Методология проектирования Метаразвития
В.К. Петросян (Вадимир). Мировая пикоэлектроника. Прошлое, настоящее, будущее. Проектирование Метаразвития. Тома 1-6
Методология проектирования Метаразвития
5.1. Научная гипотеза и технологический эксперимент
5.2. Цифровые исследовательские платформы
5.3. Системы автоматизированного выбора технологий
5.4. Метрики эффективности и контрольные эксперименты
5.5. Метаразвитие как воспроизводимая технология
*********
© В.К.
Петросян (Вадимир) © Lag.ru [Large Apeironic Gateway, Большой Апейронический
Портал (Шлюз), Суперпортал в Бесконечность].
При копировании данного материала и размещении его на другом сайте, ссылки
на соответствующие локации порталов Lag.ru и Proza.ru обязательны
Работа написана на основе концепции и разработок В.К. Петросяна при полноценном соавторстве (активном творческом и техническом участии) ChatGPT (OpenAI), GPT-5.6 Sol
******
Методология проектирования Метаразвития
От проверяемой научной гипотезы и управляемого технологического эксперимента — к цифровой исследовательской инфраструктуре, автоматизированному выбору технологических траекторий и воспроизводимому совершенствованию методов создания новых технологий.
Введение. От теории Метаразвития к методологии её практического проектирования
В предыдущих главах части VI были сформулированы теоретические основания Метаразвития, рассмотрена задача опережения опережения, определена функциональная иерархия META–PICO–NOO и исследована возможность создания саморазвивающейся научно-технологической системы.
Было показано, что стратегическая цель генеральной технологии Метаразвития заключается не только в создании новых материалов, электронных устройств, интеллектуальных машин или производственных процессов.
Её специальным объектом должны стать методы, посредством которых создаются последующие научно-технические результаты.
Следовательно, центральная задача Метаразвития состоит в проектировании и экспериментальной проверке механизмов совершенствования самого научно-технологического развития.
Однако наличие теоретической концепции ещё не означает существования соответствующей технологии.
Для её практической реализации необходимо определить конкретные инженерные процедуры, цифровые инструменты, способы принятия решений и критерии проверки.
В противном случае Метаразвитие останется системой стратегических предположений, не обладающей достаточной экспериментальной определённостью.
В настоящей главе предлагается перейти от теоретической постановки к методологии проектирования.
При этом важно сохранить принципиальное различие между тремя уровнями научно-технологической деятельности.
Первый уровень — создание нового предметного результата.
Например, электронного устройства, функционального материала, алгоритма или технологического процесса.
Второй уровень — совершенствование метода создания соответствующих результатов.
Например, разработка более эффективной процедуры выбора экспериментов или поиска перспективных технических решений.
Третий уровень — совершенствование механизма последующего улучшения исследовательских методов.
Именно этот уровень составляет наиболее сильную гипотезу саморазвивающегося Метаразвития.
Но переход между указанными уровнями не является автоматическим.
Создание нового устройства не доказывает совершенствования методов научного поиска.
Успешная оптимизация одного исследовательского процесса не подтверждает возможность его дальнейшего самоускорения.
И даже многократное улучшение интеллектуального алгоритма не означает, что соответствующий механизм будет результативен во всех научных областях.
Поэтому методология проектирования META должна основываться на независимой проверке каждого перехода.
Особое значение приобретают пять исследовательских направлений.
Первое связано с научной гипотезой и технологическим экспериментом.
Второе — с цифровыми платформами, объединяющими моделирование, данные, научные инструменты и экспериментальные процедуры.
Третье — с автоматизированным выбором перспективных технологий.
Четвёртое — с системой метрик, контрольными экспериментами и причинной оценкой технологических преимуществ.
Пятое — с условиями превращения отдельных методов в воспроизводимую генеральную технологию Метаразвития.
При этом необходимо учитывать результаты современных научных дисциплин.
Методология научного эксперимента разработала принципы проверки гипотез.
Статистика — методы планирования исследований и оценки неопределённости.
Системная инженерия — процедуры создания сложных технических объектов.
Цифровое материаловедение — средства воспроизводимого моделирования и хранения научных данных.
Многокритериальная оптимизация — методы сопоставления альтернативных технических решений.
А современный искусственный интеллект — инструменты автоматизированного поиска и анализа.
Все эти направления могут предоставлять компоненты будущей META.
Однако ни одно из них само по себе не доказывает существования генеральной технологии опережения опережения.
Поэтому необходимо сформировать собственную интегрированную методологию, ориентированную на проверяемое совершенствование процессов создания технологий.
В настоящей книге её предлагается разрабатывать в рамках синхронного развития двух субтехнологий.
PICO исследует новые физические основания электронной техники.
NOO создаёт интеллектуально-креативные инструменты научного поиска.
META должна обеспечивать проектирование, интеграцию, оценку и совершенствование методов их использования.
При этом физическая и интеллектуальная программы сохраняют самостоятельность.
Первые исследовательские ноокомпьютеры могут разрабатываться на существующих вычислительных платформах.
А исследования PICO могут проводиться с использованием современных физических лабораторий.
Их совместная работа должна начинаться с ограниченных задач, для которых существуют объективные критерии результата.
Таким образом, методология META должна объединять стратегическую направленность, научную проверяемость и инженерную реализуемость.
5.1. Научная гипотеза и технологический эксперимент
5.1.1. Гипотеза как исходный объект научно-технологического проектирования
Любая исследовательская программа начинается с определённого представления о возможности получения нового результата.
В фундаментальной науке таким представлением может быть гипотеза о ранее неизвестной физической закономерности.
В инженерии — предположение о работоспособности новой конструкции.
В материаловедении — прогноз определённых свойств вещества.
В Метаразвитии возникает дополнительный тип гипотез.
Он относится к возможности совершенствования самих методов исследования.
Например, предполагается, что использование специально организованной системы NOO позволит сократить полную стоимость разработки определённого класса электронных устройств PICO.
Однако для научной проверки подобное утверждение необходимо конкретизировать.
Следует определить класс устройств, существующий метод разработки, предлагаемый новый метод, измеряемые характеристики и условия сравнения.
Таким образом, стратегическая идея должна быть преобразована в проверяемую исследовательскую гипотезу.
5.1.2. Различие физических, инженерных и метатехнологических гипотез
Для первоначального проектирования META предлагается разграничивать три типа гипотез.
Физическая гипотеза предполагает существование определённого эффекта или закономерности.
Например, изменение атомарной структуры контакта может влиять на электронный транспорт.
Инженерная гипотеза предполагает возможность практически использовать определённый физический эффект для выполнения полезной функции.
Например, создать электронный компонент с установленными характеристиками.
Метатехнологическая гипотеза предполагает возможность повысить результативность разработки соответствующих компонентов посредством изменения исследовательского метода.
Например, использовать интеллектуальный выбор экспериментов для уменьшения числа физических испытаний.
Эти типы гипотез взаимосвязаны, но требуют различных способов проверки.
Физическая гипотеза должна проверяться соответствующими научными методами.
Инженерная — посредством испытаний технической конструкции.
Метатехнологическая — сравнением результативности исследовательских процессов.
5.1.3. Требование проверяемости
Одним из фундаментальных принципов научной методологии является возможность эмпирически или логически проверять сформулированные утверждения.
В работе Карла Поппера The Logic of Scientific Discovery были подробно рассмотрены вопросы опровержимости научных гипотез [4].
Однако для практического проектирования META требуется операциональная конкретизация.
Необходимо заранее определить, какие наблюдения будут свидетельствовать в пользу гипотезы.
Какие результаты потребуют её уточнения.
И какие обстоятельства станут основанием для её отклонения.
Например, утверждение о том, что новая исследовательская система является «более интеллектуальной», недостаточно определённо.
Необходимо установить, какие именно задачи она должна выполнять лучше.
Каким образом будет измеряться преимущество.
И с чем оно будет сравниваться.
Следовательно, проверяемость предполагает переход от общих характеристик к наблюдаемым результатам.
5.1.4. Постановка нулевой и альтернативной гипотез
Для сравнительного эксперимента целесообразно предварительно установить два возможных положения.
Первое предполагает отсутствие подтверждённого преимущества предлагаемого метода по выбранному основному показателю.
Второе предполагает наличие такого преимущества.
Однако необходимо учитывать, что статистическая процедура не должна заменять физическую или инженерную интерпретацию.
Например, статистически обнаруженное сокращение времени разработки может быть практически незначительным.
И наоборот, потенциально важное улучшение может оставаться неопределённым вследствие недостаточного числа исследований.
Поэтому необходимо разграничивать статистическую убедительность и практическую значимость.
Для META особенно важно заранее определить минимальную величину преимущества, имеющую реальную технологическую ценность.
5.1.5. Паспорт научно-технологической гипотезы
Для обеспечения воспроизводимости предлагается использовать стандартизированный паспорт гипотезы.
Он должен включать следующие сведения.
Поле Содержание
Объект Исследуемый эффект, устройство или метод
Предположение Проверяемое научное утверждение
Основания Источники, данные, расчёты
Ограничения Физические и инженерные условия
Альтернативы Конкурирующие объяснения и решения
Эксперимент Способ проверки
Критерий успеха Заранее установленный результат
Критерий отклонения Условия отрицательного заключения
Ресурсы Планируемые затраты
Достоверность Статус доказательности
Данная структура является авторским проектным предложением.
Она предназначена для первоначального использования в исследовательской системе META.
Особенно важно, что паспорт должен сохранять историю изменений.
Если гипотеза уточняется после получения экспериментальных данных, новая версия должна быть отличима от исходной.
Иначе возникает риск подгонки первоначального предположения под уже известные результаты.
5.1.6. Предварительная регистрация эксперимента
В современной научной методологии значительное внимание уделяется предварительной регистрации исследовательских решений.
В работе Nosek и соавторов 2018 года рассмотрены преимущества фиксации гипотез, основных показателей и методов анализа до получения результатов [7].
Для META этот подход имеет особое значение.
Интеллектуальная система может автоматически формировать множество альтернатив.
Но после завершения исследования появляется соблазн представить удачную гипотезу как первоначально основную.
