Главный научный сотрудник лаборатории №67 «Экономической динамики и управления инновациями», д.т.н. Ю. В. Сидельников рассказывает о научном прогнозировании как научной дисциплине. Чем оно отличается от предсказаний? Какие бывают инструменты научного прогнозирования и почему числовая математика – лишь один из них? Почему критически важен правильный выбор инструментов и что такое «форсайт» как инструмент прогнозирования?
«По поводу того, какое бывает прогнозирование. Для разных областей оно разное. Разные методы, разные технологии.
Допустим, политическое прогнозирование – это прогнозирование чаще всего с использованием нечисловой информации, потому что есть масса факторов, которые влияют на развитие политических событий. Эти факторы невозможно задать в виде числа. Иначе информация будет некорректна и, прямо скажем, искажена. Поэтому приходится использовать нечисловые методы.
В области прогнозирования экономики всё уже стандартно. Есть Институт народно-хозяйственного прогнозирования РАН, балансовые методы, эконометрические модели – всё это стандартные вещи, уже принятые и апробированные многократно. Существует много различных областей и различных подходов к научному прогнозированию, которые конечно существенно отличаются от предсказания, от предвидения.
Обратите внимание. В русском языке есть три слова, которые близки, – предвидение, предсказание и прогнозирование. На английском таких слов больше. Это интересно.
Является ли прогнозирование научной дисциплиной? Скорее всего, да. Хотя конечно в перечне дисциплин, которые есть в ВАКе, их нет. Мы к сожалению, не можем, допустим, защитить диссертацию по научному прогнозированию или получить степень. Поэтому каждый раз те ребята или девушки, которые защищаются по тематике, связанной с прогнозированием, защищаются на степень по каким-то другим наукам. Чаще всего, экономическим. Мне удалось защититься по прогнозированию на степень по техническим наукам, будучи профессиональным математиком, потому что в моей работе было много математических методов, которые в том числе я и сам предлагал.
Где-то порядка 100 лет тому назад пытались сделать прогноз о том, , насколько будут чисты улицы Парижа в связи с тем, что там было много карет. Запряженные в них лошади производили навоз. Экстраполяция показала, что через десяток лет улицы Парижа будут полны навоза. Но так не случилось, к нашей радости, потому что появились автомобили. Экстраполяция – это примитив. Этот примитив чаще всего используется и легко находится, но очень часто это некорректно.
По поводу статистических методов. Статистические методы и теория вероятности очень развиты. Российские программные продукты, связанные со статистическими методами, достаточно развернутые и очень хорошие. Например, программный продукт, разработанный в свое время д.ф.-м. н. Ю. Н. Тюриным и А.А Макаровым. Правда, эта программа довольно сложна для обычного пользователя.
Зарубежные программные продукты, которые используют для прогнозирования, гораздо проще. Отсюда есть ряд проблем, потому что не учитывается масса факторов и можно получить, прямо скажем, неадекватный результат.
Есть активное прогнозирование, то, что сейчас называется модным словом «форсайт». Есть пассивное прогнозирование. Если вы делаете прогноз, допустим, о количестве китайцев через 15 лет, то это пассивные прогноз. Вряд ли вы можете существенно повлиять на число китайцев через 15 лет. А если девушка пришла к гадалке и спрашивает: «Что меня ждет в будущем?», а гадалка ей говорит: «Тебя ждет высокий блондин с голубыми глазами», то это уже активное прогнозирование, потому что девушка будет смотреть в первую очередь на высоких блондинов с голубыми глазами. Отсюда следует, что многие прогнозы самореализуются, либо самоаннулируются. Бывают и более сложные случаи, когда идет сначала один процесс, потом второй.
Обратите внимание. В тех прогнозах, которые выдвигал Жюль Верн в своих книгах в середине 19 века, очень высокая сбываемость. Порядка больше 80 %. Почему? Жюль Верн так здорово умел прогнозировать и использовал математические научные методы? Нет, конечно. Причина в другом. Дело в том, что он в увлекательной форме писал о тех технических возможностях, которые в принципе возможно было реализовать. И молодые люди, которые с упоением читали эти книги, увлекались этим. Таким образом, они реализовывали прогнозы, которые предлагал Жюль Верн.
Когда нет вариантов или когда вариантов очень много (это задача третьей уровни сложности), то тогда никакой перебор вам не поможет. Надо использовать уже специальные методы, типа мозговых атак, разновидностей которых мне известно более 30. Так можно случайно найти нужный вариант. Это бывает. Но других способов, пожалуй, нет.
Хороший прогноз – это когда у вас есть хороший прогнозист, хорошие эксперты, время для работы, и конечно деньги на оплату. Почему? Потому что, сколько специалистов у нас обычно участвует в разработке прогнозов? У нас участвуют чаще всего просто эксперты, либо математиками вместе с экспертами просто составляется модель. Но когда мы делаем модель сложных объектов, социально-экономических, тем паче, политических, то разработка хорошей модели для пассивного, подчеркиваю, прогноза, приходится очень долго мучиться над разработкой, учитывая массу факторов и взаимосвязи, особенно циклического характера. Отсюда возникаем масса проблем, потому что эти задачки еще не решены или практически не решены.
Конечно, нужно иметь еще и хорошие программные продукты, хорошие методы и технологии прогнозирования, и знать, когда, какой инструмент использовать. Вот эта проблема еще не решена в мире. Обычно берется то, что есть. Дальше добавляются классные эксперты, если они есть. Если повезло, находится нужный инструмент для разработки прогнозов. И большая работа.
