注：本文为 "科学突破" 相关合辑。
略作重排，如有内容异常，请看原文。
伟大科学发现究竟出于偶然还是必然？
原创 编译 桨笃绘 世界科学 2024 年 11 月 4 日 21:05 上海
时间回到 20 世纪初，法国化学家 （兼 艺术家和设计师） 爱德华·本尼迪克特 （Edouard Benedictus） 某天在实验室里工作，中途不慎让一个烧瓶掉到地上------但事故中的烧瓶并未破碎飞散，虽然裂了，各部分却仍粘在一起。
本尼迪克特对此很感兴趣，深入研究后发现，烧瓶内有一种火棉胶溶液，溶剂蒸发后，留下一层薄膜沉积于玻璃表面，因此碎片能粘一起。化学家把东西放入柜子，并未意识到自己已经发明了防碎玻璃。后来汽车市场创造了一个已经找到答案的问题，这东西才又被拿出来。由此而言，似乎是先有发明再有需求，而非先求再做。
此类偶然发现让我们看到了创新的不可预测性，也引出了更大的话题：新发现、新发明是偶然所得、运气使然，还是以某种必然性的形式，等待着对的人让它发生？
回望历史，好像所有重大发现都有其必然性。只要理论和技术方面时机成熟，迟早会有人开创新天。
麻醉剂无论如何都要被发现，便利贴的发明人也可以是张三李四。查尔斯·达尔文和阿尔弗雷德·R.华莱士（Alfred R. Wallace）各自独立地、几乎同时地（后者比前者晚 15 年）提出了自然选择进化论。他们都依靠了类似的数据，例如阅读托马斯·R.马尔萨斯（Thomas R. Malthus）的作品以及观察岛屿上物种的分布等；双方理论有许多细微差别，但二人思想上的巧合着实令人惊叹。
这种现象在生物进化中也存在，被称为趋同：两个并不密切相关的物种演化发展出相似的功能适应性，例如蝙蝠和某些鸟类的回声定位。出现趋同进化的原因是环境对不同物种提出了相似的生存问题，或者说选择压力，例如在黑暗中飞行时怎样确定方向。
类似机制或可解释为什么科学研究也有趋同发展------不同研究团队面对相似选择压力，即相似的研究问题和解决问题所需的观测手段，并彼此竞争，提出解决方案。
如果具体分析达尔文和华莱士构建相似理论的过程，可以看到，实际上有些相当偶然性的因素促成了趋同结果，例如前文提到的，两人都在正确时间阅读了马尔萨斯的学说。同样的偶然性也促成了沃森和克里克的工作，曾与他们在同一实验室工作的晶体学家杰瑞·多诺霍（Jerry Donohue）用他对氢键的专业见解直接帮助两人修正了核苷酸碱基对模型并发现 DNA 双螺旋结构。这类"意外"并不少见，但总的来说，科学发现并非意外。
运气只是加速了必然的发生。所有科学家都站在前人肩膀上，客观上来说，科学需要累积。当然，在某些时刻，在特定情况下，那些名不见经传的科学家，能够看得更远些。当一项科学发现的意图性（intentionality）比其他工作更加可预测、可预期，这并不意味着个体的力量在其中不重要了，并不意味着那些天才、大师的杰出工作不值得"经典咏流传"。某些研究自带更大的必然性，会更加"包实现的"，但它们的实现仍取决于科学家个体或群体的知识，仍受偶然性的助力。（若没有旅行中出现的偶然机会，达尔文和华莱士最终能发现什么？）
没人知道，本尼迪克特意外收获的防碎玻璃------如果换到其他平行宇宙，可能以多少种不同方式出现。人总有事后做诸葛的倾向，容易把事前看似不紧要的因素拿到事后评价为意义重大，进而将偶然性认作已注定。当我们用自己灵巧的头脑把一系列巧合排列组合，并发现这些巧合使一个惊人结果成为可能，往往会立刻得出结论：有一种特殊的力量，是这一系列事件的原因。它不可能纯属巧合！
我们需要承认的一个现实是，一些籍籍无名的科学家能比巨人看得更远，更能开辟新的知识领域------这绝非巧合。可以这么说，巨人的思想更容易被既有知识束缚，局限于既有的习惯、研究问题和方法的框架中。
因此，老派学者更可能做出可预测的、通过积累与深思得来的发现------有时这些发现同样至关重要，但它们停留于已知事物的附近，因为发现者更不愿接纳意料之外。
那些名不见经传的科学家之所以能看更远，是因为他们会以某种方式摆脱，甚至略微背叛既有知识的束缚（或许是有意识的，更多则出于偶然）。他们有可能想象出另一片天地。
近期《世界科学》编辑部联合"魔都科学目录"采访了 2016 年诺贝尔化学奖得主司徒塔特（Fraser Stoddart），他对"伟大科学发现的偶然性"发表了自己的观点。也正因为这些伟大科学发现发生的偶然性，他还认为"相比应用研究，基础研究应该得到更多的重视"。
-本文作者特尔莫·皮耶瓦尼 （Telmo Pievani）是意大利帕多瓦大学生物系的全职教授，也是意大利首位生物科学哲学教授。他是知名的进化论者、科学传播者以及《晚邮报》（Corriere della Sera ）的专栏作家，著有《不完美》（Imperfection ）和《意外发现》（Serendipity）等多部著作。本文即改编自这两本书中的部分内容-
资料来源：
- Is discovery inevitable or serendipitous? - How humans evolved a starch-digesting superpower long before farming | Science | AAAS
https://www.science.org/content/article/how-humans-evolved-starch-digesting-superpower-long-farming
是运气吗？为什么不出名的科学家常有大发现
原创 武夷山 中国科学报 2024 年 11 月 22 日 19:30 北京
文 ｜ 武夷山
中国有句老话：有心栽花花不开，无心插柳柳成荫。这句话揭示了一个具有普遍意义的事实：在很多情况下，原初的设计和计划没有成功，偶然性的因素却带来了重要的、意想不到的作用。
9 月，美国麻省理工学院出版社出版了意大利帕多瓦大学生物系生物科学哲学家和遗传学家 Telmo Pievani（特尔莫·皮埃瓦尼）意大利文著作的英文版 Serendipity：The Unexpected in Science （本文作者译为"偶然发现：科学中意想不到的东西"）。译者为 Michael Gerard Kenyon。皮埃瓦尼于 2022 年出版的著作 Imperfection：A Natural History（关于不完美的自然史）曾上过畅销书榜，译者是同一个人。
人们往往在寻找一样东西时却不经意间找到了别的东西。这个寻找的对象可能是人生伴侣、工作岗位或是一个物件。科学家也会遇到这样的情况，比如设计了一个实验想验证某现象，却发现了意想不到的东西，而且是很重要的东西。
这一现象就叫 serendipity（偶然发现），这个词的词根是 serendip，是一个地名。据一则波斯寓言，三个王子从 serendip 出发去探索世界，一路上不断有偶然发现。在本书中，皮埃瓦尼讲述了关于科学中意想不到的发现的故事，以及偶然发现对于认识世界的重要作用。
有一些偶然发现的事例是大家耳熟能详的，如青霉素的发明；X 射线的发现；微波炉的发明；哥伦布意在寻找通往印度的航路，却意外"发现"了美洲（作者注：在此给"发现"两字加上引号，是因为美洲原住民反感这个说法，他们认为他们祖祖辈辈本来就生活于此，还需要发现吗？），等等。皮埃瓦尼正是通过"科学史上偶然发现的"故事，揭示出科学发现逻辑之深刻的侧面。
通过这些故事，皮埃瓦尼想强调，旨在认识自然、好奇心驱使的研究，而不是实际应用驱动的研究是非常重要的。他主张科学家应该悦纳"良性的无知"，坦率承认自身知识的局限，让怀疑来驱使指导自己的研究。
当然，除了这些耳熟能详的故事，作者讲述了对于多数读者来说的一些新东西，如"偶然发现"这个说法的考古溯源；偶然发现的分类；"偶然发现的生态"指的是促进偶然发现的环境条件和因素；关于偶然发现的理论，即对于偶然发现为何在许多学科中频繁发生的解释。
通过法国思想家伏尔泰的小说《查第格》、英国作家阿瑟·柯南·道尔的《福尔摩斯探案集》和其他故事，皮埃瓦尼告诉读者，那些伟大发现并非是纯粹好运气的产物。偶然发现来自诸般因素的共同作用，如机巧、好奇心、聪慧、想象力以及不经意间撞见的偶发事件等。
本书告诉我们，有很多东西是我们不知道的，也有很多东西是"我们不知道自己还不知道"的。作者提醒人们，人脑与人脑所探究的世界是一体的------这个世界比人类所掌握的知识要宏阔得多，而且人脑一直在世界中进化，不断适应世界。
以下是书中的两段话，让我们看看作者的观点。
不出名的科学家而不是科学巨人做到了看得更远，即开辟了新的科学方向，这一点绝非偶然。接着前面的隐喻，我们可以说，科学巨人的大脑被已有知识囚禁了，因此陷在既有习惯、研究问题和方法之框架中无法自拔。于是，保守者将更可能作出可预测的、稳健的发现，这些发现可能很重要，但它们停留在已知事物附近，因为保守者不太可能去倾听意料之外的事物。
不太著名的新科学家会看得更远，因为他们能够以这种或那种方式挣脱既有知识的锁链，甚至表现出对既有知识的些许反叛。于是，他们能够想象其他的世界。这说明，更可能做出偶然发现（就是说，这些发现是无规律的、意想不到的，甚至是颠覆性的）的将是带着有准备的头脑的创新者。把前面的论证颠倒一下：更可能发生的情况是，具有最重大影响力和规模的科学发现过去是、未来也是偶然的发现。
《中国科学报》 (2024-11-22 第 3 版 读书)
专访爱德华·威滕：我是个幸运的离经叛道者
原创 爱德华·威滕等 返朴 2025 年 7 月 7 日 08:03 北京
去年暑期，美国理论物理学家爱德华·威滕（Edward Witten）在北京出席 2024 国际基础科学大会（ICBS）时，获颁理论物理基础科学终身成就奖。作为当代最伟大的物理学家之一，威滕在弦论、量子场论、广义相对论等领域做出了开创性贡献。他的研究工作不仅对理论物理带来深刻影响，也极大促进了诸多重要的数学进展，为微分几何、代数几何、拓扑学在内的多个数学领域提供了丰富的原创性思想和方向性意见。
威滕的学术生涯始于布兰迪斯大学，最初他涉足的是历史学和语言学，后来转而对物理学产生了浓厚兴趣，前往普林斯顿大学深造，在戴维·格罗斯（2004 年诺贝尔物理学奖得主）的指导下，于 1976 年获得物理学博士学位。1990 年，威滕被授予菲尔兹奖，也是第一位获此殊荣的物理学家。英国数学家、菲尔兹奖得主迈克尔·阿蒂亚曾这样评价："他一次又一次将对物理的深刻理解出色地应用于新的、深奥的数学理论，令数学界为之惊叹。"
在 ICBS 2024 会议期间，清华大学副教授张其明、中国科学院大学助理教授王华嘉对威滕进行了专访。威滕嗓音极轻，语速极快，坦诚审慎的娓娓相谈之中，能看见岁月磨洗的灵感与遗憾，看见跨越世纪的漫长追索，看见层层天才光环褪去后，一个幸运的离经叛道者，和他的宇宙。
访谈由 ICBS 独家授权《返朴》整理、翻译。
受访 | 爱德华·威滕
采访 | 张其明、王华嘉
翻译 | 周舒义
张其明：首先，祝贺您获得基础科学终身成就奖。
Edward Witten：非常感谢。我感到非常荣幸，也有些意外。
何处潜藏新物理？
张其明：请允许我提第一个问题。在上个月（2024 年 6 月）举行的"弦论 2024"会议上，大栗博司（HirosiOoguri）和安迪·斯特罗明格（Andy Strominger）面向学界，征集有望在未来 10 年内得到解答的有趣问题。我们想听听您的看法------您认为弦论中有哪些最具吸引力的问题可能在未来十年内取得重大进展，甚至发生革命性突破？
Edward Witten：说实话，我当时没有提交问题，因为我感觉未来并不明晰，不太愿意贸然给出建议。既然你问了，我会说尽管我还没能以令自己完全满意的方式投入相关研究，但我觉得量子信息论与引力之间显现出的联系非常迷人。如果让我猜未来 10 年可能取得突破的方向，我可能会猜这个领域。
不过有时我也觉得，理解洛伦兹符号（Lorentz signature）共形场论非常重要。在弦论中，对于描述欧几里得符号或闵可夫斯基时空中与时间无关的经典解的幺正共形场论，我们理解得比较好。但物理毕竟是在洛伦兹符号下随时间演化的。对那些因时间耦合而变得非幺正的共形场论，我们所知甚少。我无法断言能预见那方面的进展，但对此抱有期待。
王华嘉：下一个问题，您能否简要阐述，目前对引力在量子层面的理解有哪些前沿？例如，最近有人利用冯·诺依曼代数（von Neumann algebra）在理解引力熵属性方面取得了进展。您如何看待这些进展与传统视角（例如弦论）之间的关系 ？
Edward Witten：自贝肯斯坦（Jacob Bekenstein）和霍金（Stephen Hawking）以来，引力与熵之间就始终存在着这种神秘的联系。在某种意义上------至少在某种层面上，爱因斯坦的理论描述的是物质的平均行为，而非其微观细节。或许更令人惊讶的是，爱因斯坦的理论似乎"知晓"量子力学的存在。这套纯粹的经典理论仿佛已经预见到自己有朝一日会被量子化，这非常耐人寻味。