Поэтому необходимо сохранять исходную постановку задачи.
Фиксировать основные показатели.
Разграничивать подтверждающий эксперимент и последующий исследовательский анализ.
При этом предварительная регистрация не должна препятствовать научному поиску.
Новые гипотезы могут возникать после получения данных.
Но они должны документироваться как новые, а не задним числом включаться в исходный исследовательский план.
5.1.7. Технологический эксперимент как проверка полезной функции
Научный эксперимент и технологический эксперимент обладают общей методологической основой, но различаются по конечной направленности.
Научный эксперимент может быть предназначен для проверки определённой закономерности.
Технологический эксперимент дополнительно исследует возможность воспроизводимого выполнения полезной функции.
Например, обнаружение нового электронного эффекта может представлять значимый научный результат.
Однако создание устройства на его основе требует проверки управляемости.
Надёжности.
Совместимости с другими компонентами.
И возможности воспроизводимого изготовления.
Следовательно, для PICO необходимо различать подтверждение физического принципа и подтверждение технической пригодности.
Второй результат требует дополнительных испытаний.
5.1.8. Планирование эксперимента
Исторические основы статистического планирования экспериментов связаны с работами Рональда Фишера [5].
В дальнейшем методы экспериментальной оптимизации получили развитие, в частности, в исследовании Box и Wilson [6].
Для META они представляют важную методологическую основу.
Планирование должно учитывать исследуемые факторы.
Диапазоны их изменения.
Предполагаемые взаимодействия.
Повторные измерения.
И возможные источники систематических ошибок.
Однако необходимо учитывать, что традиционные методы планирования не всегда достаточны для сложных адаптивных исследований.
В некоторых задачах выбор последующего эксперимента целесообразно изменять на основе ранее полученных данных.
Поэтому возможно использование последовательных и адаптивных методик.
5.1.9. Адаптивный эксперимент и активное обучение
В 2019 году Lookman и соавторы рассмотрели использование активного обучения в материаловедческом поиске [15].
В 2021 году Shields и соавторы продемонстрировали применение байесовской оптимизации к определённым задачам химического синтеза [16].
Подобные методы позволяют выбирать последующие эксперименты с учётом уже полученных результатов.
Однако адаптивность должна сопровождаться строгим контролем.
Например, алгоритм может постепенно сосредотачиваться на небольшой области экспериментальных параметров.
Это способно повысить эффективность локальной оптимизации.
Но одновременно уменьшить вероятность обнаружения принципиально альтернативного решения.
Поэтому необходимо поддерживать разумный баланс между исследованием новых областей и использованием уже полученных знаний.
5.1.10. Ценность отрицательного результата
В научно-технологическом поиске значительная часть экспериментов не подтверждает первоначальные ожидания.
Однако отрицательные результаты могут иметь высокую информационную ценность.
Например, неудачный синтез способен выявить ограничения химического маршрута.
Отсутствие ожидаемого электронного эффекта — указать на ошибочность физической модели.
А неэффективность алгоритма — обнаружить ограничения исследовательского метода.
В 2016 году Raccuglia и соавторы показали возможность использовать сведения о неудачных экспериментах для машинного обучения при поиске материалов [35].
Для META это имеет особое значение.
Система должна стремиться уменьшать количество малоинформативных экспериментов, но не исключать отрицательные результаты из научной памяти.
Напротив, они необходимы для совершенствования последующего поиска.
5.1.11. Критический эксперимент
Одним из наиболее полезных инструментов технологического проектирования является эксперимент, способный различить несколько конкурирующих гипотез.
Например, две физические модели предсказывают различные зависимости электронного тока от определённого внешнего параметра.
Тогда эксперимент следует организовать так, чтобы исследовать область наибольшего расхождения предсказаний.
Однако необходимо учитывать измерительную неопределённость.
Если различия между моделями меньше экспериментального шума, подобная проверка может оказаться недостаточно информативной.
Следовательно, критический эксперимент должен проектироваться совместно с метрологической методикой.
Для META особенно важно совершенствовать именно способность выбирать такие эксперименты.
5.1.12. От гипотезы к программе последующих исследований
После завершения эксперимента необходимо принять одно из нескольких решений.
Гипотеза может получить дополнительное подтверждение.
Потребовать уточнения.
Остаться неопределённой.
Или быть отвергнута в первоначальной формулировке.
Но даже подтверждённый результат не означает автоматической готовности технологии к промышленному использованию.
Необходимо исследовать воспроизводимость, масштабируемость и экономическую эффективность.
Поэтому первоначальный эксперимент должен рассматриваться как часть более широкой программы.
Главным методологическим результатом становится обоснованное решение о последующем исследовательском направлении.
5.1.13. Особая задача эксперимента Метаразвития
Для генеральной технологии необходимо дополнительно проверять эффективность самого исследовательского процесса.
Например, физический эксперимент PICO может подтвердить определённую гипотезу.
Но для META необходимо установить, оказалась ли новая методика её проверки результативнее существующих методов.
Следовательно, возникает эксперимент второго уровня.
Его объектом становится исследовательская процедура.
Сравниваются время.
Затраты.
Качество.
И воспроизводимость.
При этом необходимо исключить влияние несопоставимой сложности задач и дополнительных ресурсов.
Именно такой эксперимент позволяет перейти от предметного научного результата к исследованию Метаразвития.
5.2. Цифровые исследовательские платформы
5.2.1. Цифровая платформа как инфраструктура научно-технологического процесса
Современная наука использует множество программных инструментов.
Например, базы научных публикаций.
Системы математического моделирования.
Средства автоматизированного проектирования.
Программы обработки измерений.
И специализированные базы материалов.
Однако наличие отдельных программ ещё не означает существования интегрированной исследовательской платформы.
Для META необходимо обеспечить взаимодействие различных функций.
Постановки задач.
Формирования гипотез.
Моделирования.
Планирования экспериментов.
Обработки результатов.
Независимой проверки.
И сохранения исследовательского опыта.
Следовательно, цифровая исследовательская платформа должна рассматриваться как организованная инфраструктура выполнения полного научно-технологического цикла.
5.2.2. Принцип модульности
Одним из важнейших требований является модульная архитектура.
Например, система научного поиска не должна зависеть исключительно от одной языковой модели.
Модуль моделирования должен допускать использование различных специализированных вычислительных программ.
А экспериментальная подсистема — поддерживать несколько типов научного оборудования.
Подобная организация позволяет заменять отдельные компоненты без полного изменения платформы.
Однако модульность требует совместимых интерфейсов.
Необходимо стандартизировать форматы задач, результатов и метаданных.
Поэтому проектирование интерфейсов становится самостоятельной исследовательской задачей.
5.2.3. АiiDA как пример воспроизводимой вычислительной инфраструктуры
Важным примером современной научной платформы является AiiDA.
В работе Huber и соавторов 2020 года представлена архитектура AiiDA 1.0 для автоматизации вычислительных процессов и сохранения происхождения научных данных [10].
Система позволяет организовывать последовательности расчётов.
Использовать распределённые вычислительные ресурсы.
И сохранять связи между исходными данными, процедурами и результатами.
Для META особенно важен принцип автоматической регистрации происхождения вычислительного результата.
Если научная модель получает определённую характеристику материала, необходимо знать, на основе каких данных и методов она была вычислена.
Без подобной информации независимое воспроизведение может оказаться невозможным.
Однако AiiDA не является ноомашиной в авторском смысле настоящей книги.
Она представляет существующую вычислительную инфраструктуру, отдельные архитектурные принципы которой могут использоваться при проектировании NOO и META.
5.2.4. Materials Project как научный информационный ресурс
Другой важный пример представляет Materials Project.
Его научные и организационные основания были рассмотрены Jain и соавторами в 2013 году [12].
Проект предназначен для систематического вычислительного исследования свойств материалов и предоставления соответствующих данных научному сообществу.
Такие ресурсы могут существенно уменьшать необходимость повторного выполнения уже известных расчётов.
Однако необходимо учитывать различие между вычислительными и экспериментальными характеристиками.
Не каждое предсказанное свойство получило независимое лабораторное подтверждение.
Кроме того, данные зависят от используемой вычислительной методики.
Поэтому META должна сохранять сведения о происхождении, версии и степени достоверности каждого результата.
5.2.5. OPTIMADE и совместимость материаловедческих баз
При использовании нескольких научных информационных ресурсов возникает проблема совместимости.
Различные базы данных могут использовать разные форматы.
Наборы характеристик.
Обозначения.
И интерфейсы доступа.
В 2021 году Andersen и соавторы представили OPTIMADE — спецификацию программного интерфейса для обмена материаловедческими данными [11].
Её значение заключается в упрощении взаимодействия между различными вычислительными ресурсами.
Для META этот подход имеет методологическую ценность.
Перспективная исследовательская система не должна зависеть от одной информационной базы.
Она должна поддерживать взаимодействие с несколькими источниками, сохраняя возможность проверки происхождения данных.
Однако техническая совместимость не гарантирует одинаковой научной достоверности.
Поэтому интеграция должна сопровождаться контролем качества информации.
5.2.6. Специализированные программные библиотеки
Цифровая платформа должна объединять универсальные интеллектуальные механизмы со специализированными научными инструментами.
Например, библиотека pymatgen, описанная Ong и соавторами в 2013 году, предоставляет средства анализа кристаллических структур и материаловедческих данных [13].
Использование подобных библиотек позволяет выполнять определённые функции более строго, чем свободная текстовая генерация.
Например, физическая величина может рассчитываться специализированным программным инструментом.
А интеллектуальная модель может помогать выбирать процедуру и интерпретировать результат.
Однако необходимо учитывать корректность передачи параметров.
Ошибки единиц измерения.
Неверное использование ограничений.
И возможность несоответствия вычислительной модели реальной физической системе.
Следовательно, взаимодействие интеллектуальных агентов со специализированными инструментами должно проходить функциональную проверку.
5.2.7. Исследовательский граф происхождения данных
Для META предлагается использовать специальную структуру научной памяти.
Каждый существенный результат должен быть связан с исходной задачей.
Использованной гипотезой.
Расчётной моделью.
Версией программного обеспечения.
Экспериментальными данными.
И процедурой проверки.
