区分“洞见”与“扯淡”：这很重要

在最近的一次全国性的学术会议上，我做了一次大会报告。主要讲用工程思维对待大数据分析，强调不要把大数据分析当成“算命先生”。话音刚来，网上看到了北方某著名高校的奇文《行长的面部宽高比影响银行业绩的路径研究》横空出世。

我研究创新多年，经常提到所谓的“大智若愚”。但现实中的“大愚若智”却多得多。昨天和朋友们提到：某学者出身的高 官，力主某不成熟的技术，结果让某企业亏了上百亿。知情人知道他是假把式，不知情的却往往很欣赏他。中国科技界有不少脱离实际、只会纸上谈兵的人。前天我还对一位企业家讲：要搞好智能制造，前提之一是不要被学术界的某些人忽悠。

但也有人认为：这种研究是值得鼓励的 创新吗？于是我想：面对科技浪潮，分清“洞见”和“扯淡”是非常重要的。

商业活动中的“洞见”有个重要的特点：其逻辑可行性可以由常人事先判断。例如，互联网、大数据、AI行业的一些“奇迹”，如淘 宝、预报感冒、阿尔法狗等——其逻辑可行性没有问题的、事先可判断的。汽车、火车、电话、电灯、电脑莫不如此。“洞见”之所以可贵，是因为人们对技术发展的程度、速度、规模、重要性的认识是模糊的，以至于被很多人漠视甚至鄙视。比如，当年火车速度很慢、电脑的运算速度慢、网络成本高等。也就是说，人们难以意识到的是某种“量变到质变”的飞跃。

与商业活动先比，科学研究活动中的“洞见”可能超出常人的思维能力，而专业人士也未必有耐心去听。相对论、非欧几何都是这样。对于这样的研究，非专业人士可以感兴趣也可以不感兴趣，但不要用非专业的知识去点评。唯一可以点评的是：做这些研究的人也要尊重别人的专业，不赞同没受过高等教育的业余爱好者去研究哥德巴赫猜想。

我曾把科技活动分成四类：是科学也是技术、是科学不是技术、不是科学是技术、不是科学也不是技术。很多中国学者的学术素质太差，根本分不清楚其中的区别。于是，他们研究的就是第四类，或者说伪科学、伪技术：既不发现知识，也不创造价值。比如，计算机领域的“透明计算”，居然得了国家自然科学一等奖，成为世界性的笑话。可以断言：只要这样的笑话存在，中国科技兴国就没戏。

《行长的面部宽高比影响银行业绩的路径研究》也是这样。是科学研究吗？不是。因为科学研究讲究因果，这两个问题没有因果。是技术研究吗？也不是。银行会根据面部宽窄选拔干部吗？这样的研究只能是典型的哗众取宠。

有人可能不服气：这可能是科学发现啊。我可以断言：即便这种相关性存在，也不是具有因果性的科学发现。做过数据分析的人都知道：数据可以发现很多令人吃惊的结论。比如“脚丫子大的孩子智商高”、“练太极拳的人身体差”。为什么会有这样的结论呢？因为“年龄大的宝宝脚丫子大”、“练太极拳的人中老弱病人”。类似的，美国人曾经做过一些研究，“皮肤黑的容易犯罪”——但黑人的犯罪率高是众所周知的。

我们再来看看这种分析的可行性。我做了20多年的数据分析，深知数据分析之难。

我给人讲大数据时，常提到马克.吐温的一句话：“戒烟最容易了——我戒了200多次”。用这句话来说：通过数据分析发现“新知识”太容易了——关键是靠谱吗？

某元素对材料性能的影响是有定论的。但我曾估算过：利用大生产数据，要把误差控制在10%以内，大约需要20000个样本，概率才能达到67%。这也从某个角度说明了大数据的重要性。但这也说明：对于多因素的复杂问题，用数据分析方法的难度是很大的。我不知道：论文作者到底分析了多少张行长的脸，就得到这样的结论？说句难听一点的话：科学研究搞得好的人，那是需要一点智商滴！

诚然，要推进科技活动，需要有包容的心态。但所有的科技活动，都需要考虑两个问题：成功概率、项目的投入和价值。离开这两个指标谈科技，无异于耍流氓。不谈这两个指标，再多的钱都会丢到水里，浪费的是纳税人的血汗钱。

我也赞成做一些成功概率低、投入高的事情，比如核聚变研究。原因是：这些研究的价值很大，值得去探索。但是，做那些成功概率低、价值又低的“科研”却是愚蠢的。否则，为啥人们会笑话“守株待兔”呢？支持他们的人不妨问一下自己：如果他们的工资是你来出，你愿意吗？作为纳税人，我肯定不愿意。当然，如果他们愿意自费研究，我就不关心了。

我们身处一个伟大的创新时代，但也是一个骗子和蠢货频频出没的时代。认清“洞见”和“扯淡”，是非常重要的。否则，科研经费再多，也填不满愚蠢带来的无底洞。更何况，我国还有那么多贫困人口、那么多看不起病等死的人。这样浪费公帑，是不负责任的。