当然，我希望能水落石出，可我无法想象答案会是什么。我梦想会有一个简洁的答案，就像从经典理论过渡到量子力学时，动量和位置不再对易那样。但我很难想象答案会以何种形式呈现。有时我觉得，我们应该找到某种新的半经典极限；有时我又觉得应该有一种方法来量子化大 N 极限下的理论（large N-theories），从而自然导出 II 型冯·诺依曼代数，而非那套希尔伯特空间的常规叙事。但坦率讲，对你的问题最诚实的回答恐怕是：我不知道。
王华嘉：那么与这一领域的历史发展相比，您是否看到最近的新进展正在展现一幅更宏大的图景？
Edward Witten：我认为这个方向确实与弦论的微观研究有些不同。当然，AdS/CFT 全息对偶对理解引力产生了非常重要的影响，而这源于对弦的微观描述。坦率地讲，最近几个月，我觉得自己在引力问题上拿不出可行的新点子，就一直在研究弦论中一个较为传统的问题------研究 AdS3 x S3 x S3 x S1 背景中的弦，试图弄清其对偶共形场论是什么。
张其明：下一个问题，当前实验所能达到的能量标度与高能理论研究前沿（例如弦论或广义的量子引力研究）能标之间的差距似乎越来越大。面对这样的差距，理论物理学家应该如何自我定位？
Edward Witten：毫无疑问，我们还不可能造出能标足以直接探测大统一理论（GUT）的加速器，但或许可以再建一台能量水平超越 LHC 的加速器。若能实现，那就有相当大的机会发现超对称粒子之类令人兴奋的事物。事实上，尼马·阿尔卡尼-哈米德（Nima Arkani-Hamed）等人曾指出，如果直接采纳精密电弱测量的结果，那么在超对称大统一理论（SUSY GUT）框架下，最佳拟合对应的超对称破缺尺度并非 TeV 量级，而更接近于 10 TeV-100 TeV。 因此如果有能力的话，探索这一可能性极其重要。
令我感到棘手的是，下一代高能实验的落地周期相当漫长。当然如果运气好的话，我们仍可能通过其他途径对基础物理窥见一斑。一个非常大胆，但我很感兴趣的猜测是，暗物质也许并非传统的非相对论冷暗物质，而是由波构成的------在弦论框架下，这可能指质量指数级小的极轻轴子。非弦论背景的研究者往往会觉得这个假说相当离奇，但在弦论语境下，我倒认为这很自然。确实有一些天体物理的迹象指向这一点，不过谁也说不准。
王华嘉：所以即便作为一种可能的弦论检验手段，它仍然是有意义的。
Edward Witten：嗯，如果我们幸运的话，也许能观测到所谓的弦轴子宇宙（string axiverse），其中存在质量指数级小的标量粒子。所谓标量只是指自旋为零。我无意区分标量和赝标量，因为宇称并非严格对称。
王华嘉：那么对于广义上的量子引力研究呢？既然无论以何种标准衡量，普朗克尺度在可见的未来都无法触及，您认为那些专门从事量子引力研究的研究者该如何自我定位？
Edward Witten：我们只能寄希望于，关于量子引力的某种一般性洞见能在别的方面产生有价值的启发。我也说不准。
王华嘉：下一个问题，目前有一种趋势：理论研究，特别是基础物理研究，与跨学科领域的交叉融合正变得日益紧密，例如凝聚态物理，还有您之前提到的信息论。
Edward Witten：确实如此。
王华嘉：事实上，此前看似互不相干的领域之间建立起意想不到的联系，当今许多新的发现都来自于此。您如何看待这一趋势对当前科学进步的意义？这是一种内在的必然现象吗？
Edward Witten：来自其他领域的想法被证明行之有效，这是非常有益且令人振奋的现象。至于你问题中"这究竟是新近才出现的趋势，还是过去也一直如此"，这一点我不能百分之百确定。
但无论如何，不管这个问题的答案是什么，近些年一个引人注目的现象是，混沌、遍历理论、量子信息理论......等等各种过去未曾进入弦论和量子引力研究视野的理论，如今都被发现与其紧密相关。
"要对自己的判断有信心"
张其明：纵观您的学术生涯，您攻克了理论物理领域的众多难题。能否举一个具体的例子，谈谈您在研究中遇到过的重大挑战或挫折，您是如何克服的，从中学到了什么，这段经历又如何影响并塑造了您后来的研究方式？
Edward Witten：我年轻的时候，有过好几次这样的经历：有些想法事后看来不错，但当时未能充分坚持下去。我对自己的想法不够重视，有些细节没有琢磨清楚，也没有投入足够精力。总而言之，犯错的方式千差万别，可以说我犯过所有能想到的错误。这曾让我颇为懊恼，但最终我接受了事实------做研究本来就是这样。
不过，在经历多次这样的教训之后，我开始对自己的判断多少更有信心了。这就是我对你问题的回答。换句话说，如果你想问我从早期经历中学到什么，以及后来发生了什么改变，那就是我吃了苦头才领悟到，如果对自己的判断更加自信，我就会做得更好。
张其明：能否具体描述其中一次经历？
Edward Witten：我有点不太愿意深入细节，因为有些经历牵涉到我失之交臂、但随后被其他人做出的工作。我更愿意谈论成功做到的事，而不是自己栽的跟头。不过我觉得，在 90 年代中期的第二次超弦革命期间，这些教训帮到了我，那时我已经认识到，如果对自己的判断更有信心，就能做得更好。所以那段时期我虽然还是错过了一些东西，但并非因为缺乏自信。
王华嘉：所以您是如何建立起这种自信的？
Edward Witten：坦白说，是通过惨痛的教训。有好几次，我的想法其实方向是正确的，却没有更进一步去深入探究。经历过几回这样的事情之后（吸取了教训）。
杰拉德·特·霍夫特（Gerard 't Hooft）也曾对自己的职业生涯做过类似评论，他举了一个对自己想法浅尝辄止的例子，并决心不再重蹈覆辙。
王华嘉：现在我们来谈谈您的成功经历。四十多年来，您一直是弦论和高能理论领域的领军人物。您在学术生涯中是如何选择研究方向的？有没有特定的准则或策略影响了您，指导着您的选择？
Edward Witten：很难给出一个放之四海而皆准的回答。我认为选择正确的研究方向是整个研究最困难的部分。你既要找到一个自己确实能取得进展的问题，同时它又足够有趣，能让你真正从中学到一些东西。要找到一个你既力所能及，又充满热情的课题，是非常困难的事情。
很难给出普适的准则，有时我只是恰巧运气好。以塞伯格-威滕理论（Seiberg-Witten theory）为例，当时塞伯格（Nathan Seiberg）已利用 N=1 超对称规范场论的全纯性（holomorphy），在理解超对称量子色动力学方面取得了进展。他鼓励我参与其中。我想塞伯格之所以觉得我会感兴趣，是因为他知道我曾研究过 N=2 理论与 4 维流形的唐纳森理论（Donaldson theory）的关联。当时，我相当怀疑 N=2 情形能对 4 维流形理论有所助益。事实证明这种怀疑是错的，不过那时我确实心存疑虑。我把这段经历视为自己走运的一个例子：我当时并未意识到我们所做工作的重大意义，说到底是塞伯格说服我加入进来。
溯洄从之
张其明：您能再分享一个选择正确研究方向的成功案例吗？
Edward Witten：接下来一年，关于弦对偶性的工作无疑是成功且令人满意的。不过当时已经有了很多苗头。比如我记得 1993 年在伯克利举行的弦论会议上，约翰·施瓦茨（John Schwarz）的兴奋程度是我多年未见，他当时正与阿肖克·森（Ashoke Sen）合作，研究混合弦（heterotic string）的低能有效作用量与超引力层面的对偶性。
那段时期有很多进展能提供线索。例如卡伦（Curtis Callan）、哈维（Jeffrey Harvey）和斯特罗明格（Andrew Strominger）在混合弦框架下关于瞬子（instantons）的工作，我记得他们称之为混合 5-膜（heterotic 5-branes）。再比如迈克·达夫（Mike Duff）、保罗·汤森德（Paul Townsend）等对膜（membranes）感兴趣的研究者陆续发表了一些有趣的论文，其中将膜作为弦论中真实存在的对象的想法，虽然不是百分之百令人信服，但十分有趣，引人瞩目。这些线索汇聚起来，逐渐将我引向了那个领域 。不过我不觉得自己在其中有什么特别的洞见。我的感觉是，在我投入研究之前，来自四面八方的线索就已经相当多了。至于我在几何朗兰兹纲领（Geometric Langlands program）方面的工作。如果你们感兴趣我可以谈谈，不过那就离物理有点远了。
张其明：好，请谈谈吧。
Edward Witten：大约是在 1977 年底或 1978 年初，我第一次去牛津访问，拜访迈克尔·阿蒂亚（Michael Atiyah）。几周时间里阿蒂亚和我断断续续地讨论了杨-米尔斯瞬子（Yang-Mills instantons）。然后他突然给我看了两篇论文，一篇作者是戈达德（Peter Goddard）、努伊茨（Jean Nuyts）、奥利弗（David Olive）；另一篇作者是奥利弗、蒙托宁（Claus Montonen），并说其中蕴含着非常深刻的东西。他告诉我，Goddard-Nuyts-Olive 对偶群（GNO dual group）与数论中的朗兰兹对偶群（Langlands dual group）是相同的。当时许多物理学家对朗兰兹或他的纲领闻所未闻，我也不例外。阿蒂亚强烈建议我去伦敦找奥利弗当面讨论这个问题。
迈克尔·阿蒂亚（1929--2019）｜来源：Trinity College Cambridge
于是我动身前往伦敦。等我抵达的时候------不知道你是否读过奥利弗-蒙托宁的那篇论文------他们研究的是一套通过希格斯三重态（Higgs triplet）自发破缺到U (1) 的SU(2) 规范理论。然后在经典层面上他们得到了一组漂亮的公式，能给出 W 玻色子、磁单极子、双荷子（dyon）以及理论中所有其他粒子的质量。他们想借这些公式来揭示一种对偶性，但有一点非常关键------他们将希格斯势（Higgs potential）设为零 。正因如此，抵达伦敦时我心里对这套想法非常怀疑。就我对量子场论的了解，在他们的非超对称理论中，"希格斯势为零"在量子力学层面其实并没有严格意义，因为这个势会通过重整化过程被推到无穷大。你可以讨论重整化后的希格斯势是多少，但直接说"裸希格斯势为零"没有严格的意义。
所以我当时持怀疑态度，但他们那套思路在超对称情形下就要合理得多。因为在 N=2 超对称中，希格斯势不再受到量子重整化的修正：虽然它不恒等于零，但在场空间的某些方向上确实是零，也就是说存在平坦方向（flat directions）。所以他们的想法在超对称下就更站得住脚。这促成了我和奥利弗合作的一篇论文，也许你们读过，文中我们证明了在超对称情形下，蒙托宁-奥利弗的质量公式是正确的，因为粒子处于短多重态（short multiplets），其质量由中心荷（central charges）决定。
直到很久以后，我在和塞伯格合作时才意识到，这里其实还有一个需要补充的细节。我刚才的论述对 N=4 完全成立。但在 N=2 的情形下，就必须考虑中心荷系数会被重整化的问题。这段工作是我涉足朗兰兹相关工作的开篇，但我当时得出了错误的结论------我以为无需蒙托宁和奥利弗那种激进的对偶性，也能解释他们的质量公式，于是便断言没有证据支持蒙托宁-奥利弗对偶，并且在之后的很多年里，我都没有再多去思考它。
我想有两个原因让我最终重新思考这个问题。一是出于另外一些原因，我们最终对蒙托宁-奥利弗对偶建立了信心。到了 90 年代中期，大家已经十分清楚：蒙托宁-奥利弗对偶对于 N=4 情形是正确的，当然这并不包括他们最初讨论的纯玻色子理论。另一个原因是，贝林森（Alexander Beilinson）和德林费尔德（Vladimir Drinfeld）构建了朗兰兹对应的几何版本，其涉及的都是在物理学中耳熟能详的元素。他们主要运用共形场论，但那些熟悉的元素看起来像是被随机打乱了一样，以一种非常陌生的方式出现。我发现这既诱人又极其令人沮丧。我想，如果有人用共形场论来阐述数学问题，作为物理学家我理应能够理解他们在做什么。但多年来我一直没弄明白，这时不时让我感到挫败。
后来，爱德华·弗伦克尔（Edward Frenkel）在研究所组织了一次会议，旨在向物理学家介绍几何朗兰兹纲领。会议安排了几场系列讲座，但大部分讲座我都没听出什么门道。这是因为，若要从零开始向一群物理学家讲解朗兰兹纲领，有限的几次讲座根本难以深入。虽然我当时对这个领域几乎一无所知，但也只能学到这些讲座覆盖的那点内容。