Подобная система может быть представлена в виде графа происхождения результатов.
Например, новый электронный материал связан с определённой атомарной структурой.
Она — с расчётным прогнозом.
Прогноз — с моделью.
Модель — с исходными данными.
А экспериментальное подтверждение — с конкретными условиями измерения.
Следовательно, исследовательская память должна сохранять не только содержательные результаты, но и доказательные связи между ними.
5.2.8. Принципы FAIR
В 2016 году Wilkinson и соавторы сформулировали принципы FAIR [9].
Они ориентированы на обеспечение обнаружимости, доступности, совместимости и повторного использования научных данных.
Для META данные принципы имеют принципиальное значение.
Интеллектуальная система должна находить научные данные.
Понимать их структуру.
Устанавливать источник.
И определять возможность повторного применения.
Однако FAIR не означает обязательной полной открытости.
Некоторые сведения могут иметь ограничения доступа.
Например, вследствие требований безопасности или защиты интеллектуальной собственности.
Поэтому исследовательская платформа должна обеспечивать как совместимость данных, так и управление соответствующими разрешениями.
5.2.9. Цифровой двойник технологического процесса
Одним из перспективных инструментов является цифровой двойник.
В настоящем контексте под ним следует понимать вычислительную модель, специально предназначенную для воспроизведения существенных свойств определённой физической установки или исследовательского процесса.
Такой подход может использоваться для предварительного испытания экспериментальных сценариев.
Например, проверить допустимость параметров управления.
Исследовать возможные изменения технологического процесса.
И оценить последствия ошибочных действий.
В 2026 году Zhao и Zeng рассмотрели перспективы цифровых двойников для самоуправляемых химических лабораторий [20].
Однако цифровая модель не является полным эквивалентом физического эксперимента.
Она может не учитывать отдельные дефекты, нестабильность оборудования и неизвестные физические взаимодействия.
Поэтому результаты цифрового двойника должны рассматриваться как вычислительные прогнозы до их экспериментального подтверждения.
5.2.10. Интеграция интеллектуальных агентов
Для NOO особое значение имеет возможность объединять несколько функциональных интеллектуальных модулей.
Например, один модуль выполняет научный поиск.
Другой формирует гипотезы.
Третий запускает специализированные расчёты.
Четвёртый анализирует ошибки.
Пятый подготавливает экспериментальный план.
Однако большое количество агентов само по себе не гарантирует повышения эффективности.
Может возникать дублирование операций.
Увеличение вычислительной стоимости.
И накопление ошибок при передаче информации.
Поэтому необходимо оценивать преимущество многоагентной архитектуры по сравнению с более простыми современными системами.
Особенно важно сохранять независимость проверки результатов.
5.2.11. Контроль экспериментального оборудования
При взаимодействии цифровой платформы с физической лабораторией возникают дополнительные требования.
Необходимо устанавливать пределы допустимых управляющих действий.
Учитывать технические характеристики оборудования.
Проверять единицы измерения.
И сохранять журнал всех существенных операций.
При этом степень автономности должна зависеть от риска.
Обработка существующих экспериментальных данных может выполняться автоматически.
Изменение параметров физической установки может требовать дополнительных разрешений.
А потенциально опасные действия — обязательного контроля уполномоченных специалистов.
Следовательно, цифровая исследовательская платформа должна включать отдельную подсистему управления полномочиями.
5.2.12. Архитектура цифровой платформы META
Для первоначального проектирования предлагается следующая функциональная структура.
Подсистема Основная функция
Постановка задачи Цель, ограничения, критерии
Научные данные Источники и происхождение
Интеллектуальный поиск Гипотезы и альтернативы
Расчётные инструменты Моделирование и анализ
Планирование эксперимента Выбор информативных проверок
Физическая лаборатория Получение измерений
Проверочный контур Независимая достоверность
Исследовательская память Сохранение знаний и ошибок
Контур улучшения Новые версии методов
Контур управления Ресурсы, риски, безопасность
Данная архитектура представляет авторскую проектную модель.
Она не означает, что все указанные функции уже реализованы в одной существующей ноомашине.
Её назначение заключается в формировании требований для будущей исследовательской платформы International NooMachines.
5.2.13. Версионирование исследовательских процедур
Одним из ключевых требований является возможность сохранять версии моделей, данных и исследовательских методов.
Например, после завершения первого экспериментального цикла система может предложить изменить способ выбора экспериментов.
Однако необходимо сохранить первоначальную методику.
Зафиксировать изменения.
И выполнить независимую проверку новой версии.
Если преимущество не подтверждается, соответствующее изменение не должно автоматически включаться в основную платформу.
Таким образом, версионирование становится необходимым элементом контролируемого самосовершенствования.
5.2.14. Информационная безопасность
Развитая цифровая исследовательская платформа может получать доступ к значительным массивам научной информации и внешним программным инструментам.
Поэтому необходимо учитывать риски ошибочных действий интеллектуальных агентов.
Манипуляции внешними данными.
Несанкционированного изменения файлов.
И неправильного использования вычислительных ресурсов.
В качестве методологической основы могут применяться NIST AI Risk Management Framework [33] и ISO/IEC 42001:2023 [34].
Однако данные документы не являются стандартами ноокомпьютеров или генеральной технологии Метаразвития.
Они могут использоваться для проектирования механизмов контроля и управления рисками.
5.2.15. Главный вывод раздела
Цифровая исследовательская платформа представляет необходимую инфраструктуру практического проектирования META.
Она должна обеспечивать воспроизводимое выполнение научных процедур, совместимость информационных источников, работу с физическими экспериментами и контролируемое совершенствование методов.
Однако сама цифровизация не означает возникновения Метаразвития.
Для соответствующего вывода необходимо доказать, что новая архитектура воспроизводимо повышает эффективность полного научно-технологического процесса.
5.3. Системы автоматизированного выбора технологий
5.3.1. Выбор технологической траектории как научно-инженерная задача
На ранних этапах разработки новой технологии обычно существует несколько возможных направлений.
Например, для перспективного электронного устройства могут рассматриваться различные материалы.
Физические механизмы.
Архитектуры.
И способы изготовления.
Каждое направление имеет собственные преимущества и ограничения.
Поэтому выбор не должен осуществляться исключительно на основании первоначальной привлекательности идеи.
Необходимо организовать сравнительную оценку.
В рамках META возникает дополнительная задача.
Система должна не только помогать выбирать перспективную технологию, но и совершенствовать сам метод последующего выбора.
5.3.2. Разграничение технологического выбора и технической оптимизации
Следует различать две задачи.
Техническая оптимизация предполагает поиск лучших параметров уже выбранной архитектуры.
Технологический выбор предполагает сопоставление различных физических, инженерных или организационных принципов.
Например, можно оптимизировать размеры определённого транзистора.
Но можно исследовать альтернативную физическую архитектуру электронной функции.
Эти задачи требуют различных подходов.
Оптимизация может быть ориентирована на непрерывное пространство параметров.
Технологический выбор часто включает качественно различающиеся решения.
Поэтому для META необходимо сочетать методы численной оптимизации с научно-технической экспертизой.
5.3.3. Предварительная формулировка полезной функции
Одним из важнейших принципов является определение цели до выбора конкретной технологии.
Например, необходимо повысить энергетическую эффективность определённой вычислительной функции.
Однако заранее не следует предполагать, что единственный путь заключается в уменьшении размеров транзистора.
Возможны архитектурные изменения.
Специализированные вычислительные блоки.
Новые системы памяти.
Или иные способы организации обработки информации.
Следовательно, постановка задачи должна сохранять возможность исследования альтернатив.
Особенно важно отличать конечную полезную функцию от предпочтительного технического средства её достижения.
5.3.4. Пространство допустимых технологических альтернатив
После определения цели необходимо сформировать перечень возможных решений.
Однако он не должен быть произвольным.
Для каждого кандидата необходимо установить хотя бы предварительное научное основание.
Например, известный физический механизм.
Результат математического моделирования.
Экспериментальный прототип.
Или подтверждённую технологическую аналогию.
При этом необходимо сохранять различие между уже проверенной технологией и гипотетической архитектурой.
Иначе система может ошибочно сопоставлять зрелое промышленное решение с исключительно теоретической возможностью.
Следовательно, при сравнении требуется учитывать уровень доказательности каждой альтернативы.
5.3.5. Отбор физически допустимых решений
Первоначальная стадия выбора должна включать проверку физических ограничений.
Например, сохранение энергии.
Термодинамические требования.
Условия устойчивости материала.
И ограничения электронного транспорта.
Однако физическая допустимость не равнозначна практической осуществимости.
Определённая структура может быть совместима с известными физическими законами, но требовать недоступных условий изготовления.
Поэтому после физического анализа необходим следующий уровень проверки.
Он связан с инженерной и технологической реализуемостью.
5.3.6. Оценка технологической зрелости
В международной практике используются различные методы оценки технологической готовности.
В частности, руководство U.S. Government Accountability Office 2020 года рассматривает процедуры Technology Readiness Assessment [23].
Они помогают оценивать зрелость технологий и риски их последующей интеграции.
Для META данные подходы представляют полезный методологический ориентир.
Однако научная новизна и технологическая готовность не являются одинаковыми характеристиками.
Новый физический принцип может иметь высокую научную значимость при низкой производственной зрелости.
Поэтому необходимо оценивать оба свойства независимо.
Кроме того, авторские шкалы P0–P5 и N0–N5, рассмотренные ранее в книге, не следует объявлять международными стандартами TRL.
5.3.7. Многокритериальный выбор
Реальное техническое решение должно оцениваться по нескольким характеристикам.
Например, физической работоспособности.
Энергетической эффективности.
Стоимостью изготовления.
Надёжности.
Производственной совместимости.
И перспективам дальнейшего совершенствования.
Однако улучшение одного показателя может сопровождаться ухудшением другого.
Для подобных задач используются методы многокритериальной оптимизации.
В частности, Deb и соавторы представили алгоритм NSGA-II, предназначенный для исследования множества Парето-оптимальных решений [22].
Для META это имеет принципиальное значение.
Не всегда существует одна технология, превосходящая все остальные по каждому параметру.
