凌晨三点的那条假说
一位博士生在凌晨三点想到了一个假说。她已经为这个方向读了两年文献，跑了四轮失败的实验，那天晚上洗澡的时候，两件不相干的事忽然在脑子里对上了。她擦着头发冲回书桌，把它写下来，兴奋得睡不着。第二天上午她把这条假说输进实验室订阅的文献助手，想看看有没有人做过。助手在四十秒里生成了三百一十二条候选假说，按新颖度排序。她的那一条排在第七位，措辞几乎一样。前六条她一条也没想到过。
她没有问"是我先想到的还是它先想到的"，这个问题已经没有意义：它是当场生成的，她是两年熬出来的，两条假说的内容一样。她问的是另一个问题，也是这本书要问的：如果一条我用两年想出来的假说，机器四十秒就能造出三百条，那我这两年到底做了什么？以后还要不要做？
这个问题落在科研制度最要害的地方。三百年来，我们奖励的是"谁先找到"。
三百年的账：先找到者得
科研有一套非常精细的奖惩制度，它的核心是优先权。默顿一九五七年那篇著名的会长演讲把这件事说得很透：科学建制之所以能运转，靠的是对"首先发现者"的承认；牛顿与莱布尼茨的争吵、达尔文与华莱士的礼让、无数次关于谁先谁后的笔战，不是科学家的小气，是这个制度在正常工作。优先权换来署名，署名换来引用，引用换来职位与资助，资助换来下一轮优先权。整套机器只认一件事：你是不是第一个把那个东西找到的人。
这套制度背后有一个从来没有被认真检查过的假设：值得研究的问题和答案都已经在那里，躺在文献的空白处、自然的暗处，等着被人找到。研究者是探矿的人，谁先挖到，矿就归谁。"文献空白""研究缺口""填补空白"这些我们每天写在申请书里的话，都是这个假设的日常形态。
对这个假设，社会学做过一次很硬的实测。福斯特、日热茨基与埃文斯二〇一五年分析了三千万条生物医学摘要，把研究策略分成"在已知的化学关系上再挖一层"和"引入新的化学物或新关系"两类。结果是，一九八三到二〇〇八年间，重复既有关系的陈述是新关系陈述的六倍，占到百分之八十五点八。他们的解释是，制度奖励对既有知识的增量延伸，即便面对爆炸性增长的机会也是如此。换句话说，优先权制度把研究者训练成了在熟悉的矿脉旁边再打一个小洞的人——因为那样最容易"先找到"。
这个制度运转了三百年，运转得不错。它在今天出了问题，不是因为它错了，是因为它奖励的那件事被别人做了。
那一层已经被占了
先看数据，而且只看能核的数据。
斯坦福的司程磊、杨笛一与桥本达纪二〇二四年做了第一个严格对照的实验：招募一百多位自然语言处理领域的研究者，请他们各写一条新的研究想法，同时让一个基于大语言模型的想法生成系统在同样的题目分布上生成想法，再由同行盲评。结果是，机器生成的想法在新颖度上被评得显著高于专家的想法，可行性略弱。二〇二五年他们做了第二步：请四十三位专家，每人花一百多个小时，把随机分到的想法真正做出来，写成四页短文，再由五十八位研究者盲评。这一次，机器想法的分数在所有指标上都比人的想法跌得更多——新颖度，人的想法几乎没跌，机器的想法跌了一分多；有效性，人的几乎没跌，机器的跌了将近两分。在好几个指标上排名翻转，人的想法反而更高。
这两组数据合起来，把这本书的起点钉死了。在"提出想法"这一层，人已经输了；在"把想法走完"这一层，机器还没赢。这不是一句安慰，是两个可复核的实验。
顺便说一件必须说的事。二〇二四年底有一篇被引得非常广的论文，声称某材料实验室引入人工智能工具之后新材料发现量增加了百分之四十四、专利增加了百分之三十九。二〇二五年五月，该论文作者所在的大学公开声明对其数据的来源、可靠性与真实性均无信心，并要求撤回。这篇论文本书一处也不引。它被引得那么广，恰恰说明我们多么渴望有一个数字证明"机器让我们发现得更多"——渴望到不去核数据。一本讨论科研的书如果建在撤稿数据上，它自己就是它要批评的东西。
