Спрогнозировать будущее России

Прогносты в своем отечестве
19.05.2016
Анастасия Долгошева   в газете "Санкт-Петербургские ведомости"

Как поведет себя толпа в случае ЧП; можно ли предугадать пути «грязных» денег; сильно ли распространится очередная эпидемия... Прогностическое моделирование и способность предвидеть с его помощью различные ситуации мы обсуждали с доктором технических наук, директором Института наукоемких компьютерных технологий Университета ИТМО, зав. кафедрой высокопроизводительных вычислений Александром БУХАНОВСКИМ. Заодно узнавали, в чем моделирование еще бессильно.

– Александр Валерьевич, прогнозы прогнозами, а все равно никто не угадывает, сколько будет стоить нефть или доллар.

– У моделирования есть два «проклятия»: точка невозврата – когда расчеты так сложны и ресурсоемки, что не позволяют вовремя спрогнозировать ситуацию, и неопределенность, которая в некоторых областях знания довольно велика.

Результат любого прогнозирования – оценка не точечная, а интервальная. Если интервал узкий – отлично: при прогнозе Гидрометцентра «+2 – +4» вы понимаете, что в легком платье на улицу выходить не стоит. Но если система имеет высокий уровень неопределенности, интервал может быть и не таким узким. Скажем, мы прогнозируем, что в ближайшем будущем нефть будет стоить столько-то, а завтра рядом с нефтяными вышками произойдет вооруженный конфликт. Или синоптики предсказывали хорошую погоду, а в Исландии начал извергаться вулкан.

Границы интервала задают нам пессимистический и оптимистический сценарии. А есть еще понятие «ансамбля». Если мы составим, например, три модели одного явления с тремя наборами данных, а потом (я утрирую) эти прогнозы сложим, поделим, скомбинируем – результат окажется точнее, чем результат каждой модели в отдельности! Другое дело, что это работает «в среднем». Бывают ситуации, когда нужно выбрать совершенно определенную модель.

– Остались еще серьезные области, где можно обойтись без моделирования?

– Пожалуй, нет. В начале 2000-х в США было заявлено «в лоб»: к 2050 году страны, которые не успеют полноценно внедрить технологии предсказательного моделирования, проиграют вчистую.

Раньше государства конкурировали на уровне производств, экономики и т. д., но сейчас соперничество во многом переходит в «электронную» область. Мы боремся на уровне решений: условно, не кто будет лучше производить танки, а кто быстрее просчитает на компьютере модель нового танка и запустит ее в производство так, что все танковое производство противника окажется бессмысленным, поскольку заведомо морально устареет.

Вопрос не только в том, чтобы просчитывать наилучшие решения, а чтобы делать это раньше других. Потому ученые и напирают на необходимость финансовых вложений в развитие суперкомпьютеров: умы в разных странах могут быть одинаково сильными, но у кого суперкомпьютер мощнее, те на полдня быстрее все просчитают. Этакие шахматы.

– Звучит жутковато. Но вряд ли самая сильная в прогнозировании страна возьмет да начнет загонять других в рабство.

– Звучит жутковато, потому что я «военный» пример привел. В обычной жизни, конечно, превосходство одной страны над другими выразится не в том, что у одних колбасы будет больше, у других меньше. Скорее всего, колбасы будет одинаково, иначе опасно: обделенные восстанут. Но ключевые решения, которые определяют превосходство в экономике, в политике – они будут приниматься в угоду тому, кто просчитывает ситуацию на пять шагов вперед.

Спасает пока то, что суперкомпьютеры сами по себе довольно беспомощны – для прогнозирования нужны еще и хорошие модели. И, повторю, в некоторых ситуациях даже лучшие модели имеют существенную долю неопределенности. Прогноз типа «завтра доллар будет стоить от 20 рублей до 150 рублей» вряд ли полезен.

– В России активно применяют моделирование?

– Как идет применение в закрытых областях, можно только догадываться. Но и в открытых все неоднозначно – не во всех сферах есть качественные прогностические модели.
Вообще математическое моделирование развивалось постепенно. Сначала в физике и инженерии, поскольку эти области и так завязаны на математику. Затем подключились химики, за ними – медики и фармацевты (теперь не надо на белых мышах испытывать все 20 тысяч образцов нового лекарства, можно на компьютере «вычислить» из них пять наилучших и их уже испытывать). Одновременно моделирование охватило науки о Земле: океанологию, геологию, прогнозы погоды. Только к концу ХХ века появились робкие попытки предсказательного моделирования общества с учетом социальной психологии.

