查看原文
其他

科学会终结吗?为何科研投入越来越多,重大成果的产出却越来越少?

Michael Nielsen 集智俱乐部 2021-02-09



导语

尽管花在科研上的时间和金钱日益增加,但科学进步却难以跟上过去的步伐。这其中究竟发生了什么?

编译:集智俱乐部翻译组

来源:theatlantic.com

原题:Science Is Getting Less Bang for Its Buck



衡量科研产出有必要吗?


20世纪中期的美国作家 Stewart Brand 曾写到:“科学是唯一的新闻。” 


而如今的新闻头条充斥着政治,经济和八卦,其实背后是科学技术始终支持着人类福祉的进步和文明的长期发展。这反映在社会对科学研究投入日益增长。


现今,有越来越多的科学家、越来越充足的科研资金,随之越来越多的科研论文被发表:

       

图1 |  20世纪以来(美国)科研资金、博士学位和出版物的增长曲线。红色:科学与工程博士学位数量;深红色:学术出版物数量;青色:美国国立卫生研究院与国家科学基金会的资金投入。


表面上看,这确实鼓舞人心。但付出了那么多的努力,我们对科学的理解是否得到了相应的加强呢?又或者说,我们只是为了维持科学进步的速率(甚至可以看到增速的下降)而投入巨大?


用有意义的方式去衡量科学进步,这非常难。部分原因是我们很难精确衡量特定科学发现的价值。


这让我们联想到关于电力的早期实验。那时候大多数实验都看起来很奇怪。在某个实验中,科学家注意到,在猫的皮毛上摩擦琥珀后,琥珀会毫无缘由地吸引像羽毛这样的物体。在另一个实验中,一个科学家注意到青蛙的腿被金属触碰时会意外地抽搐。


即使是对于做这些实验的科学家来说,他们也不知道这是无关紧要的好奇心发现还是更深层次的东西。以一个多世纪后的今天的视角看——它们像是划时代的实验,蕴含着自然界中尚未被发现的基本力。


尽管精确衡量科学研究的重要性极其困难,但衡量这些科学研究仍很有必要。我们需要根据这些评估来颁发诺贝尔奖、为科学家提供职位或资助。在这样的评估中,标准流程就是询问独立科学家对于某研究的意见。这种方法并不完美,但确实是我们拥有的最好的评估办法。



评估方法:

参考该领域科学家的判断


我们照此方法做了一个调查:让这个领域的科学家来比较那些获得相关诺贝尔奖的发现。然后我们用科学家提供的等级排序,来测定他们对待诺贝尔奖级发现的看法,这样就能看出这些诺奖级发现的质量在几十年内发生的变化。


比如说,我们会问一个物理学家,二者中哪一个对科学贡献更大:

  • 中子的发现(大约占宇宙中普通物质一般的粒子)

  • 宇宙微波背景辐射的发现(大爆炸的余辉)


我们可以把这项调查看作是一场循环赛,将这个领域的不同科学发现进行两两匹配,作为比照,让科学家判断哪一个更重要。



物理领域评价结果


对于诺贝尔物理学奖,我们调查了93个来自全球顶尖物理系的物理学家(根据上海交大世界大学排名),他们评判了1370组研究发现,根据重要性为其评分。


下图中的栏中显示了每十年中诺贝尔物理学奖的平均得分。每一个十年的得分可以近似地看作是这十年的科学发现比其他年份的更重要。需要注意的是,这里比较的是成果发现的年份,而非后来颁奖的年份。

       

图2 | 获得诺贝尔物理学奖的成果的纵向对比,横坐标代表年代,纵坐标代表该年代中诺奖级研究成果的平均得分。


第一个十年表现不佳。这十年中,诺贝尔委员仍试图以这个研究成果的现实实用性而颁奖。比如,有一个奖项,颁给一个在海上更好照亮灯塔和浮标的研究,这对于海上航行是利好消息,但在现代物理学里就没那么重要。但到了20世纪10年代,奖项就颁给了那些与现代物理学概念相符的研究发现。


20世纪10年代到20世纪30年代是物理学的黄金年代。这是量子力学诞生的年代,作为史上最重要的发现之一,它彻底改变了我们对于现实的理解。这个年代同样见证了很多其他的革命:X 光成像技术的发明,中字的发现,反物质的发现,辐射基本原理的发现和核能的发现。