为什么是现在
优先权制度不是第一次遇到工具变革。显微镜、加速器、测序仪、检索数据库，每一次都让"找到"变得更容易，制度都消化了。为什么这一次不同？三个理由，一个比一个硬。
第一是算术。一条假说从前是稀缺品，一位研究者一年也就能认真提出几条；现在它以每分钟数百条的速度生成，且质量不低于专家。稀缺品一旦不稀缺，围绕它设计的奖励就失去了对象——你不能给一件人人都有的东西发奖。
第二是结算的地方挪了。从前一项研究的价值在"谁先提出"这一格结算，引用、职位、资助都从这一格发出去；现在提出这一格谁都能占，价值只能往别处走——往"谁把它走完了、走完了怎么判"那一格走。账本还没改，钱已经不在原来那一栏了，这就是眼下评审现场混乱的原因：人人都觉得标准不对，又说不出该看什么。
第三是工具从条件变成了变量。显微镜是条件——所有人用的都差不多，比的是人；生成系统是变量——你用哪个、怎么用、给它什么材料，结果差别极大，而且每半年换一代。当工具本身成了实验设计里最不稳定的一项，"先找到"就不再能归功于找到的人。
三条并起来看：不是工具更强了，是它把"找到"这件事整个从人手里拿走了，而制度还在为这件事发奖。
死的是什么，没死的是什么
死的不是科研，不是好奇心，不是实验室，是一个位置："先找到"这个位置。
它为什么会死？因为机器把"找到"这件事做了，而且做的方式暴露了一件事：所谓"找到"，从来不是从什么地方把东西取回来。机器生成那三百条假说的时候，它做的是把已有文献的关系重新组合、变形、外推，把一个此前没有被写出来的陈述造出来。它不是在暗处发现了一颗躺在那里的珍珠；它是当场造了一颗。而那位博士生两年做的，说到底也是这件事——只是她自己不知道，她以为自己是找到的。机器让她看见了自己一直在做什么。
这就是本书的第一个主张，用最平实的话说：研究问题不是在文献空白里找到的，是被研究者做出来的。空白是事后才看得见的，是问题被做出来之后，回头一望，才发现那里原来空着。
这个说法听起来像哲学，但有一门实务早就按它办事了四十年。欧洲专利局审查一项发明有没有创造性，用的是"问题—解决进路"：审查员先找出最接近的现有技术，再根据申请与现有技术之间的差异及其技术效果，事后构造出一个"客观技术问题"。申请人自己在说明书里写的那个问题可以被推翻重述；构造出来的问题不得含有指向解法的任何提示，否则就是事后诸葛。也就是说，一个每天处理成千上万件申请的机构，早就把"问题是被构造出来的"做成了操作规程，而且规程里明写：问题必须在解法之后才能被正确地表述。科研制度在这一点上落后于专利局。
所以没死的是什么？是那件机器没做、也做不了的事：决定这三百条假说里哪一条值得花两年去走，走到什么程度算走完了，走错了谁认。这不是"检查机器的答案对不对"——那一层机器自己检查得比人好，而且它还是同一层的活。这是往上走一层。
最强的反方
本书必须正面回答一个反方，它有一流的科学期刊撑着。
"发现可以被算法加速"论说：既然文献里躺着无数没人做过的组合，就让模型去搜索——专门去找那些人类因为学科壁垒、思维惯性、社交网络而永远不会想到的方向；这样不但能加速发现，还能避开人类扎堆的热点。二〇二三年发表在一份行为科学期刊上的一项研究正是这么做的，并且报告了可观的效果。
