Что хорошего в инженерных исследованиях, не имеющих практического значения?

Я доктор философии. студент, в настоящее время занимающийся исследованиями в ведущей инженерной школе в Северной Америке.

Меня все больше и больше раздражает тот факт, что значительная часть исследований, проводимых в моем университете, а также публикации на инженерных конференциях, похоже, имеют очень ограниченную практическую значимость и не пытаются решить проблемы реализации. Многие из этих статей, кажется, публикуются только ради этого.

  • Яркий пример — энергетика. Методологии, предложенные недавними выпускниками энергетиков, настолько далеки от практической реализации, что возникает вопрос, зачем продолжать подобные исследования.

    Энергетика очень критична для безопасности: люди могут умереть после слишком долгого отсутствия электричества ( показательный пример ), а сама отрасль строго регулируется государством. Алгоритмы, которые были предложены моим исследовательским отделом, а также многие ему подобные, полностью игнорируют такие вещи, как гарантии безопасности. Кроме того, крайне маловероятно, что государственные служащие в энергетической отрасли будут полагаться на какой-то алгоритм, основанный на биологии или обучении, для организации энергоснабжения миллионов реальных людей. Для этого существуют хорошо регулируемые рынки электроэнергии, существовавшие десятилетиями!

  • Но власть — это лишь один пример из многих. Я прочитал много статей по обработке сигналов и теории управления. Большинство статей полностью основаны на математике и доказательствах; предлагаемые ими методы настолько математические, с чрезвычайно ограниченными гарантиями надежности или безопасности и т. д. Эти исследователи больше озабочены эпсилонами и дельтами , чем тем, как их предлагаемые методы могут быть реально реализованы в автомобилях или мобильных телефонах людей.

    «Реализация» в настоящее время — это просто симуляция MATLAB, несколько уравнений и график. Даже во время обучения инженеров в бакалавриате мы видели, как сложно перейти от моделирования к реальному программному/аппаратному обеспечению, которое люди могут использовать. Я легко могу показать вам высокотехнические статьи из этих областей, опубликованные людьми, которые даже не заботятся о читабельности своих обозначений, не говоря уже о практической реализации.

  • Таким образом, возникает закономерный вопрос, зачем кому-либо вообще использовать эти высокотеоретические и нагруженные предположениями результаты исследований. Неясно, что на самом деле означает «сигнал с малым усилением должен принадлежать гильбертовому пространству на расширенной полулинии» в реальной конструкции кэш-памяти. Кроме того, во многих статьях вообще не упоминается практическая реализация алгоритмов, поэтому совершенно неизвестно, сможет ли кто-нибудь действительно использовать эти результаты исследований.

Инженерные исследования в конечном итоге используются для создания новых технологий, которые обещают улучшить жизнь людей. Однако на данный момент мне неизвестно, как «метаэвристический алгоритм, основанный на эхолокации летучих мышей, для отправки ядерных генераторов» может принести пользу кому-либо.

Итак, мой вопрос сводится к тому, как мы, исследователи, должны попытаться преодолеть разрыв между высоко математическими, высоко теоретическими современными инженерными исследованиями и практическим применением результатов исследований. Что хорошего в инженерных исследованиях, не имеющих практического значения?

Комментарии не для расширенного обсуждения; этот разговор был перемещен в чат .

Ответы (14)

Псевдоприкладная наука часто является пустой тратой ресурсов. Это не означает, что фундаментальные или фундаментальные исследования бессмысленны, но есть разница: наличие абстрактной модели чего-то «недоступного» может быть плодотворным — ее можно изучить и добавить больше препятствий в будущем.

Но есть, казалось бы, прикладные модели, которые излишне привлекают внимание. Они либо слишком упрощены и уже хорошо понятны, так что вам следует перейти к более реалистичным моделям, либо они делают совершенно нереалистичные предположения, которые позволяют вам применить метод, который в противном случае был бы невозможен. В обоих случаях модели «выживают» в сообществе, потому что количество ученых достаточно велико, чтобы сформировать «группу рецензирования», чтобы статьи были опубликованы.

