Krótka odpowiedź na Twoje pytanie jest taka, że ​​znacznie przeceniasz swoją i innych inżynierów umiejętność oceny, jakie techniki będą miały kiedykolwiek praktyczne znaczenie.

Myślę, że to Michael Stonebraker, informatyk, zdobywca nagrody Turinga, który nie brakuje praktycznego wpływu, który powiedział, że najlepszym miejscem dla akademickich badań stosowanych są techniki, które są około 10 lat od szerokiego zastosowania. Jeśli ograniczysz się do rzeczy, które już dziś możesz zrobić, nie zaproponujesz radykalnie nowych rozwiązań, które przynajmniej w teorii powinny odróżniać badania naukowe od innych czynników napędzających innowacje, takich jak startupy czy przemysłowe R&D. Nawiasem mówiąc, jeśli niepokoi cię brak wpływu, jaki ma teraz twoja praca, powinieneś zastanowić się, czy nie osiągnąłbyś wyższej satysfakcji z pracy w startupie lub laboratorium przemysłowym.

Znajduję twój przykład samo- uczenie się sieci energetycznych jest szczególnie nieprzekonujące. Jeśli cofniemy czas o kilka lat i odniesiemy twoje argumenty do badań nad zautomatyzowaną jazdą, na pewno znajdziesz wiele osób, które uznały te badania za stratę czasu. Jazda z pewnością jest dziedziną krytyczną dla bezpieczeństwa, a motoryzacja podlega ścisłym regulacjom. Algorytmy automatycznego wspomagania prowadzenia pojazdu całkowicie zawiodły, a do pewnego stopnia nadal nie uwzględniają praktycznych problemów wielu interesariuszy, a także rządowych gwarancji bezpieczeństwa. A jednak jesteśmy tutaj. Nie jestem pewien, czy to samo stanie się z sieciami elektroenergetycznymi, ale jest absolutnie , że tak się stanie.

Możesz również przeczytać TRL (poziomy gotowości technologicznej), używane na przykład w programach ramowych Unii Europejskiej, a także w NASA.

Podstawową koncepcją jest to, że badania akademickie zwykle najlepiej nadają się do przenoszenia pomysłów z TRL 0 lub 1 do 3 lub 4. „Implementacje Matlab”, na które narzekasz, mogą być po prostu testami laboratoryjnymi, które są przeznaczone dla TRL 3 . Jest to bardzo zgodne z pozycją w większym schemacie postępu technologii, którą wiele dużych organizacji przewiduje dla akademickich laboratoriów badawczych.

Rzeczy, które „nie mają praktycznego znaczenia”, niekoniecznie są bezużyteczne. Mogą po prostu „czekać na swój czas”.

Na przykład zjawisko cieczy jonowych zostało odkryte po raz pierwszy na początku XX wieku, ale nie przyjęło się ekonomicznie ani przemysłowo aż do początku XXI wieku, kiedy zostały „ponownie odkryte” i wyeksponowane jako „zielone rozpuszczalniki”.

Prawdopodobnie niesprawiedliwe jest stwierdzenie, że coś nie ma praktycznego znaczenia. Po prostu może nie być jeszcze oczywiste, gdzie można by je wykorzystać w przyszłości.

Kolejną kwestią do rozważenia jest możliwość, że ktoś zajmuje się inżynierią, ale tak naprawdę nie robi tego, co jest uważane za „inżynierię”. Być może była to decyzja o zatrudnieniu lub ktoś, kto szuka domu, w którym nauczają, zamiast szukać odpowiedniego domu do swoich badań. (Taka jest sytuacja w moim przypadku: z wykształcenia jestem inżynierem, ale moje badania mogłyby równie dobrze pasować do działu chemii lub materiałoznawstwa).