这是科学史上最伟大的一段时期。


在此期间以后,出现了大幅度下降,直到20世纪60年代才逐步恢复。这主要是由于两个发现:宇宙微波背景辐射和粒子物理的标准模型,这是我们关于基本粒子和宇宙基本力的最好的理论框架。


即使有这两个伟大的发现,科学家仍然认为20世纪40年代到80年代的发现没有10年代到30年代那段时间的发现重要。就像物理学家判断的那样,这些曾经顶尖的理论,变得越来越不重要了。


我们的图表结束于20世纪80年代。


原因是近些年来,诺贝尔委员会倾向于把奖颁给20世纪70或80年代的发现。事实上,只有三个90年代的发现获得了诺贝尔奖。这对于我们衡量90年代发现的重要性来说,样本容量就太小了,所以我们没有调查这种发现的重要性。


21世纪可能的重大突破:量子计算机


局限性


然而,90年代以来研究获奖的稀少本身就说明了一些问题。20世纪90年代到21世纪初是诺贝尔委员会最喜欢跳过的几十年,他们反而把奖项授予更早的发现。考虑到20世纪70年代和80年代本身就没什么特别重要的发现,这对于物理学界来说是坏消息。


我们的研究可能有很多合理的不严谨之处。可能受访的物理学家某种程度上持有偏见,或者对于获得诺奖的研究没有完全理解。就像我们之前所讨论的,其实很难去确定一个研究比另一个研究更重要,尽管这样,科学家的判断仍然是我们最好的参照。



化学与生物学领域评估结果


既然物理学家的判断不那么准确,那么也许其他领域的科学家会做得更好些?


我们对诺贝尔化学奖和诺贝尔生理或医学奖做了相似的研究,以下是得分情况:


       

     

图3 | 获得诺贝尔化学奖的成果(左)和获得诺贝尔生理学或医学奖的成果(右)的纵向对比,横坐标代表年代,纵坐标代表该年代中诺奖级研究成果的平均得分。


调查结果可能比物理学的结果更鼓舞人心——20世纪后半叶的得分有小幅升高。但幅度很小。


像物理学那样,20世纪90年代和21世纪初被忽略,因为诺贝尔委员会更倾向于早些年的发现:在20世纪90年代和21世纪头十年所做的工作获得的奖项比前几十年任何类似的窗口期都要少。


这项调查的结果不令人乐观:过去的一个世纪,我们将大量的时间和金钱投入到科学中,但根据科学家自己的评估,我们正以近乎恒定的速率产生最重要的突破。


如果按每美元的投入产出,或者每人的投入产出计算,我们会发现科研产出正在变得更低效。



不可否认的部分事实


有批评可能会说诺贝尔奖的科学发现质量并不一定可以代表总体上科学进步的速率,这项调查确实有很多的局限性。


有些领域确实不被诺贝尔奖所囊括,比如计算机科学。而诺贝尔委员会也可能错失一些重要的科研成果。也许一些偏见意味着科学家更可能尊重那些旧的发现。也许更重要的是大部分的普通科学工作,正是那些普通的发现构成了我们所说的科学的主体。


我们承认这些局限性:调查结果令人震惊,但只提供了部分的事实。然而更多的证据表明我们越来越难以获得重要的发现了,新发现需要更大的团队和更全面的科学训练,但科学投入总体的经济效益正在变小。


总的来说,这些结果表明,我们在科学上努力的回报正在大大减少。


当我们将急剧减少的回报这种结果告诉同仁时,他们可能会表示这不合理,坚称科学正处于黄金时代。他们会指出一些近期的惊人发现,比如希格斯玻色子和引力波,作为黄金时代的证据来说明科学正比以往任何时候都发展得更好。


这些发现确实令人讶异,但前辈们也有同样卓越的成果。比较引力波的发现和爱因斯坦1915年的相对论,相对论不仅仅预测了引力波的存在,还彻底改变了我们对于空间,时间,质量,能量和引力的理解。而引力波的发现,尽管从技术上来说是非常了不起的,但对于我们对宇宙的认知无太大贡献。