Резюме: Фундаментальные исследования полезны, но остерегайтесь построения «прикладных моделей», которые не имеют приложений.

Проголосовал, потому что это стоит поднять, но я не уверен, насколько «часто» псевдоприкладная наука является пустой тратой ресурсов. Я думаю, что представление исследования как более прикладного, чем оно есть на самом деле на момент написания, вредит науке, но это прекратится только тогда, когда мы будем меньше акцентировать внимание на применимости при оценке исследования.
Не раз я видел модель, которая была действительно странной, и после всех рассуждений, почему она «полезна», было видно, что она как раз заточена под метод решения, который появляется далее в статье. Если вы попытаетесь решить задачу коммивояжера как «очень абстрактную версию» транспорта, это нормально. Если вы навязываете какие-то условия, аргументируете, почему они подходят для «практики», а затем показываете, что они нужны для конкретного метода решения, вы занимаетесь псевдоприкладной наукой.
Я думаю, что этот ответ действительно доходит до сути моего вопроса. Я не жалуюсь на инженерные исследования, которые публикуются без непосредственного применения, т. е. на фундаментальные исследования. Дело в том, что значительное подмножество инженерных исследований направлено на решение множества проблем, но очень мало доказательств того, что они действительно могут это сделать, кроме того, что показано в статье. Например, алгоритмы обучения, используемые в мобильной связи. Очень сложно увидеть, как люди и их мобильные телефоны удобно вписываются в структуру обучения, поведение которой можно смоделировать в виде алгоритмов обучения.
Как инженер, который тратит большую часть своего времени на разработку численных методов (и не публикует хорошие из них, поскольку я работаю в промышленности, и мы предпочитаем пинать песок в лицо нашим конкурентам, чем рассказывать миру, какие мы умные!) наука» заставляет меня больше думать об экономике или психологии, чем об инженерных исследованиях ;)
Фабиан, я согласен со многими вашими пунктами. Однако я думаю, что ваш ответ был бы лучше, если бы вы могли определить в ответе, что вы подразумеваете под псевдоприкладной наукой.
@DetectiveMooch Вы также были бы удивлены тем, что может быть в радио современного смартфона. В ближайшем будущем телефоны смогут легко запускать алгоритмы обучения для оптимизации полосы пропускания, причем большинство людей не будут знать об этом.

Короткий ответ на ваш вопрос заключается в том, что вы сильно переоцениваете свою способность и способность других инженеров судить о том, какие методы когда-либо будут иметь практическое значение.

Я думаю, что это был Майкл Стоунбрейкер , удостоенный премии Тьюринга ученый-компьютерщик, не лишенный практического влияния, который сказал, что золотым пятном для академических прикладных исследований являются методы, которые примерно через 10 лет станут широко применимыми. Если вы ограничитесь тем, что уже можете сделать сегодня, вы не сможете предложить радикально новые разработки, которые должны, по крайней мере теоретически, отличать академические исследования от других двигателей инноваций, таких как начинающие компании или промышленные исследования и разработки. Между прочим, если отсутствие влияния на вашу работу прямо сейчас вас огорчает, вам следует задуматься над вопросом, не достигнете ли вы большего удовлетворения от работы в стартапе или промышленной лаборатории.

Я нахожу ваш пример самообучающихся электросетей особенно неубедительным. Если мы отмотаем время на несколько лет назад и свяжем ваши аргументы с исследованиями в области автоматизированного вождения, я уверен, вы найдете множество людей, которые посчитают это исследование пустой тратой времени. Вождение, безусловно, является критической областью безопасности, а автомобили строго регулируются. Алгоритмы автоматической помощи при вождении полностью не смогли и в некоторой степени до сих пор не решают практические проблемы многих заинтересованных сторон, а также государственные гарантии безопасности. И все же мы здесь . Я не уверен, что то же самое произойдет с электрическими сетями, но вполне вероятно, что это произойдет.

