Ситуационные центры развития как интеграторы государственного управления в саморазвивающихся полисубъектных средах. Коллектив авторов
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].
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].
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.
Основные причины проявления таких ограничений лежат в инерционности логического склада мышления, диктате имеющихся нормативов, невозможности устранения междисциплинарных барьеров,
Поспелов Д. А. Ситуационное управление: теория и практика – М.: Наука, 1986. – 288 с.
Попов Э. В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. – М.: Наука, 1987. – 288 с.
Райков А. Н. Метафизика мечты// Экономические стратегии. – 2006. № 3 (С. 16–23) и № 4 (С. 22–25)
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
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.
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