Поэтому система выбора должна учитывать назначение будущего устройства и конкретные требования пользователя.
5.3.8. Почему универсальный рейтинг технологий может быть ошибочным
Одним из возможных подходов является присвоение каждой технологии интегрального балла.
Однако подобная процедура содержит значительные методологические риски.
Например, результат может сильно зависеть от выбранных весов.
Если увеличить значение энергетической эффективности, предпочтение получит одно устройство.
Если увеличить значение стоимости — другое.
Кроме того, некоторые характеристики не должны компенсироваться другими.
Например, недопустимый риск безопасности нельзя автоматически компенсировать высоким быстродействием.
Поэтому для META целесообразно сначала устанавливать обязательные ограничения.
И только затем сравнивать допустимые альтернативы.
5.3.9. Неопределённость технологических прогнозов
Особенно сложной является оценка принципиально новых технологий.
Для них может отсутствовать достаточная экспериментальная статистика.
Например, известен физический эффект, но ещё не разработан воспроизводимый производственный процесс.
Или существует вычислительная модель, но не подтверждены её предсказания.
Поэтому необходимо использовать интервальные или сценарные оценки.
В частности, можно рассматривать несколько возможных значений стоимости и эффективности.
Однако нельзя превращать экспертную вероятность в объективно измеренную величину без соответствующего основания.
Следовательно, неопределённость должна сохраняться явно.
5.3.10. Ценность дополнительной информации
При выборе технологии важно определять, какие новые данные могут существенно изменить решение.
Например, две перспективные электронные архитектуры обладают сопоставимыми прогнозируемыми характеристиками.
Но для одной существует серьёзная неопределённость относительно контактного сопротивления.
В таком случае может оказаться рациональным сначала провести сравнительно небольшой эксперимент, направленный на исследование именно этой характеристики.
Если результат позволит отвергнуть бесперспективную архитектуру, полные затраты последующего поиска могут уменьшиться.
Следовательно, выбор технологии должен включать оценку информационной ценности будущих экспериментов.
5.3.11. Активный выбор технологий
Современные методы активного обучения позволяют выбирать последующие исследования с учётом новых данных.
Но для META необходимо расширить соответствующий принцип.
Объектом выбора становится не только следующий набор параметров.
Может изменяться и сама технологическая траектория.
Например, после серии экспериментов выясняется, что первоначальный материал имеет фундаментальные ограничения.
Тогда система может предложить переход к альтернативному классу веществ.
Или к другой электронной архитектуре.
Однако подобное решение требует содержательного научного анализа.
Следовательно, автоматизированный выбор должен объединять статистическую оптимизацию с исследованием физической природы проблемы.
5.3.12. Поэтапные решения о продолжении исследований
Для управления крупными технологическими программами используются различные поэтапные методы.
В частности, Cooper в 1990 году описал системы Stage-Gate для организации разработки новых продуктов [21].
Подобные подходы позволяют разделять проект на стадии, между которыми принимаются решения о продолжении.
Для META этот принцип может использоваться в адаптированной форме.
Например, после проверки физического эффекта принимается решение о создании прототипа.
После проверки прототипа — о воспроизводимости.
После подтверждения воспроизводимости — об интеграции.
Однако нельзя превращать исследовательскую программу в исключительно административную последовательность.
В фундаментальной науке результаты могут требовать возврата к предыдущей стадии или изменения исходной гипотезы.
Поэтому система должна сохранять гибкость.
5.3.13. Автоматизированное решение и ответственность человека
Интеллектуальная система может формировать сравнительные отчёты.
Оценивать возможные затраты.
Предлагать дополнительные эксперименты.
И выявлять противоречия.
Однако решение о масштабном финансировании или физически рискованном эксперименте не должно автоматически передаваться интеллектуальному агенту.
Особенно если соответствующая система не обладает доказанной надёжностью.
Поэтому необходимо устанавливать уровни полномочий.
Для простых информационных операций допустима более высокая автономность.
Для стратегически значимых решений требуется дополнительная проверка.
Таким образом, автоматизация технологического выбора должна развиваться совместно с механизмами ответственности.
5.3.14. Пример выбора технологической траектории PICO
Рассмотрим условную задачу разработки электронной структуры с уменьшенной полной энергией выполнения определённой функции.
В качестве альтернатив могут рассматриваться усовершенствованная CMOS-архитектура.
Гибридная структура с двумерным материалом.
Атомарно-точное электронное устройство.
И специализированная вычислительная архитектура, достигающая той же полезной цели без изменения физического принципа переключения.
Первоначально необходимо определить одинаковую функциональную задачу.
Затем собрать существующие экспериментальные данные.
После этого оценить физические характеристики, стоимость и зрелость.
Для наиболее неопределённых решений разработать дополнительные эксперименты.
И только затем принимать решение об исследовательских приоритетах.
Однако выбор одной альтернативы не означает автоматического прекращения всех остальных.
На ранней стадии может быть целесообразно сохранять ограниченный портфель.
5.3.15. Самосовершенствование процедуры технологического выбора
Для META наиболее важен следующий этап.
После завершения нескольких проектов необходимо исследовать, насколько эффективной была исходная процедура выбора.
Например, система могла систематически переоценивать перспективы недостаточно зрелых материалов.
Или уделять чрезмерное внимание одной физической характеристике.
Или не учитывать стоимость последующих испытаний.
На основании анализа можно предложить изменить критерии.
Но новая методика должна проверяться на других задачах.
Если преимущество подтверждается, возникает результат метатехнологического характера.
Именно так автоматизированный выбор технологий может становиться частью саморазвивающейся META.
5.3.16. Главный вывод раздела
Автоматизированный выбор технологий должен рассматриваться как процедура формирования, сравнения и экспериментальной проверки альтернативных научно-технических траекторий.
Он не сводится к созданию общего рейтинга.
Необходимо учитывать физическую допустимость, функциональные требования, зрелость, стоимость, неопределённость и перспективы последующего развития.
Однако для генеральной технологии Метаразвития главным становится дополнительное условие.
Система должна обладать проверяемой способностью совершенствовать сам метод выбора последующих технологий.
5.4. Метрики эффективности и контрольные эксперименты
5.4.1. Почему измерение является центральным элементом META
Одна из главных опасностей при проектировании масштабных технологических программ заключается в подмене реального прогресса количеством выполняемых действий.
Можно увеличивать число исследовательских гипотез.
Расширять вычислительную инфраструктуру.
Увеличивать количество научных публикаций.
И совершенствовать организационную структуру.
Однако подобные изменения не обязательно приводят к повышению эффективности создания новых технологий.
Поэтому генеральная технология Метаразвития должна обладать собственной системой измерения.
Необходимо устанавливать, какие результаты достигаются.
С какой скоростью.
При каких затратах.
Какого качества.
И с какой степенью воспроизводимости.
5.4.2. Международные подходы к измерению инноваций
Для построения такой системы полезны существующие методологические документы.
Руководство OECD Frascati Manual 2015 определяет принципы измерения научно-исследовательской деятельности и связанных затрат [27].
Oslo Manual 2018 рассматривает методы сбора и интерпретации данных об инновационной деятельности [28].
Стандарт ISO 56008:2024 предоставляет рекомендации по измерению инновационных процессов, инициатив и портфелей [25].
Эти документы представляют важные источники для META.
Однако они не устанавливают специальных критериев опережения опережения.
Поэтому необходимо разрабатывать дополнительную систему показателей, ориентированную на совершенствование методов создания технологий.
5.4.3. Единица измерения результативности
Для первоначального исследования предлагается использовать завершённую научно-технологическую задачу.
Однако необходимо определить степень её завершённости.
Например, для электронной техники результатом может быть экспериментальный образец с установленными характеристиками.
Для материаловедения — полученное соединение с подтверждённым составом и свойствами.
Для алгоритмической задачи — корректно работающая программа с измеренными характеристиками.
При этом нельзя сравнивать расчётный прогноз с физически испытанным устройством как равнозначные результаты.
Следовательно, критерий завершения должен определяться заранее и одинаково применяться ко всем сравниваемым системам.
5.4.4. Время полного исследовательского цикла
Первым важным показателем является продолжительность исследования.
Однако необходимо разграничивать время отдельных операций и время достижения полезного результата.
Например, NOO может значительно ускорить анализ научной литературы.
Но если изготовление экспериментального образца занимает несколько недель, общий эффект может оказаться ограниченным.
Поэтому следует измерять полный цикл.
От регистрации задачи — до независимого подтверждения результата.
При этом необходимо отдельно фиксировать календарное время и суммарные человеко-часы.
Они характеризуют различные стороны исследовательской деятельности.
5.4.5. Полная стоимость результата
Следующий показатель связан с затратами.
Для META необходимо учитывать вычисления, труд исследователей, стоимость оборудования, расходные материалы, энергию и проверку результатов.
Особенно важно включать затраты на неудачные попытки.
Например, если исследовательская система предложила двадцать технических вариантов, из которых только один оказался работоспособным, полная стоимость должна включать проверку всех двадцати.
Иначе можно получить искусственно низкую стоимость успешного результата.
Следовательно, экономический анализ должен охватывать весь исследовательский портфель.
5.4.6. Качество и функциональная полезность
Третье измерение связано с качеством.
Однако оно не является универсальной величиной.
Для электронного устройства качество может определяться энергопотреблением, быстродействием и надёжностью.
Для научной модели — объяснительной и предсказательной способностью.
Для программного алгоритма — корректностью и вычислительной эффективностью.
Поэтому необходимо использовать предметные показатели.
При этом следует устанавливать обязательные минимальные требования.
Например, уменьшение времени исследования не должно признаваться преимуществом, если качество результата опустилось ниже допустимого уровня.
5.4.7. Воспроизводимость
Четвёртым обязательным показателем является воспроизводимость.
В докладе Национальных академий США 2019 года специально разграничиваются вычислительная воспроизводимость и независимое повторное получение научных результатов [8].
Для META оба вида имеют значение.
Расчётные результаты должны допускать повторное получение при использовании соответствующих данных и программ.
Физические результаты — независимую экспериментальную проверку.
Но необходимо учитывать измерительную неопределённость.