马克·戈尔斯基（Mark Goresky）试图从头开始向大家阐释朗兰兹纲领。我不知道在场的其他物理学家感受如何，但我刚才已经解释了我的反应。随后爱德华·弗伦克尔试图介绍贝林森和德林费尔德的工作。可在我听来，他就像是在描述日本将棋------或者在中国应该叫"象棋"？就好像把熟悉的象棋棋子在棋盘上乱摆一通，正如我刚才所说，共形场论中熟悉的元素被以一种陌生的方式运用。所以爱德华·弗伦克尔的几场讲座内容我之前听说过，但我知道自己并没有搞懂，也没能领会多少内容。然后还有一场独立于其他系列的讲座，由戴维·本-兹维（David Ben-Zvi）主讲，介绍了他所谓的朗兰兹纲领的近似。我想他谈论的"近似"是指希钦纤维丛（Hitchin fibration）的纤维上的 T 对偶（T-duality）。
但我后来意识到，本-兹维之所以将其称为"近似"，是因为他选择了错误的复结构。如果换到另一种复结构，这将是一个镜像对称（mirror symmetry），并且很可能对应的正是朗兰兹纲领本身。这成为我最终在该方向取得突破的起点------当然，最初是与卡普斯汀（Kapustin）合作，在后续工作中又先后和古科夫（Gukov）、盖奥托（Gaiotto）继续深入。这无疑是我酝酿时间最长的一个课题，它大致始于 1977 年或 1978 年我与阿蒂亚、奥利弗的讨论，直到 2006 年左右才得出较为圆满的结果。
也许我有点问一答十。我挑这段轶事来讲，是因为讲起来轻车熟路。
张其明：这确实是个漫长曲折的历程。
下一个问题，对于有志于理论物理，特别是弦论的青年科学家和学生，您有什么建议？您认为在这一领域取得成功，需要哪些关键的技能或思维模式？
Edward Witten：首先，我从年轻人那里收到一大堆电子邮件，都是问我这个问题。（笑）
张其明：正好借此机会统一回答。
Edward Witten：我一直不知道该如何回答他们，我唯一真正能给的建议就是，趁年轻的时候尽可能多地学习，并对各种机会保持开放心态，包括那些来自意想不到方向的想法。
张其明：就像您刚才和我们分享的那个故事一样。
Edward Witten：是指和阿蒂亚讨论朗兰兹纲领的故事？是的。希望年轻人的灵感能更快落地，不必像我那样花 28 年时间才有所结果。
幸运的离经叛道者
王华嘉：下一个问题，能分享一下您学生时代的经历吗？特别是，能否谈谈您与导师戴维·格罗斯（David Gross）的故事------无论是在您读研期间还是毕业后，这段关系对您的职业生涯产生了怎样的影响？
Edward Witten ：戴维是一位极富启发性的导师。我从他那里学到了许多。不过我想起的是这样一件往事，一个错失学习机会的故事。学生时代我有点固执，喜欢研究自己选定的问题。当时有个课题，戴维极力劝我参与，现在想来我本可以从中获取教益，但我没有去做。那是他和卡兰、库特（Nigel Coote）关于't Hooft 模型的一项研究。't Hooft 模型就是二维时空中的量子色动力学，其中夸克仍位于SU (N) 规范群的基本表示。我知道 't Hooft 模型这个名称所指不一，但人们确实如此称呼它。很遗憾当时没有参与那个项目，我本可以从中获益匪浅。虽然那项工作算不上特别大的突破，但我后悔的主要原因是，那原本会是一次很好的学习机会。
戴维·格罗斯丨来源：UC Santa Barbara
张其明：能否也谈谈您毕业后与戴维·格罗斯之间的故事？
Edward Witten：他在不同时期多次启发了我。戴维给我的另一个建议是要勤于计算，但我自认未能完全做到。我有点习惯于跳过中间步骤，有时会遗漏关键细节。若能更加细致、周全一点，可能会更好------这正是戴维建议中我未完全做到的部分。我总是告诫自己要更加严谨，不过改变习惯确实有点难。
张其明：能否具体说明一下您认为自己应该如何多去计算？
Edward Witten：就像我之前所说，学术生涯早期我曾好几次对自己的想法信心不足，没有把事情按应有的程度推进到底。回头看，我现在确实比过去更加相信自己的判断了，但有时仍然会"飘在空中"，而忽略那些需要脚踏实地才能发现的细节，这些被我忽视的细节有时其实相当重要。无数次我都告诫自己在这类事情上要更深入细致。但正如我刚才提到的，改变一个人的行事方式确实并不容易。
王华嘉：下一个问题可能有点例行，在您对理论物理的众多贡献中，您目前认为哪项贡献最为重要？为什么？这项工作对该领域产生了怎样的影响？
Edward Witten：我最满意的研究时期是 1994 和 1995 年，那时我和塞伯格合作提出了塞伯格对偶。此外还有一篇和瓦法（Vafa）合作的论文，从不同角度验证了 S-对偶。要知道，S-对偶（或者说蒙托宁--奥利弗对偶）直到那时才开始被学界接受，所以那篇论文也格外重要。接下来是弦论方面的工作------波尔钦斯基（Joseph Polchinski）发现 D-膜携带 Ramond-Ramond 电荷，由此促成了第二次超弦革命中对 D-膜的各种应用，等等。所以那无疑是我职业生涯中最令人满意的时期，大约就是 1994、1995 年开始的两年。如果在我剩余的科研生涯里还能再赶上一段那样的黄金时期就好了。
张其明：我们来谈谈与物理研究政策相关的问题。第一个问题是：在科研工作之外，您认为物理学家还能为社会做出哪些贡献？他们的专业知识和独特视角能够如何帮助解决更广泛的科学或社会挑战？
Edward Witten：我愿意相信，物理学家乃至所有科学家，可以跨越（有时甚至彼此敌对的）国界，在开展合作方面树立榜样。在中东，有个名为 SESAME（中东同步加速器光源实验科学与应用中心）的项目我一直很关注，参与方包括以色列、大约四五个阿拉伯和伊斯兰国家，还有巴勒斯坦。在 SESAME，来自不同国家的人们可以合作无间，即使这些国家的政府彼此水火不容。我一直把它视为给世界树立榜样的范例。现在的问题在于，科学家们通常希望能够在跨越各种文化和边界的国际合作方面做出表率，但这并不意味着社会的其他群体就一定会追随我们的脚步。我也认识到，我们说服同胞理性行事的能力有限。
王华嘉：在当前这一波去全球化浪潮中，我想科学界可能是最后一个努力抵抗的群体了。
Edward Witten：是的，我也希望如此。
王华嘉：这些年您多次访问中国。我们很好奇您对中国物理学，特别是理论物理学的发展有何看法？
Edward Witten：理论物理在中国的发展令人瞩目，我非常期待未来十年的发展。
王华嘉：在您看来，中国可以怎么做，未来才能在理论物理学领域发挥更重要的作用？
Edward Witten：就像我刚才说的，中国理论物理发展的势头给我留下了深刻印象，中国在实验领域也可能发挥主导作用。我听说中国在讨论建设新的超级对撞机，不过我不清楚它计划选址在哪里。你们知道目前讨论的地点是在哪里吗？
张其明：这个我不太清楚。
王华嘉：目前还没有确定。
Edward Witten：原来如此。
张其明：下一个问题，您认为能否通过某种自上而下的科学规划，来有效提升理论物理等基础研究的质量？如果不能，为什么？如果可以，可以在多大程度上提升，又有哪些关键因素？
Edward Witten：我不是政策制定者，回答这类问题的能力有限。理论物理的发展取决于年轻人是否对其充满热情，以及教授们能否帮助他们起步。希望这能成为一个自我维持的过程，不断发展。政府可以提供资金支持，但最终还是要靠物理学家自己。
张其明：再问一个问题，您早年成为理论物理学家的道路有些不同寻常。您曾对历史、语言学、经济学和政治都感兴趣并有所涉猎，是什么让您最终选择了物理？您觉得这些先前的经历对您作为物理学家的生涯产生了什么影响？
Edward Witten：我之所以最终选择物理，是因为我意识到那是我的天赋所在。换作其他大多数学科，我恐怕都会很挣扎。说实话，如果我一开始就读物理，事情会容易许多，本科阶段也能学到更多东西。回想自己读研究生的时候，我当然达到了一个研究生应有的物理水平，但我仍然觉得，如果能对这些领域再了解一些就好了------当某些看似与弦论或量子引力无关的领域后来变得相关时，这种感受尤为强烈。若不是绕了你提到的那些弯路，我的物理背景本可以更宽广一些，所以的确是我自己给自己增加了难度。
还有一点我想补充，即便在美国，我这条成长道路也已颇为困难；而在其他许多国家，这条路几乎是不可能的。因为首先，遗憾的是，世界上很多国家的科学教育非常薄弱，在那些国家年轻人的科学家之路要更加艰难。也有许多教育水平很好的国家，但往往要求你在相对年轻时就定下专业方向，像我这样疯狂的人生轨迹实际上不可能实现。这大致就是我的看法。
张其明：所以您认为好的教育体系应该让人们有机会自己做出选择，而不是迫使年轻人过早决定方向，对吗？
Edward Witten：我只是想说，是我自己给自己制造了困难，但我很幸运能生活在美国------在这里，走我这条弯路虽难，但并非完全不可能。我常常想，如果我成长在一个教育体系十分优秀、却更难"离经叛道"的国家，结果会怎样？这个问题没有答案，所以我们也不必深究。
王华嘉：您刚刚谈到了自己与朗兰兹纲领之间的故事。总体来说，您如何看待纯数学与理论物理之间的相互作用？
Edward Witten：我的感受随不同时期不断变化，所以很难准确回答。目前而言，我最感兴趣的是量子信息论和引力方面的研究。这和我之前说的有点矛盾------过去几个月我在做的研究其实更偏向于"将规范理论应用于 AdS/CFT"，这是一个完全不同的方向。但如果条件允许，我还是很想回到量子信息论和引力研究。因为我认为这个理论最有可能在未来十年取得突破。
王华嘉：您认为量子信息论能在多大程度上推动其他研究，例如弦论和量子引力？
Edward Witten：我也说不准。我倾向于认为其中有些部分过于细节化，未必能真正派上用场。但我一直梦想，也许我们仍缺失一条像量子力学创立之初"位置与动量不可对易"那样简洁的要义。天知道。我只能说，无法想象那个简洁的要义究竟是什么。看看大家发表的论文，确实都很精彩，但也往往不太容易跟上研究动态。或许其中就潜藏着某个尚未被我们捕捉到的朴素真理，我没有头绪。
张其明：非常感谢您接受这次采访。希望您在接下来的会议中过得愉快。
Edward Witten：非常感谢。我很享受与二位的交流，也祝你们在接下来的会议中一切顺利。
"科学家不应相信任何东西"，专访诺奖得主迈克尔·莱维特
原创 罗以 DeepTech 深科技 2025 年 11 月 20 日 20:25 北京
"优秀的科学家 99% 的时间都会犯错。"这句话出自 2013 年诺贝尔化学奖得主迈克尔·莱维特（Michael Levitt）教授。在这位投身科学界超过半个世纪，横跨计算化学、生物学乃至计算健康和 AI 领域的科学先驱看来，真正的科学精神内核不在于追求绝对正确，而是勇于试错。
图 | 诺贝尔奖官网对莱维特教授的简介（来源：诺贝尔奖官网）
莱维特教授因"为复杂化学系统创立多尺度模型"而获得诺奖，同时他也是一位拥有 60 年编程经验、如今依旧每天高强度使用所有主流 AI 模型的前沿技术拥护者。他与中国有着深厚的联系，对中国科技生态的观察亦十分敏锐。
在这篇深度对话中，莱维特教授以一种罕见的坦诚，将他毕生秉持的试错哲学与当下最火热的 AI 革命进行了碰撞。他直言，在 AI 时代，大语言模型的出现比 AlphaFold 更让他震撼，但也坦承 AI 目前仍不够好------"时而聪明，时而愚蠢"。
本文的核心精神，便是在这位智者"我不知道"的谦逊与"允许犯错"的智慧中展开。他探讨了 AI 的局限性、科学的偶然性、技术背后的哲学思辨，以及为什么在一个人人追求效率和完美的时代，我们反而更需要赋予年轻人失败的权利。
以下是我们与这位跨领域科学家的完整对话。为便于阅读，内容经过必要整理，但最大程度保留了他的原始论述与思维脉络。
图 | 迈克尔·莱维特（Michael Levitt）（来源：https://www.nobelprize.org/prizes/chemistry/2013/levitt/facts/）
谈与中国结缘：第二任妻子曾在北大教书，二人多次来华
DeepTech：我注意到您曾多次到访中国，参与过很多活动，您这次中国之行的感受如何？
Michael Levitt：感受很棒。8 年前，与我结婚近 50 年的第一任妻子中风去世。半年后我偶然遇见了现在的伴侣 Shoshan，她在北京大学教了 5 年书，与中国有很深的联系。认识她之前我曾来过中国一两次，因为她的影响我来得更频繁了。
之后我们多次一起过来，我也在这里建立了不少联系。我非常喜欢在中国生活，虽然我认识的中文不多。我认为在中国真正关键的是会用手机，但我对计算机（之类的电子产品）很熟悉，所以适应得很快，生活完全没障碍。
疫情前，我们每年会在中国待三四个月，疫情期间有一半时间也在这里。这次行程和以往差不多，我们已经在中国待了将近六周。我在这里主要做咨询工作，合作对象包括复旦大学和浙江大学，也会到处做演讲。
我拿过诺贝尔奖，成为了所谓的"有名气的科学家"，因此除了自己的研究工作，我觉得自己还有义务向年轻人展示科学的魅力。虽然我的背景是计算化学和计算生物，现在反而更多在做计算健康。
