании:
- оптимальный режим работы - циклический интерактивный анализ с использованием нескольких видов интерактивных инструментов. Каждый цикл может приводить к изменению списков ключевых слов и параметров запросов к текстовым коллекциям, в соответствии с изменением представлений эксперта;
- в качестве языка анализа применяют английский, который в ряде случаев (но далеко не всегда) может быть целесообразно дополнять китайским и русским, но, как правило, анализ англоязычных источников может обеспечить более 90% охвата данных в силу многократного дублирования одних и тех же по содержанию текстов на указанных трех основных языках;
- приведенные в рамках апробации визуализации предназначены для первичного просмотра ландшафтов и понимания общей картины трендов в том или ином направлении, для оптимальной работы эксперта с материалами визуализации дополняются детальными таблицами данных, по которым они построены, эти таблицы в зависимости от конкретных потребностей либо включаются в текст или приложения основного отчета, либо приводятся в виде электронных баз данных и таблиц в сопроводительных материалах.
В базе iFORA собраны новости за более чем двадцатипятилетний период (более 500 млн документов), при этом база регулярно пополняется (+30 тыс. документов ежедневно).
Для визуализации результатов интеллектуального анализа данных могут применяться семантические карты, которые представляют собой графическую форму структурирования логически связанных понятий согласно различным категориям. Построение семантических карт позволяет выявить ключевые центры компетенций, освещаемые в профессиональных источниках информации. Данные центры компетенций отображаются на карте в виде круговых значков с подписями (рис. 4).
Crystal orientation
Компьютерное моделирование биохимических процессов
Deoxyribonucleic àûid. Virus protein Lithium peroxide Point mutation Stable configuration Conformational change Физические
ж вычислительные модели
Новые материалы
Antiviral drug
Chemical element
Atom cluster.-----
Gas density Gas stream
U\ Ui
Long chain - Exotic material Silicon crystal / Ring resonator Storage density 4 Heat flow
Bismuth, telluride Binary code
Intermediate structure Energy barrier. -
Pulse form
Neutron scattering Magnetic rnofhent Water property Computational simulation
Intractable problem Atomic nucleus Thermal property Computational model Phase change ' Numerical simulation Magnetic material- Parallel COmputinq Magnetic energy Organicxhemist
Interaction energy Pressure change ^ -r k i ♦ fi High-power laser
qilirarfnCrhUindin9 blOCk > Central processing unit TurbuFrLf!™ r Plasma jet ollicon cnip Cooling system Multiple line _ , _
Silicon transistor System efficiency Energy transport Solar,flare
Risk analysis. _ Electrical impulse "" Non-volatile mempry
Digital computer Graphic card „ Rubber band Fuel injector - ■ ■ System,ehgineer > «-----
Weather prediction Simulation code Normal pressure Rotation axis Energy field Impurity atom Nuclear physics charge trans£™ ■
Information services
Performance, advantage
Machine number
Ultrasonic sensor Elevated-temperature \ ____ _ - #
Logic gate tn-rhemory database Network function
Target drug Memory hierarchy
. Industrial grade Neighboring cell
Аппаратное оборудование Algorithm collection /
Unit manager
New protein
Time function Melting temperature
Распределенные вычисления
Рис. 4. Семантическая карта по направлению «Вычислительная техника, квантовые компьютеры» Источник: Система
интеллектуального анализа больших данных ПЮЯА
Размер круговых значков зависит от степени развития соответствующих тематических направлений, а близость между тематиками показана с помощью линий (ребер семантической карты) и степени удаленности соответствующих круговых значков друг от друга. Наиболее связанные по смыслу тематики входят в один кластер и окрашиваются в один цвет.
Популярность методов сетевого анализа в целом, заметно возросла с появлением современного программного обеспечения, позволяющего анализировать, структурировать и визуализировать результаты анализа «больших данных».
