Д. Белл. Грядущее Постиндустриальное Общество. Грядущее постиндустриальное

• Название: Грядущее постиндустриальное
• Анкор: Д. Белл. Грядущее Постиндустриальное Общество.doc
• Дата: 02.02.2017
• Размер: 5.69 Mb.
• Имя файла: Д. Белл. Грядущее Постиндустриальное Общество.doc
• Тип: Книга; #1773
• страница: 28 из 51

См.: Clarke A.C. The Promise of Space. N.Y., 1968.
Большая часть первоначальных импульсов к развитию систе­матического технологического прогнозирования была обуслов­лена признанием его необходимости со стороны военных, а его пионером стал Т. фон Кэрман — известный ученый в области • аэродинамики, работавший в Калифорнийском технологическом институте. Его доклад о перспективах развития авиационных дви­гателей часто называют первым современным техническим про­гнозом⁵⁰. Позже он положил начало разработке обобщенных пя­тилетних технических прогнозов ВВС США и технических про­гнозов НАТО. Предложенные им новшества были довольно про­стыми. Как писал Э.Янтш, Т. фон Кэрман не пытался давать точ­ные характеристики функциональной технической системе буду­щего, а рассматривал ее основные потенциальные возможности и ограничители, ее вероятные функциональные способности и ключевые параметры; делая упор на оценку иных комбинаций перспективных базовых технологий, т.е. на оценку альтернатив­ных технических вариантов, он стремился ограничивать свои про­гнозы достаточно определенными временными рамками — 15—20 годами.

В этом отношении, как отмечал Дж.Б.Куинн, технические прогнозы весьма схожи с рыночными иди хозяйственными про­гнозами. Ни один квалифицированный менеджер не станет ожи­дать, что рыночный прогноз позволит предсказать размеры или характеристики отдельных рынков с точностью до десятой еди­ницы измерения. Разумно предполагать, что исследователь при­близительно определит наиболее вероятные, иди “ожидаемые”, размеры рынка и оценит вероятность и последствия формирова­ния вариантов рынка с иными характеристиками. В этом смысле Дж.Б.Куинн отмечает: “За исключением непосредственной пря­мой экстраполяции ныне существующих методов, предсказание точного характера технологии, применение которой будет доми­нировать в будущем, является тщетной задачей. Однако можно разработать “набор прогнозов” функциональных характеристик, потребность в использовании которых наиболее вероятна в буду­щем. Можно сформулировать вероятностные оценки того, какие функциональные характеристики будет способен обеспечить к

⁵⁰ Кагтап Т., von. Towards New Horizons. Report submitted on behalf of the U.S. Air Force Scientific Advisory Group. November 7, 1944.
определенному моменту будущего конкретный класс техники. Наконец, можно проанализировать, какие потенциальные послед­ствия будет иметь появление к определенному сроку в будущем этих технико-экономических возможностей”⁵¹.

Происшедшему в 60-е годы “скачку” в развитии технического прогнозирования в значительной мере способствовали труды Р.Ленца-младшего, работавшего в отделе аэронавигационных систем Системного командования ВВС США (авиабаза Райт-Патгерсон, штат Огайо). Небольшую монографию Р.Ленца “Тех­ническое прогнозирование”, в основе которой лежит его магис­терская диссертация, выполненная десятью годами ранее в Мас­сачусетсском технологическом институте, особенно часто цити­руют за содержащуюся в ней классификацию и систематизацию методов технического прогнозирования⁵². Он подразделил типы прогнозирования на экстраполяцию, аналогии роста, трендовую корреляцию и динамическое прогнозирование (т.е. моделирова­ние) и попытался показать области применения каждого типа как по отдельности, так и в сочетании друг с другом. Э.Янтш в своем обзоре, подготовленном для ОЭСР, дал перечень ста раз­личных методов (хотя многие из них являются лишь модификациями некоторых статистических или математических методов) ^/ и свел их в четыре группы, названные им интуитивными, иссле­довательскими и нормативными методами, а также методами обратной связи.

Четыре из этих подходов, показавших наиболее обнадежива­ющие результаты и наибольшую практическую применимость, будут проиллюстрированы ниже: это S-образные и огибающие кривые (экстраполяция), дельфийский (интуитивный) метод, методы морфологического проецирования и построения дерева целей (матрицы и контексты) и исследование периода распрост­ранения, или предсказание темпов изменения во внедрении уже разработанных новых видов техники.

Экстраполяция. Основу любого прогнозирования составляет та или иная форма экстраполяции, т.е. усилия, имеющего целью

⁵¹ Quinn J.B. Technological Forecasting // Harvard Business Review. April 1967.

