精选
笔者去年写过两篇博客文章，讨论自然科学基金的分阶段评审（① 漫谈基金分阶段评审——还要考虑些什么？、② 再谈自然基金的分阶段评审）。陆陆续续在网上也看了一些网友们关于这一方面内容的其他文章。现有评审方式有其优点，但总结起来可以看出也存在一些问题，比如信息暴露过早、专家判断能力被高估、申请书写法过于板结等问题。
最近我反复想国家自然科学基金分阶段评审中的一个问题，创新性作为科学研究的灵魂，评审人到底能在多大程度上判断项目的创新性。以及项目申请人在这样一个客观情况下，如何面对自己的科研活动的创新性抉择。这个问题看似技术性，背后却牵涉评审心理、科学发展和制度环境。以下只是一些未必成熟的整理，可能有不少偏颇，供大家讨论。这个问题也许并不容易回答。
基金评审中关于创新性的判断，评审人暗地里可能有一个心理设定，就是项目申请人未必可靠。这种设定未必被明确说出，却可能影响判断。申请人也未必意识不到评审人的谨慎。双方在制度环境中形成某种默契，使创新性评价不完全是纯粹的科学判断。
另一方面，科学发展的逐渐膨胀和扩大，使任何一个科学家在偏离开主要研究方向时，哪怕只偏离一点，他对科学发展前沿的判断也很难达到很好的程度。一个评审人对创新性的评价达到什么程度，才有可能对国家自然科学基金申报书的创新性有足够判断，这确实值得思考。这也是绝大多数申请人在基金申请工作选择上非常倾向于对微小创新赋予足够热情，而对极大创新具有足够恐惧的可能原因。这些心理未必都被意识到，可能是社会环境、社会规则和基金申请制度综合作用产生的潜意识反应。在申请人和评审人以及各种环境因素、制度因素的共同作用下，双方可能都在做一件小心翼翼的事情。大家在不触碰对方弱点的情况下，做出一个最符合当下环境因素和制度因素的决定。各方可能都在追求稳定和最终可行性。这种选择未必错误，却可能让真正较大的创新在评审中承受更多不确定性。
我可能有一个比较大胆的假设，评审人也许只具有评审项目的执行可行性的较强能力，而无法准确评审项目是否在本领域具有绝对创新性。换一种说法，如果一个项目的创新性让评审人去评价，他可能评价的正确率大约只有90%，而不会更高。如果一个创新性更强的项目，评审正确率可能还会降低，也许大约80%。这未必是评审人能力不足的问题，可能是一个客观现实。面对这个现实，有没有其他事物可以针对创新性评价给出更高正确率，值得认真考虑。
我们要思考什么是创新性，创新性的研究内容和其它科研内容之间是什么关系，它们之间最核心的差异性是什么。人类评审人是否很精准难判断这种差异性，这种差异性的来源是否就是判断创新的真正思维源泉。我的粗浅感觉是，真正评价创新性的源泉可能只有一个，那就是对其它既有科学工作和研究的完整理解和掌握。就这一点来说，几乎所有人类科学家个体都无法完成这个工作，他无法理解本领域以及相关领域的所有研究工作，所以让他去做创新性或者创新性价值判断，可能是难以胜任的。
在科学方面，我们也许要逐渐更加相信AI，而不是只相信一个个体的人。我认为一个完整的大模型系统可能是人类科学的综合概括、提升和全能力复现，这在以前几乎不可能实现。我有一个比方，假设把整个科学和人类科学技术比喻成一个完整的地球生态系统，那么大模型和人在这个系统里的关系或许可以这样理解。大语言模型就像我们脚下的地球，它包括地幔也包括高山峻岭。人类的最大优势是能够站在高山顶尖，挥起自己的能力去开拓更遥远的空间。我们并不是因为个体的人比地球更高更大更强，而是因为整体更大更强。这个比喻未必准确，却可能帮助我们理解AI与人的关系。
所以在前置的创新性或者科学性判断方面，我希望能够比较强地引入人工智能大模型的判断和初期定义，并且把这个判断和定义提供给科学工作者和评审人。因为我们也评审了太多项目，实际上在做科学判断时往往基于申请人的描述，很多时候可能很主观，也缺少足够的对应性反面常规研究例证性支撑。我们缺少的可能是足够判断力。我们也能判断，但确实缺少足够准确性。在这一方面，我相信人工智能大模型的准确性可能要比人类判断高很多。当然，后面紧接着这个环节，可能还需要增加人类专家的价值对齐性质判断，例如人类价值、科学价值和未来价值之间的对齐判断。这样的分阶段安排未必完美，却可能更稳妥。
我们不要害怕目前别的国家，例如美国，还没有采用这样一种让人工智能介入科学研究判断的做法。现在前沿的几个国家都已经走到很前沿的位置，谁先走出哪一步都不奇怪。我们也许要有勇气走出第一步，敢站在世界最前沿，让这种探索引领我们走向更好的科学研究，也让美国、日本、欧盟来参照我们的科研模式发展。这个想法可能还不成熟，但值得在分阶段评审中认真试验和讨论。
转载本文请联系原作者获取授权，同时请注明本文来自李剑超科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3244891-1559091.html?mobile=1
收藏