Вам также может быть интересно ознакомиться с TRL (уровнями технологической готовности), которые используются, например, в рамочных программах Европейского Союза, а также в НАСА. Изображение

Уровни технологической готовности

  • TRL 0: Идея. Концепция непроверенная, испытания не проводились.
  • TRL 1: Фундаментальные исследования. Принципы постулируются и соблюдаются, но отсутствуют экспериментальные доказательства.
  • TRL 2: Формулировка технологии. Сформулированы концепция и приложение.
  • TRL 3: Прикладные исследования. Завершены первые лабораторные испытания; доказательство концепции.
  • TRL 4: Небольшой прототип , построенный в лабораторных условиях («уродливый» прототип).
  • TRL 5: крупномасштабный прототип, испытанный в предполагаемой среде.
  • TRL 6: Прототип системы протестирован в предполагаемой среде, производительность которой близка к ожидаемой.
  • TRL 7: Демонстрационная система , работающая в операционной среде в докоммерческом масштабе.
  • TRL 8: Первая в своем роде коммерческая система. Проблемы с производством решены.
  • TRL 9: Полное коммерческое приложение, технология доступна для потребителей.

Основная концепция здесь заключается в том, что академические исследования обычно лучше всего подходят для переноса идей из TRL 0 или 1 в 3 или 4. «Реализации Matlab», на которые вы жалуетесь, вполне могут быть просто лабораторными тестами, которые предназначены для TRL 3. Это очень соответствует положению в более широкой схеме технологического прогресса, которую многие крупные организации представляют для академических исследовательских лабораторий.

В моей стране грантовые агентства не будут финансировать ничего ниже TRL3. Это основная причина, по которой у нас фальсифицируются прикладные исследования. Люди по-прежнему занимаются фундаментальными исследованиями, но им нужно облечь их в прикладную форму. Между тем, наша отрасль даже не рассматривает возможность инвестирования во что-то ниже TRL9. Я думаю, что в США все не так плохо, но я совершенно убежден, что это одна из причин, по которой ОП видит то, что видит.
@Magicsowon Это напоминает мне о некоторых призывах ЕКА, которые могут не финансировать науку, но могут финансировать демонстрацию того, что их данные могут быть использованы для науки.
@gerrit Мне трудно обдумать это.
Я не говорю, что самообучающихся электросетей не будет. Я уверен, что это уже можно сделать в небольших масштабах (при этом я видел более масштабные «обучающие/нейронные...» проекты, которые были отправлены системным операторам и тут же отклонены). Я думаю, что исследования должны быть сосредоточены на воплощении самообучающейся энергосистемы в реальность, а не просто на бумаге. То есть большее количество опубликованных статей должно быть сосредоточено на реальном практическом применении предлагаемой ими методологии. И это призыв к изменению исследовательской культуры, а не обвинение некоторых исследователей.
@DetectiveMooch Вы уверены, что вам следует строить самообучающиеся электрические сети сейчас? Насколько хорошо они работают в теории? Только из того, что вы говорите, я бы поспорил, недостаточно хорошо; если в теории видны какие-то проблемы , то эти проблемы можно сначала решить в теории, прежде чем в дело вмешаются экспериментаторы.
@Blaisorblade Вы придираетесь к конкретному примеру (из тысяч), который на самом деле обещает быть реализованным. Существуют тысячи инженерных дисциплин, проводящих исследования, основанные на нереалистичных предположениях и с очень ограниченным применением. Этот вопрос касается ценности этих исследований.
Я придираюсь к "яркому примеру", с ваших слов. Я и другие отвечали в другом месте о нереалистичных предположениях.
@DetectiveMooch Как я уже сказал, воплощение в жизнь того, что уже существует, в значительной степени не является задачей академических исследований. Для этого вам не нужны документы и аспиранты — вам нужно бизнес-кейс, венчурное финансирование и хорошие продавцы.
you are vastly overestimating your, and other engineer's, ability to judge what techniques will ever have practical relevanceЛибо это, либо исследователи переоценивают свои исследования, либо они просто врут.
@user12956 user12956 За исключением нескольких светил СМИ, большинство исследователей не делают вид, что знают, каким будет будущее. По своей природе, большинство настоящих исследований относится к типу «брось вещи на стену и посмотри, что прилипнет». Как люди здесь склонны говорить: если вы уже знаете, что это сработает, это не исследование. Я бы сказал, что это то же самое для воздействия.
Критический момент, имхо, и в отношении многих комментариев ко многим ответам заключается в том, что никто из нас не способен знать, что будет актуально через десять лет. Любое суждение об актуальности в будущем наивно, и логические расширения их являются плодами ядовитого дерева. Очень хорошо сказано @xLeitix.

