Наука Цифр: как в Сингапуре строят будущее STEM

Одно из важных последствий пандемии – переосмысление роли науки в обществе. Процессы разработки и сертификации вакцин и дискуссии о доверии тем или иным медицинским исследованиям подсветили в целом “кухню” научно-технической сферы. И для многих удивительным оказался тот факт, что бюрократия и политика в академии настолько же беспощадно абсурдна, как и в других профессиональных сообществах. Какие существуют системные проблемы, свойственные R&D-сфере, и как Азия с ними справляется?

В этой статье я постараюсь дать перспективу того, как мой работодатель, A*-Star, Agency for Science, Technology and Research, строит науку будущего в Республике Сингапур.

Как оно должно быть?
 

В чем разница между бюрократией и бизнесом? Первой важна форма, а второму – содержание. Бюрократия работает не со своими деньгами, и выполнение обязательств – это цель её существования, какими бы неэффективными эти обязательства ни были. Бизнес идет к максимизации прибыли: процессы адаптируются под свойства того, что они производят. 

Наука оказывается заперта между этими полюсами. С одной стороны, исследования в области, например, компьютерного зрения – это легко масштабируемые технологии, оперирующие на существующей инфраструктуре. Они быстро ведутся, и их легко продавать. Здесь практически полностью реализуются рыночные законы. С другой – фундаментальные исследования и мегастройки, наподобие коллайдеров или радиотелескоп, изначально не подразумеваются как прибыль-ориентированные напрямую. Управляются такие проекты соответственно в логике сугубо бюджетных процессов. 

Промежуточный уровень наукоемких, но коммерчески перспективных разработок фактически является основным срезом сложности экономики. Их уже не поднять силами одного заинтересованного бизнеса, но невозможно эффективно вести в отрыве от его реалий. Успех в реализации таких проектов заключается в нахождении золотого баланса между эффективной мобилизацией ресурсов и гибким их освоением. 

Поэтому в крупных и развитых странах поддержка технологического развития, традиционно анализируемая в фреймворке Triple-Helix, осуществляется между достаточно чётко разграниченными акторами: industry, academia и government. Между ними как кровеносная система оперируют финансовые и социальные институты, обеспечивая переток средств и кадров вдоль всей цепочки технологического трансфера. Примерами таких транзитных структур могут быть венчурные фонды, стипендиальные программы целевого обучения, специальные экономические зоны и стратегические политические программы, наподобие Made in China 2025.

Как оно есть?
 

В теории все это прекрасно, на практике есть нюансы. Давайте представим, что вы – изобретатель, и у вас доказана работоспособность идеи. Для её реализации вам нужны средства, оборудование, кадры. Средства вам может предоставить условный фонд фундаментальных исследований, Оборудование вы можете закупить по программе поддержки производителей, Кадры вам предоставит университет, интересантом может служить локальное производство.

Все инициативы, безусловно, полезны и созданы с благими намерениями, которыми, как известно, вымощена дорога в ад, в данном случае – административных издержек. Вместо фокуса на предмете исследования вам придется тратить значительные ресурсы на обслуживание интересов упомянутых сторон. Более того, ваша работа ограничивается желаниями каждой из этих сторон. Реальным сценарием является либо подтягивание работ к некоей универсальной теме, либо самоограничение в использовании программ поддержки. Более того, не так просто использовать их последовательно: многие проекты гибнут именно на стадии пробуксовки между фреймворками. Перезрев формальные мерила предыдущего спонсора, они могут не дотягивать до требований следующего. Особенно это болезненно для проектов со сложным и долгим переходом TLR4-to-5: выходе из лаборатории в реальный мир. Для них индустриальный партнер или прикладной государственный фонд могут требовать дополнительных изысканий, а их обоснование текущему грантодателю может быть затруднительно в силу достижения всех заявленных формальных показателей. 

Очевидно, что эта проблема усугубляется в странах со слабыми институтами и низкой культурой управленчества. Согласно исследованию OECD  фактическое внедрение технологий замедляется, как и прирост производительности труда. Исключение составляет лишь ряд корпоративных отраслей, в первую очередь в IT, где оба показателя растут. Фундаментальная же наука также страдает от стагнации. Согласно свежему исследованию PNAS, “Slowed canonical progress in large fields of science” современная наука все больше консервируется вокруг канонических идей.