Badania, które pokazują nowe metody, nie muszą wykazywać praktyczności nowych metod, aby były użyteczne. Przykładem czegoś, co można bardzo zastosować, są badania nad rozwiązaniami numerycznymi dla ODE. Zdecydowana większość stworzonych metod nie jest wykorzystywana w solwerach ODE o jakości produkcyjnej. Po prostu nie są wydajni. Ale posiadanie obszernej literatury, z której można skorzystać, może naprawdę pomóc, gdy próbujesz dowiedzieć się o możliwościach. Ktoś, kto nakreślił metodę, która nie jest zbyt wydajna, mógł wnieść nowe pomysły na to, jak dostosować się do konkretnego przypadku, który w przyszłości ktoś inny może wykorzystać, aby stworzyć coś, co jest rzeczywiście praktyczne. A publikacja, która w sposób dorozumiany podkreśla „spójrz, to naprawdę działa tylko w szczególnych przypadkach z powodu X” pomaga komuś w przyszłości, gdy ma ten pomysł (jest znacznie szybsze i łatwiejsze do przeczytania gazety i przejścia do „ok, to nie działa nie działa tak dobrze, jak się spodziewałem „zamiast budować go samodzielnie).

Odnosi się to również do stronniczości publikacji. Publikowanie, że coś nie działa, jest tak samo wartościowe, jak publikowanie tego, że coś działa. Oczywiście, współczesne praktyki publikacyjne wymagają "znaczenia", więc badacze muszą być chytrze co do tego, jak piszą streszczenie ("okazuje się, że w warunkach X, Y, Z ta metoda może być bardziej wydajna niż obecne standardowe wybory"), ale z gazety jasno wynika, co to właściwie oznacza w praktyce.

W końcu mamy do czynienia z falą informacji, która posuwa się naprzód i prawie przypadkowo natrafia na pomysły, które działają, a te pozostają i są wykorzystywane w przemyśle. W międzyczasie trwają badania, aby zobaczyć, co jeszcze może znaleźć.

Pseudo-nauka często marnuje zasoby. Nie oznacza to, że badania podstawowe lub podstawowe są bezcelowe, ale jest różnica: posiadanie abstrakcyjnego modelu czegoś „poza zasięgiem” może być owocne - można go studiować i dodawać więcej przeszkód w przyszłości.

Ale istnieją pozornie stosowane modele, które niepotrzebnie zwracają uwagę. Są albo zbyt uproszczone i już dobrze zrozumiane, aby przejść do bardziej realistycznych modeli, albo dokonują zupełnie nierealistycznych założeń, które pozwalają zastosować metodę, która w innym przypadku byłaby niewykonalna. W obu przypadkach modele „przetrwają” w społeczności, ponieważ liczba naukowców jest wystarczająco duża, aby utworzyć „grupę recenzentów”, aby artykuły zostały opublikowane.

Podsumowanie: podstawowe badania są pomocne, ale uważaj na konstruowanie „modeli użytkowych”, które nie mają aplikacji.

Myślę, że inne odpowiedzi patrzą na to pytanie w jeden sposób, ale mam zamiar odpowiedzieć z bardziej „ludzkiej” perspektywy.

Ponieważ jest to interesujące.

Większość ludzi prowadzi badania, ponieważ interesuje ich to, czego szukają. Nie próbują zarabiać milionów (zazwyczaj wręcz przeciwnie - często nie są dobrze opłacani); nie próbują zmieniać świata (nawet jeśli zrobią to później); są po prostu bardzo zainteresowani tym, czy XYZ jest możliwy.

Fakt, że czasami uzyskuje się coś naprawdę przełomowego z badań, które zmienia sposób funkcjonowania świata, oznacza, że ​​firmy są skłonne inwestować w badania; ale na poziomie osobistym, jeśli nie jesteś zainteresowany badaniami, nie ma to większego sensu.

Wiele badań jest obecnie niepraktycznych i teoretycznych. Ale dlatego wiele z nich to badania uniwersyteckie, a nie komercyjne R&D. Czasami w końcu staje się to bardzo przydatne.