每次来中国都会再次感受到这里的不可预期。我常开玩笑说，在中国开会，议程通常在会后两天才真正明确。最开始我会因为不知道接下来会发生什么而紧张，但现在我完全接受并享受这种不确定性，通常结果都不错。中国人在临场应变和最后时刻把事情做成方面确实很强。
我的本职工作仍在斯坦福，是全职科学家，在中国是访问和咨询的角色。我出生于南非，在英国剑桥大学工作过，也在以色列和美国工作过。现在我和中国的一些机构保持联系，这些经历塑造了我的跨国理解框架。
另外我想强调的是，我在 2022 年 11 月 ChatGPT 3.5 发布后就开始深入研究 AI，几乎每天都在用所有主流模型，不局限于一个引擎。这样持续、高强度使用 AI 的人并不多。而且我现在仍在写代码，已经写了 60 年代码了，这让我看待问题能够拥有较为长期的技术视角。
图 | 2023 年 9 月 9 日，诺奖获得者迈克尔·莱维特（Michael Levitt，左四）及夫人肖珊•布罗施•莱维特（Shoshan Brosh-Levitt，左五）来到福建师范大学参观交流（来源：https://life.fjnu.edu.cn/9e/ad/c9671a368301/page.htm）
DeepTech：您已经接触过中国的科技产业生态系统，与西方国家相比，您如何看待中国在科学和 AI 领域的发展？
Michael Levitt：我一直都有一个习惯，那就是不轻易做对比。别人问我 A 和 B 哪个更好，我的回答永远是：A 加 B 比 A 或 B 更好。我倡导包容，而不是对立。
在科研和技术上，中国算是比较新的力量。现代意义上的中国科技发展真正起步、真正系统性的投入也就几十年。过去一年，我看到中国对生物技术的关注度大幅提升，这在某种意义上是意外的，因为生物技术十分复杂。中国把重点放在人类健康上，这是新变化，我非常赞赏。这应该是人类最容易达成共识的一点：没有什么比人类福祉更重要。
至于 AI 技术，在 DeepSeek 出现之前，中国用户要真正地接触到高质量大模型其实很不容易。我非常高兴看到 DeepSeek 横空出世，它是一个重要转折。因为我自己可以接触到所有大模型，所以我深知能否使用 AI 工具对科研和创新意味着什么。DeepSeek 的出现让中国用户能真正接触并利用先进 AI，而且现在已经被广泛使用，这是非常好的事。我也很高兴看到中国进入这个赛道，与硅谷竞争。
在科学方面中国仍在学习。但从各种引用指数和出版趋势来看，中国的科学产出正在快速上升，这是一件好事。
我常强调一点，真正优秀的科学往往由年轻人完成，但获得认可却要等到很多年之后。因此优秀科学的"被看见"与"被认可"之间总存在长长的滞后。我是 2013 年获得的诺贝尔奖，而对应的研究是在 1960 年代末到 70 年代初完成的，中间隔了 45 年。
谈自己得诺奖和最新诺奖得主
DeepTech：2013 年诺贝尔化学奖表彰了您和其他两位科学家"为复杂化学系统创立了多尺度模型"，这项工作在过去 10 多年有什么新进展吗？
Michael Levitt：我想先把这项工作的重点讲清楚。1960 年代末，我很幸运参与了最早的一批蛋白质和 DNA 的计算研究。这些都是生命分子的基础，它们由一连串原子构成，但本质上可以看作由许多"小分子模块"组成。那时我研究的是小分子之间的相互作用力，后来意识到自己写的小分子计算程序，只要稍作修改就能直接用于大分子。
我应该是第一个把蛋白质"放进电脑里"并从能量学角度去研究它的人。任何系统要研究运动、变化，都需要一个能量函数，也就是在任意原子排列下系统的能量是多少。当时我们建立了最早的能量函数体系，这套方法后来引出了许多重要突破。
生命之所以迷人，就在于它依赖这些长链分子发挥功能：一种是像文字一样储存信息的 DNA；另一种是蛋白质，能折叠成极其精确的三维结构。人体大概有 25,000 种不同的折叠形状。这些蛋白质以不同方式组合，形成机器、结构，像乐高积木一样构成人体，只是每个"乐高块"都是由一根分子链折叠出来的。尺度小于 1 纳米，精确度远高于任何芯片。
60 年来，结构生物学不断累积数据。我刚做蛋白质研究那会，全世界只有两个结构。今天已超过几十万，是靠无数科学家的艰苦工作取得的成果。相关成果带来了许多诺贝尔奖。
如今的 DeepMind AlphaFold，是把几十年所有结构知识集中起来的一次整合。2024 年获得诺奖的德米斯·哈萨比斯（Demis Hassabis）和约翰·江珀（John Jumper）带领团队把所有结构数据库、各类方法论和前人提出的能量函数思路，全部汇聚进一个 AI 系统里。这个系统可以基于序列家族给出可信的结构预测。它其实是我在过去推进的那条研究路线的某种终点，能走到这一步令人惊叹，也常被视为 AI 在科学领域的第一次真正意义上的重大应用。
AlphaFold 并不是凭空创新，而是在一个成熟框架上，用 AI 让规模、方法和数据量都扩大了几个量级，同时在网络结构、注意力机制、Transformer 的设计上有关键突破。这些都是在大模型出现之前实现的真正开创性工作。
从计算能力的角度看，我自己做过一些比较。现在一部普通智能手机的算力，其实相当于 1997 年全球最强的超级计算机。而我开始做研究的时间比那还要早二十年，那时候的计算机算力大概又比 1997 年弱上很多倍。
这种巨量算力带来的变化直接推动了 AI 的质变。AI 读完一千本书仍然很笨，但读到一百万本它就会变聪明。我们在科学中不断遇到这种阈值，当数据量积累到足够大时，不只是性能变好，而是直接从"做不到"跳跃到"能做到"。这是理解 AI 与现代科学的关键点。
图 | 2013 年诺贝尔化学奖颁布场景（来源：https://digitalpaper.stdaily.com/http_www.kjrb.com/kjwzb/html/2013-10/17/content_231307.htm?div=-1）
DeepTech：您对 2025 年诺贝尔化学奖有什么看法？
Michael Levitt：诺贝尔奖总能够吸引所有人的注意，也同样会吸引其他诺贝尔奖得主的关注。今年的化学奖非常令人印象深刻。我其实两年前在上海见过奥马尔·M·亚吉（Omar M. Yaghi）。虽然我不是化学家，但他给我留下了深刻的印象，尤其是他在研究中对 AI 的使用。因此听到他获奖，我真的很高兴。
化学家们在设计新材料方面越来越强，他们正在做的事情让我觉得非常有趣。他们不再从原子层面出发，而是从"组件"的角度来思考------我们已经能造出 A、B、C、D 这些基础组件，然后通过聪明的组合方式把它们搭建起来。这些组件能够以不同方式连接，从而产生完全新的结构。
我认为金属有机框架（MOF，Metal-Organic Framework）的关键，在于把金属和有机分子结合起来。有机分子会把金属原子彼此"撑开"。最常用的有机结构往往是六元环，比如苯环由六个碳原子构成的平面环状结构。这个环可以在两端与金属结合，因为它是一个薄而平的结构，就像放入一片薄板，把金属原子推得更远，从而形成孔洞。
正是这些孔洞，使得这种材料拥有极其巨大的比表面积，因为材料内部充满微孔，小分子可以进入其中。这类材料因此具有重要的性质，就像海绵或泡沫因为内部结构而具备独特的宏观性能一样。
在化学领域，我们将看到 AI 带来的巨大进展。化学本质上是组合科学，原子的组合、分子的组合、片段的组合。组合空间增长得非常快。如果你有 20 个组件，任意取 3 个排列组合，就产生超过 6,000 种可能的组合。取 5 个，就会超过 100 万种。
AI 能够探索这些庞大的空间。而且如今人们已经在建立自动化实验室，由机器人来执行化学实验。机器人一天能完成的实验数量是人的一千倍，它们特别擅长系统化地进行混合与试验。我相信在这个方向，我们会看到令人难以置信的突破。
谈 AI：AI 知道答案，你要做的是找到正确的问题
DeepTech：所以您看到的科技进步更多的是飞跃式的、变革式的，而非一点点渐进的？
Michael Levitt：对我来说，AlphaFold 当然令人印象深刻。而大语言模型哪怕只是 ChatGPT 3.5 的语言能力，都完全超出了我的预期。它真正震撼了我，我完全无法相信，一台机器突然能够在语言上几乎通过图灵测试，而且之后只会变得越来越强。
所有这些进展完全是意料之外的，它们的意义在于：一个小小的芯片现在可以听懂人。它们还不能真正"说话"，但后续的影响还没完全显现。我相信有一天，我们可以跟任何设备对话，都能得到回应。
整个发展完全出乎意料，就像 DeepSeek 在中国的出现一样。科学的世界里，充满这种意想不到的跃迁。
DeepTech：您觉得 AI 会遇到哪些瓶颈或局限性，甚至发展到无法继续前进的地步？
Michael Levitt：我不知道。现在的情况是，AI 有时非常聪明，有时又愚蠢到难以理解，而且你常常无法提前判断。我一直用它写代码。有时候，它一次就能写出一段很复杂的代码，而且能正常运行，但有时候它会被一个很低级的 bug 卡住，怎么都找不到问题。所以现在的情况是，它的表现不够稳定。
另外，人类在做事情时，总是在试错。AI 也需要具备这种自己尝试的能力。但现在我经常感觉是我在替 AI 工作，而不是 AI 在替我工作。AI 应该变得能够自己说："我先试方案一，我会测试它；两小时后我告诉你成不成。不成功的话我再继续尝试。"我认为未来我们会先在这一点上看到突破。
AI 写代码确实在进步，但我没法完全依赖一个模型，Claude、Gemini、ChatGPT 和 DeepSeek 我都在用，整个过程就像在和团队合作。所以我们需要的是，AI 引擎能自动完成这种多方讨论，你只需要说一句"请你们讨论，最后给我一个讨论后的最终答案"。
还有一个我在所有事情上都坚持的原则：科学家不相信任何东西。这听起来可能有些奇怪，但科学家的基本假设是"一切都是错的"。因为实验结果常常会误导你，常常是不准确的。所以我们认为所有东西都是错的，直到有了确凿的确认。
我觉得这是一种非常有益的态度，适用于所有事情。
至于未来可能遇到的瓶颈，未来总是充满未知。很多人和我聊起 AGI，但对我来说 AGI 仍然是一件非常模糊、没有定论的事情。
当然，如今的 AI 有时确实像我在斯坦福最优秀的研究生一样聪明，但有时它又会特别愚蠢。不过，我的学生也会犯蠢，我自己更是常常犯错。科学家出错是很正常的，甚至某种意义上，好的科学家就应该经常出错。如果你从不出错，说明你没有在挑战真正困难的问题。而只有在处理那些足够难的问题时，你才会从错误中学习。我相信未来的 AI 也应该具备这种"从错误中成长"的能力。
展望未来，我最期待的是 AI 真正进入现实世界。有一天，我们会看到由 AI 控制的机器人替我们完成实际任务。现在的 AI 世界主要还是互联网，它对真实世界的理解只来自网上的信息，但这种状况终将发生改变。至于会怎样发展，我们还得继续观察。
DeepTech：你相信我们总有一天会实现这一点吗？
Michael Levitt：我也不确定。我常对别人说：无论 AI 多聪明，人类加上 AI 总是更聪明的。真正的力量来自多样性。这一点在生物学中体现得极其明显。
我认为 AI 也是同样的道理，我们需要多样性。我相信 AI 最终也会认识到这一点：有些事情是人类特别擅长的，而 AI 不一定做得好；反过来亦然。所以对我来说，共生协作至关重要。
我对 AI 的看法有点像我们与智能手机的关系。相比于 1997 年世界上最强大的计算机，现在的手机就有那样的能力，而且几乎人人都能拥有，这是非常惊人的。一个不用智能手机的人远不如一个使用智能手机的人聪明，而一个拥有更聪明手机的人会变得更聪明。
所以我始终认为，未来依然是关于"我们"的。我们都会变得更聪明，虽然我们的基因没有进化，我们的先天智商也没有变高，可是我们的"文化智力"（cultural intelligence）、我们的"群体智力"（community intelligence），也就是我所说的 CI，却让我们变得异常聪明。
从最早的语言、倾听长辈的经验、记住故事，到文字、互联网、智能手机，这些东西不断扩展着我们的认知能力。现在，世界上 80% 的人能够接触到几乎所有的书籍，这是过去完全无法想象的事情。
但我们适应了这种变化，并且在其中繁荣发展。无论是儿童死亡率、极端贫困人口比例、营养状况还是整体生活质量，世界都比以往任何时候都好。而与此同时，我们也在变得更聪明。
因此，我认为我们可以借此对未来做一些推测，但同时必须承认，未来本质上是不可预知的。很多人担心 AI 会带来生存威胁，但我更担心那些我们已经知道、真实存在的生存威胁，比如火山喷发、核武器、大型陨石撞击地球等等。
这些才是真正的生存威胁。至于 AI，我不知道。我觉得科学中一个非常重要的词就是"我不知道"，因为有太多事情是我们不知道的，保持这种谦逊非常重要。
DeepTech：那么您认为 AI 将在未来 5-10 年内对生物和化学的发展产生什么影响？