Преимуществом корпоративного научного центра является большая гибкость в реализации идей. Поскольку компанией преследуется единая цель улучшения продукта, исследователь изначально более свободен в выборе того, каким образом она будет достигнута. Более того, тематический фокус с быстрой обратной связью внутри структуры позволяет легче реализовывать сторонние ответвления, если они представляют некий коммерческий интерес. Например, промышленный способ получения полиэтилена был разработан ICI в 1935 году, после того, как исследователи обнаружили его в 1933 в качестве побочного продукта в другой реакции высокого давления. Тем не менее, конечно, не всегда найдется корпорация, готовая выделить вам достаточно ресурса и времени: борьбу за рынок здесь и сейчас никто не отменял.

Говоря о времени, в случае IT-компаний существует еще один важный момент. Не говоря об уже упомянутой простоте масштабирования продуктов, а также об очевидной возможности IT-гигантов скупать лучших специалистов на рынке, дополнительной причиной их доминирования является высокая унифицированность и измеряемость объектов работы, снижающая информационные издержки. Разработанный софт существует на единой инфраструктуре, менее зависим от квалификации в интерпретируемости и воспроизводимости, более стоек к хранению и модернизации. Казалось бы, как может быть “срок годности” у законсервированной технологии? Запросто, особенно в прикладных hardware-науках. Заложенное моральное устаревание и потеря технологий – систематическая болезнь массивно-бюрократических систем, где от момента изобретения до внедрения могут проходить годы. И нигде эта проблема не проявляется серьезнее, чем в вооруженных силах любых стран. Например, недавно Пентагону пришлось объявить тендер на реверс-инжиниринг устаревших деталей к бомбардировщикам B-2 Spirit, так как их производители давно ушли с рынка, а созданные запасы подошли к концу. При этом замена всех систем на более современные экономически нецелесообразна без отдельного финансирования глубокой модернизации. То есть, чтобы быть успешной, ваша технология должна быть не только жизнеспособной сама по себе, но и легко передаваемой в виде обобщенного знания. Этот важный момент является передовой задачей науки на данный момент и будет раскрыт позже.

Обзавестись связями

Вопрос соотношения культуры и фундаментальной науки просматривается в случае Японии, стране с самой сильной в Азии фундаментальной наукой, с наибольшим числом нобелевских лауреатов, фиксируется катастрофический спад числа PhD-студентов.  При этом сложно усомниться в высочайшем уровне научно-технического развития и Кореи, и Японии. Их успех во многом основан на крайне эффективном интегрированном подходе коммерциализации технологий. Обе страны имеют в качестве регуляторного органа независимые агентства с разветвленной и продуманной структурой: Japan Science and Technology Agency (JST) и Korea Ministry of Science and ICT (MSICT), а крупные корпорации, такие как Samsung, тесно сотрудничают с университетами и государством. Корея, например, имеет самый высокий в мире коэффициент перехода исследователей из промышленности в академию (2.8 против 2.25 у Германии, 1.5 у США и 0.7 у Нидерландов). 

Возвращаясь к первой проблеме, это объединение деятельности по поддержке инноваций фактически внутри одного управленческого контура. Такой подход не только упрощает работу исследователя, но и ускоряет горизонтальный трансфер технологий. Например, MSICT, ведущая последовательную самоунификацию, планирует уже к 2022 году полностью объединить оставшиеся 16 отдельных платформ для сбора и обработки данных в едином формате. Это позволит оперативно получать Big Data о большинстве процессов в стране, связанных с промышленностью и потребительским поведением для поиска новых закономерностей. Поскольку информационные потоки сливаются воедино, становится возможным выявлять связи между, казалось бы, совершенно далекими друг от друга параметрами. Например, такие знаменитые социально-экономические эффекты как Плацебо, Хоторнский эффект и эффект Розенталя были открыты благодаря наблюдательности отдельного исследователя с удачной экспериментальной средой. Кто знает, какие нетривиальные выводы сможет сделать компьютер, наблюдая 24/7 сразу за всеми процессами в народном хозяйстве?

А в Сингапуре?

Но Япония и Корея – крупные страны с диверсифицированной экономикой. При всей своей инновационности, JST и MSICT – это и государственные органы с присущей им медлительностью и запротоколированностью. В пяти-с-половиной-миллионном Сингапуре A*STAR является statutory board условно-независимой организацией, подотчетной Министерству Торговли и Промышленности, но имеющей существенно больше свободы, нежели восточноазиатские аналоги. По сути, это корпоративный R&D-центр с ресурсом и охватом тем как у государственного фонда.

