Потребность в науке никогда не была более насущной, чем в современном быстроменяющемся мире. По мере того, как проблемы, с которыми мы сталкиваемся, становятся все более сложными и имеющими все более серьезные последствия для всего общества, приходится в большей степени полагаться на технические подходы и научные открытия, которые помогут в поиске решений.
Открытия движимы двумя силами: развитием новых возможностей и неустанным упорством передовых исследователей. Чтоб поддержать их, мы считаем нужным развивать научный метод, предоставляя новые возможности в таких областях, как глубокий поиск и моделирование с использованием искусственного интеллекта, что позволяет формулировать и проверять гипотезы с беспрецедентной скоростью и масштабом, а также разрабатывая облачные среды поддержки исследований, обеспечивающие безопасный доступ к научным лабораториям и продуктивное взаимодействие ученых.
Традиционно научный метод состоит из ряда последовательных этапов. Обычно все начинается с постановки вопроса, за ним следует изучение, формирование гипотезы, тестирование, оценка результатов и, наконец, отчет. Научные исследования сопровождаются множеством сложностей в самых разных областях и аспектах работы, зачастую они эпизодичны, фрагментарны и зависят от знаний и опыта конкретных людей. Трудности могут возникать с самого начала — даже формулирование вопросов требует глубоких знаний и определенного опыта.
Благодаря использованию искусственного интеллекта для тщательного изучения предметной области и формирования гипотез, роботизированных удаленных лабораторий для их проверки и оценки результатов, гибридных облачных платформ для обеспечения взаимодействия и интеграции на всех этапах, весь цикл научного метода может происходить с такой скоростью, которая раньше казалась немыслимой. Это позволяет вывести процесс исследований на качественно новый уровень скорости, автоматизации и масштабирования.
Необходимость ускоренных открытий в науке несомненно вызвана как высокой интенсивностью и нагруженностью, так и беспрецедентной сложностью рабочих процессов. Новые возможности в исследованиях хороши только в том случае, если люди имеют к ним доступ, поэтому нужно объединять передовых исследователей в индустрии, университетах и академических организациях для совместного решения проблем, используя передовые технологии, чтобы способствовать расширению сотрудничества и открытым инновациям.
Наглядным примером являются исследования, проводимые CERN и Всемирной вычислительной сетью Большого адронного коллайдера (Worldwide LHC Computing Grid). Это глубоко скоординированная масштабная научная работа, предполагающая проведение до 2 млн. экспериментов в день с участием более 100 исследовательских команд и центров в десятках стран мира в рамках тщательно организованных рабочих процессов, предполагающих большие объемы вычислений и данных с использованием глобальной инфраструктуры распределенных вычислений.
Помимо ускорения науки и исследований и их все более широкого применения, можно выделить еще один аспект— быстрый переход научного знания в практическую деятельность. Ускоренный научный метод необходим предприятиям, стремящимся к постоянным инновациям, поскольку они сталкиваются с непрерывным потоком важных вопросов, связанных с внешними факторами и их влиянием на бизнес, ответы на которые являются своего рода открытиями.
Открытия определяют успех наукоемких компаний сразу по ряду направлений. Там, где наука является неотъемлемой частью бизнеса, открытия становятся ключевым двигателем развития. Примерами могут служить такие отрасли, как химическое производство, создание новых материалов, фармакология и др.
Предприятия, которые полагаются на науку и активно используют ее достижения, в средне- и долгосрочной перспективе критически зависят от успешности открытий. Это хорошо видно на примере таких секторов экономики, как энергетика и коммунальные услуги, транспорт, здравоохранение, приборо- и автомобилестроение и многие другие.
Кроме того, в последнее время получили распространение предприятия, ориентированные на информацию, которые опираются на интеллектуальную обработку данных, масштабно используют научный метод для создания новых важных знаний о рынках, методах управления, логистике, улучшают бизнес-решения, оптимизируют разработку продуктов и операционную деятельность. Сюда относятся финансовая сфера, торговля, массовые коммуникации и целый ряд других отраслей производства в современном мире.
Использование научного метода открывает возможности для сокращения ненужных расходов и повышения прибыльности во всех звеньях цепочки создания стоимости бизнеса. На сегодня есть уже много примеров различных компаний и команд, которые начали переход к модели работы, ориентированной на открытия, и уже получают прорывные результаты в фармакологии, создании новых материалов, приборостроении, организации поставок, финансах и других областях.
Например, для компаний, которые регулярно экспериментируют в области продаж и маркетинга, распространенной практикой становится A/B-тестирование для сравнения эффективности различных версий веб-сайтов. Подобным же путем Netflix экспериментирует с рекомендациями фильмов. Более общим примером являются эксперименты розничных торговых сетей по оптимизации всей цепочки поставок, призванные обеспечить более быстрое тестирование различных продуктов и быстрое реагирование на интересы и запросы потребителей и тенденции их изменения. Так, Inditex, которой принадлежит Zara, выходит за рамки прогнозирования модных тенденций для каждого сезона, вместо этого компания постоянно внедряет новые товары в небольших масштабах и измеряет результативность, прежде чем приступать к массовому производству. Такие инновационные предприятия, имеющие в качестве важного актива данные и искусственный интеллект, создают и поддерживают ускоренный цикл исследований, получая конкурентные преимущества на текущих и перспективных рынках.
Отдельно хотелось бы остановиться на компетенциях, необходимых для реализации этого подхода. В первую очередь это, конечно, исследовательские компетенции и компетенции в предметной области. Только специалист с глубоким пониманием нюансов области деятельности, актуальных задач и контекста, способный к тому же подойти к проблеме с позиций исследователя, нацеленного на системный долгосрочный результат, может добиться прорывных изменений на каждом конкретном участке. Существенным подспорьем ему становится владение современным цифровым инструментарием, в первую очередь — возможностями интеллектуального анализа данных и построения ретроспективных и прогностических моделей и навыками создания и использования гибридных облачных сред и платформ, а также средств автоматизации и роботизации. Для постоянного улучшения и внедрения подхода ускоренных открытий и подготовки специалистов, способных кардинально ускорить развитие бизнеса и общества за счет исследовательских подходов, следует планомерно развивать сотрудничество с ведущими университетами и передовыми предприятиями по всему миру.
