Nature发文:基础科学创新速度放缓,已经进入「增量时代」

人工智能 新闻
在过去的半个世纪里,能够「将一个领域推向全新方向」的研究比例急剧下降。

过去几十年里,全世界范围内科学技术研究论文发表的数量激增。但根据对论文与以前的文献的分析,科学家们发现,这些论文的「颠覆性」在急剧下降。

来自数百万份手稿的数据显示,与 20 世纪中期相比,21 世纪以来完成的研究更像是「逐步地」推动科学领域内的发展,而不是开拓一个新的方向并让以前的工作彻底过时。对 1976 年至 2010 年的专利分析显示了同样的趋势。

这份报告于 1 月 4 日发表在《自然》杂志上。美国明尼苏达大学的社会学家、分析报告的共同作者 Russell Funk 表示:「这些数据表明,某些东西正在发生变化,以前那种颠覆性发现的强度不再有了。」

引用量说明了什么?

尽管上个世纪见证了科学技术知识的空前扩张,人们开始担心创新活动正在放缓。与之前的工作相比,论文、专利甚至拨款申请都变得不那么具备新颖性,并且不太可能将不同的知识领域联系起来。此外,诺贝尔奖的发现年份与获得年份之间的差距也越来越大,这表明现在一些贡献的重要程度已无法与以往相匹敌。

这种创新的放缓需要严谨的分析解释。报告作者推断,如果一项研究具有高度的颠覆性,那么后续的研究将不太可能引用该研究的参考文献,而会引用该研究本身。

因此,研究人员通过分析 Web of Science (WoS) 中的 2500 万篇论文(1945-2010 年)和美国专利商标局 (USPTO) 专利视图数据库中的 390 万项专利(1976-2010 年)来理解创新差距的产生。WoS 数据包括 3.9 亿次引用、2500 万篇论文标题和 1300 万篇摘要;Patents View 数据包括 3500 万次引用、390 万个专利标题和 390 万个摘要。随后,他们在另外四个数据集(JSTOR、美国物理学会语料库、Microsoft Academic Graph 和 PubMed)上使用了同样的分析方法,其中包含 2000 万篇论文。

利用这 4500 万份论文手稿和 390 万项专利的引用数据,研究人员计算出了一个衡量颠覆性的指标,称为「CD index」,其数值从 - 1 到 1 分布,即从颠覆性最小的工作到颠覆性最大的工作。

从 1945 年到 2010 年,研究手稿的平均 CD index 下降了 90% 以上,而从 1980 年到 2010 年,专利的平均 CD index 下降了 78% 以上。在所有被分析的研究领域和专利类型中,颠覆性都在下降,即使考虑了诸如引文惯例等因素的潜在差异,结果也是如此。

语言习惯的变化

作者还分析了手稿中最常用的动词,并发现 20 世纪 50 年代的研究更有可能使用意味着创造或发现的词语,如「产生」或「确定」,而 2010 年代的研究则更有可能提到渐进式的进展,使用「改善」或「加强」等术语。

伊利诺伊州埃文斯顿西北大学的计算社会科学家 Dashun Wang 说:「这种现象能以如此细致的方式被记录下来,是很好的。他们以 100 种不同的方式观察了这个问题,我觉得总体上非常有说服力。」

图片

从论文和专利语言的变化中可以看出颠覆性科学技术的衰落。

同样在西北大学的计算社会科学家 Yian Yin 表示,其他研究表明,科学创新在最近几十年也有所放缓。但这项研究提供了一个「以数据驱动的方式研究科学如何变化的新起点」,他补充道。

Dashun Wang 说,颠覆性本身未必是好事,同时,增量科学也不一定是坏事。他还提到一种情况:例如,对引力波的首次直接观测,既是革命性的成果,也是增量科学的产物。

亚特兰大佐治亚理工学院的科技政策专家 John Walsh 说,理想的情况是增量和颠覆性研究的健康组合:「在一个我们关注研究结果有效性的世界里,有更多的复制和再生产可能是一件好事。」

是什么让创新放缓?

到底是什么导致了颠覆性的下降?

John Walsh 表示,了解这种剧烈变化的原因很重要,部分原因或许源于科学事业的变化。例如,现在的研究人员比 1940 年代多得多,这创造了一个更具竞争性的环境,提高了发表研究和寻求专利的风险。这反过来又改变了研究人员如何开展工作的动机。例如,大型研究团队变得更加普遍,而 Dashun Wang 和他的同事也发现,大型团队更有可能产生增量科学而不是颠覆性科学。

John Walsh 说,为这种下降趋势找到一个解释并不容易。尽管在 1945 年至 2010 年间,颠覆性研究的整体比例大幅下降,但高度颠覆性研究的数量却基本保持不变。

图片

数据显示,高度颠覆性研究的出现与创新速度的放缓并不矛盾。

与此同时,下降的速度也是令人费解的。CD index 从 1945 年到 1970 年急剧下降,然后从 20 世纪 90 年代末到 2010 年更明显地下降了。

他说:「无论对颠覆性的下降有什么解释,你都需要对它在 2000 年代趋于平稳做出解释。」

责任编辑:张燕妮 来源: 机器之心
相关推荐

2023-10-06 13:35:35

AI研究

2021-03-25 17:19:50

机器学习科学药物

2016-11-22 08:30:31

2018-12-06 13:08:30

数据科学家大数据数据科学

2023-01-06 08:27:08

Nature推特

2024-05-26 22:02:59

2023-05-08 15:09:49

AI开源

2012-02-06 09:34:19

AMD服务器处理器

2014-12-29 10:09:25

25G以太网PoE

2023-08-17 13:10:32

Nature超导

2016-07-06 11:32:49

软件 爆发

2015-12-02 14:45:01

IBMBluemix混合云

2019-10-10 15:14:35

人工智能机器学习技术

2024-07-24 12:45:06

2019-09-25 09:26:21

量子计算芯片技术

2023-10-19 08:33:04

论文Nature

2021-10-12 14:20:59

华为低碳

2015-12-28 16:57:50

一铭软件
点赞
收藏

51CTO技术栈公众号