Nature发文:基础科学创新速度放缓,已经进入「增量时代」
你在学习科技周边相关的知识吗?本文《Nature发文:基础科学创新速度放缓,已经进入「增量时代」》,主要介绍的内容就涉及到,如果你想提升自己的开发能力,就不要错过这篇文章,大家要知道编程理论基础和实战操作都是不可或缺的哦!
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。」

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。

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。」
本篇关于《Nature发文:基础科学创新速度放缓,已经进入「增量时代」》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于科技周边的相关知识,请关注golang学习网公众号!
qq浏览器怎么同步照片到手机?qq浏览器同步照片方法
- 上一篇
- qq浏览器怎么同步照片到手机?qq浏览器同步照片方法
- 下一篇
- 如何在 macOS 中使用任务控制
-
- 细腻的棒棒糖
- 受益颇多,一直没懂这个问题,但其实工作中常常有遇到...不过今天到这,看完之后很有帮助,总算是懂了,感谢大佬分享文章!
- 2023-05-21 17:02:00
-
- 冷傲的心情
- 这篇技术贴真及时,太详细了,写的不错,码住,关注老哥了!希望老哥能多写科技周边相关的文章。
- 2023-05-17 04:24:59
-
- 科技周边 · 人工智能 | 12小时前 |
- RAG 文档切片怎样决定 overlap
- 278浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 |
- ONNX 导出怎样声明动态 batch 和序列长度
- 131浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 |
- RAG 检索结果怎样设置召回和重排的 Top K
- 491浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 | LoRa PEFT merge_and_unload adapter unload disable_adapter delete_adapter
- PEFT 怎样卸载 adapter 并保留基础模型
- 485浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 |
- Accelerate mixed_precision 怎样选择 fp16 或 bf16
- 386浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 |
- Accelerate 怎样配置梯度累积
- 356浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 | skip take Hugging Face Datasets streaming IterableDataset shard
- IterableDataset 只有一个 shard 时怎么继续切分数据
- 441浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 | JSON split Hugging Face dataset Datasets
- Hugging Face Datasets 怎样从 JSON 加载数据集
- 266浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 |
- Transformers 生成文本怎样理解 past_key_values 缓存
- 370浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 | 人工智能 · 文本生成 Transformers Python线程 TextIteratorStreamer 流式生成
- Transformers TextIteratorStreamer 怎样流式读取生成结果
- 485浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 479次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 535次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 558次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 507次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 328次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览
