CC BY
56Модели ВозНикНоВеНия и разВития иННоВаций
МОДЕЛИ ВОЗНИКНОВЕНИЯ, ОСВОЕНИЯ И МАТЕРИАЛИЗАЦИИ НАУЧНЫХ ЗНАНИЙ
Л.Н. ОЮЛЕВА,
доктор экономических наук, профессор
В.М. РАДИКОВСКИЙ,
кандидат технических наук, доцент Финансовая академия при Правительстве РФ
В условиях глобализации и образования единого мирового рынка доминантой экономического роста становится система научных, научно-технических знаний, новых технологий, профессиональных знаний и умений работника. Информация и научные знания, будучи важным производственным фактором, представляют собой новые формы интеллектуального и информационного капитала. Имея невещественную форму, знания формируют «незримые» активы фирмы и воплощаются в производственных процессах. В экономике XXI в. научные знания и информационные продукты фактически становятся первичными по значимости среди факторов производства. Так, тенденция выхода экономики за пределы материального производства резко усиливается. Собственно промышленное производство как по числу занятых, так и по его доле в валовом национальном продукте составляет 20 — 23 % в США и около 30 % — в странах ЕЭС [1].
Информационно-инновационный комплекс становится ядром формирования высокотехнологичных отраслей и наукоемких услуг, в основе которых лежат нововведения.
Нововведения могут быть реализованы как в неовеществленной, так и в овеществленной форме. Подобная трактовка характерна и для неоклассических традиций, рассматривающих инновации в
нематериализованном и материализованном виде с различной степенью включенности в рыночные и внерыночные отношения.
Достаточно полные исследования по проблемам торговли технологическими знаниями в виде лицензий и патентов должны рассматриваться в комплексе с их обращением и диффузией в материализованной форме, а также вместе с движением других факторов экономического роста. В такой трактовке рынок технологий и знаний тесно увязан с рынком факторов производства и с другими товарными рынками. Взаимосвязанный анализ всех способов реализации и воплощения передового знания должен опираться и на когнитивные концепции, и на технологические концепции разработки и внедрения новшеств, и на эконо-метрические подходы к процессам диффузии и трансферта инноваций на разных стадиях их жизненного цикла.
При сравнении особенностей технократического, экономического и системного подходов к проблеме механизма распространения инноваций становится очевидным преимущество последнего, так как он наиболее полно освещает не только функциональный аспект инноваций, но и целесообразность и ведущую роль технологических, социально-экономических и организационно-управленческих новшеств как факторов экономического роста.
Становится очевидным тот факт, что модели возникновения и развития инноваций резко различаются в зависимости от типологии нововведений. Так, на разных стадиях жизненного цикла инноваций от их зарождения в форме идеи и до ухода с рынка вследствие исчерпанности преимуществ новизны механизм инновационных процессов и экономико-математические модели диффузии новшеств значительно отличаются друг от друга.
Прежде всего на разных стадиях жизненного цикла инновациям присущи различающиеся между собой механизмы возникновения и модели протекания диффузионных процессов, в том числе изменения во времени скорости распространения новшеств. Особенно важно иметь в виду различный уровень детерминированности, результативности инновационных процессов и характера распределения инноваций в принимающей системе. Материализованные инновации и нематериализо-ванные знания и умения демонстрируют правоту подобного утверждения.
Например, с позиций степени детерминированности новшеств все этапы жизненных циклов нововведения значительно различаются. Наименее детерминирована модель возникновения инновации, наиболее детерминирована стадия производства. В самой классификации инноваций нет единой точки зрения. Несмотря на то, что практически в каждой работе уделяется внимание типологии новшеств, ученые расходятся и здесь во взглядах. Некоторые авторы делят инновации на базисные, дополняющие, замещающие и прочие, другие — в основу классификации новшеств ставят проблему структуризации кластеров инноваций, некоторые же подразделяют нововведения по назначению (технологические, продуктовые и прочие) и строят их типологию в зависимости от экономической перспективности и соответствующей фазы длинноволнового цикла. Гипотеза о случайности возникновения продуктовых нововведений полностью отвергнута большинством авторов в то время, как технологические инновации являют собой детер-минированно-стохастический процесс с вполне определенной плотностью вероятности.
