《给科学家的科学思维》科学思维入门指南

我通常更喜欢阅读一些关于“道”或者大框架的书，很少会去读完那些关于“术”或者扣细节的书。然而，这本书是一个例外，因为它正处于我决定职业生涯的时刻，我觉得从一个广角度去了解这个职业的整体情况可能会对我有所帮助。

这本书内容非常丰富，如果将细节都补充起来的话，几乎可以算得上是科学学101课程了。在书中给我留下最深刻印象的是索引的实用性、马太效应、指数现象及其背后的原因（优先连接等等）、合作以及成功的模式。

身处其中的我们经常抱怨指数，比如i10之类的东西。然而，如果我们从一个客观广阔的视角出发去思考，指数只是量化的第一步，而且所有的指数都存在漏洞。也就是说，如果我们用指数来衡量“成功”或者“突破”，那些以成功或突破为目标的人在指数的意义下往往不会超过那些以指数为目标的人。因此，指数应该经常更新，并且不应该透明到让人们可以完全掌握。也许人工智能是一种比人工设计指数更好的方法。但是如何培训人工智能（如何定义成功或突破）是一个问题。

至于马太效应、大规模的规律以及背后的原因，我认为这些属于更广泛的内容，应该从更高的角度来理解。马太效应应该放在人类学、社会学和心理学的框架下进一步解释，而大规模的规律应该放在广义复杂系统的范畴中来思考。

合作和科学成功的模式对我来说更具有指导性，对于我职业选择来说，这是更具细节的内容。从这些方面出发，我们可以看到合作是有利的，而天才之间的合作却很难成功，这与我之前总结的同事行为规律有所不同。这也解释了为什么我之前的合作都是非常艰辛的：社会对个人优秀形象的要求有时并不正确。此外，科学上的成功更多依靠天赋和运气（与施一公的演讲相符合），而不仅仅是积累。一次成功可以开启一个高产期，而每个人一生中的高产期很难超过一次。这些也是我对自己的合作进行负面评估的一小部分原因，或许也是我想要转行的原因之一。

总的来说，这本书可以算作是一本工具书和科学学的入门书。之后，我可能会深入研究科学学，但也不一定。毕竟，复杂系统确实非常有趣，而了解如何科学地做事、如何利用新的工具来更宏观地理解科学也是很有帮助的。我之前想要开发一款能够整理文献、把握学科脉络和人际关系的自动化应用，虽然目前还没有时间去实现，但如果有这样一款方便易用的应用，我相信会对很多人都非常有帮助。