Привожу конкретный пример. Когда меня пригласили работать в Институт мировой экономики и международных отношений РАН, я был студентом 4 курса Мехмата. Мы делали прогноз по Ближнему Востоку. Это был реальный прогноз. Руководителем проекта был сам Евгений Максимович Примаков, арабист, который интересовался этой темой. У нас был карт-бланш на экспертов. Андрей Андреевич Громыко, Министр иностранных дел, позволил Институту мировой экономики и международных отношений выбирать лучших экспертов по данной тематике. Мы их приглашали, задавали приличные и неприличные вопросы. Например, «А с какой вероятностью, на Ваш взгляд, вот это событие может произойти, если будут такие-то и такие события перед этим?». Очень сложные практически вопросы. Они мучились и что-то нам отвечали. Три года работали – результат нулевой. Почему? Потому что тот инструмент – метод прогнозного графа, который был предложен Институтом Кибернетики СССР и его директором академиком Виктором Михайловичем Глушковым и его соавторами, оказался не подходящий для прогнозирования данной конкретной ситуации. Он просто в этой ситуации не работал. Поэтому пришлось лабораторию ликвидировать.
На мой взгляд, нужно, чтобы мы ушли от числовой математики к нечисловой. От числовой вероятности к нечисловой. И не пугались именно этого. Надо изучать такие области, в которых можно использовать информацию, полученную от экспертов. В гуманитарных областях, даже в экономических, тем паче, в политических, информация чаще всего нечисловая. Математические методы слабо развиты. Есть только интервальный анализ, который позволят терпимо работать с интервальной информацией.
Вообще-то видов информации, простейших, я подчеркиваю, 77. И число – лишь одно из 77 видов. А мы пытаемся засунуть бедного эксперта и его мнение в только лишь в одну из 77 щелочек. «Только число говори мне, сколько будет китайцев через 15 лет с точностью до человека?». Или как в той рекламе «Сколько граммов колбасы вам отрезать, но с точностью до грамма?». Мне кажется, это почти всегда некорректно. Поэтому надо изучать нечисловые математические методы. Подчеркиваю, методов простейшей формы экспертного заключения 77. Это значит нужно изучить 76 разновидностей математик.
А теперь по поводу вероятности. Если Вам эксперт по телевизору говорит, что вероятность термоядерной войны возросла, у него что, есть частота, с какой происходят эти самые войны? Он что, неоднократно наблюдал возникновение термоядерных войн на Земле? Конечно, нет. Поэтому частотный подход в рамках классической аксиоматики академика Андрея Николаевича Колмогорова здесь не работает. Тут есть только субъективная теория вероятности, как мера доверия.
Первая работа по нечисловой вероятности появилась в 17 веке. Автор – Якоб Бернулли. В нашей стране мало работ по нечисловой вероятности. Есть интересная работа В. В. Подиновского и его сына в журнале «Проблема кибернетики», 1991 год. Одна из немногих. Немного есть и в моей книге.
Наши прогнозы, чаще всего, нужны, чтобы повысить эффективность принятия решений. А для принятия решения достаточно интервальной оценки, если она широкая. Для этой цели проводится экспериментальные работы.
Моя кандидатская диссертация наполовину была посвящена изучению того, как эксперт дает интервальные оценки, насколько плохо или хорошо. А какая оценка лучше? Его точечная оценка или его же интервальная? Или гистограммная оценка? Это, по сути, некое расширение интервальной оценки.
Так вот оказалось, что существуют такие темы и такие области, где гистограммная оценка гораздо точнее. Точнее точечная (числовая) характеристика гистограммной оценки, точнее, чем его, этого же эксперта, числовая оценка. С этим надо работать.
Вот, например, ранжировка. Что мне больше нравится, арбуз или дыня? Понимаете, здесь числовую информацию нельзя дать. Ты говоришь «Я предпочитаю это». Какая девушка больше нравится? Ты что, в баллах будешь оценивать? По числовой шкале? Нет. Ты скажешь: «Маша мне нравится больше, чем Клаша» или что-то в этом роде. Интервальные оценки – этот одно, а ранжировки, парные сравнения в данном случае, – этот другое.
Мы очень часто используем ранжировки. Допустим, решается конкретная задача. Нам нужно выбрать субподрядчика – завод в Московской области. Мы берем 10 заводов, а потом эксперт их ранжирует по степени привлекательности, включая такой параметр, как личные отношения между директорами. Это тоже работает. Когда такие ранжировки даны, дальше уже нужно делать простейшие операции. Например, находить среднюю ранжировку. А что такое средняя ранжировка? Видов средних, даже числовых, бесконечно много. Больше, чем множество натуральных чисел. Видов средних, я подчеркиваю. Они разные. В дальнейшем получается, что на одних и тех же данных, используя разные виды средних, можно получить прямо противоположный результат.
Это не я первый обнаружил. Этот первый обнаружил Галилео Галилей в начале 17 века. В письме Ноццолино он показал, что на одних и тех же данных можно получить прямо противоположный результат, если берутся разные виды средних. Поэтому надо внимательно относиться к этому.
В случае нахождения средней ранжировки, часто используются медиана Кемени или среднее по Кемени, но там возникают Np-cложные задачки. И, значит, колоссальный перебор вариантов. Это уже трудно, но это надо знать и надо использовать.»
© ИПУ РАН