Вещи, не имеющие практического значения, не обязательно бесполезны. Они могут просто «ждать своего часа».

Например, явление ионных жидкостей было впервые открыто в начале 1900-х годов, но они не прижились ни в экономическом, ни в промышленном отношении до начала 2000-х, когда они были «открыты заново» и получили известность как «зеленые растворители».

Так что, наверное, несправедливо говорить, что что-то не имеет возможного практического значения. Просто еще не очевидно, где они могут быть использованы в будущем.

Еще один момент, который следует учитывать, - это возможность того, что кто-то занимается проектированием, но на самом деле не занимается тем, что считается «инженерией». Возможно, это было решение о найме или кто-то нашел дом, где они преподают, а не пытался найти правильный дом для своих исследований. (Со мной ситуация именно такая: я инженер по образованию, но мои исследования с таким же успехом могли бы поместиться на факультете химии или материаловедения.)

Хорошая точка зрения. Только после смерти Менделя люди осознали важность его работы. Кроме того, на протяжении тысячелетий концепция отрицательных чисел считалась очень абсурдной. То же самое с концепцией дробей и десятичных знаков. Интересно, думал ли Арьябхатта о важности изобретения концепции нуля? Все это были бесполезные концепции в какой-то момент времени. Но сегодня...
Я согласен, что вещи, не имеющие практического значения, могут просто ждать своего времени. Я могу определенно сказать, что это относится к таким областям, как материаловедение, и, конечно же, мы понятия не имеем, каковы возможности для подавляющего большинства недавно созданных метаматериалов. Однако в инженерных областях, которые являются более теоретическими, часто используются предположения о бесконечном количестве раз или неограниченном количестве информации; эти вещи никогда не могут прийти к реализации. В какой-то статье вы видите это, предположим, что «у каждого человека в районе есть устройство приема информации, которое сообщает им»… но как это может быть?
@DetectiveMooch когда-нибудь слышал о мобильном телефоне? Современные смартфоны - это как раз "информационное устройство, которое сообщает им...", и они невероятно распространены сейчас на западе.
@Leliel Прежде всего, мы говорим о каждом пользователе в области размером с три или более штатов, объединенных вместе. Если бы я закончил эту строку, я бы сказал, что каждый пользователь получает непрерывный поток данных (кстати, многомерных), фиксирующих состояние энергосистемы. Каждый пользователь также имеет полный доступ к состоянию дома, такому как температура, энергопотребление и т. д. Затем этот алгоритм позволяет пользователям адаптивно отключать нагрузку от сети.
@DetectiveMooch, который принципиально не отличается и не сложнее. Это дорого реализовать, но даже близко не технически сложно. Энергетические компании просто тратят деньги, чтобы дать всем своим клиентам компьютер с широкополосным доступом (на деньги энергетических компаний) в качестве счетчика.
@DetectiveMooch Нереалистичные предположения не делают результат бесполезным — его нельзя применить напрямую, но это не цель. Ваш аргумент показывает, что теория идеальных газов бесполезна, потому что она построена на нереалистичных предположениях. Моя школьная физика подсказывает, что теория идеальных газов — это ступенька к более реалистичным теориям. В этом случае это также неплохое первое приближение для практических газов.
Насколько я помню, лазер был изобретен без особого представления о том, какое практическое применение он может иметь. Я рад, что ОП не критиковал работу в этой лаборатории.
Ребята, пожалуйста, атакуйте идею, а не личность ОП. И особенно дважды подумайте, прежде чем комментировать, когда вы не занимаетесь инженерными изысканиями.
@DetectiveMooch Как человек в отрасли, когда я видел настоящий скачок вперед, это были идеи из двух непохожих друг на друга областей, объединенных вместе. Таким образом, документ по дистанционному зондированию, в котором делается набор допущений, совершенно нереалистичных для предполагаемого применения, может быть найден агрономом, который предложит идею его использования для эффективного целевого распределения удобрений. Даже крайне непрактичные идеи могут прекрасно распространяться между областями.
Если жидкость была «открыта заново», в чем был смысл первоначальных исследований?

