科研的“边际递减”悲剧：投入巨大，进展却越来越慢了

我们认识到了这些局限性:调查结果令人震惊，但只涵盖了部分情况。然而，我们很快就会看到有力的证据表明，要在所有领域都取得重大发现正变得越来越困难。它需要更大的团队和更广泛的科学培训，而科学成果产生的整体经济影响正变得越来越小。综上所述，研究结果表明，如今投入在科学中努力的回报在不断减少。

当我们向同事说明这一状况时，他们有时会告诉我们这是无稽之谈，并坚持认为科学正处于一个黄金时代。他们列举出了一些惊人的最新发现，比如希格斯粒子和引力波，并认为这就是如今科学发展比以往任何时候都更好的证据。

这些确实是惊人的发现。但前几代人的发现，也同样引人注目。例如，将引力波的发现与爱因斯坦1915年发现广义相对论进行比较。广义相对论不仅预测了引力波，而且从根本上改变了我们对空间、时间、质量、能量和重力的理解。引力波的发现，虽然在技术上令人印象深刻，但在改变我们对宇宙的认识方面，作用却小得多。

虽然希格斯粒子的发现确实了不起，但与上世纪30年代发现的众多粒子相比，它就相形见绌了。这些粒子包括中子和正电子。从某种意义上说，希格斯粒子的发现是一种非凡的成就，因为它是又回到了20世纪上半叶常见的状态，但这种状态在近几十年里却很罕见。

对我们的研究结果另一种常见的反应是，有人说科学比以往任何时候都更好，因为他们自己的领域正在取得巨大进步。我们经常会听到一些关于人工智能(AI)的成果和CRISPR基因编辑技术在生物学中的应用。但是，尽管人工智能、CRISPR和类似的领域发展迅速，但在整个现代科学史上，一直都有一些领域和人工智能一样热，甚至更热。

让我们回顾一下1924年到1928年之间物理学取得的进步。在这段时间里，物理学家了解到物质的基本成分既有粒子的性质又有波的性质;他们创立了量子力学的定律，，提出了海森堡的不确定原理（一个运动粒子的位置和它的动量不可被同时确定。）;他们预测反物质的存在;还有许多其他的成就。正如保罗·狄拉克(Paul Dirac)所说，在那个时代，“即使是二流物理学家也能做出一流的发现”。

相比之下，过去几年人工智能的主要发现包括:识别图像和人类语言能力的提高，以及玩围棋等游戏能力的提高。这些都是重要的结果，我们乐观地认为人工智能的成果将在未来几十年产生巨大的影响。但产生这些成果需要投入更多的时间、金钱和努力，而且还不清楚它们是否比20世纪20年代发现的成就更重要。

同样，CRISPR在过去几年也取得了许多突破，包括可以通过改变人类胚胎来治疗一种遗传性心脏疾病，以及培育出了一种能够在整个蚊子种群中传播疟疾抗性基因的蚊子。但是，尽管这些实验室成果是显著的，CRISPR的长期潜力是巨大的，但最近的成果并不比过去生物学快速进步时期的成果更令人钦佩。

为什么科学变得如此昂贵，却没有产生相应的效益？

经济学家本杰明琼斯(Benjamin Jones)和布鲁斯温伯格(Bruce Weinberg)的研究给这个问题予以了部分解答。他们研究了科学家做出重大发现时的年龄。他们发现，在诺贝尔奖的早期，获得诺贝尔奖的科学家做出获奖成果的时候平均只有37岁。但是近年来，这个数字上升到平均47岁，增加了相当于科学家工作生涯四分之一的时间。

也许当今的科学家需要知道的更多才能做出重大发现。因此，他们需要学习更长的时间，所以在年龄更大的时候才能完成他们最重要的工作。也就是说，伟大的发现越来越难以实现。而且，如果它们更难以实现，那就意味着重大成果的数量将会越来越少，或者说它们需要付出越来越多的努力。

与此类似，如今的科学合作涉及的人往往比一个世纪前多得多。欧内斯特·卢瑟福(Ernest Rutherford)于1911年发现了原子核，他发表的那篇论文中只有一位作者:他自己。相比之下，2012年发表的两篇宣布发现希格斯粒子(Higgs particle)的论文，每一篇大约有1000名作者。平均而言，研究团队的规模在20世纪增长了近四倍，这种增长一直持续到今天。对于许多研究问题，在如今都需要更多的技能、昂贵的设备和庞大的团队才能取得进展。

如果科学真的在变得越来越难，原因是什么呢?

假设我们认为科学，即对自然的探索，类似于对新大陆的探索。在早期，人们知之甚少。探索者很容易在开始时取得重大的新发现。但是他们渐渐地填补了关于新大陆的知识。为了取得重大发现，探险者必须在越来越困难的条件下走向越来越偏远的地区。探索变得更加困难。在这种观点看来，科学是一个有限的领域，需要边际递增的努力来“填满地图”。总有一天，填充地图的工作会接近完成，科学也将在很大程度上枯竭。按照这种观点，取得科研成果难度的增加是科学知识结构本身所固有的。

这一观点的原型来自于基础物理学。在基础物理学领域，许多人着迷于寻找“普适性的理论”，一个能够解释我们在世界上看到的所有基本粒子和力的理论。这种理论我们只能发现一次。如果你认为这是科学的首要目标，那么科学确实是存在有限边界的。

但是还有一种不同的观点，这种观点认为科学研究是无止境的，在科学中总是有新现象要发现，总是有新的重大问题要解答。科学无穷无尽的边界是新想法的不断涌现的结果。以水为例，描述单个水分子行为的方程是一回事，而解释彩虹的形成，或者海浪的撞击，抑或是太空中彗星的的起源则是完全不同的另一回事。所有这些都是在研究“水”，但复杂程度不同。每一个都是从描述水的基本方程中推演出来的，但谁又会从这些方程中想到到像彩虹或海浪撞击这样复杂的现象呢?

虽然仅仅有新想法涌现并不一定意味着就会有无穷无尽的新现象有待发现，新的问题有待解答。但在某些领域，似乎确实是这样的。例如，始于1936年的计算机科学。当时阿兰·图灵（Alan Turing）开发了计算的数学模型，我们现在称之为图灵机。那个模型非常简陋，几乎就像一个孩子的玩具。然而，这个模型在数学上等同于今天的计算机:计算机科学实际上是从它的“普适性的理论”开始的。尽管如此，自那以后，计算机科学领域还是出现了许多非凡的发现:诸如构成互联网商业和加密货币基础的加密协议等想法;编程语言设计中无穷无尽的巧妙想法;而且最好的电子游戏中也有一些富有想象力的想法。

（编辑：应用网_镇江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!