Michael Levitt：我并不能完全确定未来会怎样，但我相信这场影响会非常深远。回想我的一生，我们经历过好几次真正的技术革命。最早是计算机革命，然后是个人电脑的普及，后来出现了互联网革命，而后又是智能手机革命。现在，我认为 AI 又是一场新的革命，只是要判断它最终会扮演什么角色依然很难。然而某种意义上，AI 的潜力甚至可能超过之前所有的技术变革，因为它让一个小小的芯片变得"足够聪明"，能够和你进行真正的交流。
举个例子，我看到你的采访提纲里的有关有机金属化合物的问题，我就去问了 AI，只用了五分钟我就得到了所有想知道的内容。不是它把答案塞给我，而是我基于它提供的信息不断追问，再结合自己的理解，把答案引向我想要的方向。这样的交互方式已经完全改变了获取知识的方式。
我认为 AI 的影响绝不仅限于结构生物学或化学建模，它会深刻改变教育、医疗、外交、政府运作，以及心理学、精神医学等领域。AI 最有趣的地方之一，是它让这些专业意见以一种近乎免费的方式变得触手可及，过去你可能得花很多钱请专家才能得到同样的建议。
比如说，你拿到一份法律文件，想知道有没有问题。AI 当然不会 100% 正确，但它确实能帮你指出潜在风险。如果你不满意 DeepSeek 的回答，你可以换成 Kimi 再问一遍，如果还不满意，那就去问 Gemini。这种多重视角的即时获得，在过去是不可想象的。
现在，人们可以用一种惊人的方式学习任何领域的知识。正因如此，我认为 AI 对各个领域都会产生影响。它之所以具有变革性，是因为它的适用范围极其广泛，几乎什么问题都能回答。
我曾在我的一页幻灯片上写着："AI 知道答案，你要做的是找到正确的问题。"下一行是："保持八岁孩童的好奇，和八十岁老人的智慧。"八岁的孩子总在问问题，我们也要变得像他们一样。
DeepTech：AI 的应用总是会伴随着黑盒决策和可解释性的顾虑，您如何看待这种顾虑？
Michael Levitt：人们常讨论可解释性，但可解释性本身也可能是一种幻觉。我经常举一个例子：液态水。水是最简单的系统之一，我们都知道水分子是 H₂O，一个氧原子，带着两个氢原子，像一个 V 字形。
可当你把大量这样的水分子放在一起时，它们竟然表现出非常复杂的性质，比如冰会浮在水面上，水的热性质也非常奇特。和其他液体相比，水其实是很复杂的。
人们试图解释这些性质已经很久了，也提出过许多理论。问题是，这些工作并没有真正"解释"水。它只是告诉我们，通过数学和模拟，我们可以得到这些性质，但为什么会这样，我们依然说不清。
几周前，我问 ChatGPT 能不能解释一下为什么水会有一些特性？最后它给出的答案仍然是那套理由：V 字形、氢键网络、张力。都是一些很模糊的解释。
有些事物就是复杂的，而真正复杂的现象往往很难解释。
我非常喜欢《三体》这本书，里面有很多启发性的内容。在《三体》里，描述了三体运动的物理本质，而三体问题的理论几乎都是由庞加莱在 19 世纪奠定的。它告诉我们，即使物理定律是精确的，系统也会出现不确定性。我们常把"不确定性"归因于量子力学，但其实在量子力学出现之前，仅仅因为数学结构本身的性质，三体系统就已经出现了这种不确定性。
在某种意义上，我们现在正处在一种需要"思考三体式问题"的时代。眼下很多事情发展得非常快，世界看起来比过去更混乱，但问题是：我们究竟应该如何应对混乱？也许对付混乱的方式本身就需要某种"混乱"。
如果你期待用完全有序、线性的方式处理混乱，那往往是行不通的。我们习惯的很多治理与决策框架，前提都是事物是"可预测的"。可在真正的混乱面前，也许制造一点不可预测性反而是策略之一。
我前阵子去上海参加一个会议，由世界顶尖科学家协会（World Laureate Association）组织的。会上有人提出，今天的软件已经复杂到连现有的代码里都藏着大量无法预见的漏洞。演讲者是牛津大学的一位年轻学者，阿米尔·戈哈尔沙迪（Amir Goharshady）。他展示了当下有多少代码本质上是"不可解释"的，不仅人类写的代码如此，由 AI 生成的代码在解释性上也同样成问题。
而这些软件错误造成的损失已经达到数万亿美元的规模。这是一个非常惊人的数字，大概和材料失效造成的损失相当。软件失效已经是一个严重的问题，所以未来我们必须认真去思考可解释性，也必须思考责任归属。
DeepTech：对 AI 的监管和规范，您有什么想法？
Michael Levitt：最近我一直在想一个场景：假设未来有越来越多的智能机器人在替我们做事，那么机器人要不要交税？如果机器人能创造价值、能赚钱，那它当然也应该纳税。那么问题来了，它们如何被识别？
我觉得未来我们必须给一切东西建立身份标识。软件需要有自己的 ID，公司需要有 ID，每一张照片也需要有 ID。现在所有东西都在被复制，我们希望知道原始版本是什么、是谁拍的、是哪个系统生成的。所以我相信，我们最终会需要一种"全链路 ID"体系，能标注每一个内容、每一个模型、每一段软件，甚至生成它们的硬件。
有人认为这样的 ID 是个坏主意，因为它会让所有东西都变得可追踪，失去隐私。我觉得确实有道理，所以我们必须在隐私与身份标识之间找到平衡。
这其实不是一个技术问题，而是一个哲学问题。我认为哲学今后会变得非常重要。各种悖论、各种哲学概念都会重新变得关键。我们正学着用从未有过的方式去理解世界、处理问题，这一点前所未有。
我觉得各国政府必须认真思考，在全球化企业的时代，我们该如何应对。很多问题不仅仅是科学问题，而是跨越法律、经济、社会的复杂议题。
举个例子，中国人坐火车时要刷身份证或护照，你的行踪都能查到。对于没有习惯使用身份证的西方人来说，这可能很难理解。但另一方面，正因为有严格的身份体系，中国的犯罪率非常低。生活在几乎没有犯罪的环境中，会让人觉得很安全。
这里涉及到隐私和安全之间的平衡，自由和责任之间的平衡。这些问题非常深奥，不可能用一个原则就解决。我觉得一些在西方非常重要的制度比如民主依然非常关键，但民主本身并不足够，还需要配合其他机制才能真正发挥作用。
在现实中，有些人可以通过向立法机构捐款获得远比他人更多的影响力。这还是民主吗？形式上是，但它真的总是最公平的吗？我认为并非如此。我们必须认真思考这些问题，因为我们正在构建一个新世界。
谈做科研：年长的科学家必须主动把年轻人推到前面
DeepTech：您刚才提到了科学家总是会犯错，您在以前的采访中也说过："优秀的科学家 90% 的时间都会犯错，而真正优秀的科学家 99% 的时间都会犯错。"我们应该如何理解这句话？它对您的工作有何影响？
Michael Levitt：犯错是一个非常有意思的话题。我仍记得自己刚获得诺贝尔奖的那段时间。我经历了许多事，不断的采访、媒体邀约、各种活动，生活就此改变。我意识到一件事，我已经不是获奖前的自己了，因为我成了一个象征。
诺贝尔奖有一种仪式感，它会让你意识到自己与众不同了。颁奖典礼的整个流程都是刻意安排的，因为从那一刻起，你不再只是你自己，你成为了科学的"公众象征"。你的时间不再完全属于自己，它属于与公众沟通、属于科普、属于责任。
我年轻的时候非常幸运，很早就接触到了很多著名科学家。我的叔叔和婶婶住在伦敦，本身就是很有名的科学家。在 25 岁之前，我就已经遇见了大量非常顶尖的科学家。
那时的我突然意识到，让年轻人见到著名科学家是非常重要的，并不是因为他们多有名气，而是因为你会意识到，他们也是真实的人。就像有人会想见摇滚明星一样，但见到科学家会让你意识到他们也是普通人，只是做出了不普通的工作。
也因为这样，我见到了很多诺贝尔奖得主。几乎所有人都同意，他们最重要的突破，往往来自长期的失败。他们会告诉你，某个实验他们试了两年、三年、无数次，一直失败，直到有一天突然抓住了那个缺失的关键点。
在某种意义上，科学探索就像是蚂蚁寻找食物。蚂蚁会不断乱走，尝试各种方向，纯粹靠随机漫步去寻找。一旦找到食物，它就会留下信息素，让其他蚂蚁能够跟着过去。科学就是这样，本质上是机缘、是试错、是坚持。
你永远不知道下一次重大突破会来自哪里，但你必须坚持下去。而当你犯错时，你要继续尝试。这也是为什么我说，一个真正的优秀科学家 99% 的时间都是错的。如果你真的在做困难的事，你就会经常犯错。
如果有人对我说："你可以做任何你想做的研究，但你绝对不能失败。只要你失败，就会失去所有经费。"那我一定会去做一件非常安全、非常简单的事情。我不会冒任何风险。可是科学家恰恰需要有犯错的空间，才能真正从事有意义的探索。
我也跟中国学生说过，你们一路走来一直被教导要正确，要考高分，要在高考中不能失败，要做你擅长的事情，总之就是尽量不犯错。但现实生活恰好相反，你要去做你不擅长的事情，而不是永远停留在舒适区。
最重要的是，你必须学会如何去犯错。我甚至去问了 AI：人要怎么学会犯错？结果我发现，工程学里其实已经有不少这样的课程。班上一部分学生会设计一个带有隐藏缺陷的系统，另一部分学生则负责找出那个缺陷。你能不能"学习"去犯错？我认为这是人生中必须掌握的一件事，但我们现在做得还远远不够。
其实，能进入斯坦福、剑桥、牛津、哈佛、清华、北大这些顶尖大学的学生，大多数人可能从来没有真正"错过"。他们写出完美的文章，做出完美的作业，按部就班地成功。但要想在未来真正做出非凡的事情，他们需要学习如何面对错误。你必须学会接受失败，你不可能把"犯错"做得很完美，关键是接受它、拥抱它。
我非常相信，年轻人是推动科学前进的真正力量。可惜的是，今天的科学体系变得越来越头重脚轻，由大量资深科学家主导。年长的科学家必须主动把年轻人推到前面。我们这些资深科学家有话语权，但我们必须意识到新的突破往往来自那些"不知道自己不知道什么"的年轻人。
过去三十年真正改变我们生活的人是谁？你会发现，几乎所有人都是年轻人，而且很多人根本没有完成学业。他们年轻、有强烈的创造力，根本等不及"完成全部学业"就要改变世界。
这给科学界一个非常明确的启示：年轻人很强大。我们应当告诉年轻人，去研究真正困难的问题。因为重大突破来自长时间的失败，而不是一次正确。这件事在科学界做得还远远不够。
DeepTech：您还有什么想对年轻科学家说的寄语吗？
Michael Levitt：第一，你得相信自己。因为如果你不相信自己，就不会有人真正相信你。第二，做你真正热爱的事情，不要去做你以为重要的事情。你热爱什么，你最终就会坚持什么。第三，要准备好犯错。第四，也是最后一点，看似简单但非常关键：做一个善良的人。乐于给予，愿意帮助别人。科学需要互相扶持，需要彼此成就。
我觉得这些品质都非常重要。科学在过去 30 年与整个世界深度绑定，比以前任何时候都更深。如今科学家也能获得许多财富。过去是"富人一类、科学家一类"，现在这两个身份能融合在一起。
这意味着科学家肩上的责任也变成了双倍的。科学家过去住在象牙塔里，现在象牙塔外面还镀了一层金。这不是一件好事，我们必须主动走出那座塔，让自己更平易近人，更能理解那些没有我们这么幸运的人。
身为科学家，我们必须意识到，每个人都有自己的价值，每个人值得被尊重，没有任何人是无用的。这一点特别重要。
最后我还有一些思考：我们看待事情的时候，不能用非黑即白的眼光。很多事情是复杂的、混乱的、没有绝对的对错的。有时候看起来正确的路，未必真的是正确的。
举一个来自《三体》的例子：（罗辑的）那个荒唐到让人难以置信的面壁者计划，看起来很不靠谱，反而成了最后的答案。
我认为美国今天的撕裂、严重的两极分化，部分原因是学术界和当权者并没有足够意识到他们自己有多幸运，他们以为这些是自己"应得的"。可事实上，没有什么是应得的。我常说，我只是运气很好，而真正驱动成功的，往往就是运气。如果你成功了，就必须明白自己有多幸运，这样你才能理解有些人有多么不幸。
运营/排版：何晨龙
诺奖得主 Kosterlitz：成功最需要的是"运气"，而我的优势是"无知"
原创 王勇 返朴 2026 年 5 月 20 日 08:13广东
2016 年，J. Michael Kosterlitz、David Thouless 和 Duncan Haldane 因"对拓扑相变与拓扑物态的理论性发现"（for theoretical discoveries of topological phase transitions and topological phases of matter）共同获得诺贝尔物理学奖。
这一奖项的重要背景之一，是他们对二维系统中相变机制的深刻洞见，即著名的 Berezinskii--Kosterlitz--Thouless（BKT）相变理论。该理论首次提出，在二维系统中，相变可以由拓扑缺陷的行为驱动。BKT 相变理论不仅在数学物理上具有深远影响，也为理解如二维超导薄膜、量子气体、液晶、石墨烯等实际材料系统中的集体行为提供了重要理论支撑，成为凝聚态物理中里程碑式的成果之一。
并不被大众所知的是，Kosterlitz 教授年轻时是一位世界顶级攀岩者。在攀岩界，他的名气某种程度上甚至超过了他的学术成就。他的水平达到了当时的顶尖水准，主要成就包括：