⁵² lenz E.C., Jr. Technological Forecasting. Air Force Systems Command. June 1962.
уловить развитие какой-то устойчивой тенденции из прошлого в ближайшее будущее. Наиболее часто используется несовершен­ный метод — четкое проецирование на будущее прежней тенден­ции, выраженной отрезком прямой или кривой линии. Линейные проекции отражают развертывание последовательных временных рядов — населения, производительности или расходов, — про­исходящее постоянными темпами. Применение этого метода свя­зано с очевидными трудностями. Время от времени в системе происходят скачкообразные изменения. Как уже отмечалось, если рассчитывать рост производительности сельского хозяйства за 25 лет начиная с середины 30-х годов и исходить при этом из темпов предыдущего двадцатипятилетия, то индекс (если при­нять 1910 год за 100) в 1960 году составил бы 135—140, хотя в действительности он достиг 400. Напротив, если экстраполиро­вать линейным образом сложившиеся в последние 20 лет темпы роста расходов на научные исследования и разработки на следу­ющее двадцатилетие, это означало бы, что вскоре на эти цели расходовалась бы большая часть ВНП.

Большинство экономических прогнозов все еще базируется на линейных приближениях, так как представляется, что темпы хозяйственных изменений подчиняются именно такому типу за­кономерностей. В других же областях — таких, как изменение количества населения, объема знаний иди спекулятивного спро­са, где рост представляется экспоненциальным, — различные ав­торы, от П.Ф.Верхальста до Д.Прайса, пытались применять S-об-разные, или логистические, кривые. Трудности, связанные с их использованием, как мы видели выше, проистекают из того, что либо необходимо придерживаться посылки о неизменности ок­ружающей среды, либо признавать ее открытость [и наблюдать, как] кривые утрачивают свою устойчивость и становятся бес­порядочными. Сравнительно недавно внимание ряда авторов, особенно исследующих проблемы технического прогнозирова­ния, привлекла идея “эскалации”; она предполагает, что по мере того, как каждая кривая на своей траектории переходит в пря­мую, она дает начало новой, продолжающей повышательную тен­денцию.

Понятие эскалации, в разработку которого в последние годы внесли наибольший вклад Б.Фудлер, Р.Ленц и Р.Эйрес, стало (под названием “огибающей кривой”) самым заметным мето дом технического прогнозирования⁵³. При его использовании максимизация параметров любого конкретного изобретения (скажем, скорости самолета) или класса техники фиксируется в течение длительного периода времени, до тех пор, пока она не достигнет максимального предела, который называется “огиба­ющей характеристикой”. При этом принимается предложение о существовании конечного значения данной характеристики, при­чиной чего является либо ее теоретически обоснованный есте­ственный предел (например, полет над поверхностью Земли мо­жет осуществляться со скоростью не более 16 тыс. миль в час, превышение которой ведет к переходу летательного аппарата на космическую орбиту), либо некое внешнее ограничение (на­пример, темп использования ресурсов обусловлен оценкой по­толка ВНП США к 1985 году в полтора триллиона долларов). Приняв в качестве условия конечное насыщение, прогнозист изображает как ранее осуществленные, так и предполагаемые новые этапы эскалации, соединяя “выпуклые” стороны их инди­видуальных кривых касательными. Огибающие кривые факти­чески представляют собой большие S-образные кривые, образо­ванные из множества меньших кривых того же рода, отражаю­щих последовательное уменьшение темпов роста по мере того, как кривая приближается к верхним пределам, обусловленным внутренними или внешними ограничителями.

Говоря иными словами, необходимо знать о существовании иди исходить из предположения абсолютного конечного предела развития любого вида техники, а затем уже исчислять устойчи­вые темпы роста, отражающие движение по пути к этому преде­лу. Тот факт, что в данный момент отсутствуют технические возможности для продвижения за пределы нынешнего уровня, сам по себе не является препятствием для таких построений, по­скольку предполагается, что в будущем произойдет “прорыв” в \ технологическом развитии.

Анализ с использованием огибающей кривой, как отмечает Д.Шон, строго говоря, является не прогнозом какого-то конк­ретного изобретения, а скорее оценкой предполагаемых эффек­тов последовательных инноваций, связанных с совершенствова-

⁵³ Здесь я в основном лишь излагаю положения работы Р.Эйреса, базируясь на ряде его аналитических записок, подготовленных для Гудзоновского института.



нием некоторых параметров⁵⁴. При этом предполагается, что по­скольку каждый параметр имеет определенную внутреннюю ло­гику развития — например, увеличение эффективности внешних систем передачи энергии сгорания, ускорение темпов возраста­ния энергии в ускорителях физических частиц, увеличение мощ­ности и скорости самолета (см. диаграмму 3-1), — то это обяза-

