本節破解一個謎：為什麼中國的基礎創新能力不行？作者用兩個場景做比喻。
兩個場景#
場景一：自由的探礦者#
- 一片巨大的礦區，大部分是普通鐵礦，有些銅礦，有少量金礦，甚至有寶石礦
- 你挖到什麼就獲得相應回報
- 挖什麼、在哪挖由你自己判斷
- 你面對不確定性：運氣好可能一夜暴富，運氣不好連續多天什麼都挖不到
場景二：穩定的銅礦工#
- 另一片礦區，只有銅礦，但儲量特別大
- 有個機構按公平、甚至相當高的價格收購銅礦石
- 你只要每天去挖一些銅礦石賣掉，就能獲取不錯收入
你選哪一種？#
假設按人均而言兩者收入差不多。多數人會選穩定的銅礦工：
- 沒有暴富希望
- 但收入穩定、未來可控
- 不用擔心朝不保夕
- 特別適合養家糊口
從投資理財角度看，若均值一樣，應選波動性小的那個。
換個更高視角#
如果你是那個收購礦石的機構，答案就不一樣了：
- 你希望什麼礦石都能有一些，最好還能得到一些罕見的寶石
- 為了收穫驚喜，你得讓系統有不確定性
- 你會更喜歡自由的探礦者這樣的制度
「自由的探礦者」是正確的科研制度，而「穩定的銅礦工」是中國的科研制度。
美國 AI 發展史作為探礦者故事#
作者同學在國內某大學做 AI/機器學習教授，坦言：中國科學家跟隨能力很強，也可以在某方向上超越美國同行，但原創性的發現能力還是不行——因為在國內搞科研不自由。
神經網絡的發展（非主流變主流）#
- 1950 年代：神經網絡（感知器）屬於非主流，1957 年數學家證明感知器的根本性困難，被認為沒有前途
- 1980 年代：特倫斯・謝諾夫斯基（Terrence Sejnowski）在 MIT 報告：計算機比蒼蠅大腦還複雜，但蒼蠅能在飛行中識別物體避免撞擊——為什麼？因為大腦是演化產物而電腦系統通用
- 這派想法一直被主流打壓，拿經費、發論文都很困難
- 但 AI 寒冬來了，主流沒有更好辦法，非主流漸漸有了發展空間
- 最終 DNA 雙螺旋發現者弗朗西斯・克里克（Francis Crick）也加入，計算機、生物、腦、數學多學科合作，奠定現代神經網絡理論基礎
- 這個思想後來孕育出語音識別、機器翻譯、AlphaGo 等成就
三個特點#
- 學者搞研究是為了解決問題，而不是發論文
- 現在如日中天的思想，剛出來時都是非主流——用謝諾夫斯基的話，這是「一小群人在對抗建制派」的故事
- 跨學科合作完全自發形成
中國為何沒有這樣的故事？#
- 過分追求「公平、公正」的量化管理
- 中國收購礦石的機構不在意你拿出來的是銅礦石還是寶石——只認論文
- 你研究十年、給某領域開新方向、發在期刊上——論文一大推頂級期刊的人（那些花很多錢買了五台冷凍電鏡批量測定各類蛋白質分子結構）比你引用率高
挖銅礦石是容易的。銅礦代表主流、代表跟風，銅礦就在那裡。你只要勤奮就行，不需要運氣，你甚至都不需要聰明。有穩定的銅礦誰還去挖不知在哪的寶石啊？
自由與穩定的根本矛盾#
- 中國科研制度對「科學發現」「國家」沒什麼好處，但對科研人員很有好處：收入穩定、地位較高、可控性強
- 作者承認一個殘酷事實：美國科研體系正在變得「中國化」——過去幾十年科研經費指數增長，卻沒有相匹配的成果；評價越來越量化，跨學科「通才」變少，工匠式學者空間越來越大
- 哪怕一群強盜，只要占山為王也會追求穩定
- 但這種日子不可持續。主流終將面對困局，世界上沒有取之不盡又永不降價的銅礦山——我們只是不知道困局何時到來
自由和穩定互相矛盾，聲望和位置是兩種追求，創新在本質上不可控。真正的科學家和創業者都是反叛者。意識不到這一點，談論「創新」就是葉公好龍。