Kiedy w 1821 roku odkryto półprzewodniki, nikt w swoich najśmielszych marzeniach nie zdawałby sobie sprawy, jaki będzie to wpływ.

I lasery. Świetny pomysł, aby oświetlić coś spójnym światłem o pojedynczej długości fali: ale po co miałbyś się tym przejmować? I potrzebowali drogich materiałów, które wykluczały codzienne użytkowanie. Następnie odkryto lasery półprzewodnikowe. A potem światłowody, które potrzebują spójnej pojedynczej długości fali światła, aby sygnał danych mógł zajść daleko. Więc teraz cały internet działa na światłowodach zasilanych przez maleńkie tanie lasery, całkowicie rewolucjonizując wszystko, dzięki czystym badaniom, które wydawały się bardzo mało prawdopodobne, aby przyniosły cokolwiek pożytecznego około 70 lat wcześniej.

Konstrukcja normalnych baz o skończonym rozszerzeniu pola jest „daleko idąca od praktycznej implementacji”. Ma „bardzo ograniczone znaczenie praktyczne i nie ma żadnych prób rozwiązania problemów związanych z wdrażaniem”. Co więcej, jest „tak matematyczny”. „To uzasadnione pytanie, dlaczego ktokolwiek miałby kiedykolwiek korzystać z tych wysoce teoretycznych i obciążonych założeniami wyników badań.”

To wszystko jest prawdą. Albo, lepiej powiedzieć, było bardzo prawdziwe. W przeszłości.

Aż nagle miałeś kryptosystem Massey-Omura.

Fakt, że nie ma on teraz aplikacji lub jest właściwie zaimplementowany, nie oznacza, że ​​nigdy jej nie będzie. Kto kiedykolwiek używał tych teoretycznych rzeczy zwanych rozmaitościami Riemanna w prawdziwym życiu? Dobrze, że byli tam już, gdy Einstein pracował nad swoją ogólną teorią względności.

Badania teoretyczne są dostępne, więc pewnego dnia ktoś inny może je odebrać i wykorzystać.

Dlaczego ktoś bada narkotyki na zwierzętach? Nie dbamy o leczenie szczurów laboratoryjnych. Mamy jednak nadzieję, że pomoże nam to w badaniu leków na ludziach.

Podobnie, celem rozwiązywania problemów w zbyt uproszczonych warunkach (szczury laboratoryjne) jest często pomoc w rozwiązywaniu tych problemów w bardziej realistycznych warunkach.

Wiele badań nie jest ukierunkowanych na bezpośrednie zastosowanie, ale na innych badaczy. To jest funkcja, a nie błąd, ponieważ naukowcy muszą coś zbudować. Droga od papieru do jego aplikacji nie wymaga ani jednego kroku. Ponadto nie wszystkie prace teoretyczne wymagają zastosowania. Niektóre z tych teoretycznych wyników nie są wystarczająco dobre, aby je zastosować, i można to stwierdzić po samym artykule - potrzeba więcej pracy teoretycznej, zanim będą warte zastosowania.

Czasami, nawet jeśli wiesz, gdzie chcesz się dostać, ale nie masz pojęcia o ścieżce, podążanie w nieco przypadkowych kierunkach na początku jest skuteczniejsze niż bezpośrednie kierowanie do celu. (Spotkaliśmy się z przemówieniem na temat formalnego badania tego problemu w optymalizacji).

Na zajęciach z neurobiologii dyskutowaliśmy, jak modele pomagają zrozumieć mózg. Pewien badacz przekonująco nas nauczył, że zaletą modelu jest nie (tylko) to, co zawiera, ale także to, co pomija. Nie możemy zrozumieć pełnego modelu mózgu; ale możemy zbadać nadmiernie uproszczone modele, aby zobaczyć, jak się zachowują, a następnie sprawdzić, czy to, czego się nauczyliśmy, ma zastosowanie do bardziej realistycznych modeli. Okazało się również, że nadmiernie uproszczone modele mózgu są przydatne jako sztuczne sieci neuronowe.