Исследования, демонстрирующие новые методы, не обязательно должны демонстрировать практичность новых методов, чтобы быть полезными. Примером того, что может быть очень применимо, является исследование численных решателей для ОДУ. Подавляющее большинство созданных методов не используются в решателях ОДУ промышленного качества. Они просто не эффективны. Но наличие исчерпывающей литературы может действительно помочь при попытке узнать о возможностях. Кто-то, описывающий метод, который не очень эффективен, мог внести новые идеи о том, как адаптироваться к определенному случаю, который в будущем кто-то другой может использовать для создания чего-то действительно практичного. И иметь публикацию, в которой неявно подчеркивается: «Посмотрите, эта штука действительно работает только в особых случаях из-за X».

Это также относится к предвзятости публикации. Публикация того, что что-то не работает, столь же ценна, как и публикация того, что что-то работает. Конечно, современная практика публикации требует «значимости», поэтому, как правило, исследователям приходится проявлять хитрость в отношении того, как они пишут реферат («мы обнаруживаем, что в условиях X, Y, Z этот метод может быть более эффективным, чем текущие стандартные варианты»), но из статьи довольно ясно, что это на самом деле означает на практике.

В конце концов, есть волна информации, которая движется вперед и почти случайно натыкается на идеи, которые работают, и они прилипают и используются в промышленности. Тем временем исследования продолжаются, чтобы увидеть, что еще они могут найти.

К сожалению, опубликовать что-то о методе, который работал не так хорошо, довольно сложно.
Ваш пример числовых решателей ОДУ можно немного расширить. Хорошие численные решатели ОДУ используют гладкость решения, по крайней мере, в большинстве точек. Стохастические ОДУ не обладают такой гладкостью, поэтому адаптация хороших методов ОДУ к ОДУ бессмысленна — и на самом деле может создать серьезные проблемы с такими вещами, как ложные взаимные корреляции. Хорошие методы SODE на самом деле являются адаптацией очень простых методов ODE. Иметь их уже в литературе в то время, когда разрабатывались методы SODE, безусловно, было полезно.
Ну, в наши дни большинство хороших методов для SODE не являются адаптациями простых методов ODE. Но теория их разработки во многом опирается на теорию ODE, и эвристика, такая как анализ коэффициента ведущей ошибки усечения, с большим успехом проводилась в литературе по SODE. Эти теории были созданы, чтобы ответить на вопросы о том, почему некоторые предложенные методы оказались неэффективными, поэтому эти методы помогли создать множество лучших методов с помощью контраста. Вы можете увидеть такое же развитие в LBS-стабильности неявных методов RK.
Еще одно хорошее расширение — решение больших собственных задач. Сегодняшние методы «перехода» часто основаны на математике, открытой и опубликованной Арнольди и Ланцошем в 1950-х годах. В 1960-х годах это считалось очень интересной теорией, но непригодной на практике из-за непредсказуемого накопления катастрофических ошибок округления. Потребовалось еще 20 лет, пока не были обнаружены дешевые и простые методы устранения этих ошибок округления, и, вероятно, еще 10 лет, прежде чем «неспециалисты» получили доступ к алгоритмам для решения практических задач реального мира. Это 40 лет, чтобы достичь "уровня 9!"

Я думаю, что другие ответы смотрят на вопрос одним образом, но я собираюсь ответить на него с более «человеческой» точки зрения.

Потому что это интересно.

Большинство людей занимаются исследованиями, потому что то, что они исследуют, их интересует. Они не пытаются заработать миллионы (как правило, как раз наоборот — им часто плохо платят); они не пытаются изменить мир (даже если сделают это позже); их просто очень интересует, возможен ли XYZ.