В последнее время набирают популярность и имеют большую практическую ценность при научно-технологическом прогнозировании технологии искусственного интеллекта.
Возможности применения технологий ИИ применительно к этапам научно-технологического прогнозирования представлены на рис. 5.
Для повышения качества и повышения эффективности прогнозов целесообразно применять семантический анализ данных, компьютерное зрение, распознавание текстов и речи, машинный перевод текста, когнитивные методы, верификацию с использованием инструментов теории решения изобретательских задач и предикативную аналитику.
Когнитивные технологии позволяют определить характер и силу взаимодействия различных факторов в когнитивной модели для различных сценариев научно-технологического прогнозирования. Пример когнитивной модели оценки уровня развития технологий по сравнению с мировым представлен на рис. 6.
На карте отражены факторы, влияющие на уровень развития технологий по сравнению с мировым, и дана экспертная оценка степени их влияния. Далее известными методами проводится оценка влияния этих факторов на результаты прогноза при различных сценариях. На основании этих оценок определяется эффективность управленческих решений как отношение степени достижения целей к затраченным ресурсам для каждого сценария прогноза (рис. 7).
Из рис. 7 видим, что наиболее эффективным является применение прогноза, полученного по второму сценарию развития
прогнозной ситуации. Это позволяет оценить и спрогнозировать будущие изменения, а также дать надлежащие рекомендации научным учреждениям и предприятиям, занимающимся разработкой новых технологий и современной техники.
Рис. 6. Когнитивная карта уровня развития технологий по сравнению с мировым
Предложения по выбору источников прогнозной информации и методов прогнозирования для различных целей и этапов формирования прогноза развития науки и техники представлены в таблице 1.
Сочетание результатов деятельности искусственного интеллекта с экспертными знаниями в качестве основы приятия решений представляют большой интерес [11, 12].
Рис. 7. Сравнение эффективности управленческих решений
Современными инструментами в области обработки и интеллектуального анализа информации могут служить мировые достижения в области технологий «больших данных». Применение методик и алгоритмов технологий «больших данных» к обработке естественно-языковых описаний, их формализации и оценке для анализа научных и технологических разработок в области ОПК могут дать весомый вклад к определению значимых результатов и подготовке экспертного заключения.
Наличие информационных ресурсов позволяет оперативно корректировать направления НИОКР, проводить анализ угроз военного и военно-технического характера, подготовку и принятие решений, как в области разработки и создания ВВСТ, так и в области формирования военной и военно-технической политики.
С целью объединения усилий по проведению фундаментальных, прогнозных и поисковых исследований, разработке новых технологий и НИОКР в области ВВСТ, необходимо активно развивать информационные системы для сбора и обмена научной и технологической информацией.
Информационные системы, позволяет надёжно сохранять и использовать технологическую и научную информацию, применяя систему поиска и хранения данных, что обеспечивает высокую степень концентрации информации о технологиях, её доступность и большие скорости обмена данными, что обуславливает возможность автоматизированного анализа данных. Одной из таких систем может стать межведомственная система оперативного регламентированного обеспечения научно-технической информацией участников ускоренного технологического развития оборонно-промышленного комплекса, которая будет рассмотрена далее.