Повторные результаты не обязаны полностью совпадать численно.
Они должны соответствовать заранее установленным критериям согласованности.
5.4.8. Метрологическая неопределённость
Для PICO особенно важны высокоточные физические измерения.
Например, электронного тока.
Напряжения.
Температуры.
Спектральных характеристик.
И атомарных расстояний.
Однако каждое измерение обладает неопределённостью.
Общие принципы её оценки представлены в JCGM 100:2008 [29].
Поэтому при сравнении новых технологий необходимо учитывать, превышает ли наблюдаемое улучшение уровень неопределённости.
Если различие статистически или метрологически неотличимо от экспериментального шума, нельзя объявлять его доказанным преимуществом.
5.4.9. Скорость достижения нового технологического уровня
В предыдущей главе была рассмотрена задача измерения опережения опережения.
Для её экспериментальной реализации необходимо сравнивать не только результаты отдельного исследования.
Следует анализировать динамику последовательных циклов.
Например, изменяется ли время достижения заданного уровня качества.
Снижается ли стоимость.
Уменьшается ли доля ошибочных решений.
При этом необходимо учитывать различия сложности задач.
Иначе ускорение может быть обусловлено не улучшением метода, а переходом к более простым исследованиям.
Следовательно, необходимы независимые контрольные наборы.
5.4.10. Основная сравнительная схема
Для первоначальной программы предлагается использовать четыре режима.
Режим Исследовательская организация
A Традиционные методы
B Современные ИИ-инструменты
C Специализированная система NOO
D META с контролируемым улучшением методов
Первый режим характеризует традиционный исследовательский процесс.
Второй позволяет оценить обычный эффект использования искусственного интеллекта.
Третий исследует преимущество специальной архитектуры NOO.
Четвёртый предназначен для проверки дополнительной эффективности контролируемого совершенствования исследовательских методов.
Однако необходимо учитывать, что разные режимы могут использовать различные ресурсы.
Поэтому эксперимент должен предусматривать сопоставимые бюджеты или соответствующую корректировку результатов.
5.4.11. Почему необходимо сравнение с современными ИИ-инструментами
Если новая система META превосходит традиционный исследовательский процесс, это может представлять полезный результат.
Однако оно не доказывает существования принципиально нового технологического класса.
Возможно, преимущество обусловлено использованием обычных доступных средств искусственного интеллекта.
Поэтому необходимо включать современную ИИ-систему в качестве контрольного режима.
При этом важно использовать актуальные инструменты.
Иначе сравнение может искусственно завышать преимущество экспериментальной архитектуры.
Таким образом, научное подтверждение META требует определения дополнительного эффекта по отношению к существующему технологическому уровню.
5.4.12. Рандомизация и сопоставимость задач
При возможности целесообразно использовать случайное распределение сопоставимых исследовательских задач между режимами.
Это уменьшает вероятность систематического отбора более простых задач для предпочтительной системы.
Однако не все технологические исследования допускают полноценную рандомизацию.
Некоторые эксперименты требуют уникального оборудования.
Другие являются слишком дорогостоящими.
В подобных случаях необходимо использовать специально разработанные схемы сравнительного анализа.
Например, сопоставимые экспериментальные серии или квазиэкспериментальные методы.
Однако их ограничения должны документироваться.
В работе Callaway и Sant’Anna 2021 года рассмотрены статистические методы оценки причинных эффектов при наличии нескольких временных периодов [30].
Такие подходы могут быть методологически полезны, но требуют проверки условий применимости.
5.4.13. Независимая оценка качества
Для исключения субъективных искажений необходимо отделять создание результата от его окончательной оценки.
Например, интеллектуальная система может сформировать физическую гипотезу.
Но её достоверность должна проверяться соответствующим научным методом.
В другом случае система может создать программу.
Тогда необходимо выполнить независимые программные тесты.
Особенно важно избегать ситуации, когда одна интеллектуальная модель самостоятельно объявляет свои результаты достоверными без внешних оснований.
Следовательно, проверочная система должна обладать самостоятельными критериями.
5.4.14. Предварительная регистрация основных показателей
Перед началом сравнительного исследования необходимо установить главный показатель результата.
Например, полную стоимость достижения заданного качества.
Дополнительно могут измеряться время, количество ошибок и доля успешных задач.
Но необходимо исключать произвольный выбор благоприятного показателя после завершения эксперимента.
Поэтому основная методика должна фиксироваться заранее.
При этом допускается проведение дополнительного исследовательского анализа.
Однако его результаты должны разграничиваться с первоначально заявленными проверками.
5.4.15. Минимально значимое преимущество
Одной из проблем является различие между статистически обнаруженным и практически значимым улучшением.
Например, большая серия исследований может выявить небольшое сокращение времени.
Однако его экономическая ценность может быть недостаточной для оправдания создания новой технологической инфраструктуры.
Поэтому перед началом эксперимента необходимо определить минимальный практически значимый эффект.
Он может относиться к стоимости, времени или качеству.
При этом его величина должна обосновываться особенностями конкретной области применения.
Универсальный процент преимущества для всех технологий научно установить невозможно.
5.4.16. Учёт неудачных и незавершённых проектов
Необходимо учитывать все задачи, включённые в исследовательскую программу.
Если анализировать только успешные случаи, эффективность может оказаться завышенной.
Особенно важно регистрировать проекты, не достигшие установленного результата.
Для них необходимо фиксировать затраты и продолжительность.
А также причины прекращения.
При этом отрицательный результат не всегда свидетельствует о неэффективности.
В некоторых случаях он позволяет своевременно отказаться от физически бесперспективной траектории.
Следовательно, необходимо различать бесполезные затраты и информативный отрицательный эксперимент.
5.4.17. Проверка метатехнологического улучшения
Наиболее существенная проверка начинается после завершения первого исследовательского цикла.
Система META анализирует полученные результаты.
Предлагает изменение метода.
Новая процедура проверяется на независимом наборе задач.
При этом необходимо использовать сопоставимые ресурсы.
Если преимущество подтверждается, возникает основание признать ограниченное методическое улучшение.
Но для более сильного вывода о саморазвитии необходимо исследовать следующие циклы.
Например, может ли новая система ещё эффективнее разрабатывать последующие улучшения.
Однако соответствующий результат также требует независимой проверки.
5.4.18. Основная метрическая матрица META
Показатель Что измеряется Условие корректной оценки
Время Полный цикл до результата Одинаковый критерий завершения
Стоимость Все исследовательские затраты Учёт неудачных проектов
Качество Полезные характеристики Предметные требования
Воспроизводимость Независимое подтверждение Новые данные или испытания
Новизна Отличие от известных решений Поиск предшествующих результатов
Результативность Доля успешных задач Полный набор заданий
Переносимость Эффект на новых задачах Независимая выборка
Методическое улучшение Преимущество новой процедуры Сопоставимые ресурсы
Устойчивость Сохранение эффекта Несколько циклов
Данная матрица представляет авторское методологическое предложение.
Она не является международным стандартом измерения Метаразвития.
5.4.19. Условия отрицательного заключения
Особое значение имеет возможность отклонения первоначальных гипотез.
Например, система META может не демонстрировать преимущества перед современными ИИ-инструментами.
Или снижение времени может сопровождаться чрезмерным увеличением затрат.
Возможно также ухудшение результатов на новых задачах.
При подобных обстоятельствах гипотеза соответствующего преимущества не получает необходимого подтверждения.
Однако отрицательное заключение не обязательно означает прекращение всей программы.
Оно может указывать на необходимость изменения архитектуры или ограничения области применения.
5.4.20. Главный вывод раздела
Для научной оценки Метаразвития необходимо использовать независимые контрольные исследования.
Основными характеристиками становятся время, полная стоимость, качество и воспроизводимость.
Но наиболее сильный критерий связан с возможностью доказать, что новая система совершенствует не только результаты отдельных задач, но и методы последующих исследований.
Именно сравнительная экспериментальная проверка должна отличать генеральную технологию META от декларативной концепции ускоренного научно-технического развития.
5.5. Метаразвитие как воспроизводимая технология
5.5.1. От исследовательской гипотезы к технологической системе
Для признания Метаразвития практической технологией необходимо пройти несколько принципиальных стадий.
Первоначально существует теоретическая гипотеза.
Затем создаётся экспериментальная исследовательская архитектура.
После этого проверяется её функциональная работоспособность.
Следующим этапом становится независимое подтверждение преимущества.
Затем необходимо установить воспроизводимость на новых задачах.
И только после этого можно исследовать возможность стандартизации и широкого применения соответствующих методов.
Следовательно, признание Метаразвития технологией должно основываться на её реальной функциональности.
Само существование авторской концепции не является достаточным основанием.
5.5.2. Что именно должно воспроизводиться
Особенно важно определить объект воспроизводимости.
В обычном производстве требуется получать изделия с установленными характеристиками.
В научном исследовании — обеспечивать возможность повторной проверки результатов.
В META возникает дополнительное требование.
Необходимо воспроизводимо получать улучшение методов создания последующих научно-технических результатов.
При этом новые результаты не обязаны быть одинаковыми.
Напротив, речь может идти о различных материалах, устройствах или алгоритмах.
Однако исследовательский метод должен демонстрировать устойчивую полезность в установленной области.
5.5.3. Операциональное определение воспроизводимой META
Для дальнейшей научной работы предлагается следующее определение.
Метаразвитие как воспроизводимая технология — это специально организованная система научно-технологических процессов, для которой независимо подтверждены способность получать полезные результаты, преимущество соответствующих методов перед актуальными альтернативами и возможность контролируемого совершенствования этих методов в последующих исследовательских циклах.
Такое определение содержит три самостоятельных условия.
Функциональную работоспособность.
Сравнительное преимущество.
И методологическое совершенствование.
При этом каждое условие должно проверяться отдельно.
5.5.4. Технологический протокол
Для воспроизводимого применения необходимо разработать стандартный исследовательский протокол.
Он должен определять:
способ постановки задачи;
требования к исходным данным;
методы формирования гипотез;
процедуру выбора технологических альтернатив;
порядок моделирования;
правила экспериментальной проверки;
критерии принятия результата;
требования к исследовательской памяти;
способы оценки стоимости;
процедуру улучшения исследовательского метода.
