علم چگونه آینده را پیش بینی می کند؟

در این مطالعه نشان داده شد که علم می‌تواند در بسیاری موارد آینده را پیش‌بینی کند. روش علمی پیش‌بینی آینده آن است که با مجموعه داده‌هایی از سیستم واقعی، مدلی مجازی طراحی شود که رفتارش شبیه سیستم واقعی باشد. شکل کلاسیک مدلسازی سیستم‌های دینامیکی نشان دادن آنها به‌وسیله مجموعه‌ای از معادلات دیفرانسیل خطی یا غیرخطی، معمولی یا با مشتقات جزئی است. شرط لازم و کافی برای پیش‌بینی آینده در سه ویژگی خلاصه می‌شود: اول، ارائه مدلی از سیستم واقعی با رفتاری مشابه آن؛ دوم، دانستن دقیق شرایط اولیه سیستم واقعی؛ سوم، دانستن دقیق عوامل موثر بر سیستم یا ورودی‌ها در زمان حال و آینده. تحقق این سه شرط آن‌قدر” اما و اگر» دارد که همه ناکامی‌ها در پیش‌بینی آینده به‌دلیل ناتوانی در دستیابی به آنهاست. در علوم مهندسی این اما و اگرها به اختصار «عدم قطعیت» نامیده می‌شود. مهم‌ترین مورد، عدم قطعیت در نمایش سیستم است که هیچ راهی برای به صفر رساندن آن وجود ندارد، ولی روش‌های متعددی برای کاهش آن ارائه شده است. یکی از روش‌های مدلسازی که در دهه‌های اخیر فراگیر شده، استفاده از روش‌های محاسبات نرم است. این روش علاوه بر سیستم‌های مهندسی، در سیستم‌های مرتبط با علوم انسانی و اجتماعی با عدم قطعیت قابل توجه، مانند اقتصاد و مدیریت، کاربرد وسیع یافته است. در مهندسی کنترل شما نه تنها آینده را پیش‌بینی می‌کنید، بلکه آن را به شکل دلخواه می‌سازید. در این مطالعه این مباحث بررسی و تحلیل شده است تا شیوه آینده‌پژوهی و پیرو آن آینده‌سازی بر مبنای علم مشخص شود.

HOW DOES SCIENCE PREDICT THE FUTURE

In this paper, it is shown that in many cases, science can predict the future. Based on the available information of the real system, the scientific method for future prediction is to develop a virtual model with similar response to the real system. The classical models are usually presented with a set of linear / nonlinear, ordinary / partial differential equations. The necessary and sufficient condition for future prediction is given by three axioms; A model with accurate description of the real system, perfect knowledge of the initial conditions, and perfect knowledge of present and future values of inputs to the system. In reality, none of these conditions are perfectly realizable and each axiom has some uncertainties. The failure in future prediction is exactly due to these uncertainties. The model description as the major axiom is always accompanied with uncertainty and although, there is no way to vanish it, there are different methods to reduce it. Soft computing is one of the recent approaches in the past few decades, not only used for modeling of systems in the field of engineering systems, but also used in the field of human sciences such as economy, management and social sciences.