Наиболее интересную попытку показать связь изобретений и внедренных в производство инноваций проявил Менш. Однако Фримен и другие ученые-экономисты высказали сомнение в полной корреляции изобретений с циклической динамикой. Дело в том, что изобретения как таковые не оказывают влияния на экономическую динамику, они становятся экономически значимыми лишь с
внедрением в производство и коммерциализацией новшеств.
В продолжающейся дискуссии по поводу типологии инноваций и их корреляции с требованиями рынка важен поиск строгого критерия времени появления нововведения, в том числе и дата его первого производственного освоения. Иногда за критерий принимается год окончания строительства первого производственного предприятия на основе данного патента или изобретения. Наиболее полные отечественные исследования инновационной активности принадлежат С. Ю. Глазьеву [2].
В исследованиях последних лег особое внимание уделяется изучению закономерностей появления и диффузии интеллектуальных продуктов, являющихся предтечей и составной частью инновационных процессов в широко понимаемом смысле. Систематизация творческих актов по созданию идеи инноваций — весьма сложное занятие. Несомненно лишь то, что интеллектуальный продукт имеет гораздо большую корреляцию с когнитивными и социогенными факторами, нежели с экономическими и технологическими. Именно интеллектуальные продукты составляют основу невещественных форм инноваций [3].
Первичный интеллектуальный продукт ассоциируется с фундаментальными знаниями, а также со сделанными на их основе законами и открытиями. С экономической точки зрения для них свойственно разнообразие сопутствующих социальных, рыночных и внерыночных отношений. Однако они не коррелируются с экономической динамикой.
В контексте экономики интеллектуальных и инновационных продуктов и услуг создание новшества целесообразно представлять следующим образом. Первичный единичный интеллектуальный продукт в виде фундаментальных знаний в соответствующей вероятностной зависимости преобразуется в прикладные знания и умения, часть которых при соответствующих когнитивных, социально-экономических и технологических возможностях превращается в новшество — изобретение, патент, лицензию. И, наконец, на основе вероятностной модели, но уже с высокой плотностью распределения вероятности, изобретения и патенты материализуются и тиражируются в соответствии с их экономической значимостью. Именно на этом этапе инноваций начинают господствовать экономические мотивации и технологическая осуществимость.
Неслучайно Фримен, Маркетти, Арчибути и Глазьев предлагают трехмерную классификацию
инноваций по отраслям их возникновения, внедрения и потребления. Уже у Менша частота появления базисных изобретений слабо коррелируется с циклической динамикой, в то время как внедрение и материализация новшеств, несомненно, демонстрирует длинные волны инновационной активности. Это показано на рис. 1.
Динамика удельных затрат на один национальный патент (например, в США) также носит циклический характер и описывается законом логарифмической отдачи. Циклический характер изменений этого показателя иллюстрируется данными рис. 2.
На основании сказанного нами постулируются различные модели и механизмы инновационных превращений в зависимости от их генезиса и ста-
Частота появления
Рис. 1. Частота появления по Меншу базисных изобретений (кривая 1) и соответствующих им нововведений (кривая 2)
Млн долл. /
1980 1990 Год
Рис. 2. Динамика удельных затрат на НИОКР в расчете на один национальный патент у компаний США, относящихся к определенной отрасли промышленности: 1 — вычислительная техника; 2 — аэрокосмическая; 3 — полупроводниковая; 4 — топливная
дий жизненного цикла, в том числе очерчиваются границы эконометрических подходов и моделей.
Необходимо иметь в виду, что границы допустимости применения тех или иных моделей должны определяться сравнением критериев предпочтения. Это означает сужение множества допустимых преобразований до уровня тождественного. Однако в условиях высокой неопределенности и непредсказуемости инновационных трансформаций единое тождество вряд ли возможно. Поэтому нами приняты более слабые ограничения критериев, которые приводят уже не к одноэлементному подмножеству, тождественному преобразованию и полной сравнимости, а интерпретируется как частичная сравнимость, где полюсами являются полная сравнимость и полная несравнимость. Наиболее значимыми критериями предпочтения нами выбраны частота появления инноваций, их распределение и скорость распространения, экономический эффект. Естественно, что типология инноваций диктует выбор критериев и моделей. Дополнительным аргументом может служить тот факт, что в производствах нового технологического уклада затраты на НИОКР превышают объемы капитальных вложений [4], а конкурсно-контрактная и проектная организация НИОКР предполагает доминирование рыночных стимулов.