⁵⁴ См.: Schon D. Forecasting and Technological Forecasting // Bell D. (Ed.) Toward the Year 2000: Work in Progress. Boston, 1968.
дом технического прогнозирования⁵³. При его использовании максимизация параметров любого конкретного изобретения (скажем, скорости самодета) или класса техники фиксируется в течение длительного периода времени, до тех пор, пока она не достигнет максимального предела, который называется “огиба­ющей характеристикой”. При этом принимается предложение о существовании конечного значения данной характеристики, при­чиной чего является либо ее теоретически обоснованный есте­ственный предел (например, полет над поверхностью Земли мо­жет осуществляться со скоростью не более 16 тыс. миль в час, превышение которой ведет к переходу летательного аппарата на космическую орбиту), либо некое внешнее ограничение (на­пример, темп использования ресурсов обусловлен оценкой по­толка ВНП США к 1985 году в полтора триллиона долларов). Приняв в качестве условия конечное насыщение, прогнозист изображает как ранее осуществленные, так и предполагаемые новые этапы эскалации, соединяя “выпуклые” стороны их инди­видуальных кривых касательными. Огибающие кривые факти­чески представляют собой большие S-образные кривые, образо­ванные из множества меньших кривых того же рода, отражаю­щих последовательное уменьшение темпов роста по мере того, как кривая приближается к верхним пределам, обусловленным внутренними или внешними ограничителями.

Говоря иными словами, необходимо знать о существовании иди исходить из предположения абсолютного конечного предела развития любого вида техники, а затем уже исчислять устойчи­вые темпы роста, отражающие движение по пути к этому преде­лу. Тот факт, что в данный момент отсутствуют технические возможности для продвижения за пределы нынешнего уровня, сам по себе не является препятствием для таких построений, по­скольку предполагается, что в будущем произойдет “прорыв” в \ технологическом развитии.

Анализ с использованием огибающей кривой, как отмечает Д.Шон, строго говоря, является не прогнозом какого-то конк­ретного изобретения, а скорее оценкой предполагаемых эффек­тов последовательных инноваций, связанных с совершенствова-

⁵³ Здесь я в основном лишь излагаю положения работы Р.Эйреса, базируясь на ряде его аналитических записок, подготовленных для Гудзоновского института.



нием некоторых параметров⁵⁴. При этом предполагается, что по­скольку каждый параметр имеет определенную внутреннюю ло­гику развития — например, увеличение эффективности внешних систем передачи энергии сгорания, ускорение темпов возраста­ния энергии в ускорителях физических частиц, увеличение мощ­ности и скорости самолета (см. диаграмму 3-1), — то это обяза-

⁵⁴ См.: Schon D. Forecasting and Technological Forecasting // Bell D. (Ed.) Toward the Year 2000: Work in Progress. Boston, 1968.
тедьно приведет к его имманентному развитию. Считается так­же, что в результате неизбежно появится какое-то изобретение, которое круто взметнет кривую вдоль большого S.

Наиболее активный пропагандист экстраполяции на основе оги­бающей кривой, сотрудник Гудзоновского института Р.Эйрес, ут­верждает, что этот метод действует даже тогда, когда экстраполя­ция выходит за пределы “существующего состояния техники” в каждой конкретной области, поскольку можно ожидать, что темпы изобретений, которые были характерны в прошлом, будут сохра­няться до достижения каждым конкретным параметром “абсолют­ных” теоретических пределов (например, скорости света, темпера­туры абсолютного нуля и т.п.). Поэтому о возможностях того иди иного параметра (например, энергии конкретного ускорителя эле­ментарных частиц) не следует судить лишь по ограничениям конк­ретной характеристики компонента; необходимо рассматривать [данное явление, данную ] “макропеременную” в историческом кон­тексте. Обобщая развитие конкретных типов техники, можно выя­вить вероятный рост некоего параметра, скачкообразно отталкива­ющийся от предыдущей точки касания огибающей кривой.

Специалисты в области технического прогнозирования утверж­дают, что в большинстве случаев на основе таких огибающих кри­вых полезно строить экстраполяции в терминах логарифмического роста, отходя от этой посылки лишь в том случае, если для этого возникают убедительные причины. Например, прогноз роста ско­рости самолета для любого периода после 30-х годов, построенный путем подобного проецирования, дал бы более точные сведения о ее максимальном значении, чем прогноз на основе существующих тех­нических ограничений. Главной слабостью метода экстраполяции на основе огибающей кривой является то, что он не позволяет про­гнозировать развитие отдельных видов техники, а имеет дело с фун­кциональными характеристиками “макропеременных”. Р.Эйрес от­мечает, что чем на менее обобщенной основе (с большим внимани­ем к отдельному компоненту) проводится анализ, тем более вероят­но, что его результат, в силу внутренних причин, будет отклоняться в консервативную сторону. Представляется почти нормальным, что минимальный прогресс, проецируемый на основе анализа компо­нентов, в действительности оказывается низшим пределом реально­го прогресса, поскольку в основе такого прогноза лежит посылка о том, что каких-либо технических новшеств не предвидится. При



Эффективность систем преобразования энергии в двигателях внешнего сгорания Источник: взято из книги: Thirring H. Energy for Man, copyright 1958 by Indiana University Press, published by Haper & Row Torchbooks. Воспроизведено с разрешения Indiana University Press и George C. Harrap and Company.