Однако протокол не должен быть полностью неизменным.
Метаразвитие предполагает возможность совершенствования методов.
Поэтому необходимо предусмотреть контролируемые процедуры изменения самого протокола.
5.5.5. Стандартизация и открытая архитектура
Для широкого применения необходимо обеспечить совместимость исследовательских платформ.
Особенно важны форматы данных.
Интерфейсы программных инструментов.
Система идентификации гипотез.
Версионирование моделей.
И процедуры независимой проверки.
Международный стандарт ISO/IEC/IEEE 15288:2023 устанавливает общую основу процессов жизненного цикла технических систем [26].
А ISO 56001:2024 определяет требования к системам управления инновациями [24].
Эти документы могут использоваться как методологические ориентиры.
Однако они не устанавливают существование META.
Для генеральной технологии необходима самостоятельная система функциональных и экспериментальных требований.
5.5.6. Переход от единичного эксперимента к повторяемой процедуре
Один успешный технологический эксперимент не является достаточным основанием для признания воспроизводимой технологии.
Необходимо повторить соответствующую процедуру.
Желательно на нескольких новых задачах.
При сопоставимых ресурсах.
И с независимой проверкой результатов.
Особенно важно установить, какие компоненты метода являются обязательными.
Например, определённая модель может оказаться полезной только при наличии специализированных экспериментальных данных.
Или новый способ выбора задач — только в ограниченной предметной области.
Поэтому необходимо документировать границы применимости.
5.5.7. Переносимость между исследовательскими областями
Одним из важных перспективных свойств META может стать возможность использовать подтверждённые методы в различных научно-технологических направлениях.
Например, метод выбора информативных экспериментов первоначально проверяется в материаловедении.
Затем — в исследованиях электронных устройств.
После этого — в других инженерных задачах.
Однако переносимость не должна предполагаться автоматически.
Для каждой новой области необходима собственная проверка.
Особенно важно учитывать различия физических моделей и экспериментальных ограничений.
Следовательно, масштабирование должно основываться на доказанных результатах.
5.5.8. Взаимодействие PICO и NOO
Для генеральной технологии META особое значение сохраняет синхронное развитие двух базовых субтехнологий.
PICO создаёт новые физические знания и электронные устройства.
NOO разрабатывает интеллектуально-креативные методы исследования.
Но их взаимодействие не должно рассматриваться как обязательная зависимость одного направления от другого.
Первые системы NOO могут использовать существующие вычислительные средства.
А физическая программа PICO может развиваться самостоятельно.
Совместные контуры должны формироваться там, где возможно объективно измерить эффект.
Например, при поиске новых электронных материалов или совершенствовании экспериментальных процедур.
5.5.9. От взаимодействия к доказанной синергии
Для признания совместного преимущества необходимо сравнить несколько исследовательских режимов.
Например, физический процесс без специальной NOO.
Тот же процесс с современными ИИ-инструментами.
И совместную архитектуру PICO–NOO.
Но даже если третья система демонстрирует преимущество, необходимо определить его причину.
Возможно, оно связано с более высоким бюджетом.
Или использованием другого оборудования.
Поэтому эксперимент должен контролировать соответствующие факторы.
Только после этого можно исследовать дополнительный эффект именно интегрированной архитектуры.
5.5.10. Превращение результатов PICO и NOO в методы META
Самое существенное условие связано с последующим использованием исследовательского опыта.
Например, в ходе совместного исследования PICO и NOO удалось создать новый электронный материал.
Но для META необходимо установить, какие изменения исследовательской процедуры помогли получить результат.
Затем разработать воспроизводимую методику.
И проверить её на новой задаче.
Если преимущество сохраняется, метод может становиться компонентом генеральной технологии.
Однако первоначальная физическая новизна сама по себе не доказывает метатехнологического улучшения.
5.5.11. Контролируемое самосовершенствование
После признания определённого исследовательского метода эффективным возникает возможность его дальнейшего совершенствования.
Например, система анализирует, какие экспериментальные этапы являются наиболее затратными.
Формирует альтернативные процедуры.
Затем проверяет их эффективность.
Если новое решение обеспечивает преимущество, оно может включаться в последующую версию.
Однако необходимо сохранять предыдущую работоспособную методику.
И обеспечивать возможность отказа от неудачного изменения.
Следовательно, самосовершенствование должно иметь управляемый и обратимый характер.
5.5.12. Устойчивость и ограничения
В предыдущей главе были рассмотрены условия устойчивого саморазвивающегося технологического процесса.
Для практической META особенно важны физические, энергетические, информационные и экономические ограничения.
Например, ускорение компьютерного моделирования может не сопровождаться ускорением физического эксперимента.
А увеличение количества гипотез может приводить к перегрузке лабораторной инфраструктуры.
Поэтому необходимо регулярно оценивать узкие места.
При этом не следует предполагать, что все стадии будут совершенствоваться одинаково быстро.
Следовательно, архитектура META должна поддерживать адаптивное распределение исследовательских ресурсов.
5.5.13. Экономическая воспроизводимость
Техническая воспроизводимость не гарантирует экономической целесообразности.
Например, исследовательская процедура может успешно работать, но требовать чрезмерных вычислительных ресурсов.
Или дорогого экспериментального оборудования.
Поэтому необходимо оценивать полную стоимость жизненного цикла.
Особенно важно установить, сохраняется ли преимущество при увеличении числа задач и пользователей.
Массовое применение может изменить стоимость инфраструктуры.
Создать дополнительные требования к обслуживанию.
И увеличить потребность в экспертах.
Следовательно, экономическая воспроизводимость должна оцениваться отдельно.
5.5.14. Уровни экспериментальной доказательности
Для первоначальной исследовательской программы предлагается использовать следующую последовательность состояний.
Первое — сформулированная гипотеза.
Определены предполагаемые функции и способы проверки.
Второе — работающий исследовательский прототип.
Продемонстрированы отдельные функции.
Третье — подтверждённое преимущество.
Получен положительный результат сравнительного эксперимента.
Четвёртое — независимая воспроизводимость.
Преимущество подтверждено на новых задачах.
Пятое — методологическое совершенствование.
Новая версия исследовательского метода демонстрирует дополнительный эффект.
Шестое — воспроизводимое саморазвитие.
Подтверждена возможность последовательного совершенствования методов в установленной области применения.
Данная последовательность представляет авторскую исследовательскую классификацию.
Она не является международной системой технологической готовности.
Кроме того, её нельзя смешивать со шкалами P0–P5 и N0–N5, предложенными ранее для отдельных субтехнологий.
5.5.15. Первоначальная программа International NooMachines
Для практического начала предлагается использовать специализированную исследовательскую конфигурацию INM.
Её первоначальная задача должна быть достаточно узкой, чтобы обеспечивать объективную проверку.
Например, выбор перспективных материалов электронного контакта.
Или формирование и проверка расчётных гипотез об электронных свойствах определённого класса структур.
На первом этапе создаётся базовая цифровая платформа.
Затем определяются контрольные задачи.
После этого система использует специализированные научные инструменты.
Полученные результаты проверяются независимыми методами.
Затем анализируется эффективность исследовательского процесса.
И разрабатываются предложения по совершенствованию.
Особенно важно, чтобы новая версия метода проверялась на задачах, не использованных при её создании.
5.5.16. Документирование результатов и научная открытость
Для международного научного признания необходимо обеспечить возможность независимой оценки.
Однако это не обязательно предполагает раскрытие всех коммерческих или конфиденциальных данных.
Возможны различные модели.
Публикация экспериментальных протоколов.
Предоставление обезличенных исследовательских данных.
Независимые испытания в партнёрских лабораториях.
И проверка отдельных компонентов.
Главное условие заключается в том, чтобы утверждения о преимуществе META имели воспроизводимое экспериментальное основание.
5.5.17. Критерии признания Метаразвития воспроизводимой технологией
Для заключительной методологической постановки предлагается использовать следующие условия.
Первое — существует работающая исследовательская система.
Второе — она выполняет определённый класс научно-технологических задач.
Третье — её результаты проходят независимую проверку.
Четвёртое — установлено преимущество перед актуальными альтернативами.
Пятое — эффективность подтверждается на новых задачах.
Шестое — существуют проверенные способы совершенствования исследовательских методов.
Седьмое — изменения проходят отдельную оценку.
Восьмое — система сохраняет управляемость и безопасность.
Девятое — установлена полная стоимость результатов.
Десятое — определены границы применимости.
Однако выполнение этих условий в одной узкой области ещё не означает создания универсальной генеральной технологии для всей науки и промышленности.
Оно представляет подтверждение конкретной реализации META в определённом классе задач.
5.5.18. Различие между доказанной технологией и программой дальнейшего развития
Одним из наиболее важных требований научной строгости является разграничение достигнутых и предполагаемых результатов.
Например, можно создать систему, воспроизводимо улучшающую выбор экспериментов в определённой лаборатории.
Это представляет значимое методологическое достижение.
Но нельзя автоматически утверждать, что она способна ускорять развитие всех технологий.
Для более широкого вывода необходимы дополнительные исследования.
Следовательно, масштаб научного утверждения должен соответствовать масштабу экспериментального подтверждения.
5.5.19. Почему воспроизводимая META не означает бесконечного ускорения
Даже успешная саморазвивающаяся система будет сталкиваться с ограничениями.
Например, уменьшением доступности новых физических эффектов.
Увеличением сложности последующих задач.
Ростом стоимости проверки.
Или ограничениями вычислительной инфраструктуры.
Поэтому самоускорение не следует считать обязательным свойством Метаразвития на любом временном интервале.
Более строгое положение заключается в возможности воспроизводимого совершенствования методов.
В отдельных условиях это может сопровождаться увеличением темпа развития.
В других — обеспечивать сохранение эффективности при возрастающей сложности задач.
Оба результата могут обладать значительной научно-технологической ценностью.
5.5.20. Главный вывод раздела
Метаразвитие может стать воспроизводимой технологией только при условии доказанной работоспособности, независимой проверки и устойчивого совершенствования исследовательских методов.
Для этого необходимы цифровая инфраструктура, экспериментальные протоколы, система метрик и контролируемое управление изменениями.