完成了勃朗峰群 Les Dru 上 American Direct 路线（ED1 难度，6c+）的首次重复攀登；在意大利阿尔卑斯 Orco 山谷首攀了以他命名的"Fessura** **Kosterlitz"（Kosterlitz 裂缝，难度 f6B/6a+）。
约 1960 年代末至 1970 年代初，J.** **Mike Kosterlitz 在大若拉斯峰北壁 Walker Spur 的冰雪横切段攀登。这条 1200 米的北壁路线是衡量顶级登山者的标志。
更重要的是，他作为 Nuovo Mattino 运动的核心参与者，把英国自由攀登的伦理引入了意大利，推动了这场攀登运动，深刻影响了欧洲阿尔卑斯攀岩的发展方向，挑战了当时以登顶、民族主义和英雄主义为核心的传统攀登伦理，转向自由攀登的创造性和技术革新。2017 年他获得了攀岩界的"奥斯卡"------ Arco Rock Legends 的 Climbing Ambassador 大奖。
本期文章特邀普林斯顿大学博士后王勇对他的合作者 J. Michael Kosterlitz 教授进行了一次深度采访，来了解这位物理诺奖得主对科研、生活以及新兴技术的看法。
采访、翻译 | 王勇（普林斯顿大学博士后）
J. Michael Kosterlitz（1943-）
一 个人学术经历
问：提出 Kosterlitz-Thouless 相变理论时，你处在什么样的情况下？
答：当时，我攻读完成了高能物理方向的博士学位，然后从 1970 年到 1973 年，我又花了三年的时间在伯明翰大学，在同一个领域做了三年的博士后。在经历了日复一日枯燥乏味的计算，且没有取得太多突破以后，我决定尝试改变一下，换个领域看看。于是，我不停地拜访不同的实验室，看看有没有人需要合作或者在某些问题上需要帮助。最终，我停在了 David Thouless 的办公室，听他介绍一些我以前完全不熟悉的概念和想法。他讲到了在层状氦-4 中的超流现象、二维晶体、涡旋（vortices）、位错、拓扑以及许多相关的话题。从那时起，我们开始了合作。
David 是一个无所不知的人，如果你犯了一些小错误或者某些地方了解得不够清楚，他总是会耐心地讲解给你听，有时甚至会让你觉得自己有点愚笨。
问：当时二维物理这个领域，境况又如何呢？
答：我们唯一了解的就是由 Hohenberg、 Mermin 以及 Wagner 提出的理论推导，他们指出在二维系统中没有长程有序，也没有自发的相变。但 David 觉得这些二维系统中，比如二维层状氦-4，一定存在某种相变。他给我展示了一些实验结果，显示其中确实有相变，这就是他和我当时需要去处理的冲突。在没有任何头绪的情况下，我们想到为什么不先假设二维系统可以有序，然后去思考什么东西可以破坏这种序，那就是涡旋；进一步，我和 David 将涡旋视为一种拓扑激发或缺陷。相同的思想也可以应用到二维晶体的熔化，其中的位错扮演了超流中涡旋相同的角色，即拓扑缺陷。
问：关于 Kosterlitz-Thouless 相变理论的文章发表以后，有什么影响？领域内的相关人士对你们的结果很惊讶吗？
答：不，这个工作被忽视了一段时间。但慢慢地，人们开始接受我们提出的概念，并引起关注，因为有几个实验发现了二维体系中的相变，而我们的工作似乎可以解释这些实验结果。
问：当时你会想到你们的理论可以这么普适于各种各样的系统吗？
答：我没有想到，事实上，我甚至在当时都不太了解这个领域。在和 David 合作之前，我唯一知道的事，就是我是一个不成功的高能物理学家。那些拓扑的概念，在别人看来可能是异端，但对我来说，不算很不合理，因为我没有太多领域内的固有思维。所以在研究过程中，我对这个方向的无知变成了一种优势，因为我不会被传统观念所束缚。而 David 呢，尽管他一直身处于领域当中，但他时刻都在跳出思维定式思考，我们俩当时就像一对完美伙伴。
二 科研观探讨
问：在这一节，我想了解一些你对于科研的一些整体观念和看法。比如，作为一个成功的科学家，你认为对于一个科研工作者，最重要的品质是什么？
答：我认为可能对我这种成功最重要的部分，是运气。我没开玩笑，你想，要取得某些成就，你得在合适的时间解决合适的问题。这种契机你怎么去安排呢？只有幸运能安排。在当时，我们只是在尝试解决一个看起来有点奇怪的问题，它只是一个纯粹的理论练习，我们并不知道它是否会变得重要。
问：我也同意运气在成功的事业中是很重要的，但是从个人角度来说，哪些是我们应该关注的因素？
答：对我而言，那就是乐趣（fun）。David 和我在当时尝试去想办法解决和理解理论和实验之间的某种冲突，我在其中收获了许多乐趣。事实上，又有几个人在意薄层氦中的超流呢，它基本没有任何用处，但同时，这又是一个美妙的智力问题。我很喜欢攀岩，在休息的时候，我会坐在岩架或半山腰上，思考研究的课题，想象那些涡旋漂浮在我的面前，尝试理解它们之间的相互作用。总而言之，我被这个问题深深地迷住了。
问：近年来信息技术飞速发展，像人工智能（AI）让信息的获取和生成都变得更加容易。你是怎么看待这些技术的？
答：对我来说，AI 只是另一种工具。它就像一个超级高级的计算机。记得以前的科幻作品里，描绘了那种你可以跟机器对话，然后它还能回答你问题的情节，现在差不多就像这样。但这些 AI，它们并不会自己"思考"，我们的大脑有些很奇妙的运作方式，是 AI 目前还模仿不了的。
尽管电脑能做我们做不到的运算------非常非常复杂的计算它们都能搞定。但问题是，AI 自己没法提出问题，是人类先提出问题，然后它才能解，尽管一旦问题设定好了，电脑确实比你我计算得更快。从这方面而言，AI 和其他的电脑程序没有什么区别，而且它的能力也取决于支撑它的数据。
问：是的，这其实是一个很重要的点。现在人们会构建复杂的 AI 框架，并用高质量的数据去训练它们，却不太关心这些系统"内部到底发生了什么"。他们相信，也许通过这种方式，我们就能造出类似人脑的机器。你怎么看待这种现象？
答：你说的，其实从某种程度上，就是我们大脑的运作方式，对吗？但这种说法其实是在非常粗略、模糊地描述大脑的功能。关键点在于，我们其实并不知道应该用哪一个层次的描述方式，比如你要做脑外科手术，那这种"模糊层面"的理解和操作显然是不够的。对我而言，生物学的问题真的太复杂了，以至于常常都不知道从哪儿开始着手研究。在物理或化学里，大多数人至少都认同一个出发点或者某种尺度，比如从原子开始建模。在物理中，我们常常将粒子近似为具有有效参数的点粒子，以简化问题------这其实和现实差得很远，但对我们感兴趣的现象来说，这种简化是足够用的。
可如果你面对的是像"大脑"这样的系统，问题就不一样了：你甚至不知道哪些变量是关键的，哪些是可以忽略的。总而言之，我想说的是：你提出的问题决定了你需要哪种"描述的层次"。但对于生物系统，比如大脑，我们现在根本还不知道，那个"合适的描述层次"到底是什么。
问：能给我们一些你对这种复杂性的见解和处理方式吗？
答：如果我可以做到理解和处理这些问题，那我可能在等待我的第二个诺贝尔奖了，哈哈！
问：你觉得年轻人应该如何去面对他们研究和生活中的挑战？
答：这其实因人而异。就我个人来说，年轻时的我几乎过着"双重生活"------一半时间在做物理，另一半时间在攀岩。而攀岩的美妙之处在于，当我在岩壁上时，脑子里可以完全放下物理的那些问题，什么都不用担心。因为还有更紧急的事等着你，比如------怎么让自己活着下山。而当我回到物理工作中时，又能暂时忘掉攀岩时那些"擦肩而过的死神时刻"。这两件事反而互相清空了彼此的压力，让我能更好地应对各自的挑战。
对我来说，我需要一个爱好，把自己从研究的世界里拉出来。要是整天光想物理，我真的会疯掉，攀岩则是一个完全不同的世界。
问：你怎么看待人们追求在顶尖期刊发表论文这种现象？在某种程度上这反映了研究人员的学术贡献，但如果过于执着，也许也不太合适。同时，从更长远的视角看，你认为我们应如何更公平地评价一个科学家的贡献？
答：这个问题确实有点不好回答。不过，你稍微想一想就会发现：过去一年里，那些顶尖期刊上发表了多少论文？而其中真正重要的又有几篇？答案是：很少。有些论文可能在一两年内还有一定影响，但你去看看三十年、四十年之后，那些文章还有多少是被人记住、仍然有意义的？在我看来，能经得起时间考验的，才是真正重要的成果。如果你一辈子能做出一项这样的工作，那你已经非常幸运，也做得非常好了。
甚至一直以来，我会想：假如有 99% 的论文从未被人真正看见过，那科学的进展会因此受到严重影响吗？我觉得答案是否定的。不会。所以我觉得，我们能做的，就是去研究那些自己真正感兴趣的问题。如果你够幸运，你做的东西也许会很重要，但也不用太在意贡献这回事，就去享受科学本身带给你的乐趣吧。
问：你是如何看待学术不端的？
答：这些行为当然是不对的，为什么呢，因为这种事迟早会被发现。如果你伪造数据，别人是无法重复出你的结果的。为什么会有人为了让自己更成功而去造假？这些只是短期的得失。对我来说，这种做法看起来很愚蠢，真正重要的，是那些能经得起时间考验的创新。
问：你以前是如何指导博士生的？
答：一般来说，我会跟他们谈一些我自己感兴趣的问题，然后跟他们说："我觉得这个问题有意思，你要不要试试看？"有时候他们自己也会想到一些不错的主意，继而在那个方向上有些进展。
在我读博士的时候，导师也从来没有告诉我"你该做什么"。我更赞同这种给学生留有许多自由空间的模式。回头看，我意识到这种方式其实对我很有帮助，因为当你开始独立研究时，是需要你自己想问题和探索的。尽管这种模式中，早期的训练过程会由于缺乏指导而比较痛苦，但说实话，它真的很好。
有时候我看到一些学生，会很拼命地做一个课题，但其实导师已经把问题是什么、该怎么做都告诉他们了，他们就会照着做，然后做出了一点点不同的东西，但本质上还是一样的道路。这样下去，最后就只是在培养"可以复制的技术员"。
三 对科研趋势的看法
问：从你个人的经验以及历史的角度来看，你是否仍然对某些具有重大应用前景的科学方向保持乐观，比如室温超导？
答：我其实没怎么去特别想这些事。但如果我们真的能用室温超导体来制造电线和输电线路，那当然再好不过了。不过目前这方面还有似乎不少难题，也没有人真正做成，但谁知道呢？
对我来说，所谓"应用"，更像是一种锦上添花。科学的进展，总是由不同的团体，包括理论学家、实验学家，还有工程师一起推动的，每个人扮演的角色都不一样，对吧？作为一个理论研究者，我并不一定非得看到什么实际应用才觉得有价值。我更感兴趣的是理解事物的本质。即使一个现象暂时没有应用前景，但能弄清楚它是怎么回事，本身就很让人开心了。
问：这正好引出我们下一个问题。在申请科研资助时，很多人会尽量把自己的研究方向与政府或工业界的战略需求对齐，这样可能更容易获得支持。你觉得，应该如何在这种"策略性选择"和保持研究自主性之间找到平衡？
答：这个情况是无法避免的，毕竟，大多数事情都需要经费支持，这就是现实------做什么都要支付代价。个人而言，我很庆幸自己做的不是那种需要大量昂贵实验设备的研究。如果哪天我真的得靠很复杂的实验才能做出成果，可能我就直接放弃了，转头去研究别的课题。物理领域里，还有太多没被解答的问题，不一定非得搞那些烧钱的项目。
问：但对大多数人来说，如果想要放弃或者转换研究方向，往往意味着巨大的挑战和代价。
答：是啊，你基本上得重新开始学习，那也是科学（或者说人生）有趣的地方。当然，有时候你可能没有那个勇气，或者你还要面对很多现实的责任和问题。但这种选择，其实很多时候在你早期的职业阶段就已经做出了。比如说，像我这样做理论的，其实转方向的成本并不算高。我们需要的就是我们的大脑，有时候在电脑上运行程序就够了。但实验就完全不一样了。他们需要大量设备，而且很多时候还非常昂贵。一旦你把设备都投入进去了，就有点被"困住"了，想转方向就变得很难。
对我来说，自由远比成就重要。如果我每天早上醒来就说，"好！我今天要做点能拿诺贝尔奖的研究！"，那就太可笑了，因为你根本不知道你做的东西未来是不是重要的。反而更现实的情景是：你醒来发现，自己已经在某个问题上折腾了一个月，完全没进展。那你就得承认，可能是时候换个方向，试点别的了。
问：你认为"创新"或者"突破"是可以被规划的吗？
答：这要看具体情况。你说的"突破"，如果是指那种能帮助我们理解自然本质的思想层面的突破，我觉得那是没法计划的。但如果是实验上的突破，那在某种程度上是可以规划的。因为很多时候，它们本质上就是一些工程问题。原则上，只要你有足够的设备和资金，是有可能实现这些突破的。
问：那你怎么看公众兴趣在科学中的作用？
答：对我个人来说，公众的兴趣不是特别重要。说实话，我至今为止做的大多数研究，基本都没有什么应用价值。一个问题，我解决了也好，没解决也好，对这个世界其实没什么太大影响。