– То есть как себя поведет общество в такой-то ситуации? Непонятно, как это можно просчитать.

– Да, чрезвычайно много разных факторов. Вот у меня сегодня сотрудник сказал: я, говорит, на машине не поехал – погода хорошая, захотелось пройтись. А чтобы рассчитать трафик по городу, как раз такие вещи и надо учитывать.
Вы водите? Замечали, что в сильный дождь пешеходы бросаются через дорогу вне пешеходных переходов и меньше смотрят по сторонам? Совершенно меняется поведение. У нас сейчас проект для Индии, моделируем поведение толпы во время религиозных праздников – там оно меняется, если температура превышает 35 градусов. Люди становятся агрессивными. Хотя, казалось бы, местные, должны быть привычны.

– У нас, видимо, легко просчитать, сколько народу после новогодних праздников окажется в больнице.

– Это уже связь с эпидемиологией. Не в смысле некой заразы – слово применимо к любым заболеваниям населения. Мы с коллегами из Федерального медицинского исследовательского центра им. В. А. Алмазова смотрели данные по артериальной гипертонии – действительно, после праздников народ очень активно поступает в клинику: повышенное давление.
Но зарубежные коллеги утверждают, что в ХХ веке прогнозы в эпидемиологии потерпели научный крах. Оказалось, что результаты моделирования распространения большинства болезней, основанные только на медицинских фактах, не работают, потому что процессы эти скорее социальные, чем медицинские. В 2007 – 2008 годах у нас был европейский проект по социальной специфике развития СПИДа. Шокирующие результаты: принципиально разное течение ВИЧ в гомо- и гетеросексуальной популяции, потому что в гомосексуальной среде связи более беспорядочны и в какой-то момент медицинскими средствами заболевание уже не сдерживается. Действенны только воспитательные, просветительные меры.
А вот с гриппом, оказывается, иначе: важно, откуда эпидемия идет, какой штамм, а также очень сильна связь начала эпидемии с погодными условиями. Влажность, отсутствие солнца, не очень низкая температура – и, если долго продержится такая погода, у человека падает настроение, снижается иммунитет... Кто-то в автобусе чихнул – и поехало, эпидемия начинает развиваться лавинообразно.

– Не приведете ли пример очень успешного моделирования?

– Если из нашего опыта... Вот мы разрабатывали и адаптировали комплекс моделей для системы защиты Петербурга от наводнений. С момента внедрения было десять подъемов воды – ни одного город не почувствовал. Успешно? Но все же решения принимают люди, потому что наши модели выдают несколько вариантов расчетов. Скажем: по одному заторы дамбы надо закрыть в полвосьмого, открыть в полдвенадцатого, и уровень воды будет такой-то; по другому прогнозу все можно сделать на полчаса позднее – уровень воды будет такой-то. А специалисты Комплекса защитных сооружений принимают окончательное решение с учетом, в частности, наличия прохода в Морском канале.
Но в случае защиты Петербурга от наводнений успешность предсказания довольно ожидаема, это хорошо формализованная сфера. А вот менее ожидаемый успех у нас был в прогнозировании наркотизации населения в Петербурге. Анализировали разные факторы – от занятости и объема зарплаты до удовлетворенности жизнью.
Оказалось, на наркотизацию влияет не экономика, а то, что у людей в головах. Самая сильная волна наркотизации была в 1990-е годы, тогда и дрянь эта стала поступать активно, и люди потеряли ориентацию в жизни. Потом постепенно старел и убывал контингент, который «подсел» в девяностые, а в следующих поколениях наркотизация не была массовой, люди в основном становились наркоманами «случайно».
На учете стоят далеко не все наркоманы, поэтому смысл моделирования был в попытке «увидеть» и скрытую популяцию. Кто противодействует, кто «иммунизирован» (т. е. никогда не будет принимать наркотики в силу каких-то убеждений), кто податлив, кто употребляет легкие наркотики, кто «подсел», кто не употребляет, потому что любит выпить (а эти зависимости «не дружат»)... Параллельно мы провели анализ в соцсетях. Народ, конечно, не пишет на странице «я наркоман», но есть виртуальные места обсуждения, есть места, где «толкают» наркотики, места, где этому виртуально «противостоят». И оказалось, что в процентном соотношении доли людей по соцсетям и по модели практически совпали.