希格斯玻色子的发现


尽管希格斯玻色子的发现也很卓越,但它与20世纪30年代发现的各种基本粒子的发现一比就相形见绌了,这其中就包括了我们世界的主要成分之一中子和首次揭示反物质存在的正电子。


某种程度上来说,希格斯玻色子的发现是非凡的,因为它是一个20世纪上半叶常见状态的再现,但这在近几十年间已经非常罕见了。



避免以偏概全


人们说科学比以往任何时候都发展得更好,另一个原因或许是他们自己的领域正在取得巨大的进步。我们常常在人工智能领域和生物学中的CPISER基因编辑领域听到这种观点。但是当人工智能,基因编辑技术和其他类似的领域飞速发展时,我们必须要明白,在整个现代科学的进程中,总是有那么一些领域是比其他领域都要热门的。


联想到1924年到1928年的物理学,那段时间,物理学家发现组成物质基本成分有波粒二象性,他们以此建立了量子力学,也推导出了海森堡测不准原理;他们还预测了反物质的存在和其他很多东西。


作为领军人物中的一员 Paul Dirac说:“那时候即使是二流的物理学家都能做出一流的研究结果。“


英国理论物理学家、量子力学的奠基者之一 Paul Dirac 

相比于物理学在20世纪30年代的发展,AI领域在最近几年取得了一些重大研究成果,包括图像与语音识别的进步,也包括AI游戏能力的提升,比如在围棋机器人上已经能战胜人类。这些都是非常重要的研究成果,我们对“AI会改变未来几十年的生活”表示乐观。


但这需要投入极多的时间,金钱和努力去实现蓝图,我们仍然不清楚这些突破的重要性是否超过了那些20世纪20年代的研究成果。


同样的,CRISPR基因编辑技术在过去几年内取得了很多突破,包括修改备胎干细胞的基因来治愈先天性心脏病,包括利用文字来传播疟疾抗性基因,这些实验室成果非凡,CRISPR基因编辑基础应用潜力巨大,但这样的研究成果并没有比历史上生物学突飞猛进的时期更伟大。



原因探究:经济学视角


为什么科研投入越来越大,却没有取得相应更卓越的成果呢?也许经济学家 Benjamin Jones 和 BruceWeinberg 的研究可以部分地回答这个问题。


图4 | 历届诺贝尔奖得主做出重大成果时的平均年龄及其标准差。其中 early period 是指1905年之前的诺奖,late period 是指1985年后的诺奖。


论文题目:

Age Dynamics in Scientific Creativity

论文地址:

http://www.pnas.org/content/early/2011/11/03/1102895108


他们研究了科学家们几岁做出了那些重大科学发现。他们发现在早些年的诺贝尔奖中,平均获奖年龄是37岁,而近些年来是47岁,基本上增长了一个科学家职业生涯四分之一的时间。


可能当今的科学家要做出那些重大发现需要懂得更多,所以他们要学得更多,然后当他们作出重要研究成果时就更老了。这样看起来,要做出更重大的研究成果变得更难了,如果这更难了,当然意味着重要研究成果越来越少了,或者说需要投入更多。

同样的,与一个世纪前相比,现在的科学合作有着人员更庞大的团队。当 Ernest Rutherford 在1911年时发现原子核时,论文中只有他自己一个作者。而2012年两篇发现希格斯波色子的论文中各有将近1000个作者。研究团队的人数在20世纪内平均翻了四倍,而且这种增长在21世纪依然在继续。


现在,对于许多研究问题来说,需要更多的技能,更昂贵的设备和更多的科学家来取得科学成果。



开疆拓土新科学


如果科学进步正在变得更艰难,是什么导致的呢?


如果我们把这种探究本质的科学当作探究一块新大陆,在早期,我们一无所知。研究者很轻松就能取得新发现,但他们逐步开始对新大陆有认知,为了取得更大的发现 ,他们就要在更艰难情况下走得更远,探究新大陆变得更难。


这种意义上来说科学是有限的边界,需要更多的努力加入到拓展地图的边界中去。当有一天地图变得完整,科学将大大枯竭。这种意义上来说,现今科学研究变难和我们已有的科学知识结构本身息息相关。


这种观念的原型来自于基础物理学,很多人进入这个领域是想要去研究万物理论,这个理论可以解释世间所有基本粒子和基本力。但这个理论只能被发现一次。如果你认为这就是科学的终极目标,那么科学实际上就是有限边界。


但也有一种观点科学是无限边界,因为总有新的现象被发现,新的研究问题被解决。“存在性”支撑无限边界的可能性。


以水为例,用方程式描述一个水分子是一回事,但理解彩虹的成因,海浪的形成或太空中彗星的形成是另一回事。它们本质上都是水,只是不同形态下的复杂系统呈现不同而已。每一种存在的背后都是水的方程式,但谁会怀疑这些方程会衍生如此复杂的东西,比如形成彩虹或冲击的海浪呢?