При этом научная состоятельность генеральной технологии должна определяться достигнутыми результатами, а не масштабом стратегических обещаний.
Воспроизводимая META — это не декларация ускоренного прогресса, а проверенная способность совершенствовать методы создания последующих технологий.
Обобщённая методология проектирования META
На основании рассмотренных разделов можно выделить последовательную исследовательскую процедуру.
Стадия Основная операция Необходимое подтверждение
1. Постановка Определение задачи Проверяемая цель
2. Гипотеза Формирование предположения Возможность опровержения
3. Альтернативы Выбор траекторий Обоснованный перечень
4. Моделирование Расчётный отбор Проверенные модели
5. Эксперимент Получение данных Измерительная достоверность
6. Проверка Независимое подтверждение Воспроизводимость
7. Сравнение Оценка времени, затрат, качества Измеримое преимущество
8. Анализ метода Поиск причин успеха и ошибок Методологическая гипотеза
9. Улучшение Изменение процедуры Новая проверяемая версия
10. Повторный цикл Испытание на новых задачах Устойчивое совершенствование
Эта последовательность представляет авторскую проектную модель.
Её назначение заключается в создании общего методологического основания генеральной технологии Метаразвития.
При этом некоторые стадии могут осуществляться параллельно.
Другие требуют возврата к предыдущим исследованиям.
Поэтому схема не должна рассматриваться как жёсткий административный алгоритм.
Её главное значение состоит в разграничении создания технологического результата и проверки улучшения методов его получения.
Научно-техническое значение методологии META
Разработка методологии Метаразвития может обладать самостоятельной научной ценностью даже до появления полноценной генеральной технологической системы.
Например, создание более строгой процедуры сравнения научно-технологических методов позволяет улучшать организацию исследований.
Разработка исследовательской памяти способна уменьшать повторение уже известных ошибок.
Новые способы выбора экспериментов могут повышать результативность материаловедческих программ.
А интеграция цифровых платформ — улучшать воспроизводимость вычислительных исследований.
Однако каждое подобное достижение необходимо оценивать отдельно.
Не следует объявлять все результаты автоматически доказательством Метаразвития.
Для генеральной технологии особое значение имеет дополнительный системный эффект.
Он должен проявляться в возможности совершенствовать сам процесс получения последующих результатов.
Именно здесь возникает связь с авторской задачей опережения опережения.
Но для соответствующего вывода необходимы несколько последовательных исследовательских циклов.
Сопоставимые условия.
Независимая проверка.
И объективная оценка стоимости, качества и воспроизводимости.
Таким образом, методология META должна одновременно выполнять две функции.
Первая — обеспечивать практическую организацию научно-технологического поиска.
Вторая — создавать доказательную основу для проверки собственной эффективности.
Именно их соединение представляет наиболее существенное отличие предлагаемого подхода.
Заключение к главе 5
В настоящей главе рассмотрены методологические основания проектирования Метаразвития как генеральной технологии опережения опережения.
Показано, что переход от теоретической концепции к практической реализации требует создания конкретных научных и инженерных процедур.
Необходимо научиться формулировать проверяемые гипотезы.
Организовывать технологические эксперименты.
Использовать цифровые исследовательские платформы.
Сравнивать альтернативные технологические траектории.
И объективно оценивать результативность последующих научно-технических циклов.
Первое направление связано с научной гипотезой.
Показано, что для META особенно важно разграничивать физические, инженерные и метатехнологические предположения.
Физическая гипотеза исследует определённую закономерность.
Инженерная — возможность создания полезного технического решения.
Метатехнологическая — возможность совершенствования методов разработки последующих решений.
При этом каждая гипотеза должна обладать собственными условиями проверки.
Особое значение имеют предварительная регистрация критериев, критические эксперименты и документирование отрицательных результатов.
Второе направление связано с цифровыми исследовательскими платформами.
Современные системы научных вычислений уже предоставляют важные предпосылки.
Они позволяют автоматизировать расчёты, организовывать исследовательские процессы и сохранять происхождение научных данных.
Однако для META необходима более широкая интеграция.
Следует объединять интеллектуальный поиск, математическое моделирование, физические эксперименты, независимую проверку и исследовательскую память.
При этом цифровая платформа должна сохранять модульность, совместимость и возможность контролируемого обновления методов.
Третье направление связано с автоматизированным выбором технологий.
Показано, что новая технологическая траектория не должна выбираться исключительно по одному прогнозируемому параметру.
Необходимо учитывать физическую допустимость.
Инженерную реализуемость.
Технологическую зрелость.
Стоимость.
Надёжность.
И перспективы последующего совершенствования.
Особенно важно разграничивать оптимизацию существующей технологии и поиск альтернативного физического принципа.
Для META дополнительной задачей становится совершенствование самого метода выбора технологических решений.
Четвёртое направление связано с системой метрик и контрольными экспериментами.
Для научной оценки необходимо измерять время, затраты, качество и воспроизводимость.
Однако эти показатели должны относиться к одинаково определённым полезным результатам.
Особое значение имеет включение современных интеллектуальных инструментов в контрольную группу.
Преимущество перед традиционным исследовательским процессом ещё не доказывает наличия новой метатехнологической архитектуры.
Необходимо установить дополнительный эффект по сравнению с доступными методами искусственного интеллекта и автоматизации.
Кроме того, требуется учитывать неудачные проекты, сложность задач и полную стоимость экспериментов.
Пятое направление связано с превращением Метаразвития в воспроизводимую технологию.
Показано, что для этого недостаточно единственного успешного исследования.
Необходимо создать стандартизированные процедуры.
Обеспечить независимую проверку.
Установить границы применимости.
И подтвердить возможность совершенствования исследовательских методов в нескольких последовательных циклах.
При этом воспроизводимость не означает повторение одного и того же научного открытия.
Она предполагает устойчивую способность получать новые полезные результаты посредством проверенного метода.
Особенно важным является разграничение трёх уровней.
Первый — создание нового научно-технического результата.
Второй — улучшение метода его получения.
Третий — совершенствование механизма последующего улучшения методов.
Именно третий уровень представляет наиболее сильную гипотезу генеральной технологии Метаразвития.
Но её нельзя считать заранее доказанной.
Необходимы независимые экспериментальные результаты.
Для проекта International NooMachines соответствующая методология определяет возможную первоначальную программу.
Первоначально разрабатывается исследовательский ноокомпьютер для ограниченного класса задач.
Затем создаётся цифровая платформа.
После этого формируются контрольные эксперименты.
Результаты сопоставляются с современными доступными альтернативами.
Далее проводится анализ методов.
Разрабатываются улучшенные версии.
И они проверяются на новых исследовательских задачах.
При этом субтехнологии PICO и NOO должны развиваться одновременно.
PICO сохраняет самостоятельную программу создания новых физических электронных возможностей.
NOO исследует новые интеллектуально-креативные методы.
А META должна обеспечивать оценку и совершенствование способов их взаимодействия.
Но синхронность двух программ не означает их полной технологической зависимости.
Начальная NOO может развиваться на существующей вычислительной базе.
И физические исследования PICO могут осуществляться независимо от создания универсальной ноомашины.
Следовательно, генеральная технология должна проектироваться как открытая исследовательская система.
Её архитектура должна допускать изменение методов.
Пересмотр гипотез.
Использование новых научных результатов.
И отказ от неэффективных решений.
Однако каждое существенное изменение необходимо проверять.
Саморазвитие должно сочетаться с независимым контролем.
Положительная обратная связь — со стабилизирующими механизмами.
Интеллектуальная автономность — с ответственным управлением.
А научно-технологическое творчество — с метрологической и экспериментальной достоверностью.
В результате можно сформулировать центральное положение настоящей главы.
Методология проектирования Метаразвития представляет собой систему проверяемых научно-технологических процедур, посредством которых создаются новые результаты, оценивается эффективность их получения и разрабатываются воспроизводимые улучшения методов последующих исследований.
Именно такая методология способна превратить стратегический замысел опережения опережения в предмет практического научно-технического проектирования.
Однако соответствующий переход должен подтверждаться экспериментально.
Необходимо доказать не только возможность создавать новые технологии.
Но и возможность улучшать способы их создания.
А затем — исследовать, способны ли методы последующего совершенствования становиться более результативными.
Таким образом, генеральная программа META должна развиваться по последовательности.
От научной гипотезы — к проверяемому технологическому эксперименту.
От эксперимента — к подтверждённому техническому результату.
От результата — к анализу метода его получения.
От анализа — к созданию более эффективной исследовательской процедуры.
От новой процедуры — к независимой проверке на последующих задачах.
От подтверждённого улучшения — к совершенствованию механизма технологического развития.
И от последовательного совершенствования методов — к исследованию возможности устойчивого Метаразвития.
В этой последовательности заключается методологическая основа генеральной технологии опережения опережения.
Основные источники и научная литература к главе 5
Авторская концепция META, PICO и NOO
Петросян В. К. (Вадимир). Мировая пикоэлектроника. Прошлое, настоящее, будущее. Проектирование Метаразвития. Том 3. Lag.ru. 2026. Авторская постановка теории и методологии генеральной технологии опережения опережения.
Петросян В. К. (Вадимир). Мировая пикоэлектроника. Прошлое, настоящее, будущее. Проектирование Метаразвития. Том 1. Lag.ru. 2026. Исходные положения концепции Метаразвития и перспективных технологий PICO.
Петросян В. К. (Вадимир). Мировая пикоэлектроника. Прошлое, настоящее, будущее. Проектирование Метаразвития. Том 2. Lag.ru. 2026. Теоретические и экспериментальные предпосылки субтехнологии NOO.
Научная методология и эксперимент
Popper K. R. The Logic of Scientific Discovery. London: Hutchinson, 1959. Классическая работа по методологии научной проверки и опровержимости гипотез.
Fisher R. A. The Design of Experiments. Edinburgh: Oliver and Boyd, 1935. Фундаментальные принципы статистического планирования экспериментов.
Box G. E. P., Wilson K. B. On the Experimental Attainment of Optimum Conditions. Journal of the Royal Statistical Society. Series B. 1951. Vol. 13. No. 1. P. 1–45. Методы экспериментальной оптимизации и исследования поверхностей отклика.