Niektóre z artykułów, które widziałeś, wychodzą od nierealistycznych założeń. Prawdopodobnie ma to na celu uproszczenie ich badań, zwłaszcza jeśli jest to studium matematyczne. Później pojawiają się artykuły w nieco bardziej realistycznych warunkach.

Chociaż sam nie studiuję inżynierii, studiuję informatykę (języki programowania), a także mamy wiele artykułów, które rozważają uproszczone scenariusze - wiele z tych artykułów jest nadal pośrednio istotnych, chociaż może minąć dekady, zanim teoria stanie się użyteczna w praktyce.

EDYCJA: ponieważ zadajesz / kwestionujesz trafność / przydatność: myślę o artykułach matematycznych, które są motywowane (pośrednio lub jawnie) celem uczynienia programów mniej błędnymi. Duży postęp zależy od wykonywania bardziej abstrakcyjnych rodzajów matematyki, ale przejście od matematyki do bardziej matematyki do prototypów zajmuje kilka etapów.

Badania doktoranckie są prawie z definicji częścią procesu edukacji, a nie częścią procesu rozwoju produktu, stąd praca ta będzie miała niewielkie znaczenie praktyczne.

Podobny aspekt może się zdarzyć w samym przemyśle, gdzie niektóre z badań stosowanych są ukierunkowane na najnowsze aspekty hasła, często bez jasnego zrozumienia, czy badania przyniosą owoce (tj. bezpośrednio w tym roku). Częściej praca wypadnie i stanie się częścią edukacji naukowców (tak jak 9 na 10 początkujących przedsiębiorców).

Wiedza, czy praca będzie miała znaczenie, jest trudna, ale nauka będzie przydatny. Mam aktualne prace oparte na „nieudanej” pracy AR sprzed 10 lat.

Pamiętaj, kontrola sprzężenia zwrotnego była wynalazkiem (H.S. Black), w który nikt nie wierzył, więc niektóre pomysły mają swój dzień. Boole już dawno nie żył, zanim jego (głupie) pomysły logiczne stały się modne.

To powiedziawszy, nadal dobrze jest być sceptycznym i myśleć o tym, co naprawdę stanie się z pomysłami i jakim innym elementem brakuje w fantazyjnych badaniach [Większość badań nad zieloną energią będzie działać po opracowaniu efektywnej baterii przemysłowej, którą można umieścić w pobliżu miejsca wytwarzania, ale do tego czasu…]

Nigdy nie wiadomo, kiedy badania bez praktycznego znaczenia nagle staną się istotne.

Ostatni przykład z mojej dziedziny (astrofizyka): wyniki BICEP2, które początkowo wskazywały, że wykryły sygnał, który można przypisać szybkiej inflacji wczesnego wszechświata. Gdyby ten sygnał okazał się prawdziwy, ci ludzie prawdopodobnie zdobyliby Nagrodę Nobla, żeby tylko dać wyobrażenie o tym, jak wielka to była transakcja. Jednak inni uznali, że kosmologiczny „sygnał” prawdopodobnie można całkowicie przypisać całkowicie pyłowi międzygwiazdowemu unoszącemu się w Drodze Mlecznej. Niemal z dnia na dzień astrofizycy specjalizujący się w pyle międzygwiazdowym stali się światowymi ekspertami w dziedzinie kosmologii. Ich badania (które, przyznaję, były ważne i stosowne same w sobie, a więc nie są dokładną paralelą z pytaniem PO) nagle stały się niezwykle istotne i ważne.

