蒲慕明院士：现在的研究生和导师普遍都没有真正理解科研的本质

点击上方“CVer”，选择加"星标"置顶

重磅干货，第一时间送达

本文转载自：科研大匠

9 月 24 日上午，「中国科学院哲学研究所揭牌仪式暨科学与哲学前沿问题研讨会」 在中国科学院大学玉泉路校区举行。揭牌仪式上，中科院院士、中科院脑科学与智能技术卓越创新中心（神经科学研究所）学术主任蒲慕明代表科学家发言。以下为发言内容。

中科院神经所的研究生每年都有博士生的论文研究进展报告，最近我参加了一个学生的报告。

这位学生很聪明、也特别努力，过去一年的工作是针对导师的一个假说所设计的两种不同的实验，得到的结果都不符合假说所预期的结果。

他说虽然一年的工作都失败了，仍不愿放弃，又提出了另一种实验，下几个月准备再继续努力，希望能证实这个假说。

如果还是失败的话，就准备换一个论文题目。这个学生的实验设计严谨，实验数据和结论也可信，报告时思路清晰，对这个假说充满信心。

在场的老师对这个学生都很满意，尤其是他的导师对他不怕失败的挫折，仍坚持努力工作尤其赞赏，也同意学生应该再努力做另一组实验，如果还是不能证实这一假说，就换一个论文题目。

这个小故事说明了一个科学界普遍的现象。

就是学生和导师都没有真正理解科学研究的本质，对假说和实验的意义没有正确的概念。

根据上世纪初 Karl Popper 对知识论和科学方法总结出的理论，也是目前科学哲学领域普遍接受的理论，假说存在的意义，不是为了给实验 「证实」 的，而是用来反驳的。

科学实验的目的不是为了证实（verify 或 prove）一个假说，而是寻找反证。

假说是一种猜想（conjecture），最好的实验结果是能反驳（refute）它，从 conjecture 到 refutation，就完成了科研重要的一环。

假说如果不能预测实验得到的结果，就需要进一步修正，提出一个能解释实验结果的新假说，这是对假说的重要反馈环节。

这种从假说到反驳到新假说的出现，是推动科学进展最有效的模式。

符合假说的结果不能说就是证实了假说，只能说结果支持了假说，假说可以继续存在。

事实上，假说是永远无法被证实的，因为是不可能对涵盖所有实验参数空间进行所有可能的实验。

这位学生的两组严谨的实验，没有得到假说预测的结果，应该认为是成功的而不是失败的实验。

如果第三组实验也得不到预期的成果，那是更好的结果。

他完全不应该换题目，而是去重新提出一个修正的假说，能解释他已获得的实验结果。

这个导师所提出的假说，是依据目前神经科学领域一般想法的假说，是目前流行的理论和研究范式（existing paradigm）的产物，如果实验结果说明假说所预测的不正确，就说明目前领域的想法是有问题的，是需要修正的。

一个重要的假说、理论框架和范式（paradigm）能统治一个领域多年，就是因为所预测的现象与许多实验结果符合，但是迟早总会发现有某些实验结果是不符合的，不符合的结果多了，就到了推翻或革新假说的时候。

这时如果又有人提出了一个革新的修正假说，就会在这个领域造成 Thomas Kuhn 所说的研究范式的革新（paradigm shift）。

教科书中的重要理论、概念和假说，随时间过程都会有大幅度修正，这反映的就是研究范式的革新。

我们都知道教科书中的假说，迟早都是会被修正的，可是我们不知道是哪些假说、在什么时候会被修正；能对这些修正过程有所贡献，是我们创新性基础研究的最高目标。

我们一般关注的创新，做新的实验，观察新现象，研发出新技术，都是基于目前领域已有的范式。我称之为前瞻式（prospective）创新。

但是还有另一种模式的创新，是现在很少人做的，我称之为 「回顾式（retrospective）」 创新。

这种创新不需要提出新的假说，设计新的实验，而是用新方法或新技术去重新检验那些支撑教科书的假说、前人曾发表过的主要实验结果。

这些假说可能是基于几十年前的实验结果所提出的。

当时的实验技术与现在相比可能落后得多，得到的实验数据也可能比较粗浅、甚至不可靠。但是因为这些假说都进了教科书，变成领域普遍接受的假说，也没有人再去检验它们的实验基础的可靠性。

现在你用新的方法去设计实验，重新检验它是否正确，虽然基本上只是用新方法重复别人的实验，我相信可能有一半的机会，得到的实验结果并不支持这个假说，很有可能对普遍接受的假说，重新提出质疑，如果是非常重要的假说，甚至造成领域内研究范式的革新。这种回顾式的研究和前瞻式的研究一样，都是属于创新的范畴。

科学的发展就是不断地修正已有的假说和理论。

前瞻式创新可能会获得新的实验结果，不符合现有范式，但需要实验者主动去设计一些有针对性、能获得反证的实验，对不符合假说的结果高度重视（而不是像我说的那位研究生认为实验失败而舍弃他的发现）。

