大筛选：科学为何难以培养其特立独行者
当大胆的发现放缓，一个引人深思的理论正在形成：体系本身可能正在将那些可能改变一切的人拒之门外。
牛顿们都去哪儿了？爱因斯坦、克里克，那些凭借一篇论文或一个疯狂想法就能颠覆现实的“破旧立新者”呢？
物理学界已经数十年没有出现像量子跃迁那样的突破来震撼世界了。生物学界曾因人类基因组计划掀起巨大波澜，但人们所期待的“奇迹疗法”浪潮却大多无疾而终。21世纪本应是科学的时代。然而，我们却只看到一篇又一篇的增量式论文——它们如无休止的流水线般生产，大多无人问津，许多无关紧要，几乎全部转瞬即逝。
那些常见的解释信手拈来：我们已经采摘了唾手可得的果实，问题变得更难，设备更昂贵。但在会议的窃窃私语中，在实验室餐厅的深夜争论里，另一种理论正在获得支持。假如问题并非出在科学本身呢？假如是出在体制所培养的科学家身上呢？
假如我们建立了一个如此高效、如此专业化的学术机器，以至于它筛选掉了那些可能改变世界的“异类”呢？
35年的学徒期
审视一下现代的科研生涯路径。四年本科。可能再加两年硕士。然后五到七年攻读博士。接着是臭名昭著的博士后轮转——两到三段，有时甚至四段，每段持续数年。等到一位研究人员最终赢得一个令人垂涎的独立研究职位时，他们往往已年近35岁。
这与历史上的巨匠们大相径庭。牛顿在20多岁时就发明了微积分，并奠定了经典力学的基础。爱因斯坦年仅26岁就发表了他的“奇迹年”论文。沃森25岁时，与克里克共同揭示了DNA结构。
现代的培养路径不仅拖慢了人们的脚步，它还在塑造着幸存者。要在学术界坚持15年，你最需要具备两个特质：耐心和服从。你必须一丝不苟地重复实验，以规范的格式润色基金申请书，并在正确的期刊上发表论文。你必须与导师合作顺畅。你必须玩转这套规则。
但科学界的革命者们却鲜少循规蹈矩。他们痴迷。固执。他们追逐那些导师们不喜欢的想法。他们争论，分心，打破规则。在当今的体制下，这类人就会被筛选出去。那些才华横溢却又棱角分明的学生，永远无法获得闪光的推荐信。那些想花三年时间进行冒险尝试的博士生会受到劝阻。质疑教条的博士后则会被贴上“麻烦制造者”的标签。
等到筛选结束时，剩下的是一支勤奋、顺从的专业人才队伍。这与突破性科学所需的特质截然相反。
指标的暴政
如果漫长的学徒期是第一道过滤器，那么对数字的痴迷就是第二道。
现代科研生涯的成败取决于各项指标：每年论文数量、影响因子、引用次数、获得的资助金额。它们本意是为了使评估更公平。然而，它们却扭曲了整个学术文化。
当晋升取决于产出时，研究人员就会优化产出。这意味着追逐热门话题而非晦涩却重要的问题。这意味着将一个发现拆分成多个“最小可发表单元”。这意味着选择安全、渐进的工作，而非大胆、冒险的突破。
结果就是形成了一个由“论文工匠”组成的行业——他们技艺娴熟，产出不竭，却几乎全部转瞬即逝。
专业化陷阱
问题还有另一个层面。现代科学被分割成越来越狭窄的利基领域。
一位生物学家可能毕生研究一个蛋白质家族。一位材料科学家可能耗费数十年研究一类合金。这种深度是必要的——学科复杂，技术掌握需要多年。但代价却是创造力。那些曾在物理学、化学和哲学之间跳跃的古代博学大师们，已被那些在晦涩领域边缘修修补补的专家所取代。
当你的毕生心血仅限于澄清一个大多数同事都难以辨认的领域中的一个脚注时，冒险似乎变得毫无意义。越来越多的研究人员接受自己在“智力流水线”上的角色，并悄然放弃追求伟大。
人工智能悖论
而现在，人工智能也走进了这一领域。
乐观者看到了救赎。人工智能可以承担那些繁重的基础工作：例如数据分析、实验设计、文献查阅，甚至起草假设。AlphaFold已经能在几秒钟内解决蛋白质结构问题，而过去这需要数年。由人工智能和机器人驱动的“无人实验室”，有望加速发现进程，同时将人类思维解放出来，进行大胆思考。
但悲观者则提出了一个更阴暗的可能性。如果这个系统奖励“论文堆砌”而非真正的发现，那么人工智能岂不是只会让这种堆砌变本加厉？语言模型已经被用来更快地生成论文，迫使期刊陷入一场检测的军备竞赛。这些系统通过现有文献训练，往往会呼应共识，并抑制那些古怪的、高变异性的想法。它们推荐的是“明智的”下一步实验——而非可能引发革命的“疯狂”实验。
更糟的是，研究表明人工智能有时会忽略细微之处，误报研究结果，或者在没有根据的情况下表现出过度自信。没有准确性的速度并非进步。
前进之路
摆脱困境所需的不只是新工具。这意味着要重新思考当下引导科学发展的激励机制。
设想一下，如果大学对晋升所考虑的论文数量设限，优先考虑质量而非数量。或者资助机构将真正的资金留给那些有已知失败风险但可能带来高回报的项目。如果期刊能像发表阳性结果一样，积极发表阴性结果呢？如果叙事性简历取代了引用量统计呢？
一些机构正在尝试。少数机构设立了“风险研究”基金。少数期刊现在设立了无效结果专栏。但在一个仍沉迷于安全、稳定产出的文化中，这些仍然是例外。
人工智能可以提供帮助——如果运用得当的话。让它清除繁重的工作，但要为那些古怪的、推测性的想法保留时间。对人工智能辅助的主张要求透明化：包括来源、模型版本和提示日志。将机器生成的建议与人类的怀疑精神结合起来。最重要的是，将这些强大的新工具对准那些尚未探索的、非主流的、天马行空的想法。
事关重大
如果在这方面犯错，不仅会损害个人职业生涯或大学。这可能会阻碍人类解决其最重大问题的能力。
我们需要清洁能源所需的新材料。我们需要针对我们尚未完全理解的疾病的疗法。我们需要在不破坏地球的前提下，养活和供养数十亿人的方法。渐进式进步是远远不够的。
我们所需要的，正是那些只有被当前系统悄然筛选掉的人——那些痴迷的、不羁的、古怪的人——才能带来的发现。
牛顿们仍然存在。我们只需停止将他们筛选出去。