анализе отдельного класса технических средств для огибающих кри­вых могут быть достаточно легко установлены верхние пределы ро­ста, однако дело обстоит иначе для индивидуальных видов техники, поскольку их развитие корректируется появлением новшеств, заме­ной отдельных разновидностей другими и “эскалацией”.

Макропеременные также имеют свои очевидные пределы⁵⁵. Так, при построении кривой, выражающей рост максимального коэф­фициента полезного действия тепловой энергетической установ­ки с 1700 года (см. диаграмму 3-2), кривая претерпела типичную

⁵⁵ Если при определении параметров прогнозирования попытаться умень­шить ошибки для конкретного вида техники путем группирования “микропере­менных” в более крупные классы, возникает логическая проблема классифика­ции: может появиться искушение пойти по пути произвольного отбора и сведе­ния вместе тех переменных, которые дают четкую кривую. Такого рода попыт­ка упростить проблему может только исказить картину. Большинство моделей, чтобы быть полезными, — и это можно видеть на примере экономики — очень сложны и включают сотни переменных и уравнений. Однако такая сложность необходима, коль скоро мы хотим, чтобы прогнозы были реальными.
“эскалацию” с 1—2 процентов до 44, которых этот показатель достиг сегодня. Рост происходил достаточно скачкообразно, со­ставляя каждый раз порядка 50 процентов от уже достигнутого уровня, однако интервалы между последовательными “скачками” неуклонно сокращались. На этом основании Р.Эйрес предсказы­вает, что к 1980 году максимальный рабочий КПД таких устано­вок достигнет порядка 55—60 процентов. Учитывая, что созда­ние коммерческой энергетической установки есть длительный про­цесс, многие могут усомниться в достоверности такого прогноза. Однако поскольку такая эффективность может быть обеспечена рядом способов, которые сегодня уже находятся в стадии разра­ботки (газовые турбины, топливные элементы, термоядерный син­тез, МГД-генераторы), такой прогноз осуществим. Между тем рост коэффициента полезного действия после 1980 года может поставить вопрос о поведении кривой, поскольку действие толь­ко одного усовершенствующего фактора, повышающего эффек­тивность на 50 процентов, довело бы данную характеристику до 90 процентов, и дальнейший прогресс такими же темпами, оче­видно, стад бы невозможным.

Важно понять центральную идею логики проецирования оги­бающей кривой. Посылкой, на которой основан данный метод, является положение, что для любого класса техники существует набор фиксированных пределов (таких, как абсолютная скорость света). Признав это в качестве условия, можно оценить проме­жуточную траекторию технического развития как “эскадацион-

ную” серию S-образных кривых, продвигающихся к верхнему пределу.

Слабость этой теории частично отражает общую проблему любого прогнозирования и состоит в выборе параметров и оценки их места относительно как настоящего времени, когда кривая переходит в очередную прямую, так и принятого конечного пре­дела — внутреннего иди внешнего. В более общем виде можно сказать, что в случае, когда рассматриваются функциональные характеристики переменных (такие, как скорость самолета), не существует разработанной концепции, способной объяснить, почему прогресс должен осуществляться именно таким образом, за исключением наблюдения, что некоторые технические пара­метры имеют тенденцию возрастать в логарифмической прогрес­сии, или посылки о том, что в недалеком будущем может по­явиться некое изобретение, которое послужит причиной очеред­ной эскалации. Что касается последнего тезиса, прогнозисты стали все больше полагаться на мнение, впервые высказанное У.Ф.Огберном и значительно углубленное Р.К.Мертоном, согласно ко­торому изобретение представляет собой многосторонний, а иногда и одновременно происходящий в разных местах процесс. Посколь­ку изобретательство во все большей степени становится обезли­ченным социальным процессом, не зависящим от таланта или ге­ния отдельных людей, те или иные изобретения являются реак­цией на общественные потребности и экономический спрос. А там, где есть спрос, будут найдены и новые возможности его удовлетворения. Однако нет особых оснований полагать, что та­кие изобретения будут появляться “по графику”.

Интуитивный метод. В большинстве случаев обыденного про­гнозирования простейшим методом является выяснение мнения эксперта, в первую очередь человека, знающего соответствую­щую область лучше других. Конечно, остается вопрос, кого сле­дует считать экспертом, каким образом можно оценить надеж­ность его прогнозов и, если мнения экспертов различаются, на каком из них следует остановиться. Чтобы решить эту проблему “эпистемологии неточных наук”, О.Келмер, в ту пору математик корпорации РЭНД, разработал “дельфийский метод” — упоря­доченную, планируемую и основанную на определенной методо­логии процедуру получения и использования экспертных мне­ний. Идея процедуры проста: она предусматривает последова­тельную индивидуальную постановку одних и тех же вопросов большой группе экспертов в какой-либо конкретной области и сведение этих мнений путем сопоставления их в ходе последую­щих раундов к какому-то набору вариантов иди единому согла­сованному мнению. С целью проверить эффективность этого метода О.Хедмер вместе с Т.Гордоном провел в РЭНД исследо­вание в области долгосрочного прогноза⁵⁶.