Таблица 1
Предложения по выбору методов и источников научно-технологического прогнозирования
№ п/п Параметры прогноза Источники прогнозной информации Методы прогнозирования
1 Долгосрочное про- Центры компетенций, ге- Экспертный метод, методы
гнозирование неральные конструк- Форсайт, имитационное
и уточнение ре- торы и руководители моделирование, методы
зультатов про- приоритетных техно- Форсайт, многоагентные
гноза логических направле- системы, нечеткие
ний, предприятия методы, нейронные сети,
ОПК, ФОИВы, фонд генетические алгоритмы,
перспективных иссле- когнитивные технологии
дований
2 Мониторинг резуль- Интернет, ОАО «Ком- Библиографический метод,
татов прогноза пас», зарубежные ис- интеллектуальный поиск
точники информации информации
3 Анализ и прогноз Совет Безопасности Рос- Экспертный метод. Ме-
угроз и тенденций сийской Федерации, тоды интеллектуального
научно-техноло- центры компетенций, поиска информации
гического разви- база данных iFora
тия Российской
Федерации
4 Сбор, классификация, Центры компетенций, ге- Многоагентные системы,
регистрация, хра- неральные конструк- методы Форсайт,
нение, обработка торы и руководители нейронные сети
и оценка прогноз- приоритетных техно-
ной информации логических направле-
по научно-техниче- ний, предприятия
ским направлениям
5 Формирование пред- Центры компетенций, ге- Имитационное моделиро-
ложений в проект неральные конструк- вание, методы Форсайт,
прогноза торы и руководители нечеткие методы,
приоритетных техно- нейронные сети, генети-
логических направле- ческие алгоритмы, ко-
ний гнитивные технологии
6 Экспертиза предло- Генеральные конструк- Многоагентные системы,
жений и формиро- торы и руководители методы Форсайт, нечет-
вание проекта приоритетных техноло- кие методы
прогноза гических направлений
7 Подготовка проме- Центры компетенций, Экспертный метод, методы
жуточных и вы- секции научно-техни- Форсайт
ходных докумен- ческого совета Во-
тов прогноза енно-промышленной
комиссии Российской
Федерации
Эксперты работают при формировании прогнозов с исходной информацией. Необходимо постоянно отслеживать и улучшать качество данных, при этом необходимо постоянно устранять или не принимать во внимание при формировании прогнозов выбросы данных, не использовать данные, не соответствующие
известным и устоявшимся положениям, восстанавливать пропущенные значения в блоке информации.
От того, на сколько информация полна, современна и информативна зависит качество формируемых прогнозов. В качестве такой информации целесообразно использовать не только первичные источники, но и вторичные источники, представляющие собой обобщение первичной информации по различным направлениям прогнозирования. Данные должны быть достаточно полными и актуальными. Недостаточность данных может привести к искажению результатов анализа и прогноза, а устаревшие данные могут оказаться неприменимыми для современной ситуации. Кроме того, данные должны быть достоверными и соответствовать действительности. Безусловно важно учитывать источник данных и анализировать его достоверность и надежность.
Важна обратная связь при формировании научно-технологических прогнозов. Так при формировании научно-технологических прогнозов первоначальный его проект рассматривается заинтересованными сторонами: представителями РАН, генеральными конструкторами, руководителями приоритетных технологических направлений (главными технологами), представителями центров компетенций и иных промышленных предприятий, заинтересованных в получении окончательного вариант прогноза развития, науки, техники и технологий и его применения в своей работе.
При этом, как показала практика разработки прогноза в части отдельных областей и направлений, прогнозной информации из указанных опросов зачастую бывает недостаточно для формирования целостного представления об объектах прогнозирования.
По ряду объектов прогнозирования исходная информация отсутствовала полностью, что привело к необходимости исключения таких объектов из итогового документа, когда центры компетенции, ответственные за соответствующие разделы прогноза, были не в состоянии самостоятельно восполнить дефицит информации.
Еще одним важным аспектом качества данных является их согласованность и структурированность. Данные должны быть организованы таким образом, чтобы было легко осуществлять анализ и извлекать нужную информацию. Некорректная структура данных может затруднить анализ и привести к неправильным прогнозам.
Введение постоянного мониторинга и сокращение сроков актуализации научно-технологических прогнозов. Эффективное прогнозирование - это не разовое мероприятие по формированию прогноза, а в идеальном случае - непрерывный процесс. Ситуация в современном мире меняется очень быстро, ускоряются сроки возникновения и обращения информации, меняются предпочтения клиентов, а также требования к образцам и изделиям, изменяются внешние и внутренние угрозы и факторы влияния. Это подтверждает актуальность постоянного мониторинга результатов научно-технологического прогноза в современных условиях.