Процесс творческого акта возникновения идеи новшества и возможности систематических прикладных научных исследований в этом направлении носит вероятностный характер и связан с когнитивным, социогенными и историческими закономерностями. Первичный акт создания новшества, фундаментальные и первоначальные прикладные исследования напрямую не связаны с экономическими интересами и результатами. Лишь целенаправленные научные разработки и изобретения вторгаются в экономическую область. С позиций моделирования инновационных процессов, на всех первоначальных стадиях не удается выделить из множества затрат подмножество, именуемое экономической областью, где дополнительное внесение какой-то единицы фактора при неизменности остальных факторов ведет к приросту экономических показателей, т. е. является экономически целесообразным. Данное положение подтверждается также и невозможностью здесь применить ни понятие предельной полезности, ни предельной производительности факторов. Процесс первичного создания новшества, на наш взгляд, можно описать вероятностной моделью нормального распределения случайных величин с
помощью центральной предельной теоремы. Это означает, что в данном случае сказанное можно представить и формализовать с помощью распределения Пуассона.
Пусть ХС — вероятность того, что за время сИ появляется технологическое нововведение, а Р(п, $ — вероятность появления п нововведений в интервале времени от 0 до t. Предположим, что рассмотрение простейшей модели приводит нас к распределению Пуассона:
Р(п^)=М! , (1)
п!
где п = 0, 1, 2, 3... число нововведений. Основные особенности пуассоновского процесса широко известны:
• параметр X инвариантен по времени;
• вероятность появления нововведения экзоген-на по своей природе и не зависит от предыстории процесса и связи инноваций с предшествующими ему открытиями и изобретениями;
• никакие два нововведения не могут появиться одновременно в течение предельно малого отрезка времени.
Однако, принимая вероятностную модель Пуассона как основу возникновения нововведения, мы сталкиваемся с идеализацией числа нововведений п, появившихся за последовательные периоды заданной продолжительности. Если же под X понимать число нововведений за 1 год, то t = 1 и распределение Р (п, /) имеет вид [10]:
X п
Р(п4) = ^. (2)
п!
Хотя в любой конкретной области науки существует множество источников появления новых знаний и открытий, их невозможно объяснить ни кумулятивным опытом, ни социокультурными традициями, ни систематической деятельностью. Когнитивная сущность подобных явлений заставляет обращаться к методологии таких смежных наук, как социология познания, философия, наукометрия, психология и др. К тому же возникновение научных знаний тесно связано с существующей научной парадигмой и господствующими в обществе моралью и ценностными установками [5].
Для современного этапа развития России весьма важно уяснить связь появления принципиальных научных открытий с функционированием науки как общественного института. В таком понимании наука как важнейшая составляющая инновационного роста должна регулироваться совокупностью обязательных норм и ценностей.
Критериями научного открытия с позиций когнитивной социологии являются универсальность, т. е. убеждение в объективности к независимости от субъекта положений науки, всеобщность достояния знаний и социальная нейтральность научного поиска. В многоликой современной действительности соблюдение подобных условий весьма сложно, ибо выполнить все условия моральной и социальной табуации (запрета на использование науки в неэкологичных и наносящих вред обществу целях) в противоречиях политического устройства и несоответствующей научной парадигмы практически невозможно.
Тем не менее когнитивность и социальное значение познания уже остро ставят такие условия появления научных открытий, как автономию науки, ее надкоммерческий характер. Более того, переходный период в экономическом развитии России особо заостряет концепцию стимулов познания, в том числе положения ученого в обществе.
Любое научное открытие совершается в конкретной эндогенной и экзогенной ситуации, и научное достижение требует вознаграждения, которое институционально обеспечивается обществом тем, что вклад ученого обменивается на признание, т. е. его престиж, статус и положение в обществе согласно социальной стратификации. Существующая система норм либо заставляет его действовать в условиях жесткой конкурентной борьбы, либо не обеспечивает в условиях современной России его физиологического выживания.