这个反方对本书的一半是对的：问题空间确实可以被搜索，而且机器搜得比人远、比人偏——这正是本书第零层被占的证据之一。它错在另一半：它把问题空间当成一个已经在那里的空间去采样，采到的就是"新问题"。可专利局四十年的规程说的恰恰相反——一个问题在解法之后才能被正确表述，也就是说，那个空间不是先有再被采的，是被走出来的；采样得到的是候选，不是问题。本书的赌注在这里：如果算法推荐的研究方向，在五年内的实际立项与产出显著优于研究者自选的方向，本书的主张被证伪。
往上走的四级台阶
这本书把研究者的工作分成四层，一层一层往上看。
第零层：找答案、找空白。读文献，找缺口，提假说，做实验，验证。这一层已经被机器占了，而且占得更好。谁还把自己的价值放在这一层，谁的意义就随着这一层一起没了。这不是预言，是上一节的数据。
第一层：判断机器给出的假说对不对。很多人以为这是新的岗位——"人工智能时代的科研人员是审核员"。这一层正在死。机器的自检已经比人的审核更稳定，更重要的是，审核仍然是在同一个问题上打转，它没有生产任何新的东西。
第二层：判断哪些问题是可裁决的，什么算裁决完成。给你三百条假说，哪几条能在有限的资源里做出一个明确的、不管结果好坏都能被同行承认的结论？哪几条看起来新，其实做出来之后没有任何东西会因此改变？这一层的活是粗粒度的：不再管每一步实验怎么设计，管的是这一整套实验落在哪个框里、框与框之间差在哪里。机器给候选，机器排序，但"就这一条"由人定，机器不定——不是能力不够，是它不在这个位置上：它不需要为选错负责，所以它的"选"不是选。
回到那位博士生。她后来做的事是这样的：她把三百一十二条候选按一个问题重新分了组——不是按新颖度，是按"做完之后会有什么东西因此改变"。三百多条里有两百多条做完之后什么也不会变：它们只是把已知的关系换个材料再验一遍，结果无论正负，同行都不会调整任何一条既有结论。剩下几十条里，又有一半在她的实验室现有条件下做不出明确结论。最后剩下九条。她的那一条在里面，但她没有选它——她选了另一条，因为那一条一旦做出负结果，会推翻她导师十年前的一个假设，而正结果会把两个互不来往的小领域接起来。这个选择机器排不出来：它不知道她导师是谁，不知道那两个小领域之间的隔阂是人事造成的，也不需要在组会上为这个选择辩护。这就是第二层。
第三层：为本领域立下立项与评审的判据，并为结果认账。这一层的人不再回答"这个问题值不值得做"，而是回答"在我们这个领域，什么样的问题算值得做，这条判据由我签字，五年后若被证明错了，改判据的人是我"。这是研究者能站的最高一层，也是机器绝对到不了的一层，因为它需要一个有履历可被追问、有名声可被消耗、有下一轮资助可被收回的人。
在第二、三层上，机器是必要的：没有它把第零层穷尽，第二层根本不存在——你不可能在两条候选之间做出"粗粒度"的判断，只有面对三百条被穷尽的候选，判断才成为判断。人也是必要的：没有人签字，三百条候选就是三百条候选，一条也不会变成一个项目。缺一不可。这本书把研究者与机器在第二、三层上的这种搭配叫作联合研究单元，不叫"用工具"，因为在第零层机器确实是工具，而在第二层它是这个单元不可拆的一半。
一把尺：与最近命名的距离
主张说完了，得给一把尺，否则这本书就只是一篇劝人的文章。
本书提出的尺叫问题距离：一个研究问题在被提出的时候，它与既有文献里可检索到的最近的那个命名之间，隔了几步——每一步是靠什么走过来的：一个异常观测、一件新工具、一次实践里的失败、一场学科之间的冲突，四类来路各计一次。文献计量学里已有的"概念距离""新颖度得分"是它的近亲，区别在于本书不计距离本身，只计走过来的步数与每一步的来路。能被现有综述工具一次性生成的问题，距离记零。