Для него было выбрано шесть широких проблем: “прорывы” в науке, рост населения, автоматизация производства, прогресс в исследованиях космоса, вероятность и возможность предотвра-

³⁶ Описание “дельфийского метода”, а также результаты исследований, про­водившихся в корпорации РЭНД, содержатся в книге: Helmer О. Social Tech­nology. N.Y., 1966.
щения войны и будущие системы оружия, — и по каждой из них была сформирована группа экспертов.

К участникам группы по изобретениям и “прорывам” в науке обратились с просьбой в письменной форме дать перечень нов­шеств, в которых, по их мнению, существует неотложная необхо­димость и которые могут быть осуществлены в ближайшие 50 дет. Всего было названо 49 возможных нововведений. Во втором ра­унде, опять в письменной форме, участников группы попросили оценить среднюю вероятность появления каждого из названных новшеств в указанные сроки. На основании этих ответов были установлены предельные и усредненные сроки реализации каж­дого из прогнозируемых достижений. (Так, было предсказано, что экономически оправданное опреснение морской воды станет возможным в период между 1965 и 1980 годами, усредненным сроком в этом случае оказался 1970 год; контролируемая термо­ядерная энергия появится в период между 1978 и 2000 годами, усредненный срок — 1985 год.) Во втором раунде участники опроса продемонстрировали значительную близость мнений по десяти позициям. Из остальных 39 они отобрали 17 для дальней­шего изучения. В третьем раунде экспертов попросили назвать вероятные сроки этих 17 “прорывов”; если при этом индивиду­альные мнения отклонялись за пределы диапазона, установлен­ного на основании средних 50 процентов ответов, эксперта про­сиди обосновать его утверждение. В четвертом раунде диапазон сроков был еще больше сужен, и в конечный перечень оказалось включено 31 новшество, по которым было достигнуто приемле­мое согласие, при этом давались также особые мнения большин­ства и меньшинства.

Хотя такая процедура является достаточно сложной и трудо­емкой, она была принята по двум причинам: во-первых, она ис­ключает иди уменьшает нежелательное влияние на эксперта об­стоятельств, связанных с непосредственным обсуждением про­блемы (таких, как психологическое воздействие мнения большин­ства, опасения, связанные с выражением отличной от общеприз­нанной точки зрения и т.п.), и, во-вторых, позволяя через систе­му последовательных раундов обеспечивать обратную связь, она дает респондентам время для дополнительного обдумывания сво­его мнения и либо его подтверждения, либо обнаружения новых возможностей для выбора своей позиции.

С какой степенью “достоверности” можно принять этот ме­тод и получаемые с его помощью результаты? Основная труд­ность связана не с тем иди иным отдельным прогнозом, а с отсут­ствием четкого понимания контекста, в котором он должен рас­сматриваться. Каждый прогноз формируется как отдельный, изо­лированный случай, хотя все участники опроса, конечно же, при­знают, что осуществление любого из предсказаний зависит не только от реализации иного частного варианта, но, в гораздо большей степени, от состояния нации в целом. Совокупной по­сылкой, лежащей в основе всех этих прогнозов, является то, что общая ситуация в Соединенных Штатах и мире останется в це­лом неизменной. Однако социальные системы и отношения меж­ду ними подвержены изменениям, и эти изменения в большей мере определяют возможность реализации научных прорывов, чем техническая осуществимость любого из них. Короче говоря, если цель прогнозирования состоит в том, чтобы способствовать про­грессу, оно должно осуществляться в рамках контекста соци­альных, политических и экономических отношений, свойствен­ных тому иди иному периоду времени. То, что подучил РЭНД в результате использования “дельфийского метода”, — это набор вероятных возможностей, однако то, каким образом они смогут реально осуществиться, зависит от системы, в которой они выз­ревают. И искусство — или наука — прогнозирования может подучить надлежащее развитие лишь тогда, когда нам удастся существенно продвинуться вперед в создании моделей самой социальной системы.

Матрицы и контексты. Стремление к упорядоченному спо­собу рассмотрения вероятных возможностей доминирует над боль­шей частью работ, проводимых в рамках “морфологических ис­следований” и “построения дерева целей”. В принципе, их мож­но считать систематическими усилиями, направленными на ис­следование всех возможных вариантов решения крупномасштаб­ных проблем. Новым в них являются способ упорядочения и ис­пользование математических методов для количественной оцен­ки значимости различных параметров проблемы⁵⁷.