Многообразие концепций в когнитивных науках объясняется и противоречиями реальной действительности, и отсутствием надежных методик и базы данных. Однако все вышеизложенное не противоречит предложенной нами вероятностной модели возникновения научного знания. Количественно охарактеризовать подобные процессы весьма сложно, но возможно выявить в общих чертах динамику трансформации научного знания в прикладные научные разработки [6].
Нам кажется релевантным описать концентрационное поле прикладных знаний и изобретений во времени и пространстве, выделив два слагаемых: поток научных исследований за счет наличия спроса на него и перенос научного знания из одной фазы в другую за счет собственно явления диффузии, обусловленной случайными процессами. Изменение числа научных разработок в единицу времени будет обусловливаться как градиентом общего количества разработок N, так и вектором скоростей ^ имеющим объемный ха-
рактер по пространственным координатам W, W,
х у
Wz. Применяя теорему Остроградского — Гаусса и стандартное дифференциальное уравнение распространения (диффузии) научных знаний, можно считать [7], что на основании субстанциональной
„ DN производной
DN dN /т„ ,Д7Ч —=—+(Ж, &аиШ), (3)
DT dt
где N — общее число разработок;
W — вектор объемной скорости приращения;
gradN— поток приращения инноваций, обусловленных случайными процессами возникновения.
Первое слагаемое — частная производная — учитывает прирост разработок за счет спроса и реальной потребности, а второе слагаемое характеризуется существованием вектора скорости и градиентом числа инноваций в реальной среде.
Данное уравнение демонстрирует как бы «двойственность НИОКР», с одной стороны, они обусловлены притоком научных знаний, имеющих вероятностную модель появления, а с другой стороны, выявляют зависимость от спроса. Рассчитанная зависимость экономического эффекта прикладных НИОКР от уровня научных знаний и от доходов, полученных от продажи, патентов и лицензий частными фирмами США за период с 1955 по 2000 г., показана на рис. 3.
Из рис. 3 явственно следует соответствие экономического эффекта от коммерциализации новых знаний «квазилогистической» кривой. Это
Доходы, млн долл.
6000
5000
4000
3000
Рис. 3. Динамика доходов частных фирм США от экспорта НИОКР в 1955 — 2000 гг. (в млн долл., рассчитано по Survey of current business 2001)
достаточно четко координируется с исследованиями Н. Решера. Согласно этим исследованиям экспоненциальный рост количественных показателей развития науки, как «входных» (расходы на исследовательские разработки, число научных работников), так и «выходных» (число публикаций), создает полную картину научно-информационного бума. При экспоненциальном росте ресурсов результат, согласно Н. Решеру, изменяется линейно, по закону логарифмической отдачи. Это позволило Н. Решеру определить «производственную функцию» науки в виде уравнения:
F (!) = К^ R (!), (4)
где ^ R (!) — суммарный объем ресурсов, выделяемый на исследовательские работы за время !;
К — постоянный коэффициент;
F (!) — мера количества научных результатов.
Количество результатов может выражаться и числом публикаций, и числом патентов и лицензий.
При постоянной скорости приращения
dF
— = соП^ значение R (!) должно быть R — 10й, dt
т. е. приращение затрат должно происходить по экспоненте.
Согласно Решеру данное уравнение описывает «общую структурную ситуацию в научном производстве»: «Оно показывает, что экспоненциальное увеличение параметров, характеризующих научные усилия (людских и материальных ресурсов), можно рассматривать как вынужденное следствие стремления поддержать на приблизительно постоянном уровне темпы научного прогресса» [8]. Каждое решение по привлечению дополнительных ресурсов должно определяться системой частных решений и конкретных обстоятельств в данной стране, в том числе политических, экономических, социальных и т. д.
Исследуя процесс возникновения инноваций, мы пришли к допущению о вероятностной модели Пуассона как описывающей первичное распределение нововведений. Однако при таком подходе значение параметра X должно быть строго определенной величиной для каждого случая инноваций. Д. Сахал считает более правдоподобным параметр А, случайной величиной с плотностью вероятности f (X).