取值材料是公开的：基金申请书摘要，加上该方向此前三年的综述。一次取值大约两周，不需要新实验。
有了尺，就可以写下这本书什么时候算错。如果在一个可以公开取值的样本里，问题距离为零的立项与距离在两步以上的立项，五年后的独立复现率没有显著差别，那么本书第三卷作废。这句话本书写在前言里，也会写在第五卷的开头。
还有一个更硬的检验，本书自己没有做，但把设计写出来了：给定同一批机器生成的假说，让三个组各自产出"可裁决问题清单加裁决设计"——第一组只有机器，第二组只有研究者且不给机器材料，第三组是联合研究单元。由第三方盲评可裁决率。本书的主张成立，当且仅当前两组都不如第三组。这个实验没有人做过，包括本书的作者。全书的尺都是设计与取法，没有一个是取过的值——这一点必须写在前面，免得读者以为后面几卷里有数据。
这把尺会怎样被做假
任何一把尺一旦被当作标准，它就会被优化。问题距离进了申请书的那一天，申请人就会开始"造距离"：把问题写得离最近的命名更远，把两步写成五步，把综述里已有的东西换个说法当新的。这是可以预见的，所以本书事先写了升级条款：距离不由申请人自报，由第三方事后重算；只计走过来的步，不计声称的距离；重算值与自报值的相关系数一旦超过零点九，说明这把尺已经被驯化，本书须重写尺子那一节。
写这一段不是谦虚。一本讨论"问题是被做出来的"的书，若自己立的尺被当成现成的标准去找、去凑，它就在自己身上重演了它要批评的事。
本书不做什么
本书让开三块地。
它不讨论大学制度的整体命运——那是另外的书的题目。它不讨论知识归属，不讨论"人机合作做出来的成果算谁的"——本丛书之外已有专书处理归属，本书只在第四卷提到署名时与它划界。它也不重推"发现还是发生"这个更大的问题，本书只在科研建制这一格上做事：谁拿钱、谁评审、谁署名、谁认账。
它也不讨论人工智能本身。本书对模型内部一无所知，也不需要知道；它只需要两组已经核过的数据：机器在提出端赢了，在走完端还没赢。
各卷概览
第一卷 列一张表：科研建制里历代被当作"发现物"的东西——优先权、文献空白、假说、方法——逐条写明它是被谁、在什么时候、用什么方式当场造出来过一次。这是本书最费力的一卷，也是最能被人挑错的一卷。
第二卷 是实证：上面两个斯坦福实验的完整读法，加上专利局四十年的规程，加上那篇被撤回的论文为什么会被引得那么广。
第三卷 写四级台阶与联合研究单元：第二、三层上的工作到底是什么，机器供什么、人供什么，缺一件会怎样。
第四卷 写制度：立项从"填补空白"改为"申报可裁决的问题"，申请书增设问题距离一栏，评审只问三件事——异常在哪、旧命名为何装不下、什么结果会推翻它。附可执行的申报模板与评审表。
第五卷 写尺与判据：问题距离的取法、三组对照实验的设计、作废条件。
第六卷 写这本书自己的死法：这把尺会怎样被做假，升级条款，以及下一本书该从哪里开始。
给读者的话
这本书是写给三种人的。第一种是那位博士生，她需要知道自己那两年没有白费——白费的只是"我先想到"那一部分，而那一部分本来就不该是她的意义所在。第二种是评审人和资助机构的人，他们手里握着优先权制度的开关，本书第四卷是为他们写的。第三种是正在设计"人工智能科研助手"的人，他们需要知道自己的产品在第零层是解放，在第二层是必要件，在第三层它帮不上任何忙。
作者对这本书的态度写在第五卷：它可能是错的，错的条件已经写明。若五年后有人拿着公开数据来告诉我问题距离与复现率无关，那一天它就没白写——它被一个可裁决的问题推翻，而那正是它主张的科研该有的样子。