回顾式的研究方式，是直接去重新验证已有假说的实验基础，直接去寻找假说的基础是否有破绽，是一种更直接地对现有假说的正面冲击，更可能造成研究范式的革新。

我强调回顾式创新，是我个人多年的亲身体验。

我的实验室在神经科学领域最重要的贡献，就是在二十余年前，我们针对教科书中统治了突触可塑性领域半个世纪的赫伯（Hebb）假说（脉冲相关性学习法则），使用新技术（在体神经元膜片钳记录）、设计了有针对性的实验去检验赫伯假说，而发现了有脉冲时序依赖性的突触可塑性，这个发现与同时期其他实验室的类似结果一起，造成了目前教科书中的新版 (有脉冲时序依赖性) 的突触学习法则。

重要的突破性（0 到 1）科研创新不是无中生有的，也不是发现了一个新现象，在一流期刊出了一篇好论文，而是在目前科学领域的基础上，对现有的理论和技术有大幅度革新（产生研究范式革新）；在符合现有领域的格局和范式之内的新发现和新技术，可以说是渐进式（1-100）的创新。

突破式创新的源头常是一些特别有新颖性的想法，这种想法的出现常常是逻辑范畴外（beyond logic）的遐想和灵感，或统称为想象力（imagination）或是创新力（creativity）。

想象力和创新力的本质和来源是值得研究的。这是一项需要结合哲学、心理学、神经科学、信息学、社会学，甚至艺术家和诗人的观点，需要多学科一起共同研讨的课题。

怎么下手呢？也许可以针对曾有过重大突破性创新的科学家们，进行大量的案例研究。

也就是科学家心路历程的研究；这不是 「科学史」 研究，而是 「科学家」 研究，探索这些科学家 「想象力」（创新思维）出现的环境和个人的家庭、教育、经历背景，尤其是创新思维出现的来龙去脉；也许可以从他们的个人回忆、自传和访问记录，理出一些规律。

我们要建设一个有创新活力的社会，需要对创新的本质、对科研环境和教育模式，系统性地进行研究，提出有说服力的论点和方案。

这也许是哲学所可以考虑的研究方向。

一位研究意识的哲学家 Daniel Dennett 曾说过一个故事：一位科学家和一位哲学家一起看魔术秀，一位女士站在一个箱子里，头伸出来讲话。

魔术师拿了一把刀把盒子从中间切成两半，这位女士还在说话。

科学家问哲学家这是怎么回事？哲学家说 「我认为魔术师并没有切断这位女士」。

科学家说 「我当然知道没有切断，我是问这个魔术是怎么做的？」，哲学家回答说 「哦，这与我无关（not my department）」。

这个故事的意思是说哲学家所关心的事与科学家完全不同，哲学家关心的问题经常与科学探索无关。

我们可以做个问卷调查，问科学家他们做科研的哲学基础是什么？哲学对你的科研探索有什么贡献？我们可以预期，绝大多数说不出什么哲学基础，也许有些人会模糊地说什么 「演绎法」、「归纳法」、「从归纳法探索自然现象的规律」 等等。

但是，从我开始讲的那个研究生和导师的故事来看，可以明确地说，如果他们对科学探索的本质、假说与实验的意义有深一层哲学性的认识，对他们的科研工作进展，甚至是否能有创新性的贡献都会有很大的影响。

所以，处在科学院内的哲学所，我认为应该聚焦 「科学的哲学」（philosophy of science），这是可以为科学界做出直接贡献的方向。

科学院的研究生教育，目前就很需要有 「科学方法论」 方面的课。

这不是像 「统计学方法」 那种教做科研所需的实际技术和方法，而是阐明科研探索的本质和途径。

希望我们未来的学生不再认为他们做实验的目标就只是为了 「证实」 某某假说。

版权声明

本文转载自中国科学报，仅用于学术分享。

下载1：动手学深度学习

在CVer公众号后台回复：动手学深度学习，即可下载547页《动手学深度学习》电子书和源码。该书是面向中文读者的能运行、可讨论的深度学习教科书，它将文字、公式、图像、代码和运行结果结合在一起。本书将全面介绍深度学习从模型构造到模型训练，以及它们在计算机视觉和自然语言处理中的应用。

下载2：CVPR /  ECCV 2020开源代码

在CVer公众号后台回复：CVPR2020，即可下载CVPR 2020代码开源的论文合集

在CVer公众号后台回复：ECCV2020，即可下载ECCV 2020代码开源的论文合集

重磅！CVer-论文写作与投稿交流群成立

扫码添加CVer助手，可申请加入CVer-论文写作与投稿 微信交流群，目前已满2300+人，旨在交流顶会（CVPR/ICCV/ECCV/NIPS/ICML/ICLR/AAAI等）、顶刊（IJCV/TPAMI/TIP等）、SCI、EI、中文核心等写作与投稿事宜。

同时也可申请加入CVer大群和细分方向技术群，细分方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch和TensorFlow等群。

一定要备注：研究方向+地点+学校/公司+昵称（如论文写作+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群

▲长按加微信群

▲长按关注CVer公众号

整理不易，请给CVer点赞和在看！