Важным направлением повышения точности прогноза является сокращение интервалов актуализации прогнозной информации.
Результаты проведенного исследования показали, что наилучшим интервалом актуализации прогнозной информации является один год, так как при проведении ежегодного уточнения прогноза в распоряжении его разработчиков добавляется количество периодов основания, а также уменьшается прогнозный горизонт, что ведет к увеличению точности прогноза, и соответственно к повышению его качества.
Так бурное развитие беспилотной авиации, широкое применение беспилотных летательных аппаратов при проведении специальной военной операции после завершения очередного этапа формирования прогноза развития науки, техники и технологий в связи резкой актуализацией этой проблемы потребовали уточнения ранее сформированного прогноза по этой проблеме. Кроме того, ранее проведенные прогнозные сравнения характеристик техники с мировыми образцами потребовали своего уточнения с учетом данных, получаемых от образцов зарубежной техники, добытой в ходе проведения специальной военной операции. Эти факты говорят о необходимости постоянного мониторинга результатов научно-технологического прогнозирования.
Возникающие ситуации приводят к необходимости обновления прогнозов ежеквартально или ежемесячно. В условиях нестабильности внешней и внутренней среды важно производить постоянный мониторинг прогнозной информации и в случае необходимости обновлять сформированный ранее прогноз. Постоянство мониторинга и регулярное его уточнение будет
способствовать повышению качества сформированного научно-технологического прогноза и эффективности его применения.
В этой связи представляется целесообразным создание постоянно действующих групп прогнозирования вне зависимости от циклов программно-целевого планирования, основным видом деятельности которых станет мониторинг и актуализация прогнозной информации. Такие группы могли бы размещаться в тех же отраслевых центрах компетенции, но представлять собой обособленные подразделения, нацеленные на сбор и обработку данных о мировых тенденциях развития технологий и техники, уровне развития технологий и техники в нашей стране и за рубежом и др.
Это позволит выйти на принципиально новый уровень прогнозирования развития технологий и техники в интересах обороны страны и безопасности государства и всегда владеть актуальной информацией.
Повышение качества выбора экспертов и повышения эффективности взаимодействия участников разработки прогноза. Качество прогноза во многом зависит от участников формирования прогноза и экспертов, принимающих прогнозные решения. Если организация занимается прогнозирование продолжительное время, а эксперты являются проверенными специалистами своего дела, то эти факторы будут способствовать повышению качества формируемых научно-технологических прогнозов [13].
Для повышения эффективности взаимодействия участников разработки прогноза целесообразно организовать поступление в отраслевые центры компетентности прогнозной информации от конкурирующих организаций, устранять дублирование прогнозной информации в прогнозе и других документах, предшествующих его разработке, формировать документы, необходимые для разработки программно-целевых мероприятий в соответствии с горизонтом прогнозирования
Инструменты повышение ценности и эффективности применения прогнозной информации для потребителей. Прогноз является инструментом снижения неопределенности в работе потребителей, при этом прогнозирование не исключает полностью неопределенности, а речь идет об управлении этими
неопределенностями при принятии обоснованных решений. В этом его сущность и эффективность применения. В связи с этим наиболее целесообразным с точки зрения эффективности применения результатов прогноза потребителями является вероятностное прогнозирование. Необходимо в прогнозах уходить от точечных оценок, а использовать распределение вероятностей, выражая результаты прогноза в виде диапазонов или доверительных интервалов. При этом оценка и снижение рисков деятельности потребителей при применении результатов прогнозов является неотъемлемой частью эффективности применения прогнозов.
Результаты научно-технологических прогнозов находят применение при обосновании стратегических решений по разработки современных образцов техники, определении приоритетных направлений развития науки, техники и технологий, а также при разработке единых методических материалов по подготовке проектов государственных программ на очередной программный период. Повышение ценности прогнозных материалов путем повышения их качества безусловно повышает эффективность применения прогнозной информации потребителями.