水达到沸点时复杂的临界状态


某些现象的存在性并不一定意味着将有无穷无尽的新的现象等着去被发现,新的问题等着被解决。但在某些领域是可能的。


比如1936年开始的计算机科学,那时候Alan Turing发明了图灵机,那个模型非常简陋,几乎像一个孩子的玩具。但这个模型在数学上和现今的计算机是一样的:计算机科学实际上开始于万物理论。


计算机科学与人工智能之父 Alan Turing

尽管图灵机模型和计算机在数学上相似,但计算机科学还是有很多卓越的新发现:电子商务和加密货币背后的加密协议;编程语言设计中无数灵光一现的嵌套,甚至更奇妙的——在好的游戏里某些极具想象力的设计。这些东西就是计算机科学中的彩虹,海浪和彗星。


而且,我们对于计算机的使用经验表明好像这种东西是用之不竭的,就好像总是可能发现新的现象,新的行为,以此产生新的问题和新的探寻。计算机科学是开放式的。


同样的,当我们可以编辑基因组,合成新的有机体,更好的理解有机体的基因组和其形态与行为之间的关系时,生物学中不断产生新的边界是可能的。当我们了解了诸如可编程物质和物质的新设计阶段时,类似的事情也可能发生在物理学界和化学界中。它们也会变得更开放式。


乐观者认为科学是一个无限边界的东西。我们会不断有新的发现,甚至创造出拥有基本问题的新领域。如果我们今天看到增长缓慢,是因为现在的科学在聚焦于已有的领域,而这些领域确实更难取得突破。


我们希望未来可以看到更多高速增长的新领域,产生新的科研问题。这对于科学来说是一个很好的加速机会。



科学生产力正在放缓吗?


如果科学正在经历投入产出减速,从长久来看这对我们的未来意味着什么?过去的一个世纪曾有那么多新发现与技术重塑着我们的世界,未来新的科学发现会比上个世纪少吗?实际上,经济学家找到了一些证据,并将之称为生产力放缓。


经济学家用生产力这个词,与我们日常生活中有类似的意思,但使用场合不同:简而言之,工人的生产力是创造事物。当技术发展,创造事物更容易,生产力就提高了。


比如,德国化学家Fritz Haber在1909年发现了固氮作用,一种从空气中获得氮并转换成氨水的办法。氨水可以用作肥料。这些肥料能在农民数量一定时生产更多的食物,进而生产力上升。


渐进式进步


生产力上升是健康社会的标准之一,这样的社会能不断产生新的好点子来提高自己产生财富的能力。坏消息是美国的生产率增长速率正在下降。1950年以后一直在下降,那时候的生产率可能是现在的六倍。


这意味着,我们在10年中看到的变化我们在1950年代18个月中看到的 一样多。


这可能听起来令人讶异。我们难道不是在过去的几十年间看到了很多发明吗?难道今天不是一个技术加速变革的黄金时期吗?


经济学家Tyler Cowen 和 Robert Gordon认为并非如此。他们在《美国经济的大萧条与动荡》(《The Rise and Fall of American Growth》)一书中指出,20世纪初见证了很多强大的通用技术的大规模部署:电力,内燃机,无线电,电话,航空飞行,装配线,肥料等等。


《The Rise and Fall of American Growth》


相比之下,他们收集的经济数据表明自20世纪70年代以来,情况没有那么大变化。


是的,我们因为两种强大的通用技术而进步:计算机和互联网。但许多其他技术仅仅是在缓慢提升。


我们想想,汽车,航空旅行和太空计划在1910年至1970年间如何改变我们的社会,扩大人们对世界的体验。到1970年,这些旅行形式已经转变为现代形式与雄心勃勃的项目。如协和阿波罗计划基本上没有进一步增速交通方式的变革。也许像自动驾驶汽车这样的技术在将来会导致交通运输方式的巨大变化。但与过去相比,近段时间在交通运输方面的发展是渐进式的。


各领域科学家如何回应?