Предложенная Д. Сахалом модель механизма, лежащего в основе диффузии технологических инноваций, опирается на две простые вероятностные системы: в основе
первой лежит допущение о кумулятивном эффекте инноваций, а в основе второй — неоднородность процесса трансферта инноваций, где различные инновационные идеи в разных областях техники и технологии материализуются с неодинаковой скоростью.
Вытекающая из распределения Пуассона гипотеза о случайном характере возникновения первичной идеи и экзогенности изобретения четко сопряжена с кластеризацией инновационных процессов. Действительно, появление одной инновации никак не ускоряет и не замедляет появления других. Однако, несмотря на явное отсутствие корреляции между идеей и изобретением новых видов техники, неоспорим довод о кластеризации, т. е. о подверженности инноваций чисто случайным экзогенным причинам.
Инновационный процесс с позиций образования кластеров рассматривается как своего рода неравномерно протекающий, идущий в неоднородных средах с достаточной степенью изоляции первичной идеи и с увеличением общности и сопряженности нововведения по мере его продвижения по жизненному циклу. При этом центральным моментом этого процесса является трансферт единичных видов нововведений в технико-экономическую систему. По существу получается, что фундаментальная идея порождает несколько мелких изобретений-инноваций.
С. Кузнец придал этому явлению такое объяснение: «Технологический сдвиг не может рассматриваться как совокупность мелких, случайно сгруппированных шагов. Инновации образуют кластеры с множеством вспомогательных изобретений и усовершенствований, группирующихся вокруг центрального фундаментального нововведения».
Д. Сахал, считающий основой инновационной деятельности кумулятивный опыт и обучение персонала, связывает напрямую кластеризацию инноваций с механизмом диффузии новой технологии [2].
На наш взгляд, проблема трансферта инноваций как многомерного и многостадийного неравновесного процесса значительно сложнее, что не снижает ценности предложенного механизма диффузии технологий и его рассмотрения с позиций пространственных и временных аспектов технологической изолированности.
Хотя процессу диффузии инноваций посвящена обширная литература, скорость диффузии рассматривалась лишь с позиций замещения одного вида технологий другим. Предложенные модели воспроизводят широкий класс различных
¿-образных временных или пространственных зависимостей. Все эти логистические функции, в том числе модифицированная экспоненциальная функция, исходят из представления об уровне диффузии нововведений как разрыве между текущим и конечным уровнями использования инноваций: БЩ
= Щ(к-М), (5)
где N — некоторая величина, характеризующая уровень диффузии,
I — уровень насыщения (равновесия);
t — время;
k — коэффициент пропорциональности.
Решение этого дифференциального уравнения есть хорошо известная логистическая функция, в которой:
N = К/ (1 + а*е~ы), (6)
причем Ь = а — константа, зависящая от начальных условий;
Ь — параметр, определяющий скорость роста.
При более полном изучении механизма трансферта инноваций предположение об ¿-образном характере кривых и норме диффузии становится ограничивающим фактором [2].
Трансферт инноваций — это не только процесс, происходящий в гетерогенной среде и многомерном пространстве: он тесно связан с понятиями инновационного поля и инновационного градиента, которые подтверждаются практикой реализации новой модели экономического роста [4].
В реальной жизни диффузия нововведений осуществляется в рамках различного числа разноразмерных предприятий в масштабе отрасли или даже нескольких отраслей. Накопление экзогенных воздействий, в том числе инноваций, может приводить к последствиям как экономического, так и внеэкономического порядка. Они нарушают го-меостаз системы и приводят в ее гетерогенности.
Гетерогенность и неадаптивность воспринимающей системы воздействуют на многие параметры инновационных процессов и в итоге приводят к невосприимчивости нововведений. Это объясняется рядом факторов.
Во-первых, следствием такого механизма передачи новационного импульса является неравномерное изменение скорости различных экономических процессов.
Во-вторых, неравновесные и неравномерно протекающие процессы способствуют резкому снижению детерминированности системы и приводят к усложнению и стохастичности воспроизводства. Тем самым уменьшается возможность целенаправ-
ленного воздействия для регулирования на всех уровнях — от государства до отрасли и отдельной фирмы.