Морфологический метод был разработан швейцарским астро­номом Ф.Цвикки в период его работы в обсерваториях “Маунт-

⁵⁷ См.: Jantsch E. Technological Forecasting in Perspective. P. 175.
Уидсон” и “Маунт-Паломар” в рамках исследований, проводив­шихся корпорацией “Аэроджет инжиниринг” в штате Калифор­ния⁵⁸. В своих ранних работах в области ракетного движения и реактивных двигателей он показал, что морфологическая струк­тура, охватывающая различные комбинации одиннадцати клас­сов переменных, когда каждый класс обладает собственным диа­пазоном возможностей (например, класс “топливо” включал в качестве вариантов газообразное, жидкое и твердое топливо, класс “движение” — поступательное, вращательное и колебательное и т.п.), дает 25 344 возможных варианта двигателей. Предыдущая оценка такого же рода, произведенная в 1943 году на основе мень­шего количества параметров, дала 576 возможностей, среди ко­торых были и секретные тогда германские авиационная бомба с реактивным пульсирующим двигателем “V-1” и ракета “V-2”; за­метим, что это было сделано в то время, когда профессор Линде-манн, научный советник У.Черчидля, не сумел оценить потенци­ал ракеты “V-2” даже после того, как ему были показаны ее фо­тографии, поскольку он в принципе отвергал саму возможность создания жидкого ракетного топлива.

Как отмечал Э.Янтш, “полномасштабное применение схемы морфологического анализа, как это осуществил Ф.Цвикки при разработке типов топлива для ракетных и реактивных двигате­лей, имело значительный успех и сыграло решающую роль в вы­боре нетрадиционного подхода на ранних стадиях разработок”. Идея морфологических схем, указывает Э.Янтш, используется рядом компаний для планирования или даже для блокирования возможных будущих изобретений путем принятия мер для патентования, пусть и несколько абстрактного, различных вари­антов сочетания базовых параметров. (“Например, в свое вре­мя наблюдалась патентная “лихорадка”, проявлявшаяся в стрем­лении запатентовать все ранее не запатентованные области схе­мы охлаждения (замедления) реакции деления в ядерных реак­торах”.⁵⁹)

Необходимость подчинить прогнозирование конкретным це­лям различного уровня положило начало идее “дерева целей”, иногда именуемого также “опорным деревом” иди просто “дере-

⁵⁸ См.: Jantsch E. Technological Forecasting in Perspective. P. 176.

⁵⁹ Ibid. P. 178-180.
вом принятия решений”. Концепция “дерева целей” впервые была предложена Ч.Черчменом и Р.Акоффом в 1957 году⁶⁰ и представ­ляет собой упорядочивающий инструмент (подобный организа­ционной схеме компании), используемый для формирования эле­ментов целевой программы и соотнесения их со специфическими целями различных уровней и областей деятельности. Новизна метода, предложенного Ч.Черчменом и Р.Акоффом, заключалась в том, что ими предпринималась попытка придать различным функциональным подсистемам количественные веса и коэффи­циенты с целью выявить, какие из возможных комбинаций обес­печивают наилучшую отдачу.

Хотя “дерево целей” представляет собой просто инструмент лучшего изображения проблемы, необходимость прогнозирова­ния остается несомненной при оценке новых видов техники, по­явление которых ожидается через 5, 10 иди 15 лет. Одно из отде­лений компании “Норт америкэн эвиэйшн” в Анахейме (штат Калифорния) использует “дерево целей”, именуемое SCORE (по первым буквам английского названия: Select Concrete Objectives for Research Emphasis [“Выбор конкретных целей для приори­тетных исследований”]), для соотнесения перспективных задач на 5—15 дет с частными стратегиями научных исследований и разработок. Самым значительным примером “дерева принятия решений” является система программируемого планирования бюд­жета, используемая Министерством обороны США.

В свое время Н.Винер определил систему как “организован­ную сложность”. Когда же приходится иметь дело, как в НАСА, с 301 задачей, 195 системами, 786 подсистемами и 687 функцио­нальными элементами, деятельность, связанная с контролем за достижением целей, оценкой подученных результатов, подсчетом эффекта воздействия технических новшеств в одной системе на все другие и т.д., становится поистине ужасающим делом. Ис­пользование всех этих матриц и морфологических схем представ­ляет собой попытку обеспечить какие-то ориентиры, позволяю­щие видеть и держать под контролем все эти взаимосвязи.

Время распространения [технических новшеств]. П.Саму-эдьсон сделал фундаментальный вывод о том, что объем выпус-

⁶⁰ См.: Churchman C.W., Ackoff R.L., Arnoff E.L. Introduction to Operations Research. N.Y., 1957.
ка продукции, который может быть получен на базе определен­ной совокупности основных факторов производства, “зависит от состояния техники”, существующего в то иди иное время⁶¹. Поэтому осведомленность о направлениях развития и распро­странении техники имеет решающее значение ддя выживания любого предприятия. Однако следует иметь в виду, что техни­ческие прогнозы редко предсказывают, или вообще не могут предсказать, появление конкретных изобретений. Инновации, подобно политическим событиям, часто бывают внезапными, представляя собой прорыв, ставший результатом творческой де­ятельности исследователя. Никто не предсказывал транзистор Э.Шокли иди лазер Ч.Таунса. Большинство технических про­гнозов предполагают появление изобретения — это является важнейшим моментом, — после чего их авторы переходят к пред­сказанию темпов последующего развития посредством новых ступеней эскалации, как это происходит при использовании метода огибающих кривых, или темпов распространения, по мере того, как изобретение проникает [на все новые и новые пред­приятия ] определенной отрасли. Главным экономическим мето­дом технологического прогнозирования является именно оцен­ка темпов распространения.