Для повышения ценности прогнозной информации для потребителей следует формировать комплексный прогноз, позволяющий оценить зависимость характеристик техники от достигнутых параметров технологий и ожидаемых достижений науки с учетом различных вариантов ресурсного обеспечения, вносить изменения в документы программно-целевого планирования в соответствии с результатами прогноза и оперативно доводить до заинтересованных органов и организаций необходимые им прогнозные данные.
Для обеспечения качества прогнозных данных необходимо применять современные автоматизированные методы и инструменты для их сбора, хранения, обработки и проверки [14]. Кроме того, необходима система контроля и обновления данных, чтобы поддерживать их актуальность и достоверность.
Задаче формирования научно-технологического прогноза присущи особенности, связанные с ее большой размерностью и необходимостью привлечения достаточного количества квалифицированных специалистов в конкретных научно-технических областях. Несмотря на то, что работа по созданию электронного
ресурса прогноза проводится, до сих пор документ формируется «ручным» способом.
Решение рассматриваемой задачи в неавтоматизированном режиме сопряжено со значительными трудностями как организационного (рассылка и сбор анкет), так и вычислительного характера (обработка результатов анкетирования). Ответственность за принятие ошибочных решений при определении государственных интересов в области обеспечения обороны и безопасности предъявляет повышенные требования к информационно-аналитическому обеспечению данной задачи.
Помимо этого, доведение разработанного прогноза до заинтересованных организаций и его эффективное использование (поиск и анализ информации) также требуют повышенной оперативности.
Указанные выше соображения обуславливают необходимость автоматизации процесса формирования и использования прогноза развития науки и техники в интересах обеспечения обороны страны и безопасности государства.
Кроме того, большой объем данных, содержащихся в прогнозе, предъявляет повышенные требования к технологиям работы с ними. Элементарный поиск необходимых сведений может занимать значительное время, не говоря уже о построении какой-либо аналитики. Без должной автоматизации использование материалов прогноза становится затруднительным.
В настоящее время разработка научно-технологического прогноза осуществляется с привлечением заинтересованных органов, интегрированных структур и промышленных организаций, генеральных конструкторов по созданию вооружения, военной и специальной техники, руководителей приоритетных технологических направлений и других формирования научно-технологического прогноза. При этом, основным методом получения прогнозной информации является анкетирование. Данному подходу присущи особенности, связанные с её большей размерностью и необходимостью привлечения достаточного количества квалифицированных экспертов в конкретных научно-технических областях.
Помимо этого, большой объем данных, содержащихся в прогнозе, предъявляет повышенные требования к технологиям работы с ними, которые включают поиск, анализ, обработку и оперативное представление результатов разработки прогноза.
Среди основных организационно-технических проблем, влияющих на качество и оперативность представляемой информации, можно выделить:
- отсутствие единой системы сбора и обобщения результатов НИОКР;
- недостаточное оперативное доведение до генеральных конструкторов и руководителей приоритетных технологических направлений сведений о создании и внедрении в производство комплектующих изделий, входящих в состав образцов производимой техники, а также новых технологий и материалов, использование которых обеспечит высокий технологический уровень разрабатываемой техники.
Наблюдательным советом США по инновациям был запущен онлайн-портал «Каналы инноваций» («Innovation Pathways»), призванный стать единой «точкой входа» для всех, кто имеет отношение к производству и потреблению инновационных решений. На портале предоставлена возможность поиска по всей базе элементов «экосистемы». Новый подход к поиску новшеств получил название «ловкий имитатор» («fast follower»). Этим термином в английском языке обозначается компания, которая быстро копирует новшества, разрабатываемые другими фирмами [15].
В связи с этим становится особенно актуальной задача полного оперативного адресного обеспечения научно-технической информацией создателей перспективных образцов и изделий за счет систематизации поиска и комплексирования открытых и закрытых информационных ресурсов и включения в систему интегрированных структур и промышленных организаций -держателей сведений о НИОКР и РИД.