Тот факт, что иногда вы получаете что-то действительно революционное в результате исследования, которое меняет то, как устроен мир, означает, что компании готовы инвестировать в исследования; но на личном уровне, если вы не заинтересованы в проведении исследования, то в этом нет особого смысла.

Действительно ли исследователям плохо платят? Моя сестра в настоящее время ищет постдокторскую исследовательскую работу в области математики, и, по-видимому, большинство из них предлагают неплохие деньги. Значительно больше, чем я могу получить в разработке цифрового оборудования (как правило, хорошо оплачиваемая область) со степенью магистра.
Заработная плата исследователей сильно различается в зависимости от области, страны и этапа их карьеры (доктор философии, постдок, постоянная работа), а также в зависимости от того, работают ли они на частного или государственного работодателя. У одних исследователей большая зарплата, у других не очень. Однако можно с уверенностью предположить, что подавляющее большинство исследователей не занимаются исследованиями из-за денежного интереса.
Хотелось бы знать, какую часть этого минусаторы сочли бесполезной.

Многие исследования в настоящее время носят непрактичный и теоретический характер. Но именно поэтому многие из них являются университетскими исследованиями, а не коммерческими исследованиями и разработками. И иногда это становится очень полезным, в конце концов.

Когда в 1821 году были открыты полупроводники, никто даже в самых смелых мечтах не мог представить, какое влияние они окажут.

И Лазеры. Отличная идея посветить на что-то когерентным светом с одной длиной волны: но зачем вам это? И требовались дорогие материалы, которые исключали повседневное использование. Затем были открыты полупроводниковые лазеры. А затем оптоволоконная оптика, которой нужна когерентная световая волна с одной длиной волны, чтобы передать сигнал данных далеко. Итак, теперь весь Интернет работает по оптоволоконным кабелям, питаемым крошечными дешевыми лазерами, полностью революционизируя все благодаря чистым исследованиям, которые 70 лет назад казались маловероятными и не принесли ничего полезного.

Построение нормальных базисов конечного расширения поля «далеко от практической реализации». Он имеет «очень ограниченную практическую значимость и не пытается решить проблемы реализации». Более того, это «так математически». «Это законный вопрос, почему кто-то когда-либо будет использовать эти высокотеоретические и нагруженные предположениями результаты исследований».

Это все очень верно. Или, лучше сказать, было очень верно. В прошлом.

Пока у вас вдруг не появилась криптосистема Мэсси-Омура.

Тот факт, что сейчас у него нет приложения или надлежащей реализации, не означает, что его никогда не будет. Кто когда-либо использовал эти теоретические вещи, называемые римановыми многообразиями, в реальной жизни? Хорошо, что они уже были там к тому времени, когда Эйнштейн работал над своей общей теорией относительности.

Теоретические исследования существуют, так что в один прекрасный день кто-то другой сможет это подобрать и использовать.

Почему кто-то изучает лекарства на животных? Нас не волнует лечение лабораторных крыс. Но мы надеемся, что это поможет нам изучать лекарства на людях.

Точно так же цель решения проблем в упрощенных условиях (лабораторные крысы) часто состоит в том, чтобы помочь решить эти проблемы в более реалистичных условиях.

Многие исследования нацелены не на непосредственное применение, а на других исследователей. Это фича, а не баг, потому что исследователям нужно что-то строить. Путь от статьи до ее применения не требует ни одного шага. Кроме того, не обязательно применять все теоретические статьи. Некоторые из этих теоретических результатов недостаточно хороши, чтобы их можно было применять, и вы можете сказать из самой статьи — требуется дополнительная теоретическая работа, прежде чем их стоит применять.

Иногда, даже когда вы знаете, куда хотите попасть, но не имеете представления о пути, движение в несколько случайных направлениях в начале более эффективно, чем прямое нацеливание на пункт назначения. (Видел основной доклад о формальном исследовании этого в задаче оптимизации).