问：但像 Kosterlitz--Thouless 相变这样的理论已经被广泛应用到许多材料中，比如石墨烯。我想，这其中也有你的贡献？
答：确实如此。石墨烯的出现令人振奋，人们用它做了很多事情。但你知道，它最初是怎么被发现的吗？那位发现者只是把一段胶带贴在石墨上，然后轻轻一撕------就这样，一层原子厚度的石墨烯，就留在了胶带的粘面上。没什么高科技，也不是什么精密实验，这才是科学真正的样子。
问：最后一个问题------如果你现在还年轻，生活在这个时代，你会选择怎样的生活？为什么？
答：我大概还是会走上学术研究这条路吧，虽然这份工作的薪水并不丰厚。但至少，它能给人一些自由，让你去做自己真正喜欢的事，哪怕是在一定的限制之内，也能自己决定人生的方向。
我对攀岩的热爱也教会了我如何在几乎没钱的情况下去旅行、去生活。为了抵达遥远的山地，我必须学会如何在极简条件下生存------睡帐篷，甚至睡在路边的灌木丛下......如果可以再年轻一次，我想我不会改变什么，因为现在回头看，这些经历都是不可思议的冒险。
我特别记得有一次差点丧命的经历，当时我直面死亡。而真正救了我一命的，只是一块半埋在冰里的小石头，正好卡住了我，让我没有从冰面坠落。
这让我明白了，生活，无论多无聊，也是美好的。
当智商与努力相当，为何只有少数人做出重大贡献？
原创 J. F. Kaiser 返朴 2026 年 7 月 3 日 08:24 北京
做出重大贡献的科学家有什么独特之处吗？一个事实是，许多青史留名的科学家，他们的才华天赋并不比其他人更好，也并不一定比其他人更勤奋努力。那么为什么是他们做出重要成果，而大多数人被时间埋没？差异在哪？是运气，还是其他原因？
汉明码的发明者、数学家理查德·汉明（Richard W. Hamming，1915-1998）根据自己的观察和研究，认为找到了这个问题的答案。他将答案精华浓缩于 1986 年在贝尔实验室举行的演讲中------《你和你的研究》（You and Your Research）。汉明曾就这一主题多次演讲，在科学界极负盛名。40 年过去，他的思考历久弥新，仍旧可以为新一代的研究者带来启发。
本文是数字信号处理奠基人之一、贝尔实验室电子工程专家詹姆斯·凯泽（James F. Kaiser）整理的 1986 年演讲翻译。他的整理也是公认的最佳版本，包含主持介绍和问答环节。由于文字较长，《返朴》将分三篇推送，标题与小标题均为编者所加。
理查德·汉明 | 图源：Nps.edu
整理 | J. F. Kaiser
翻译 | 嘉伟
序言
1986 年 3 月 7 日，在贝尔通信研究公司（简称 Bellcore）下属莫里斯研究与工程中心举行的"系列研讨会"上，美国海军研究生院教授、贝尔实验室退休科学家理查德·汉明（Richard W. Hamming）博士，向约 200 名贝尔通信的员工和访客发表了一场非常有趣且极具启发性的演讲，题为《你和你的研究》。（译注：1984 年美国电信巨头 AT&T 因反垄断法被拆分，原本的贝尔实验室被分割，其中一部分独立出来成立了 Bellcore。）
演讲基于汉明对一个问题的长期观察与研究**："为什么只有少数科学家做出了重大贡献，而绝大多数人随着时间的流逝被遗忘？"** 汉明拥有四十多年的科研经验，其中三十年是在贝尔实验室度过的，他曾近距离观察了许多科学家，向他们提出了直击要害的问题：研究内容、方式与动机，还研究了那些伟大科学家的生平与贡献，同时也进行了深刻的内省，并对创造力形成的相关理论进行了探究。这场演讲分享了他关于科学家个体素质、能力、性格特征、工作习惯、态度以及为人处世方面的见解。
为了更广泛地传播这些信息，讲座录音经过了仔细的转录。转录稿包含随后的问答环节。如同所有演讲一样，转录版本会因失去语调和肢体语言而有所缺憾。录音中汉明博士的部分非常清晰，但部分提问者的发言较模糊，感谢文字处理中心的唐娜·帕拉迪斯（Donna Paradise）的专业贡献。她负责将录音内容转录成文字，这大大简化了我的编辑工作。
主持人：艾伦·切诺维斯（Alan G. Chynoweth），杰出物理学家、时任贝尔通信研究公司副总裁**
各位同事，还有许多听说今日盛况而赶来的贝尔实验室前同事们，大家好。我非常荣幸能向大家介绍我的老朋友和多年同事------理查德·汉明，或者按照我们一贯的称呼，叫他迪克·汉明（Dick Hamming）。
迪克是数学和计算机科学领域史上最杰出的人物之一，这一点无需赘言。他分别在芝加哥大学、内布拉斯加大学取得学士和硕士学位，并在伊利诺伊大学获得博士学位。二战期间他参与了曼哈顿计划。1946 年他加入贝尔实验室，我也在这里与他相识。那时我们物理研究小组常聚在一起吃午饭，而这位来自数学部门的怪人总是乐于加入我们。有他在场，我们很快乐，因为他总能带来许多非传统的想法和视角。我可以保证，那些午餐谈话极具启发性。
虽然我们的职业路径在这些年里没有太多交集，但我总能在贝尔实验室大厅里看到他（的成果），始终对他的工作充满钦佩之情。他的业绩本身说明一切。细节实在太多，没法一一细说。举个直观例子------他一共写了七本书，内容涉及数学、计算机、编码以及信息论等多个领域，其中有三本已经出了第二版，而且还在持续再版。这足以证明他的丰产和学术地位。
我最后一次见他大约是十年前在都柏林的一个小型会议上。他一如既往的幽默风趣。他曾提出一个引人深思的观点："有些光波人类看不见，有些声音人类听不到，也许计算机也拥有人类无法理解的思维。" 只要迪克·汉明在场，我们就不需要计算机。我相信接下来的演讲会非常精彩。
你和你的研究
理查德·汉明：很荣幸来到这里。我怀疑自己能否配得上刚才那番介绍。我演讲的题目是《你和你的研究》，内容无关研究项目管理，而是关于你个人如何进行研究。我也可以讲其他话题，但这次我更想谈谈"你"。我谈论的并非普通、平庸的研究，而是伟大的研究。为了方便描述，我会偶尔称之为"诺贝尔奖级别"的工作。它未必真的获得诺贝尔奖，但必须是我们公认的重要成就，比如相对论、香农的信息论，或是任何杰出的理论。
那么，我是如何开始这项研究的？在洛斯阿拉莫斯，我被派去运行已经搭建好的计算机，好让那些科学家回到他们自己的研究工作中。我发现自己像个打杂的工具人。我意识到，虽然在生理上我和他们是一样的，实际上却又不同。坦白说，我当时心生嫉妒。我想知道为什么他们和我不一样。我近距离观察过费曼（Richard Feynman）、费米（Enrico Fermi）、特勒（Edward Teller）和奥本海默（J. Robert Oppenheimer），也包括汉斯·贝特（Hans Bethe），他曾是我的老板。我看到了许多极具天赋的人。我开始对那些"做出了成就的人"和"本来可以做出成就的人" 之间的差异产生了浓厚兴趣。
来到贝尔实验室后，我进入了一个非常高产的部门。波德（Hendrik Wade Bode；译注：现代控制理论和电子通信先驱）当时是部门负责人，香农（Claude Elwood Shannon）也在那里。我继续追问："为什么？""区别在哪？"随后我开始阅读传记、自传，询问别人："你是怎么做出成果的？"我试图找出其中的差异。这就是今天这场演讲的主题。
为什么这个话题很重要？因为据我所知，你们每个人只有一次生命，即使真有来生，对你这辈子也于事无补。既然只活这一辈子，为什么不去做出点意义重大的成就呢？ 无论你如何定义"意义重大"，我不会去定义它，你们懂我的意思。我主要以科学为例，因为这是我的专业。但据我所知，别人也这样对我说：我的结论同样适用于其他领域。在大多数领域，杰出工作都有着非常相似的特点，而我仅限于谈科学。
为了触及你们个人，我会用第一人称来讲。我得让你们抛开谦虚，对自己说："是的，我想做出一流的工作。"我们的社会其实不看好那些立志做大事的人------你不需要刻意追求，总觉得应该等待运气降临，自然会取得成功。这种想法很愚蠢。我想说，你为什么不立志做出一番大事？你不必告诉别人，但你应该对自己说："是的，我想做点了不起的事。"
为了进入下一步，我也要抛开谦虚，以第一人称谈谈我的见闻和感悟。我会谈论一些你们认识的人，希望离开这里后，你们不要断章取义地引用我的话。
关于运气
让我们先从心理层面而非逻辑的角度开始。人们认为伟大的科学研究全凭运气，这是一个普遍的误区。好，看看爱因斯坦，他做了多少伟大的工作，全是运气吗？难道好运总是重复地落在他身上？再看看香农，他不仅做了信息论，在此之前，他还做了许多其他优秀的工作，有些密码学的研究仍被列为机密。
你会一次又一次地看到，一个优秀的人身上不只有一件杰作。虽然偶尔有人一辈子只专注一件事------我们稍后再谈这种情况，但更多时候是有重复性的。我坚持认为，运气并不能解释一切。我要引用巴斯德（Pasteur）的话**："机会（运气）偏爱有准备的头脑。"** 这正是我所相信的道理。运气确实存在，但也不存在。有准备的头脑迟早会发现重要的事情并去做它。没错，是有运气------你具体做了某件事是关乎运气，但你有所作为则不是运气。
我刚到贝尔实验室时是和香农共用一间办公室。他在研究信息论，而我在做编码理论。我们两个在同一时间、同一地点做这些事，这有点奇怪------简直是命运的安排。你可以说这是运气。但换个角度你也可以问："为什么当时贝尔实验室那么多人，偏偏是我们两个做出了这些成果？"是的，部分是运气，部分是有准备的头脑，而"部分"就是我接下来要谈的其他因素。虽然我还会多次谈到运气的问题，但我希望明确一点：运气不应成为解释一个人能否取得卓越成就的唯一理由。我认为，你对运气有一定的控制权，但不完全。最后，我引用牛顿的一句话："如果其他人像我一样努力思考，他们也会得到类似的结果。"
勇气与独立思考
你会发现伟大的科学家有一个特点，很多人也有：他们在年轻时通常有独立的思考，并且有勇气去追求这些想法。比如，爱因斯坦在大约 12 或 14 岁时就问自己："如果我以光速去追赶一束光波，那么我看到的光波会是什么样子？"他知道电磁理论表明不能有一个静止的局部波峰。但如果他以光速前进，他就会看到一个静止的波峰。他在年少时就能看出其中有矛盾，事情并不完全合理，光速有某种奇特之处。后来他创造了狭义相对论，难道是运气吗？其实早期他已经通过这些碎片化的思考铺下了基础。这是必要条件，但不是充分条件。我接下来要讲的所有因素，既是运气，也不是运气。
拥有"天才大脑"听起来很好。在座的各位可能都有足够的脑力去做一流的工作，但伟大工作不仅仅关乎脑力。脑力的衡量标准有很多。在数学和物理领域，脑力通常与符号处理能力相关，因此（这些领域的研究者）一般的 IQ 测试得分通常很高。但在其他领域则不然。例如，研制出（半导体）区域熔融法（zone melting）的贝尔·法恩（Bill Pfann）。他有一天来到我办公室，头脑中只有一个模糊的想法和几个方程。我很清楚他没有什么数学功底，表达也不清晰。但我认为他的想法很有趣，回家稍微研究了一下。最后我教他如何用计算机处理，这样他就能自己得到答案了。我给了他计算的能力。他继续深入探索，尽管没得到多少自己部门的赏识，但最终他囊括了该领域的所有奖项。一旦起步，他的羞涩、笨拙和词不达意都消失了，他在各方面都变得多产，表达也变得流畅多了。
另一个例子是克洛格斯顿（Allan M. Clogston；译注：贝尔实验室杰出物理学家、在微波技术、超导等领域贡献卓著），我想他今天没在观众席里。我初见他时觉得他没什么特别，他那时在皮尔斯（John R. Pierce；译注：传奇电气工程师、卫星通讯先驱，提出了"晶体管"一词）的组里做研究。我的一个朋友，也是他的校友，说他在研究生期间表现平平。如果是我，可能会解雇他，但皮尔斯聪明地留住了他。克洛格斯顿最终发明了克洛格斯顿电缆（Clogston cable）。此后，他的好点子接踵而至。一次成功带给了他信心和勇气。
勇气是成功科学家的重要特质。 一旦你鼓起勇气，并且相信自己能够解决重要问题，那么你就真的能做到。反过来，如果你一开始就觉得自己做不到，那几乎可以肯定------你真的做不到。勇气，是香农身上最突出的品质之一。想想他的那个著名定理就知道了。他想构造一种编码方法，但一开始并不知道该怎么做，于是干脆考虑"随机编码"。接着他卡住了，然后他问了一个几乎不可能的问题："一个随机编码，平均来说会表现得怎样？"随后，他证明了平均意义下的编码可以任意接近最优，因此必然至少存在一个真正好的编码。除了一个拥有极大勇气的人，谁敢去这样思考？这正是伟大科学家的特征：他们有勇气。在极其困难、几乎不可能的情境下，他们仍然勇往直前；他们不断思考，而且一直思考下去。
年龄与名誉
年龄是另一个物理学家特别担心的问题。他们总说你必须年轻时做成大事，否则就没机会了。爱因斯坦很早就功成名就，而那群研究量子力学的，做出他们最杰出的工作时都年轻得吓人。大多数数学家、物理学家最好的工作确实是在年轻时完成的。这并不是说年老时做不出好工作，而是我们最珍视的往往是其早期贡献。而在音乐、政治和文学领域，杰作往往诞生于晚年。我不知道你所在的领域是否符合这个规律，但年龄确有一定影响。