В настоящее время во ФГУП «ВНИИ «Центр» создан научно-технический задел, обеспечивающий решение задач сбора, обработки, хранения и доведения научно-технической информации. Кроме того, сформирован задел для создания межведомственной системы оперативного регламентированного обеспечения научно-технической информацией участников ускоренного технологического развития промышленного комплекса (МСО НТИ) [16].
Целью формирования МСО НТИ является создание информационного фонда на основе интеграции и аналитической обработки информации о научных достижениях, инновационных
промышленных технологиях, веществах и материалах, рабочей и конструкторской документации на перспективные образцы и изделия.
Предусматриваются следующие формы предоставления НТИ:
- по запросу специализированной НТИ;
- абонентская подписка и дайджесты по тематическим направлениям;
- результаты мониторинга (актуализации) тематической НТИ.
Указанные выше обстоятельства обуславливают необходимость автоматизации процесса сбора, обработки и оперативного доведения результатов разработки научно-технологического прогноза.
Внедрение в процесс разработки прогноза автоматизированных систем позволит обеспечить решение задачи сокращения интервалов актуализации прогнозной информации и её доведения до заинтересованных органов и организаций.
Заключение. В условиях нестабильной экономической ситуации, высокой скорости происходящих в обществе изменений, большом информационном потоке для принятия эффективных управленческих стратегических решений в сжатые сроки реализации технологических и технических проектов эффективное применение результатов научно-технологического прогноза является целесообразным.
В результате проведенного научного исследования на основе комплексного и системного подходов к формированию и применению прогнозной научно-технологической информации доказано влияние качества прогнозной информации на эффективность её использования потребителями.
Качественные прогнозы способствуют принятию эффективных управленческих решений, сокращению сроков разработки и оптимизации производственной деятельности по выпуску современных изделий и образцов, что приводит к более эффективному расходованию бюджетных средств на финансирование технологических и технических проектов при решении задач импортозамещения и обеспечения технологической независимости России. Для этого важно повышать качественные характеристики долгосрочных научно-технологических прогнозов.
Авторами показаны преимущества применения в современных условиях для повышения качества формируемых прогнозов развития науки, техники и технологий наряду с опробованными экспертными методами современных методов интеллектуального анализа неструктурированных текстовых данных (текст-майнинг) на примере системы анализа интеллектуальных баз данных iFora, а также современных технологий искусственного интеллекта [17], таких как распознавание образов, речи и текстов, агентных систем и когнитивных систем. Для формирования научно технологического прогноза может быть применена предикативная аналитика [18, 19]. Важным мероприятием пор повышению качества прогнозной информации в условиях быстро изменяющегося информационного потока является актуализация прогнозных данных и переход к постоянному мониторингу результатов прогнозирования.
Применение предложенных в статье рекомендаций по повышению точности прогноза развития науки, технологий и техники позволит сократить сроки формирования прогнозов и повысить точность выявления приоритетов научно-технологического развития России [20].
Список литературы
1. Рабочая книга по прогнозированию / Отв. ред. И.В. Бестужев-Лада. М.: Мысль, 2005. URL: http://www.f-mx. ru/sociologiya_i_obshhestvoznanie/evolyuciya_socialnogo_prognoziro-vaniya.html?ysclid=lq987t5pn1856978260. Дата обращения 17.12.2023.
2. Афанасьев А.Л., Куслин С.С. Метод оценки качества научно-технологических прогнозов // В сб. VII Всероссийская научно-практическая конференция молодых ученых и специалистов организаций — ассоциированных членов Российской академии ракетных и артиллерийских наук. Молодежь. Наука. Инновации в оборонно-промышленном комплексе. М.: ФГБУ РАРАН, ФГУП «ВНИИ «Центр» — 2023 — С. 142-149.