Достоверно установлено, что темпы распространения техни­ки в экономике США за последние 75 дет ускорились, что стадо одним из факторов формирования распространенного мнения о росте темпов социальных перемен в целом. 6 исследовании Ф.Линна, выполненном для президентской комиссии по автоматизации, говорится, во-первых, что средний период времени с момента первоначального технологического открытия до признания его коммерческого потенциала сократился с 30 дет, характерных для технических новшеств, внедренных в начале этого столетия (1880—1919 годы), до 16 лет в период после первой мировой войны и до 9 в послевоенную эпоху; и, во-вторых, что время, требуемое для воплощения фундаментального технического изоб­ретения в коммерческий продукт иди процесс, сократилось за исследуемый 60—70-летний период с 7 до 5 дет⁶².

⁶¹ См.: Samuelson P. Problems of the American Economy. N.Y., 1962.

⁶² См.; Technology and the American Economy. Appendix I.

Период создания новой продукции резко сократился глав­ным образом благодаря расширению научных исследований и разработок; при этом время, затрачиваемое на освоение рынка, уменьшилось не столь существенно. Особого внимания заслу­живает та часть выводов Ф.Линна, где он с “достаточной степе­нью уверенности” утверждает, что “те технические новшества, которые окажут значительное воздействие на нашу экономику и общество в следующие пять лет, уже используются на коммер­ческой основе, а те, которые окажут значительное социальное и экономическое влияние в период 1970—1975 годов, сегодня на­ходятся в стадии отчетливо видимой коммерческой разработ­ки”. Именно на такой основе и возможно социальное и техни­ческое планирование.

Несмотря на этот общий вывод, темпы появления нововведе­ний и их распространения существенно различаются по секто­рам экономики и отраслям промышленности. В 1961 году Э.Мэнсфилд проследил, с какой скоростью распространялось использо­вание двенадцати новшеств от предприятия к предприятию в четырех отраслях: производстве коксующегося угля, черной ме­таллургии, железнодорожном транспорте и пивоварении. Потре­бовалось двадцать и более дет со времени первого успешного коммерческого применения для внедрения на всех основных фир­мах соответствующих отраслей таких достижений как централи­зованное управление движением, вагонные тормоза, коксовые печи с утилизацией побочных продуктов и непрерывный отжиг. Толь­ко в случаях с конвейерно-погрузочной машиной, тарой из бедой жести и непрерывной проходкой потребовалось десять или ме­нее лет для внедрения их всеми крупными фирмами отрасли. Ф.Линн также пришел в своем исследовании к выводу, что темпы распространения инноваций в производстве потребительских благ почти в два раза превышают соответствующий показатель в тя­желой промышленности.

Эти исследования проведены на материалах прошлого. Пред­принимались и некоторые усилия по прогнозированию темпов и направлений распространения технологий. В своей работе “Рас­пространение инноваций”⁶³ Э.Роджерс изучал поведение кривых

⁶³ См.: Rogers E.M. Diffusion of Innovations. Glencoe (111.), 1962.
распространения (принимая в качестве измерителей объем про­дукции в долларах и количество ее единиц, находящихся в пользо­вании) с течением времени для установления их характерных форм. Э.Мэнсфилд предложил простую модель⁶⁴, построенную вокруг идеи о том, что вероятность, с какой фирма будет вне­дрять техническое новшество, возрастает пропорционально чис­лу компаний, уже использующих его, и прибыльности такого при­менения, но снижается в зависимости от размеров требуемых для этого капиталовложений. Однако пока все эти попытки про­гнозирования носят экспериментальный характер.

Вопрос распространения техники переносит нас из области технологического в сферу экономического и социального про­гнозирования, так как использование нового изобретения или новой продукции совершенно очевидно зависит не только от их технической эффективности, но и от их стоимости, того, как они воспринимаются потребителями, их социальных издержек, по­бочных последствий и т.п.; таким образом, внедрение любого нового изобретения зависит от экономических ограничений, по­литики правительства, ценностей и социальной ориентации по­требителей.

Технология, в определенном смысле, — это взаимодействие человека с природой, в котором усилия человека вырвать ее сек­реты наталкиваются на физические законы и опираются на чело­веческую изобретательность, открывающую ее скрытые тайны. Однако экономическая и социальная жизнь — это игра между людьми, прогнозирование которой имеет дело со стратегиями, диспозициями и ожиданиями, изменяющимися в ходе того, как индивиды стремятся, — либо сотрудничая, либо находясь в анта­гонистических отношениях с другими индивидами, — увеличить собственные преимущества.