我来说说为什么年龄会有影响。首先，如果你做出了好工作，你会被拉进各种委员会，无法继续钻研，结果再没时间搞学术了。我记得布拉顿（Walter Brattain）获得诺贝尔奖的那一天（译注：因发明晶体管和巴丁、肖克利共同分享 1956 年诺贝尔奖），我们聚集在阿诺德礼堂，三位获奖者都上台讲话。第三位就是布拉顿，他几乎含着泪说："我知道诺贝尔奖效应，我不会让它影响我；我会继续做那个老伙计布拉顿。"（译注：他确实也是三人中年龄最大的，当时已经 54 岁）我心里想："这很好。"但几周后我发现得奖还是影响了他。现在他只研究那些大问题。
一旦你出名了，就很难再去研究小问题了。 香农就是如此。在信息论之后，他还能做什么来续写辉煌？伟大的科学家常常犯这个错误：他们不再继续播种那些或许会长成参天大树的小橡子，而是试图直接创造伟大的成就。但事情不是这样发展的。所以这就是为什么你会发现，早期的荣誉似乎会让人失去创造力。我要分享一句多年来我最喜欢的话：在我看来，普林斯顿高等研究院毁掉的好科学家比它培养出来的还多------从他们来之前的工作和来之后的工作就能看出来。不是说他们后来的不好，而是他们来之前是卓越的（superb），来之后只是好（good）而已。"
工作条件
这引出了一个新话题（或许顺序有点乱），那就是工作条件。大多数人认为（应有）最好的工作条件，其实并非如此。很明显不是，因为人们往往在条件艰苦的时候最有生产力。 剑桥物理实验室成果最丰硕的时期之一，正是在那种几乎像棚屋一样的环境里，他们创造出了物理学史上最好的一些成果（译注：指原子核物理诞生的时期，当时实验室由卢瑟福领导）。
我给你们讲一个我自己的故事。早期我就意识到，贝尔实验室不会按那时普遍的做法，给我一大群程序员，让他们用绝对二进制为计算机编程。很明显他们不会这样做。但当时大家都是这么做的。我完全可以去西海岸，去造飞机的公司找份工作，不会有任何困难，但贝尔实验室有令人兴奋的人才，而飞机公司没有。我想了很久，"我到底要不要去？"我在想如何能一举两得。最后我对自己说："汉明，既然你认为机器几乎无所不能，为什么不让机器自己去写程序呢？"对我来说，最初是缺陷的东西强迫我进入了自动编程领域。原本看起来是劣势的东西，换个视角，往往会变成你最大的资产。 但当你第一次面对它时，你很可能只会想："天啊，我永远不会有足够的程序员，那我怎么能做出伟大的编程呢？"
还有许多类似的故事。格蕾丝·哈珀（Grace Hopper）也有类似的经历（译注：她是计算机科学领域程碑式的人物，曾任美国海军少将）。如果你仔细观察，你会发现伟大的科学家常常通过稍微改变问题的角度，把缺陷转化为资产。很多科学家在发现自己无法解决某个问题时，最终开始研究为什么不能解决，然后他们反过来思考，"原来如此，这就是问题的本质"，于是得到了重要的结果。所以，所谓的理想工作条件其实很奇怪。你所渴望的条件，并不总是对你最好的。
动力
现在说说动力（Drive）。你会观察到，大多数伟大的科学家都有惊人的驱动力。我和约翰·图基（John Tukey；译注：美国数学家，以开发快速傅里叶变换算法闻名，创造了 bit 一词）共事了十年，他有着巨大的动力。有一天，我发现图基其实比我还小几个月。图基是个天才，而我显然不是。我冲进波德的办公室问："跟我同岁的人怎么能比我知道的多那么多？"波德向后一靠，双手抱在脑后，微笑着说："汉明，如果你像他那样努力工作这么多年，你也会惊讶自己能知道这么多。"我灰溜溜地走出了办公室。
波德的意思是知识和生产力就像复利。假设两个人能力差不多，其中一个人每天比另一个人多工作 10%，那么后者的产出会超过前者两倍以上。你知道得越多，你学得越多；你学得越多，你能做的就越多；你能做的越多，你的机会就越多------这非常像复利。我不想给出具体的利率，但它非常高。假设两个人能力完全一样，其中一个人每天能多思考一个小时，那么在一生中，他的生产力会大大超过另一个人。我把波德的话铭记在心，多年来努力让自己更勤奋一些，结果发现确实能完成更多工作。我不太愿意在我妻子面前说这些，我确实有时忽略了她，因为我需要钻研。如果你想完成目标，就必须有所取舍。这是毫无疑问的。
在动力这个问题上，爱迪生说过："天才是 99% 的汗水加 1% 的灵感。"他可能有些夸张，但意思是持续的努力能带来惊人的成果。稳定持续地付出努力，再加上一点额外的聪明劲，运用得当，才是关键。问题在于，如果动力用错了地方，就毫无效果。我常常想，为什么贝尔实验室里许多朋友和我一样，甚至比我更努力，却没有得到与之相配的成果。错误的努力是一个非常严重的问题。光靠努力是不够的------必须合理地运用。
不确定性
我还想谈一个隐秘的特质，这个特质就是不确定性（ambiguity）。我花了好一段时间才发现它的重要性。大多数人喜欢相信某件事要么是真的，要么是假的。伟大的科学家却能很好地容忍不确定性。 他们既足够相信理论，因此可以继续研究；同时又保留足够的怀疑去注意错误和缺陷，从而能够向前迈进，创造新的替代理论。如果你过分相信，你永远看不见漏洞；如果你过分怀疑，那么你根本无法开始。这需要一种微妙的平衡。
大多数伟大的科学家都非常清楚他们的理论为什么成立，同时也非常清楚其中一些细微的不契合之处，并且不会忘记它们。达尔文在自传中写过，他发现必须把每一条看似与自己信念相矛盾的证据都记录下来，否则它们会从记忆中消失。当你发现明显的缺陷时，你必须敏锐地跟踪这些东西，并留意它们如何被解释，或者理论如何被修改以适应它们。这些往往就是伟大的贡献。伟大的贡献很少是通过再加一个小数点完成的。归根结底，这是情感上的投入。大多数伟大的科学家都全身心投入到他们的问题中。那些没有投入的人很少能产出杰出的一流工作。
潜意识
同样，光有情感上的投入本身还不够。它显然是必要条件。我想我可以解释原因。所有研究创造力的人最终都会说："创造力来自你的潜意识。"不知怎么的，就灵光乍现。我们对潜意识知之甚少，但有一点你很清楚：你的梦也来自潜意识。而你也知道，梦在很大程度上是对当天经历的再加工。如果你日复一日地钻研，身心沉浸其中，你的潜意识也会别无旁骛，只专注于那个问题。于是某天早晨，或者某个下午，答案就出现了。那些没有专注于当前问题的人，他们的潜意识也会"偷懒"做别的事，就不会得到重大成果。所以管理自己的方式是：当你有一个真正重要的问题时，不要让其他事情分散你的注意力------要让思维始终停留在这个问题上。让你的潜意识保持饥饿感，迫使它去处理你的问题，这样你就能安然入睡，并在早晨得到答案，免费。
重要的问题
艾伦·切诺维斯提到，我过去常常和物理学家一起吃饭。我原本和数学家们一起吃，但我发现自己已经懂了不少数学，（跟他们一起）实际上并没有学到多少新东西。而物理学家的餐桌，正如他所说，是个令人兴奋的地方，但我认为他夸大了我贡献的程度。听肖克利（William Bradford Shockley）、布拉顿、巴丁（John Bardeen）、约翰·伯特兰·约翰逊（J. B. Johnson；译注：热噪声的发现者）、肯尼思·麦凯（Kenneth G. McKay；译注：推动半导体材料工程化的重要人物，后成为贝尔实验室高管）等人讨论非常有趣，我学到了很多。但不幸的是，诺贝尔奖来了，晋升也来了，只留下"残羹剩饭"。没人愿意和剩下的人混一起。嗯，那就没必要再和他们一起吃饭了！
在餐厅另一边是化学家的餐桌。我曾和其中的大卫·麦考尔（David W. McCall；译注：长期担任贝尔实验室化学研究部主任，发展了保护海底电缆的高分子材料）一起工作过，而且他当时正在追求我们的秘书。我走过去说："介意我加入吗？"他们不好意思说不，所以我和他们一起吃了一段时间。然后我问："你们领域里的重要问题是什么？"过了一周左右，我又问："你们正在研究的重要问题是什么？"再过一段时间，有一天我走过去说："如果你们做的事情并不重要，而且你们也不认为它会引向重要的成果，那你们为什么要在贝尔实验室研究它呢？" 从那以后我就不受欢迎了，只好找别人一起吃饭！那是春天的时候。
到了秋天，大卫·麦考尔在走廊里拦住我说："汉明，你那句话让我很受触动。我整个夏天都在思考，到底什么是我所在领域的重要问题。我并没有改变方向，"他说，"但我觉得这种思考很值得。"我回答："谢谢你，大卫。"然后就走开了。几个月后我注意到他被任命为部门主管。前几天我注意到他已经是美国国家工程院院士。他成功了。而坐在那张桌子的其他人，我从未在科学界听到他们的名字。他们无法拷问自己："我所在领域里的重要问题是什么？"
如果你不研究重要的问题，你就不可能做出重要的工作。 这是显而易见的。伟大的科学家会仔细思考他们领域中的一些重要问题，并始终思考如何去攻克它们。但我要提醒你，"重要问题"必须定义得很谨慎。我在贝尔实验室的时期，物理学中三大难题在某种意义上从未被研究过。我所谓的重要，指的是保证能拿诺贝尔奖、得到任何你想要的奖金的那种。我们没有研究 (1) 时间旅行，(2) 瞬间传送，(3) 反重力。这些并不是重要问题，因为我们无从下手。**一个问题的重要性不在于它的结果，而在于你是否有合理的研究切入点。**这才是使问题重要的原因。当我说大多数科学家没有研究重要问题时，我就是这个意思。就我观察，普通科学家几乎把所有时间都花在他们自己也认为不重要的问题上，而且他们也不相信这些问题会引向重要的问题。
我之前说过要播种橡子才能长成橡树。你不可能总是准确知道该种在哪里，但你可以在可能有作为的地方保持活跃。**即使你认为伟大的科学是运气，你也可以站在电闪雷鸣的山顶，而不是躲在安全的山谷里。**但普通科学家几乎总是做常规、安全的工作，因此他们几乎没有什么产出。就是这样简单。如果你想做出色的工作，显然你必须专注于重要的工作和问题，你应该有这个概念。
在约翰·图基和其他人的鼓励下，我最终设立了我称之为"伟大思想时间"的制度。每到周五的午餐时间，我专门讨论伟大的思想。所谓伟大的思想，指的是类似这样的问题：计算机在整个 AT&T 中将扮演什么角色？计算机将如何改变科学？
我当时提出一个观察：十个实验里有九个在实验室完成，一个在计算机上完成。我曾对副总裁们说，这个比例会反过来，也就是十个实验里有九个在计算机上完成，一个在实验室完成。他们觉得我是个疯狂的数学家，没有现实感。我知道他们错了，事实证明他们错了，而我对了。他们还在建实验室，但已经不需要了。我之所以看到计算机正在改变科学，是因为我花了很多时间思考，"计算机会对科学产生什么影响，从中我又能做什么？"我问自己，"它将如何改变贝尔实验室？"我曾在同一个演讲中还说过，在我离开之前，贝尔实验室超过一半的人将频繁使用计算机。如今你们都有终端了。我认真思考了我的领域将走向何方，机会在哪里，哪些是重要的事情。我得去那个方向，这样我才有机会做出重要的工作。
大多数伟大科学家都知道许多重要问题。他们手里有十到二十个重要问题，等待找到突破口。当他们看到一个新想法出现时，你会听到他们说，"它与那个问题有关。"他们会放下其他事情，全力追逐它。现在我可以给你们讲一个"悲惨的故事"，这是别人告诉我的，我不保证其真实性。我在机场和一个在洛斯阿拉莫斯工作的朋友聊天，谈到裂变实验在欧洲完成是幸运的，因为这让我们在美国开始研究原子弹。他说："不，其实在伯克利我们已经收集了一堆数据，但我们没来得及处理，因为我们在建造更多设备。如果我们当时处理了那些数据，我们就会发现裂变。"他们已经遇到了机会，却没有紧追不放。结果他们成了第二名！
伟大的科学家在机会出现时会立刻行动，紧追不舍。他们放下其他事情，专注于新的想法，因为他们早已对这些问题进行了思考。他们的头脑已经准备好，所以他们看到了机会就立即扑了上去。当然，很多时候结果并不成功，但你不需要成功很多次就能做出伟大的科学。这其实挺容易的。一个主要的诀窍就是------要活得够久！
Reference
- 伟大科学发现究竟出于偶然还是必然？
https://mp.weixin.qq.com/s/LFkd-9lO8M4UsITer9Av1A - 是运气吗？为什么不出名的科学家常有大发现
https://mp.weixin.qq.com/s/7CcDlKwu4zwrhEqVaRoYgw - 专访爱德华·威滕：我是个幸运的离经叛道者
https://mp.weixin.qq.com/s/dPzfr3jSlDXzkO757kJWcA - "科学家不应相信任何东西"，专访诺奖得主迈克尔·莱维特
https://mp.weixin.qq.com/s/6HqHj6NsmmOrKQWPxjBNyQ - 当智商与努力相当，为何只有少数人做出重大贡献？
https://mp.weixin.qq.com/s/RKj-XRIjQCAu4ku-xZJBdw