Ситуационные центры развития как интеграторы государственного управления в саморазвивающихся полисубъектных средах
Шрифт:
2.2. Прорывное ситуационное управление в условиях катаклизмов и катастроф
Классический, традиционный, подход к ситуационному управлению (СУ) опирается на возможности логико-лингвистических моделей, детерминированного (логико-ориентированного) искусственного интеллекта, индуктивного и дедуктивного и вывода, нейронных сетей и экспертных систем. Вместе с тем, особую актуальность в решении задач СУ все больше приобретают вопросы социально-гуманитарного характера. Становится необходимым все быстрее согласовывать коллективные решения. Например, ранее стратегические планы могли согласовываться месяцами, а теперь это процесс сокращается до нескольких дней и даже часов. Потребовался учет коллективного бессознательного в самоорганизующихся среде, что связано с идеей активизации формирования инсайтов и повышения мотивации участников принятия решений в построении и реализации планов действий. Последовательная демократизация общества все больше заставляет заниматься построением интеллектуальных систем поддержки процессов гражданского и экспертного участия. А это приводит к необходимости
Таким образом, требуется новая парадигма СУ. В этой парадигме экстенсивное совершенствование заменяется интенсивным, многие задачи приобретают обратный характер, субъект становится неотъемлемой частью систем поддержки принятия решений, что, в свою очередь, на упомянутые выше десятки порядков (а в отдельных случаях – до бесконечности) повышает сложность системы управления. Система распределенных ситуационных центров развития становится основной институциональной и цифровой платформой для поддержки коллективных процессов консолидации участников на всех уровнях управления.
Классический подход к ситуационному управлению имеет длинную историю, соизмеримую с историей развития кибернетики, а значит исчисляемую несколькими тысячами лет. Вместе с тем научный разрез этого подхода можно датировать второй половиной прошлого века. Его появление связано, скорее всего, с появлением компьютеров и началом становления дисциплины искусственного интеллекта (ИИ). Сначала все родимые пятна ИИ принадлежали и ситуационному управлению. Акцент в его развитии в основном делался на представлении знаний об объекте управления и способах управления на уровне логико-лингвистических моделей, применении логического вывода в процессах построения многошаговых решений и распознавании ситуаций [34] [35] .
34
Поспелов Д. А. Ситуационное управление: теория и практика – М.: Наука, 1986. – 288 с.
35
Попов Э. В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. – М.: Наука, 1987. – 288 с.
Цифровая трансформация экономики наших дней подразумевает внедрение технологических новшеств, порождающих качественно новую синергию, создающих условия для эмерджентности и дающих прорывной, подрывной (disruptive) эффект. Этот эффект является необходимым условием быстрого роста конкурентоспособности продукции на мировых и отечественных рынках, принципиальным улучшением качества жизни людей, созданием неведомых ранее устройств и утилизацией старых и пр. Новые технологии и бизнес-модели перелицовывают промышленность, сервисы и сектора экономики, сквозные цифровые технологии ломают границы между отраслями и компаниями, научные исследования становится все более междисциплинарными. Сквозные цифровые процессы дают практически неограниченные возможности для развития бизнеса. Например, транспортные компании развивают программные приложения для совместной реализации поездок, системы управления интеллектуальной собственностью делают опору на блокчейн, банки переходят на финтех, прогнозирование рынка делается с учетом его непредсказуемых флюктуирующих изменений, порождаемых девиацией неформализуемой мечты [36] .
36
Райков А. Н. Метафизика мечты// Экономические стратегии. – 2006. № 3 (С. 16–23) и № 4 (С. 22–25)
Явно меняются подходы к проведению научных исследований. Так, все больше проявляются такие явления, как «наука данных», в науку вмешивается краудсорсинг. Весомые научные результаты получаются на основе анализа больших данных в определенной предметной области. Для этого накапливаются соответствующие массивы данных в геологии, здравоохранении, астрономии, физике, энергетике [37] , биоинформатике, мониторинге климата, в исследованиях на основе численного моделирования и др. [38] . Вместе с тем есть риск, что анализ больших данных не позволит найти оригинального решения, ведь изобретение является продуктом инсайта человека или группы людей [39] . А инсайт происходит, как правило, в иной ситуации, даже не смежной. Анализ больших данных загоняет процесс поиска в экстраполяционном направлении, ведь нейронные структуры и статистические подходы свои прогнозы строят на основе предыдущей истории, и, как правило, в шорах сложившегося конечного базиса факторов. На получение же прорывного результата прошлый опыт может накладывать существенные ограничения.