DOI: https://doi.org/10.1111/j.2517-6161.1951.tb00067.x
Nosek B. A., Ebersole C. R., DeHaven A. C., Mellor D. T. The Preregistration Revolution. Proceedings of the National Academy of Sciences. 2018. Vol. 115. No. 11. P. 2600–2606. Предварительная регистрация научных гипотез и методов проверки.
DOI: https://doi.org/10.1073/pnas.1708274114
National Academies of Sciences, Engineering, and Medicine. Reproducibility and Replicability in Science. Washington, DC: National Academies Press, 2019. Международные методологические основания воспроизводимости научных результатов.
DOI: https://doi.org/10.17226/25303
Цифровые исследовательские платформы
Wilkinson M. D., Dumontier M., Aalbersberg I. J. J. et al. The FAIR Guiding Principles for Scientific Data Management and Stewardship. Scientific Data. 2016. Vol. 3. Article 160018. Принципы научной совместимости, доступности и повторного использования данных.
DOI: https://doi.org/10.1038/sdata.2016.18
Huber S. P., Zoupanos S., Uhrin M. et al. AiiDA 1.0, a Scalable Computational Infrastructure for Automated Reproducible Workflows and Data Provenance. Scientific Data. 2020. Vol. 7. Article 300. Автоматизированные научные процессы и сохранение происхождения результатов.
DOI: https://doi.org/10.1038/s41597-020-00638-4
Andersen C. W., Armiento R., Blokhin E. et al. OPTIMADE, an API for Exchanging Materials Data. Scientific Data. 2021. Vol. 8. Article 217. Совместимость материаловедческих информационных ресурсов.
DOI: https://doi.org/10.1038/s41597-021-00974-z
Jain A., Ong S. P., Hautier G. et al. Commentary: The Materials Project: A Materials Genome Approach to Accelerating Materials Innovation. APL Materials. 2013. Vol. 1. Article 011002. Вычислительная инфраструктура материаловедческого поиска.
DOI: https://doi.org/10.1063/1.4812323
Ong S. P., Richards W. D., Jain A. et al. Python Materials Genomics (pymatgen): A Robust, Open-Source Python Library for Materials Analysis. Computational Materials Science. 2013. Vol. 68. P. 314–319. Специализированные программные инструменты анализа материалов.
DOI: https://doi.org/10.1016/j.commatsci.2012.10.028
Автономные лаборатории и интеллектуальный эксперимент
H;se F., Roch L. M., Aspuru-Guzik A. Next-Generation Experimentation with Self-Driving Laboratories. Trends in Chemistry. 2019. Vol. 1. No. 3. P. 282–291. Принципы замкнутых автоматизированных исследовательских циклов.
DOI: https://doi.org/10.1016/j.trechm.2019.02.007
Lookman T., Balachandran P. V., Xue D., Yuan R. Active Learning in Materials Science with Emphasis on Adaptive Sampling Using Uncertainties for Targeted Design. npj Computational Materials. 2019. Vol. 5. Article 21. Выбор информативных экспериментов и активное обучение.
DOI: https://doi.org/10.1038/s41524-019-0153-8
Shields B. J., Stevens J., Li J. et al. Bayesian Reaction Optimization as a Tool for Chemical Synthesis. Nature. 2021. Vol. 590. P. 89–96. Байесовская оптимизация химических экспериментов.
DOI: https://doi.org/10.1038/s41586-021-03213-y
Volk A. A., Abolhasani M. Performance Metrics to Unleash the Power of Self-Driving Labs in Chemistry and Materials Science. Nature Communications. 2024. Vol. 15. Article 1378. Методы оценки эффективности автономных исследовательских лабораторий.
DOI: https://doi.org/10.1038/s41467-024-45569-5
Szymanski N. J., Rendy B., Fei Y. et al. An Autonomous Laboratory for the Accelerated Synthesis of Inorganic Materials. Nature. 2023. Vol. 624. P. 86–91. Автономная лаборатория A-Lab и интеграция вычислительного поиска с физическим экспериментом. Использовать с учётом исправления 2026 года.
DOI: https://doi.org/10.1038/s41586-023-06734-w
Szymanski N. J., Rendy B., Fei Y. et al. Author Correction: An Autonomous Laboratory for the Accelerated Synthesis of Inorganic Materials. Nature. 2026. Авторское исправление результатов A-Lab, опубликованное 19 января 2026 года.
DOI: https://doi.org/10.1038/s41586-025-09992-y
Zhao T., Zeng Y. Digital Twins for Self-Driving Chemistry Laboratories. Nature Computational Science. 2026. Vol. 6. P. 15–16. Перспективы использования цифровых двойников при проектировании автономных лабораторий.
DOI: https://doi.org/10.1038/s43588-025-00908-4
Автоматизированный выбор технологий и многокритериальная оценка
Cooper R. G. Stage-Gate Systems: A New Tool for Managing New Products. Business Horizons. 1990. Vol. 33. No. 3. P. 44–54. Поэтапное управление технологическими и продуктовыми проектами.
DOI: https://doi.org/10.1016/0007-6813(90)90040-I
Deb K., Pratap A., Agarwal S., Meyarivan T. A Fast and Elitist Multiobjective Genetic Algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation. 2002. Vol. 6. No. 2. P. 182–197. Методы многокритериальной оптимизации и поиска Парето-оптимальных решений.
DOI: https://doi.org/10.1109/4235.996017
U.S. Government Accountability Office. Technology Readiness Assessment Guide: Best Practices for Evaluating the Readiness of Technology for Use in Acquisition Programs and Projects. GAO-20-48G. 2020. Методология оценки зрелости технологий и рисков интеграции.
https://www.gao.gov/products/gao-20-48g
Международные стандарты управления инновациями и жизненным циклом систем
ISO. ISO 56001:2024. Innovation Management System — Requirements. Международный стандарт требований к системам управления инновациями.
https://www.iso.org/standard/79278.html
ISO. ISO 56008:2024. Innovation Management — Tools and Methods for Innovation Operation Measurements — Guidance. Международные рекомендации по измерению инновационных процессов, проектов и портфелей.
https://www.iso.org/standard/78485.html
ISO/IEC/IEEE. ISO/IEC/IEEE 15288:2023. Systems and Software Engineering — System Life Cycle Processes. Международная методология описания процессов жизненного цикла сложных систем.
https://www.iso.org/standard/81702.html
OECD. Frascati Manual 2015: Guidelines for Collecting and Reporting Data on Research and Experimental Development. Paris: OECD Publishing, 2015. Международная методология определения и измерения научно-исследовательской деятельности.
DOI: https://doi.org/10.1787/9789264239012-en
OECD, Eurostat. Oslo Manual 2018: Guidelines for Collecting, Reporting and Using Data on Innovation. 4th ed. Paris: OECD Publishing, 2018. Международная методология исследования инновационной деятельности.
DOI: https://doi.org/10.1787/9789264304604-en
Метрология, причинная оценка и воспроизводимость
JCGM. Evaluation of Measurement Data — Guide to the Expression of Uncertainty in Measurement. JCGM 100:2008. Международные принципы оценки неопределённости измерений.
DOI: https://doi.org/10.59161/JCGM100-2008E
Callaway B., Sant’Anna P. H. C. Difference-in-Differences with Multiple Time Periods. Journal of Econometrics. 2021. Vol. 225. No. 2. P. 200–230. Методы причинной оценки эффектов при наличии нескольких временных периодов.
DOI: https://doi.org/10.1016/j.jeconom.2020.12.001
Munaf; M. R., Nosek B. A., Bishop D. V. M. et al. A Manifesto for Reproducible Science. Nature Human Behaviour. 2017. Vol. 1. Article 0021. Принципы достоверного и воспроизводимого научного исследования.
DOI: https://doi.org/10.1038/s41562-016-0021
Экономика технологического прогресса
Bloom N., Jones C. I., Van Reenen J., Webb M. Are Ideas Getting Harder to Find? American Economic Review. 2020. Vol. 110. No. 4. P. 1104–1144. Изменение результативности научно-исследовательских усилий и ограничения ускоренного технологического развития.
DOI: https://doi.org/10.1257/aer.20180338
Надёжность и безопасность интеллектуальных систем
Tabassi E. Artificial Intelligence Risk Management Framework (AI RMF 1.0). NIST AI 100-1. National Institute of Standards and Technology. 2023. Методология управления рисками интеллектуальных систем.
DOI: https://doi.org/10.6028/NIST.AI.100-1
ISO/IEC. ISO/IEC 42001:2023. Information Technology — Artificial Intelligence — Management System. Международный стандарт систем управления искусственным интеллектом.
https://www.iso.org/standard/42001
Отрицательные результаты и технологические траектории
Raccuglia P., Elbert K. C., Adler P. D. F. et al. Machine-Learning-Assisted Materials Discovery Using Failed Experiments. Nature. 2016. Vol. 533. P. 73–76. Использование данных неудачных экспериментов при поиске новых материалов.
DOI: https://doi.org/10.1038/nature17439
Dosi G. Technological Paradigms and Technological Trajectories: A Suggested Interpretation of the Determinants and Directions of Technical Change. Research Policy. 1982. Vol. 11. No. 3. P. 147–162. Теория технологических траекторий и направлений технического развития.
DOI: https://doi.org/10.1016/0048-7333(82)90016-6
Mazzucato M. Mission-Oriented Innovation Policies: Challenges and Opportunities. Industrial and Corporate Change. 2018. Vol. 27. No. 5. P. 803–815. Методы постановки крупных научно-технологических задач и организации направленных инновационных программ.
DOI: https://doi.org/10.1093/icc/dty034
March J. G. Exploration and Exploitation in Organizational Learning. Organization Science. 1991. Vol. 2. No. 1. P. 71–87. Соотношение поиска новых решений и совершенствования существующих методов.
DOI: https://doi.org/10.1287/orsc.2.1.71
*****
Методология проектирования Метаразвития
© Copyright: Вадимир Петросян, 2026
Свидетельство о публикации №226102501039
Свидетельство о публикации №226102501039
Рецензии