3. Комков Н.И. Закономерности научно-технологического развития и их использование при прогнозировании //Мир. 2010. — Том 1. № 3(3) — С. 72-91.
4. Комков Н.И. Проблемы управления развитием крупномасштабных социально-экономических систем: анализ, опыт, методологические основы и перспективы. — М.: Изд. дом «Наука», 2020 — 152 с.
5. Sergei Golubev, Andrey Efremov, Anna Gorokhova, Vladimir Gayduk, Ekaterina Kravets. Development of the scientific and technological forecasting methodology based on using TIPS instruments//Economic Annals-XXI: Volume 187, Issue 1-2, Pages: 223-231, February 28, 2021. DOI: 10.21003/ea. V187-22
6. Голубев С.С., Чеботарев С.С., Чибинев А.М., Юсупов Р.М. Методология научно-технологического прогнозирования Российской Федерации в современных условиях. М.: Креативная экономика, 2018 — 145 с.
7. Буренок В.М, Дурнев Р.А., Крюков К.Ю. Методический подход к загоризонтному прогнозированию развития систем вооружения //Вооружение и экономика. — 2018—№ 2 (44).
8. Белых Т. И. Использование способа реализации искусственного интеллекта в прогнозировании / Т.И. Белых, А. В. Бурдуковская //Известия Байкальского государственного университета. - 2018. - Т. 28, № 3. - С. 500-507. -DOI: 10.17150/2500- 2759.2018.28(3).500-507
9. iFORA: трехмерный взгляд на растущие области науки и технологий//Национальный исследовательский университет «Высшая школа экономики». URL: https://issek.hse.ru/ news/254274661.html. Дата обращения 05.10.2023 г.
10. Scott Keller and Colin Price, Beyond Performance: How Great Organizations Build Ultimate Competitive Advantage, first edition, Hoboken, NJ: John Wiley & Sons, 2011.
11. Yazid Tikhamarinea Doudja Souag-Gamane, Ali Najah, Ahmedb Ozgur, Kisic AhmedEl-Shafied. Improving artificial intelligence models accuracy for monthly streamflow forecasting using grey Wolf optimization (GWO) algorithm // Journal of Hydrology. Volume 582, March 2020, 124435
12. Голубев С.С., Губин А.М., Иванус А.И., Цивилева А.Е., Щербаков А.Г. Концептуальные подходы к сверхдолгосрочному научно-технологическому прогнозированию на основе искусственной генерации новых знаний //Инновации и инвестиции, 2023. - Ж«8. - С. 236-239.
13. Пронин А.Ю., Лясковский В.Л. К вопросу формирования экспертных групп и оценки компетентности специалистов, привлекаемых для научно-технических экспертиз. //Научный вестник оборонно-промышленного комплекса России. - 2023. - № 3. - С. 76-82.
14. Голубев С.С., Чеботарев С.С. Информационные технологии как ключевой механизм устойчивого развития оборонных промышленных предприятий в современных условиях //Экономические стратегии. 2018. Т. 20. № 3 (153). С. 68-81.
15. Gregory N.Stock, Jacob Chia-AnTsai, James J.Jiang, GaryKlein. Coping with uncertainty: Knowledge sharing in new product development projects. // International Journal of Project Management. Volume 39, Issue 1, January 2021, Pages 59-70
16. Довгучиц С.И., Мушков А.Ю. Единое информационное постранство оборонно-промышленного комплекса. Результаты работ по его формированию. //Научный вестник оборонно-промышленного комплекса Росии. - 2018. - № 2. - С. 5-9.
17. Галушкин А. И. Нейронные сети: основы теории /А. И. Галушкин. -М.: Горячая линия-Телеком, 2010. - 496 с.
18. Huaizhi Wanga, Yangyang Liua, Bin Zhou. Taxonomy research of artificial intelligence for deterministic solar power forecasting // Energy Conversion and Management. Volume 214, 15 June 2020, 112909.