В-третьих, в результате гетерогенности механизма передачи инновационных импульсов усложняется структура экономической системы, что приводит к ухудшению координации между элементами процесса воспроизводства, что ведет к логически вытекающей децентрализации.
В-четвертых, возникающие на фрагментарных отрезках «квазистационарные» состояния, постепенно накапливаясь, приводят к появлению «отстойных зон», что затем дает возможность образования новых структур. Происходят структурирование и образование нового ядра экономической системы.
В-пятых, вследствие неравновесности экономических процессов и повышения их неопределенности осложняется процедура отбора рыночным механизмом необходимых технологий и товаров.
В-шестых, ускорение экономических процессов характеризуется неравномерностью, а поток инноваций связан с нарушением фронтальности, которая для устаревшей модели роста являлась совершенно необходимой аксиомой [10].
Из сказанного следует, что эффективность инновационного процесса материализации и диффузии новшеств определяется воздействием экзогенного фактора в виде научных, научно-технических, технологических знаний, изобретений, которые играют роль входного сигнала системы. С другой стороны, эффективность инновационного процесса определяется эндогенными факторами —
Литература
свойствами принимающей системы и характеристикой ее исходного состояния.
Вероятностный характер, асинхронность появления и различные значения интенсивности входного сигнала характеризуются ступенчатым, импульсным или циклическим возмущающим воздействием, что снижает способность принимающей системы к самоорганизации, адаптации и гомеостазу. Количественные значения параметров возмущения системы могут быть рассчитаны на основе вероятностных математических моделей.
Для описания исходного состояния процесса материализации и тиражирования новшеств необходимо выполнить такие функциональные требования, как целостность системы, адаптация, достижение цели, оптимальность функционирования, поддержание определенного стандарта и границы развития. Исходное состояние воспринимающей системы характеризуется инерционностью и релаксационными свойствами, а также эффектом запаздывания реакции производственного процесса на научные разработки.
Наличие большого числа возмущающих параметров усложняет четкую синхронизацию разнопериодических циклов и структур. Для того чтобы система была способна к восприятию нововведений, необходим процесс снятия возникших в результате воздействия экзогенных факторов внутренних напряжений и нарушения целостности и самоорганизаций системы. Чем больше интенсивность и радикальность входящего сигнала, тем большей гибкостью и адаптивностью и меньшей инерционностью должна обладать система.
1. Оголева Л. Н. Радиковский В. М. Сахаровская Т. Н. Инновационные системы в моделях национальной экономики. Учеб. пособие. — М.: Финансовая академия при Правительстве РФ, 2005.
2. Глазьев С. Ю. Теория долгосрочного технико-экономического развития. — М,: ВЛАДАР, 1993.
3. Когнитивная наука и интеллектуальная технология. Научно-аналитический обзор / Под ред. А. И. Раки-това. - М.: Наука. 1992.
4. Коммерческое развитие научно-исследовательских организаций России / Под ред. А. Аллингтона, Дж. Р. Мэтьюза. - М.: СканруС, 2001.
5. Наука, технология, инновации, бизнес. Англо-русский глоссарий. — М.: СканруС.
6. Основы коммерциализации результатов НИОКР и технологий / Сост. Н. М. Фонштейн. — М.: АНХ, 1999.
7. Оголева Л. Н. Инновационная составляющая экономического роста. — М.: Финансовая академия при Правительстве РФ, 1996.
8. Иноземцев В. Д. Сегодня и завтра экономики, основанной на знаниях // Вестник РАН. Т. 70 № 1, 2000.
9. Инновации: теория, механизм, государственное регулирование / Под ред. О. В. Яковца. — М.: Изд-во. РАГС, 2000.
10. Такер Роберт Б. Инновации как формула роста. Новое будущее ведущих компаний / Пер. с англ. — М.: ЗАО «Олип-Бизнес», 2006.
11. Валдайцев С. В. Управление инновационным бизнесом. — М.: ЮНИТИ, 2001.
12. Инновационный менеджмент. Учеб. пособие / Под ред. Л. Н. Оголевой. — М.: ИНФРА-М. 2007.