– А в медицине как? Можно ведь по характеристикам конкретного человека просчитать, как ему лечиться.

– Моделирование в медицинской диагностике – вещь очень специфичная. Огромный интервал неопределенности. Такие системы работают на трех уровнях.
Первый – «дурилки»: клиника может просто качать из пациента деньги, пугая «диагнозами», которые выдала какая-то волшебная машина.
Второй уровень – системы, превентивно выделяющие группы риска. Для ряда заболеваний имеют значение принадлежность к определенной расе, наследственность и т. д., система просчитывает это и рекомендует обследоваться на конкретные маркеры. Это очень развито в многонациональных странах – в Штатах, например. В принципе эффект есть: людей побуждают позаботиться о здоровье.
Третий вид систем – действительно диагностические, но они действуют в очень узких областях. Например, такая система может подсказать деревенскому фельдшеру, что делать, если у местной бабушки какая-то непонятная кардиограмма. Правда, чаще совет будет выглядеть так: вызвать санитарный вертолет.
Или системы, которые позволяют проследить в динамике сложные клинические случаи – например, острое коронарное состояние. Вот привозят бедолагу, у него тромб в сосуде в области сердца – можно тромб сразу убрать, но как это повлияет на сердце? Человеку делают ангиографию, вносят в модель положение тромба и просчитывают варианты. Иногда при удалении тромба могут дать препарат, временно сужающий сосуд, чтобы кровь не поступала слишком активно.
Но понятно, что многое зависит не только от болезни, но и от того, кто лечит, как лечит, какая клиника.

– Какая область применения более интересна лично вам?

– Мне интереснее сама методология математического моделирования и прогнозирования. Как для конкретной области построить модельное решение «под ключ». От постановки задачи (иногда специалист не может сформулировать, что конкретно ему нужно получить), выписывания формул, годных для расчета на компьютере, разработки расчетных программ – и до получения конкретных количественных прогнозов, внедряемых в различных предметных областях.
Например, задача со строящимся стадионом «Зенит-арена». Одна организация составила отчет по подъездам к стадиону, комитет по транспорту попросил Университет ИТМО сделать экспертизу. А мы решили посмотреть, как, собственно, народ будет со стадиона выходить, – получилась модель, показывающая, в каких местах люди будут идти медленно и плотно, где – ускоряться и толкаться локтями. Где лучше разводить болельщиков в разные стороны, чтобы не подрались.
Или, например, моделирование спасательной операции в море: это мы делали для португальцев, но из-за санкций проект подвис. Суть в том, что здесь очень важно учитывать визуальный контакт потерпевших бедствие. Если они друг друга видят, то держатся вместе, их легче спасти. У нас спрогнозированы разные ситуации – в темноте, в тумане или когда люди качаются на волнах в противофазе – могут быть близко друг к другу, но друг друга не видеть.

– Выступая в лектории «Контекст», вы сказали, что бизнес не очень активно заказывает прогнозы...

– Заказывает. Но меньше, чем всякого рода административные органы. Наверное, потому что сейчас время для проектов федерального уровня, а не для локальных бизнес-проектов. В кризис вопрос с инновациями (а внедрение таких систем – всегда инновация) откладывается до лучших времен.

– Передовая страна в прогнозировании — Америка?

– Америка. В Европе – Великобритания, Германия. Но в Европе у computational science, как называют дисциплину, связанную с компьютерным моделированием, – регресс. Молодежь стремится туда, где полегче – в менеджеры, адвокаты.
Что касается России, смущают две вещи. Первая: нет централизованного упора на развитие именно сферы моделирования (обычно оно идет как кусок какой-нибудь прикладной проблемы). Вторая – отсутствие кадров, владеющих современным аппаратом.
Область компьютерного моделирования сильно «рванула» в мире в 1990-е годы, когда в России думали несколько о другом. Молодежь, несомненно, приходит, но есть менторский разрыв, и молодые начинают обучаться не у старших товарищей, а по статьям китайских аспирантов. Но если правильно сфокусировать имеющиеся в стране научные коллективы, думаю, с нашим потенциалом можно очень хорошо «выстрелить».

Источник: spbvedomosti.ru