19. Nisrine Zougagha, Abdelkabir Charkaouib, Abdelwahed Echchatbic. Artificial intelligence hybrid models for improving forecasting accuracy // Procedia Computer Science. Volume 184, 2021, Pages 817-822.
20. Danilo Dessiab, Francesco Osborned, DiegoReforgiato, Recuperoa Davide Buscaldie, En-ricoMottad. Generating knowledge graphs by employing Natural Language Processing and Machine Learning techniques within the scholarly domain // Future Generation Computer Systems. Volume 116, March 2021, Pages 253-264
Для цитирования: Голубев С.С., Губин А.М., Романенко Н.Ю. Современные инструменты повышения качества научно-технологических прогнозов // Научные труды. Институт народнохозяйственного прогнозирования РАН. 2024. № 1. С. 44-70. DOI: 10.47711/2076-3182-2024-1-44-70.
Summary
MODERN TOOLS FOR IMPROVING THE QUALITY OF SCIENTIFIC AND TECHNOLOGICAL FORECASTS
GOLUBEV Sergey S., [email protected], Moscow State Law University named after O.E. Kutafin, Moscow, Russia, ORCID: 00000001-8745-6235; Scopus Author ID: 57194392281 GUBIN Alexander M., [email protected], Moscow State Law University named after O.E. Kutafin, Moscow, Russia, ORCID: 0000-0003-0514-4794
ROMANENKO Nadezhda Yu., [email protected], Moscow State Law University named after O.E. Kutafin, Moscow, Russia, ORCID: 0000-0003-0421-288X
Abstract. The modern development of the economy and society is characterized by increasing complexity, a high level of uncertainty and speed of ongoing processes, in which science and technology play a key role. Under these conditions, the cost of mistakes when making strategic decisions increases significantly, which leads to the need to form adequate ideas about the development of individual sectors of the economy, science, engineering and technology. One of the most effective tools for solving these problems is the development of long-term forecasts of scientific and technological development. The forecast results are used as a basis for making strategic decisions at the national, industry and corporate levels. In this regard, the relevance of improving the quality of forecast information, which ultimately determines the effectiveness of its practical application, is sharply increasing.
The authors set a goal to scientifically substantiate the influence of the quality of scientific and technological forecasts on the effectiveness of their application, to identify the most modern and promising methods for improving the quality of scientific and technological forecasts in the conditions of long-term sanctions, uncertainty and the speed of changes in the external and internal forecasting environment. To do this, the authors use a comprehensive and systematic approach to analyzing the existing problem.
Complexity lies in a comprehensive analysis of the factors influencing the forecast results, and proposals are formed on the basis of a systematic account of the component indicators of forecast quality and mutual connections. The paper presents proposals for improving the quality of forecasts for the development of science, technology and technology from the point of view of their impact on the effectiveness of using forecast information, and also reveals the directions for applying the developed recommendations by participants in the formation of long-term forecasts for the development of science, technology and technology.
The novelty of the article lies in the fact that the authors, based on the use of systematic and integrated approaches, have proven a direct connection between the quality of forecasts for the development of science, technology and technology with the effectiveness of their application, and also proposed the most promising and modern approaches to improving the quality of forecast information.
This will help improve the quality characteristics of scientific and technological forecasts, create a scientific and technological reserve for the production of modern equipment and samples that are not inferior in technical parameters to foreign levels, ensure the technological independence of the state and effectively spend budget funds to finance new projects formed on the basis of forecasting results.
Keywords: scientific and technological forecasting, forecast quality, effectiveness of forecast application, technological independence, modern forecasting methods
For citation: GolubevS.S., Gubin A.M., Romanenko N.Yu. Modern Tools for Improving the Quality of Scientific and Technological Forecasts // Scientific works: Institute of Economic Forecasting of the Russian Academy of Sciences. 2024. No. 1. Pp. 44-70. DOI: 10.47711/2076-3182-2024-1-44-70