На уроке неврологии мы обсуждали, как модели помогают понять мозг. Один исследователь убедительно показал нам, что достоинство модели не только в том, что она включает, но и в том, что она исключает. Мы не можем понять полную модель мозга; но мы можем изучить чрезмерно упрощенные модели, чтобы увидеть, как они себя ведут, а затем проверить, применимо ли то, что мы узнаем, к более реалистичным моделям. Также оказалось, что упрощенные модели мозга полезны в качестве искусственных нейронных сетей.

Некоторые из статей, которые вы видели, начинаются с нереалистичных предположений. Скорее всего, для упрощения их изучения, особенно если это математическое исследование. Позже появляются работы в несколько более реалистичных условиях.

Хотя я сам не изучаю инженерию, я изучаю информатику (языки программирования), и у нас также есть много статей, в которых рассматриваются упрощенные сценарии — многие из этих статей все еще косвенно актуальны, хотя могут пройти десятилетия, прежде чем теория станет применимой на практике.

РЕДАКТИРОВАТЬ: поскольку вы спрашиваете/задаете вопрос об актуальности/применимости: я имею в виду математические статьи, которые мотивированы (явно или неявно) целью сделать программы менее глючными. Большой прогресс зависит от выполнения большего количества чрезвычайно абстрактных математических операций, но переход от математики к еще большей математике и прототипам занимает несколько этапов.

Я не понимаю, почему ты так защищаешься. Конечно, вы видели статьи с очень ограниченным применением или без него, или с очень нереалистичными предположениями, или с очень ограниченным применением. Вы говорите, что в CS есть много статей, которые могут занять десятилетия, прежде чем теория станет пригодной для использования, тогда почему бы не сосредоточить усилия на том, чтобы сделать теорию пригодной для использования? В CS определенно больше места для исследований, не связанных с приложениями, это не заявленная цель инженерных исследований.
Что касается «Почему бы не сосредоточить усилия», упрощая: (1) в некоторых теоретических работах требуется больше теории, прежде чем сделать теорию пригодной для использования. В моей области полно людей, применяющих (возможно) вещи, которые полностью неверны в теории (следовательно, и на практике). (2) Если говорить о других теоретических работах, то, упрощая, «математики» (думаю) закончили, и мы ждем еще «практиков». В лучшем случае математики могут потратить больше усилий, чтобы поговорить с практиками, но исследования не являются полностью скоординированным делом.

Вы никогда не знаете, когда исследование, не имеющее практического значения, вдруг станет актуальным.

Недавний пример из моей области (астрофизика): результаты BICEP2 , в которых изначально говорилось, что они обнаружили сигнал, связанный с быстрым расширением ранней Вселенной. Если бы этот сигнал оказался верным, эти люди, вероятно, получили бы Нобелевскую премию, просто чтобы дать представление о том, насколько это было важно. Однако другие признали, что космологический «сигнал», вероятно, может быть полностью приписан межзвездной пыли, плавающей в Млечном Пути. Почти мгновенно астрофизики, специализирующиеся на межзвездной пыли, стали мировыми экспертами по космологии. Их исследование (которое, я признаю, было важным и применимым само по себе, поэтому не является точной параллелью вопросу ОП) внезапно стало невероятно актуальным и важным.

Другой пример — общая теория относительности Эйнштейна. Хотя сама по себе невероятно удивительная теория и чрезвычайно полезная для понимания Вселенной, ее приложения к более «реальным» ситуациям в течение многих десятилетий практически не существовали. То есть до тех пор, пока не был разработан GPS. Без учета эффектов общей теории относительности в GPS-измерениях и расчетах GPS-измерения положений быстро станут очень неверными. «Ошибки в глобальных позициях будут продолжать накапливаться со скоростью около 10 километров каждый день!» Таким образом, спустя десятилетия после того, как была разработана теория, технология, наконец, продвинулась до такой степени, что теория стала практически применимой сначала в вооруженных силах, а затем и в нашей повседневной жизни.

Эти примеры не являются идеальными параллелями ситуации, описанной в OP, но все же служат для иллюстрации моей первоначальной точки зрения: вы никогда не знаете, когда исследования, не имеющие практического значения, внезапно станут актуальными.