 

В отличие от описанных министерств с более формализованной структурой “департаментов”, A*STAR представляет собой скорее вертикально-интегрированную компанию со впечатляющим числом горизонтальных связей между полу-независимыми элементами. Организация самостоятельно разрабатывает стратегии любого уровня, имеет собственную систему подготовки целевых кадров, отделы совместного планирования, инвестиционную платформу, центр коммерциализации и партнерской кооперации и т.д. Все это позволяет агентству самостоятельно вести практически полный цикл разработки. Начиная фундаментальные исследования по им же выбранному стратегическому направлению, оно в состоянии разработать и запустить целевую программу для аспирантов, в рамках внутреннего совета обозначить приоритетные метрики для отдельно взятого случая, вывести перспективные spin-off в формат “внутрикорпоративного старт-апа”, устраивать коллаборации с проектами из смежных отраслей до момента вызревания технологии, и все это время подбирать индустриального партнера, оперативно корректируя вектор разработки исходя из запросов желающих. 

Например, примечательна история компании Anor Tech, разрабатывающей терагерцевые сканеры. Основная технология разрабатывалась основателем в ходе PhD. После образования юрлица, основатели прошли через инкубатор от университета и обратились в  A*-Star, которая организовала отдельный исследовательский проект для выпуска прототипа. После успешного его создания, A*-Star выступила посредником для поставок сканеров в рамках госзаказа. После успеха первой партии, A*-Star расширило исследовательскую коллаборацию и, самое главное, взяла на себя вопросы оформления всей РИД (результатов интеллектуальной деятельности, головной боли любого стартапа). Прикладной hardware-продукт достаточно высокого технологического уровня прошел путь от идеи до полноценной коммерческой деятельности всего за 2.5 года. Такие сроки могут казаться не особо впечатляющими представителям IT-бизнеса, но в разработке физического продукта это крайне оперативно. Большинство компаний за такой срок способны представить лишь базовый прототип, и именно такой темп заложен в грантах, например, российских институтов развития (СТАРТ от Фонда Бортника, сеть микрогрантов в рамках Сколково и т.д.) для hardware-проектов на ранней стадии. Хоть в этой истории пока не был задействован экспортный потенциал, A*-Star активно развивает сеть “торговых представительств” как, например, в Suzhou Industrial Park, КНР. Главная помощь для сингапурских хайтек-компаний, конечно, заключается в локализации патентных хитросплетений и прочих правовых аспектов под местный рынок, а также финансовой поддержке, которая работает в обе стороны: китайские компании могут проводить совместные исследования на ресурсах представительства, но, естественно, в партнерстве с сингапурским юрлицом и разделом РИД. 

A*STAR сочетает в себе преимущества азиатской интеграции с европейской фундаментальной школой. Международный формат, с привлечением внешних специалистов на привилегированных условиях, позволяет более эффективно использовать западную систему работы научных групп. 

Замена незаменимых
 

Сингапур имеет самый высокий turnover-rate в АТР: порядка 46% занятых сотрудников меняют место работы в течение года [11]. Это город экспатов, постоянно прибывающих и убывающих, в том числе и в науке. При этом, казалось бы, очевидно, что именно необходимость долгой, усидчивой работы с погружением в тему это неотъемлемая часть R&D. Получается некоторое противоречие, но только на первый взгляд. 

Во-первых, A*-STAR прикладывает значительные усилия к разработке модульных, взаимодополняющих проектов. Наличие единого управляющего механизма позволяет эффективно разбивать долгосрочные работы на подзадачи, которые могут быть выполнены специалистом в рамках срочного контракта (1-2 года). С прикладной точки зрения это обеспечивает постоянный приток свежих взглядов, а также возможность динамически регулировать объем рабочей силы, задействованной в долгосрочном исследовании. 

Во-вторых, в структуре организации превосходно налажена преемственность процессов и работа с архивированием данных. Опять же, имея интегрированный доступ к результатам деятельности всех вовлеченных сторон, агентство способно формировать единую базу данных и более рационально использовать дорогостоящее оборудование. Как и в примере с корейским аналогом, ставка на data-driven процессы позволяет не только лучше управлять оперативной работой, но и снижает порог входа для новоприбывших сотрудников со срочным контрактом. 

В-третьих, в широком плане, агентство, совместно с передовыми институтами (MIT, Caltech,  и тд.) реализует полноценный технологический переход в науке. Под ним подразумевается разработка систем управления научной информацией и автоматизации исследовательского процесса. Например, в рамках огромного мультидисциплинарного проекта AMD (Accelerated Materials Development) с несколькими международными коллаборациями, глобальной целью ставится создание единой системы обработки данных и их роботизированной проверки для 10-кратного ускорения процесса вывода новых материалов на рынок.

