Эксперты ВШЭ выявили низкую точность технологических прогнозов в сфере транспорта
Исследователи НИУ ВШЭ проанализировали научные прогнозы о развитии транспорта за последние 50 лет, чтобы оценить их точность. Оказалось, что средняя сбываемость таких прогнозов не превышает 25%, причем наиболее низкие значения отмечаются в сфере авиации и железных дорог. По мнению ученых, причина — в несовершенстве метода прогнозирования и сложном устройстве индустрии транспорта. Результаты работы опубликованы в журнале Technological Forecasting and Social Change.
Сегодня методы форсайта активно используются при формировании научно-технической политики, национальных стратегий, инвестиционных программ. Один из ключевых инструментов прогнозирования — опросы Дельфи. Это структурированный метод сбора и синтеза знаний, основанный на анонимных многораундовых опросах экспертов с контролируемой обратной связью. Он позволяет сформировать взвешенную оценку перспектив технологического развития. Но вопрос о том, насколько точны такие прогнозы и можно ли на них опираться при принятии решений, остается открытым.
Команда ученых из Форсайт-центра Института статистических исследований и экономики знаний и Института экономики транспорта и транспортной политики НИУ ВШЭ проанализировала несколько раундов японских дельфи-опросов, посвященных развитию транспортных технологий. В фокусе внимания оказались 647 наблюдений по 167 темам — от высокоскоростных железных дорог до автономного транспорта.
Япония представляет уникальный кейс: с 1970-х годов в стране регулярно проводятся масштабные дельфи-опросы экспертов по перспективам науки и технологий. Это позволяет не просто анализировать текущие ожидания, а сопоставлять прошлые прогнозы с реальными результатами.
Выводы оказались неожиданными: точность предсказаний технологического развития транспорта, сделанных по классической методике Дельфи, составляет лишь 25%. Это означает, что три прогноза из четырех не реализуются. Ученые предположили, что низкая предсказуемость может объясняться как структурной сложностью транспортного сектора, так и недостатками метода Дельфи.
Татьяна Кулакова
«Транспорт можно назвать системой систем: он состоит из множества неоднородных объектов инфраструктуры, разных видов транспорта, которые управляются и функционируют независимо, но составляют единую систему, которая активно развивается через инновации», — говорит директор Института экономики транспорта и транспортной политики факультета городского и регионального развития НИУ ВШЭ Татьяна Кулакова.
Однако экологические ограничения, институциональная инерция и длительный жизненный цикл транспортной инфраструктуры существенно сдерживают развитие сектора и растягивают внедрение инноваций за пределы разумного горизонта планирования.
Вторая причина низкой сбываемости прогнозов — системные недостатки метода Дельфи. Оказалось, что второй раунд опроса, проводимый для уточнения прогнозов, может не приближать консенсус, а, напротив, увеличивать дисперсию оценок.
Олеся Майбах
«Традиционно Дельфи позиционируется как наиболее выверенный экспертный метод, что формирует завышенные ожидания от точности его прогнозов. Обнаруженное снижение точности во втором раунде (23,4% против 26,4% в первом) ставит под сомнение одно из его ключевых преимуществ — предположение, что итерация автоматически улучшает качество суждений», — объясняет автор исследования, заведующий отделом методологии и организации форсайт-исследований Форсайт-центра ИСИЭЗ НИУ ВШЭ Олеся Майбах.
По ее словам, на практике обратная связь может усиливать конформистское давление, подавляя нетрадиционные, но потенциально точные оценки. «В качестве альтернативы классическому второму раунду целесообразно использовать форсайт-сессии с обсуждением разногласий, где расхождения в оценках рассматриваются как ресурс, а не как шум»,— говорит Майбах.
Еще одним неожиданным научным открытием стал эффект «ямы предсказуемости», когда точность прогнозов не соотносится со стадией зрелости технологии. Интуитивно кажется, что чем ближе технология к активному применению, тем легче оценить ее перспективы. Но ученые заметили, что наименее предсказуемыми оказываются технологии на пограничной стадии — когда они уже вышли из лабораторий и начали внедряться или улучшаться. Прогнозы для технологий, находящихся как на более ранней стадии — исследований и разработок, так и на более поздней стадии — перехода от внедрения к широкому распространению, были значительно точнее.
Алексей Сухарев
«Низкая точность среднесрочных предсказаний может иллюстрировать так называемый эффект “долины смерти”, когда технологии не доходят до рынка по экономическим, а не по техническим причинам. Частые ошибки участников дельфи-опросов в среднесрочных предсказаниях могут быть связаны с тем, что экспертам трудно решить, какое именно из нескольких похожих технически готовых решений выстрелит на рынке. Например, было непросто предсказать победу аккумуляторных электромобилей над автомобилями на водородных топливных элементах», — считает эксперт Форсайт-центра Алексей Сухарев.