Innym przykładem jest teoria generała Einsteina Względność. Chociaż sama w sobie niesamowicie niesamowita teoria i niezwykle przydatna do zrozumienia wszechświata, jej zastosowania w sytuacjach bardziej „prawdziwego życia” przez wiele dziesięcioleci w zasadzie nie istniały. To znaczy do czasu opracowania GPS. Bez uwzględnienia efektów ogólnej teorii względności w pomiarach i obliczeniach GPS, pomiary pozycji GPS szybko stałyby się bardzo niepoprawne. „Błędy w pozycjach globalnych będą się nadal narastać w tempie około 10 kilometrów każdego dnia!” Tak więc dekady po opracowaniu teorii technologia ostatecznie rozwinęła się do punktu, w którym teoria stała się praktycznie istotna na początku wojsko, a potem nasze codzienne życie.

Te przykłady nie są idealnymi paralelami sytuacji, którą opisuje OP, ale nadal służą do zilustrowania mojego pierwotnego punktu: nigdy nie wiadomo, kiedy badania bez praktycznego znaczenia nagle staną się istotne.

POWÓD 1:

Badania to rozległa dziedzina, w której oczekiwanie na rozwiązanie konkretnego wyzwania lub wynalezienie nowej metodologii nie przychodzi z dnia na dzień. Pełnowartościowy dostępny produkt komercyjny nie jest opublikowanym jednym z artykułów naukowych. To zintegrowane badanie, praca wielu uczonych od dziesięcioleci. Najlepsze, co może zrobić każda znająca się osoba, to zaprezentować swój wkład w swojej dziedzinie w dowolnym medium. Swoim wkładem może wnieść niezwykły zasób nie tylko w tej samej dziedzinie, czasem też w innych. Czasami artykuł techniczny może być początkiem nowej rewolucyjnej technologii lub przełomowym dobrodziejstwem dla istniejącej technologii. wymaganie.

POWÓD 2:

Technologia jest wynikiem nieoczekiwanej rewolucji. Nie powinno być niedoboru zasobów. W związku z tym na całym świecie prowadzi się wiele badań w wielu dziedzinach, które stanowią klucz do przyszłych lub obecnych innowacji. Wiedza każdego jest cenna i cenna. Wiedza ta nie może być przekazywana ustnie, ale tylko w dokumentach technicznych dla obecnych i przyszłych pokoleń. Kiedy nastąpi jakikolwiek nowy przełom, zasoby powinny być gotowe, by służyć temu celowi.

Badania to długa podróż, a ostateczny wynik jest dwa razy dłuższy, a wdrażanie trzykrotnie dłuższe

Jak daleko jest od latania latawcem podczas burzy do zbudowania piorunochronu, który ochroni stodołę? Ben Franklin zrobił jedno i drugie.

Jak daleko jest od artykułu Claude'a Shannona na temat cyfrowego kodowania sygnałów do znanej już płyty audio CD?

Wydaje mi się, że podstawowe badania muszą stawiać pytania, nawet jeśli nie jest jasne, jakie korzyści przyniesie odpowiedź. Czasami badania okazują się być badaniami naukowymi, a nie inżynierskimi, jak w powyższym przykładzie z latawcem. Ale masz pomysł.

Być może badania stosowane są bardziej na twojej drodze niż badania podstawowe.

„Przydatność” dotyczy perspektywy i percepcji. Być może w moim własnym małym biurze trudno jest określić, gdzie dokładnie pasują moje wyniki badań. Po prostu spróbuj znaleźć pewność, że istnieją (mniej lub bardziej widoczni) wizjonerzy „wysoko” w różnych aspektach, którzy widzą, gdzie to pasuje . Złą rzeczą w tym, że religia jest obecnie tak piętnowana i marginalizowana, jest to, że koncepcja wiary w rzeczy większe niż my traci na znaczeniu, podczas gdy w praktyce jest bardziej aktualna niż kiedykolwiek. Może nie we wszechmocnym Bogu , ale w istnieniu ludzi tworzących plany poza własną perspektywą.