37
Воропай Н. И., Губко М. В., Ковалев С. П., Массель Л. В., Новиков Д. А., Райков А. Н., Сендеров С. М., Стенников В.А… Проблемы развития цифровой энергетики в России. № 1. 2019, – С. 2–14. doi: http://doi.org/10.25728/pu.2019.1.1
38
Зацаринный А. А., Колин К. К. Методологические основы системного подхода к созданию информационных систем в условиях глобализации общества // Стратегические приоритеты. – 2018. – № 1. – С. 38–62.
39
Raikov A. Convergent networked decision-making using group insights. Complex & Intelligent Systems. December 2015, Volume 1, Issue 1, pp 57–68 (DOI 10.1007/s40747-016-0005-9). doi: 10.3182/20080706-5-KR-1001.0644
Основные причины проявления таких ограничений лежат в инерционности логического склада мышления, диктате имеющихся нормативов, невозможности устранения междисциплинарных барьеров, потребности формирования новых институтов на основе разрушения старых, необходимости сокращения рабочих мест и набором сотрудников с новыми компетенциями и многом другом. Примерами появления принципиально новых решений служат давние прорывы с созданием радио, самолета и трактора, а сейчас – социальные сети, смартфоны, туманные вычисления, блокчейн, квантовые семантики, оптические компьютеры, голографические процессоры и др. Некоторые из новых технологий пока только очень избирательно обсуждаются в узких научных кругах, а некоторые вообще не обсуждаются и находятся на уровне фантазий середины прошлого века, например, Айзека Азимова.
В связи с запуском и реализацией во многих ипостасях в России национального проекта по цифровой экономике, включая разработку дорожных карт по сквозным цифровым технологиям (СЦТ), растут ожидания в получении весомого социально-экономического эффекта, что России сейчас очень нужно на фоне затянувшейся экономической стагнации. Есть надежда, что вложение больших инвестиций в СЦТ (порядка 1 % от ВВП) позволит осуществить ожидаемый экономический прорыв. Однако, следует заметить, что планируемые показатели эффекта от цифровизации приводятся без обоснования с применением научного моделирования, что не создает должного уровня доверия к этим показателям. Причем некоторые показатели выглядят просто упаднически, достаточно посмотреть, например, на планируемый рост числа объектов интеллектуальной собственности, где предельное значение числа подготовленных патентов в сотни раз меньше, чем в Китае или США. Возможно, причина выбора столь пессимистического сценария развития лежит в отсутствии адекватных и совсем новых методов, которые помогли бы выбрать нестандартные решения, обеспечивающие прорыв.
Таким образом, складывающаяся глобальная, политическая, экономическая и рыночная ситуация подразумевают необходимость принципиальной смены управленческих правил игры. Требуется некое кумулятивное решение проблемы обеспечения прорывного роста российской экономики, значительного повышения показателей качества жизни и производительности труда, создания ресурса обеспечения глобальной конкурентоспособности российской продукции. Очевидно, что только цифровыми приемами и технологиями, пассивной диффузией новаторских новшеств эти проблемы не решить. Необходимо многоаспектное, с участием различных дисциплин, включая социологию, философию, психологию, математику, физику, нейрофизиологию, биологию и другие науки, переосмысление подходов и методов к ситуационному управлению.
При проведении цифровой трансформации нужны новые институциональные построения. Такие построения делаются, например, есть нормативный правовой документ по управлению Национальным проектом по цифровой экономике [40] . Как уже отмечено выше, этим постановлением предусмотрено 18 инстанций в системе управления. Однако среди этих инстанций нет инстанции, которая будет улучшать инновационную среду, например, за счет создания адекватного механизма управления интеллектуальной собственностью. Такая инстанция работает сама по себе, а значит – автономно, в условиях запрета синергии.
40
Постановление Правительства РФ от 02.03.2019 № 234.
В новых условиях приоритет стоит отдавать, прежде всего, социально-гуманитарному и когнитивному аспектам в управлении, усилению внимания к вопросам активизации гражданского участия в принятии управленческих решений, созданию соответствующей экспертной среды. При таких приоритетах сложность создания систем управления возрастает многократно. Классических логиколингвистических подходов здесь явно недостаточно. Даже такие инструменты, как анализ больших данных, имеют ограничения, императивно диктуемые программистской логикой. Новые задачи заставляют учитывать когнитивную насыщенность компьютерных моделей и логики вычислений, что может быть выражено, например, формированием и развитием дисциплины «когнитивного программирования» [41] , учитывающего непосредственное включение неформализуемого (непрограммируемого) субъекта в систему правления и механизмы управления. Классические же подходы опирается на детерминированную экстраполяцию прошлого опыта, а подрывная технология больше напоминает футуризм, принцип которого состоит в отказе от прошлого опыта [42] .
41
Райков А. Н. Когнитивное программирование // Экономические стратегии. – 2014. Т.16. № 4, – С. 108–113.
42
Мартин С., Ю. Грозеник. Футуризм. Кёльн. Изд. TASCHEN/АРТ-РОДНИК. 96 с.