По мнению авторов, для повышения точности долгосрочных прогнозов стоит пересмотреть традиционные подходы к экспертной аналитике. В первую очередь при прогнозировании следует ориентироваться на отраслевые модели, учитывающие секторальные регуляторные и инфраструктурные ограничения. И наконец, для успешного прогноза важно сочетать различные методы форсайта. Классический Дельфи должен дополняться анализом больших данных, моделированием системной динамики и сценарным планированием, чтобы смягчить когнитивные искажения экспертов.
Вам также может быть интересно:
НИУ ВШЭ первым среди университетов начал фиксировать интеллектуальные права на научные результаты в блокчейне
Высшая школа экономики подключила свой Репозиторий научно-технической информации к доверенной блокчейн-сети РЦИС.РФ как самостоятельный узел. Теперь каждый исследовательский результат, размещенный в цифровом хранилище НИУ ВШЭ, может получить признаваемую госорганами запись в распределенном реестре, подтверждающую авторство и принадлежность исключительных прав.
ФКН ВШЭ и ЧГУ реализовали три отраслевых образовательных модуля по искусственному интеллекту
В 2025/26 учебном году факультет компьютерных наук (ФКН) ВШЭ совместно с Череповецким государственным университетом реализовал три отраслевых образовательных модуля по искусственному интеллекту. Инициатива была представлена в рамках проекта «Топ-ИИ» Минцифры России при участии АНО «Аналитический центр при Правительстве Российской Федерации». Эксперты НИУ ВШЭ совместно с индустриальными партнерами разработали линейку отраслевых образовательных модулей в области искусственного интеллекта.
В НИУ ВШЭ появится суперкомпьютер для работы с ИИ
Высшая школа экономики готовит к запуску второй суперкомпьютер. Новый кластер будет ориентирован прежде всего на задачи ИИ и дополнит уже действующий суперкомпьютер cHARISMa. Его запуск планируется на конец 2026 года.
В НИУ ВШЭ создан Фонд науки и технологий
Фонд науки и технологий НИУ ВШЭ (ФНТ) будет финансировать перспективные научные инициативы, имеющие прикладную направленность и содействующие достижению технологического лидерства России. На поддержку могут рассчитывать проектные команды из всех кампусов университета. Заявку в ФНТ можно подать в любой момент. Рассматривать заявки будет созданный Совет по науке и технологиям НИУ ВШЭ.
Нейросеть НИУ ВШЭ iFORA.LLM включена в Реестр российского программного обеспечения
Адаптированная большая языковая модель для сферы науки, технологий и инноваций (далее — iFORA.LLM, модель), разработанная экспертами Института статистических исследований и экономики знаний НИУ ВШЭ, включена в Реестр российского ПО. Модель создана для эффективного анализа массивов научно-технической информации — от поиска релевантных публикаций до оценки технологических трендов и формирования аналитических отчетов.
Новый метод НИУ ВШЭ и Т-Технологий повышает качество работы ИИ
Ученые из лаборатории научных исследований «Т-Технологий» и Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ разработали новый метод семплирования для моделей маскированной диффузии — G-Star+. Он помогает быстрее и качественнее исправлять ошибки во время генерации текста и кода за небольшое число шагов. Метод показал эффективность в задачах генерации текста и кода и может применяться там, где генеративным моделям нужно быстро и качественно создавать текст или код при ограниченных вычислительных ресурсах.
Студенты МИЭМ ВШЭ разработают два спутника собственной конструкции для орбитальных экспериментов
Аппараты, созданные студенческими командами, проведут в условиях космоса исследования свойств перспективных солнечных элементов, бортовых систем накопления энергии и серийной электроники для студенческих спутников.
В Вышке открыли проектно-учебную лабораторию совместно с Группой «Т-Технологии»
Группа «Т-Технологии» (головная структура Т-Банка) открыла проектно-учебную лабораторию на базе факультета компьютерных наук НИУ ВШЭ (ФКН НИУ ВШЭ). Проектно-учебная лаборатория Группы «Т-Технологии» в НИУ ВШЭ сосредоточится на проектах и задачах в области искусственного интеллекта, распределенных вычислений, анализа больших данных и информационной безопасности в финансовом секторе. Лабораторию возглавит Алексей Теплов, кандидат физико-математических наук.
Бизнес-инкубатор НИУ ВШЭ и «Т-Бизнес» договорились развивать студенческое предпринимательство
Бизнес-инкубатор НИУ ВШЭ и «Т-Бизнес» подписали соглашение о сотрудничестве. Взаимодействие будет направлено на развитие студенческого предпринимательства и поддержку студентов, которые уже запустили собственные проекты или только планируют сделать это.
«Чтобы успевать за технологией, следует ускорить сам форсайт»
В Пекине прошла конференция Innovation and Technology Management Conference (InnoTech 2026), организованная издательством Elsevier совместно с Университетом Цинхуа. Основное внимание было уделено вопросам управления технологическим развитием в эпоху искусственного интеллекта. Сотрудники Форсайт-центра ИСИЭЗ НИУ ВШЭ Олеся Майбах и Данил Яцкин поделились результатами масштабного форсайт-исследования «ИТ в России: сценарии развития», реализованного при поддержке «Яндекса».