Исследования докторантуры почти по определению являются частью образовательного процесса, а не частью процесса разработки продукта, поэтому работа будет иметь мало прямого практического значения.

Аналогичный аспект может иметь место и в самой промышленности, где часть прикладных исследований направлена ​​на самые последние модные аспекты, часто без четкого понимания того, принесут ли исследования плоды (т.е. непосредственно, в этом году). Чаще всего работа отпадает и становится частью образования исследователей (точно так же, как 9 из 10 начинающих предпринимателей).

Трудно понять, будет ли работа актуальной, но обучение будет полезным. У меня есть текущая работа, основанная на «неудачной» работе с дополненной реальностью 10-летней давности.

Помните, что контроль с обратной связью был изобретением (HSBlack), в которое никто не верил, так что некоторые идеи действительно прижились. Буль умер задолго до того, как его (глупые) идеи в логике вошли в моду.

Тем не менее, все же разумно быть скептичным и думать о том, что на самом деле произойдет с идеями, и о том, какой еще элемент отсутствует в причудливых исследованиях [Большинство исследований зеленой энергии будут работать, как только будет разработана эффективная промышленная батарея, которая может находиться рядом с точкой генерации, но до тех пор....]

ПРИЧИНА 1:

Исследования — это обширная область, где ожидание решения какой-либо конкретной задачи или изобретения новой методологии не приходит в одночасье. Полноценный коммерческий продукт — это не одна опубликованная исследовательская работа ученого. Это комплексное исследование, работа многих ученых на протяжении десятилетий. Лучшее, что может сделать любой знающий человек, — это представить свой вклад в свою область на любом носителе. С его/ее вкладом можно сделать замечательный ресурс не только в той же области, иногда и в других. Иногда технический документ может быть началом новой революционной технологии или новаторским благодеянием для существующей технологии. Здесь вклад важнее требования.

ПРИЧИНА 2:

Технология является результатом неожиданной революции. Не должно быть дефицита ресурсов. Следовательно, по всему миру проводится множество исследований в различных областях, которые являются ключом к будущим или настоящим инновациям. Знания каждого драгоценны и ценны. Эти знания не могут быть переданы устно, а только через технические документы для настоящего и будущих поколений. Когда происходит какой-либо новый прорыв, ресурсы должны быть готовы служить цели.

Исследование — это долгое путешествие, получение конечного результата в два раза дольше, а реализация — в три раза дольше.

Насколько далеко от запуска воздушного змея в грозу до постройки громоотвода, способного защитить сарай? Бен Франклин сделал и то, и другое.

Насколько далеко от статьи Клода Шеннона о цифровом кодировании сигналов до уже знакомого нам аудио компакт-диска?

Мне кажется, что фундаментальные исследования должны задавать вопросы, даже если неясно, какую пользу принесет ответ. Иногда исследование оказывается научным, а не инженерным, как в приведенном выше примере с воздушным змеем. Но Вы получаете идею.

Возможно, прикладные исследования вам ближе, чем фундаментальные.

Бен Франклин и Клод Шеннон являются плохими примерами, поскольку их работа была широко признана очень ценной в свое время.

«Полезность» — это перспектива и восприятие. В моей собственной маленькой офисной кабинке, возможно, трудно увидеть, где именно вписываются результаты моих исследований. Просто попытайтесь найти уверенность в том, что существуют (более или менее заметные) провидцы «наверху» в различных аспектах, которые видят, где это будет соответствовать. Плохое в том, что в наши дни религия настолько подавлена ​​и маргинализирована, заключается в том, что концепция веры в вещи, большие, чем мы, теряет значение, в то время как на практике она актуальна как никогда. Может быть, не во всемогущем Боге , а в существовании людей, строящих планы вне собственной точки зрения.

Хотя я могу оценить, что вера имеет какое-то значение, выходящее за рамки простого религиозного воздействия, этот конкретный ответ кажется сформулированным таким образом, что придается чрезмерное значение исключению пользы религиозного воздействия.
Что хорошего в инженерных исследованиях, не имеющих практического значения?
СпросиСетьПолитика конфиденциальности1y, 0v