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?
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.
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.
you are vastly overestimating your, and other engineer's, ability to judge what techniques will ever have practical relevance
Либо это, либо исследователи переоценивают свои исследования, либо они просто врут.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.)
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.
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.
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.
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.
«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.
ff524