是什么导致生产率放缓?这个问题的答案在经济学家中存在争议,有很多种解释。有些经济学家认为这仅仅是因为现今的生产率衡量手段不能正确衡量新技术的作用。我们认为,科学上的回报减少正在导致真正的生产力下降。


我们并不是最早认为科学研究回报正在减少的人。1971年,杰出的生物学家Bentley Glass在《科学》杂志上撰文指出,科学的辉煌时代研究结束,最重要的发现已经出现了——


对我来说,我无论如何都很难相信,像达尔文的生物进化论或孟德尔对遗传本质那样全面和震撼全球的东西很容易再出现,毕竟,这些发现已经出现了。


在1996年的《科学的终结》(《The end of science》)一书中,科学作家John Horgan采访了很多著名的科学家,询问他们对各自领域的前景展望。结果显示科学研究现状并不乐观。


《The end of science》

有名的理论物理学家Leo Kadanoff,就谈到了科学的最新进展——


事实是,再也没有什么新的东西可以与量子力学或双螺旋或相对论那样相提并论了,这种级别的研究在过去的几十年都没出现过了。


统计物理学家 Leo Kadanoff 


Horgan问Kadanoff这种情况是否是永久性的,Kadanoff沉默了,然后叹了口气,回答道——


一旦你已经证明过,对许多人而言世界是合理的,那你就无法在证明第二次了。


但是,尽管许多人对科学回报的减少表示过担忧,可很少有机构回应。


目前被提名为Donald Trump总统科学顾问的气象学家Kelvin Droegemeier在2016年向美国参议院一个委员会发表讲话时声称——


科学发现的速度正在加快。


国家科学基金会2018年的报告没有提到收益递减的问题,该报告乐观地谈到了开创性发现和革命性新领域出现的可能性。


当然,许多科学机构——特别是新的机构——确实力求在自己的领域找到更好的运作模式。但这与有组织的机构对收益递减做出回应不同。



把握机会,改善未来


也许这种缺乏回应的部分原因是,一些科学家认为承认回报的减少是背叛了科学家的集体利益。大多数科学家强烈支持拥有更多的研究资金。他们喜欢从积极的角度看科学,强调好处,尽量减少负面影响。


虽然可以理解,但有证据表明,单位时间或单位金钱下的科研成果产生速率正在大大下降。这一证据需要大规模的机构做出反应。它应该是公共政策以及赠款机构和大学的一个主要课题。


更好地理解这一现象的原因是重要的,这也许是我们改善未来最大的机会之一。



翻译:Frank Xu

审校:刘培源

编辑:王怡蔺

原文:

https://www.theatlantic.com/amp/article/575665


推荐阅读


做科研做到绝望是一种什么样的体验?

所谓黄金年龄在科学家和艺术家身上可能并不存在

跨学科研究大势所趋,诺奖体系陈旧亟待更新

为什么这9000位高产科学家完成一篇论文仅需5天

加入集智,一起复杂!


成都活动预告


11月22日腾讯研究院与集智俱乐部联合举办的“AI&Society”的系列学术沙龙活动,首次来到成都!(点击查看详情)


扫码即可报名

报名表地址:

http://campus.swarma.org/tablepublish/tengxun?activity_id=579



张江成都讲座


11月23日(周五)上午10:00--12:00,张江将于电子科技大学沙河校区展开一场题为《复杂网络上的深度学习》的精彩讲座,届时bilibili弹幕网进行同步线上直播,欢迎观看!(点击查看详情)


扫码报名:

 


报名表地址:

https://campus.swarma.org/tablepublish/tengxun?activity_id=580

直播地址:

https://live.bilibili.com/8091531






集智俱乐部QQ群|877391004

商务合作及投稿转载|swarma@swarma.org

◆ ◆ ◆

搜索公众号:集智俱乐部


加入“没有围墙的研究所”

让苹果砸得更猛烈些吧!



    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存