Все это происходит в рамках социальных ограничений, оп­ределение которых есть задача прогнозиста. Никакое общество не меняется по мановению чьей-то руки или благодаря ловкой теоретической фразе. Существуют природные ограничения (кли­матические условия, запасы ресурсов), сложившиеся обычаи, привычки, традиции или просто сопротивление большинства. Те, кто, базируясь на нескольких ярких примерах, строил увле-

⁶⁴ См.: Mansfield E. Econometrica. October 1961.
кательные прогнозы о радикальной роли автоматизации, забы­вали о том простом факте, что даже с созданием новых отрас­лей, таких, как обработка данных или цифровой контроль, и достижением ими объема продаж в несколько миллиардов дол­ларов, влияние этих отраслей на экономику, ежегодно произво­дящую товаров на триллион долларов, останется весьма незна­чительным.

Внешним ограничителем служат темпы экономического рос­та, и такие теоретики, как Р.Солоу из Массачусетсского техно­логического института (чья разработка модели экономического роста, ныне обоснованно именуемая моделью Рикардо — Мар­кса — Солоу, является одним из достижений современной эко­номической науки), утверждают, что каждая экономика обла­дает “естественными” темпами роста, производными от темпов роста населения и уровня технического прогресса (последний определяется через рост производительности, появление новых изобретений, совершенствование в структуре организаций, си­стеме образования и т.д.)⁶⁵. Ввиду существования определен­ных устойчивых институциональных отношений (моделей мо­билизации и использования капитала, доли национального до­хода, используемой на потребление, и т.п.), больших масс рабо­чей силы, значительных природных ресурсов и огромных масш­табов ВНП, даже революционное внедрение технических нов­шеств (таких, какие появились в сельском хозяйстве) не приве­дет к заметному увеличению общего уровня производительно­сти. Некоторые общества имеют более высокие темпы роста, чем другие, поскольку они позже взяли старт и стремятся дог­нать идущих впереди. Развитые экономики также могут на ко­роткие периоды времени ускорить, в пределах определенных границ, темпы своего роста, однако сдвиг “производственной функции” в направлении большего использования капитала вы­зывает в перспективе увеличение издержек на его обновление, снижение предельной эффективности и замедление темпов рос­та производительности до их “естественного” уровня. Так, со­гласно исследованиям Э.Денисона, “естественные” темпы рос­та экономики США, ввиду сложившихся традиций и уровня

⁶⁵ См.: Solow R.M. Investment and Technical Change // Arrow K.J., Karlin S., Suppes P. (Eds.) Mathematical Models in the Social Science. Stanford, 1959.
техники, составляют около 3 процентов в год⁶⁶. В конечном сче­те — по крайней мере логически, хотя, вероятно, и социологи­чески, — поскольку техника, как часть совокупного знания, доступна всем обществам, темпы роста различных экономик могут обнаружить тенденцию к выравниванию. Однако в пре­делах любого поддающегося оценке периода времени ограниче­нием, определяющим рамки прогнозов любого экономиста или социолога, являются темпы хозяйственного роста — именно этот показатель определяет, насколько велики ресурсы, которые мо­гут быть использованы в общественных целях, — и это служит основанием любого социального прогноза.

Мы утверждали, что технология составляет одну из осей пост­индустриального общества; другой его осью является знание как фундаментальный ресурс. Знание и техника воплощены в соци­альных институтах и представлены людьми. Таким образом, мы можем вести речь об обществе знания (knowledge society). Како­вы же его основные параметры?

СТРУКТУРА ОБЩЕСТВА ЗНАНИЯ

Совершенно очевидно, что постиндустриальное общество представ­ляет собой общество знания в двояком смысле: во-первых, источ­ником инноваций во все большей мере становятся исследования и разработки (более того, возникают новые отношения между нау­кой и технологией ввиду центрального места теоретического зна­ния); во-вторых, прогресс общества, измеряемый возрастающей долей ВНП и возрастающей частью занятой рабочей силы, все более однозначно определяется успехами в области знания.

Ф.Махлуп в результате своих героических усилий по расчетам части ВНП, направляемой на производство и распространение знаний, пришел к выводу, что в США в 1958 году на эти цели было израсходовано около 29 процентов ВНП, или 136,4 млрд. долл.⁶⁷ (Распределение этой общей суммы показано в таблице 3-1.)

^es См.: Denison E. Sources of Economic Growth. Committee on Economic Development, N.Y., 1962.

⁶⁷ См.: MacMup F. The Production and Distribution of Knowledge... P. 360-361. Данные о доле расходов на образование в отношении к ВНП приводятся по изданию правительства США: Digest of Educational Statistics. U.S. Government Prin­ting Office, 1970. P. 21.

ТАБДИЦАЗ-1