Вкалывают роботы, а не человек!

Ранее в описании проблем научно-технологической коммерциализации контрпримером служили IT-компании. По сравнению с ними даже современный научный процесс выглядит медленным и нестабильным. Разработка и проверка гипотезы, даже на современном оборудовании, занимает несколько лет. В течение этих нескольких лет вам необходимы сотрудники, занятые проведением экспериментов. Новоприбывший работник вынужден тратить время и силы, чтобы разобраться в огромном массиве не стандартизованной информации, полученной до него. А при потере специалиста с уникальной экспертизой или просто обширным прикладным опытом его знания также могут быть частично или полностью утрачены. Сравните это с IT, где легко заменяемый junior с базовым знанием общепринятого языка встраивается в процесс в течение месяца, а деятельность высокоуровневых senior заключается в улучшении системы, способной функционировать и без них.

 

Говоря о химии, современные лаборатории уже давно не представляют собой колбы и ложки-мешалки. Автоматические хроматографы, синтезаторы и прочие технологические решения уже сейчас снижают требуемый уровень квалификации для лабораторного сотрудника, но интерпретация данных и дизайн эксперимента все еще остаются задачей людей. Последние достижения в области машинного обучения и компьютерных симуляций позволяют автоматизировать и эту сферу. Сейчас перед постановкой эксперимента ученый в состоянии как автоматически изучить прежде непосильный объем накопленной информации по вопросу, так и получить первые выводы, не отходя от компьютера. Например, в области разработки материалов были созданы открытые базы данных с известными веществами для обучения предсказательных систем. 

Но эксперимент – все еще король науки. Симуляции пока не в состоянии заменить реальные процессы. И между роботом, делающим физические операции, и анализирующей матмоделью – все еще пропасть. Человек является системой обратной связи, корректирующей оба явления. И именно на автоматизацию этого звена и делают ставку современные научные центры, включая A*-STAR. Машина должна быть способна самостоятельно корректировать дизайн эксперимента, исходя из запроса исследователя. В таком случае человек становится полноценным оператором, а не прямым исполнителем процесса.

Смена сторон

В случае успеха этих исследований наука может радикально изменить свою трудовую составляющую. Их реализация позволит в определенной мере “оцифровать” прежде ресурсоемкий и долгий процесс, получая преимущество, аналогичное IT-корпорации. Фактическим следствием этого и подобных ему проектов становится коммодитизация научного знания как автономной и автокаталитической информационной системы, а не как нестабильного коллектива людей-носителей знания. 

С точки зрения занятости это создаст аналогичный нынешнему разрыв компетенций. С одной стороны, это снизит количественную потребность в ученых. Обслуживание такой автоматической лаборатории будет доступно технику с минимальным уровнем образования. С другой – освободившийся денежный ресурс будет направлен на рост зарплат в верхнем квартиле квалификаций в связи с резко возросшим уровнем сложности. 

Соответственно, престиж профессии возрастет вместе с ростом свободного времени на проведение уже действительно интеллектуальных изысканий. Ускорение же процессов (для разработки материалов с 2х лет до 2х месяцев), упрощение оборота данных, и от того более плотная интеграция с другими акторами может создать бум внедрения новых решений в прежде не охваченных прогрессом отраслях. Чего стоит общественная инфраструктура, ставшая особенно больной темой в США. Ситуация, когда на фоне сияющего офиса Big Tech в Калифорнии разбита дорога, может быть решена подтягиванием дорожного строительства до должного уровня технологий, а не национализацией корпорации. Застой в фундаментальной науке может быть преодолен путем расширения открытых баз данных, автоматически пополняемых высокопродуктивными автоматическими лабораториями, открывающих возможности к кросс-анализу данных и совместному пользованию в онлайн-режиме наподобие суперкомпьютерных кластеров. 

Все это выглядит вдохновляюще, особенно в наше время негативных прогнозов. Стоит оговориться, что конечно, смена  парадигмы не будет быстрой. В конце концов, опыт Кореи и Сингапура опирается на ряд уникальных факторов, недоступных другим странам. Не факт, что новые технологии не создадут еще больше новых проблем. Вполне вероятно, что из описанных черт на нашем веку реализованы будут лишь одна или две. Но строительство лучшего мира всегда начинается с романтического оптимизма. И хочется верить, что наука победит и в этот раз.

 Источник: Asia Business Blog

back to top