arxiv的文章参考文献

作者：苏中 阿里研究院资深技术专家

当代 科技 发展对数据和算力提出了极高要求。在传统基础技术研究领域，科研院所、高校的科研团队普遍缺乏这方面的能力支撑。为了应对这一变化，近十年来，“开放科学平台”在欧美逐渐盛行，为科研社区提供包含开放数据及相关分析工具、开放算力平台、开放源代码的各种支持。在科学技术的大国竞争时代，“开放科学平台”逐渐成为推动 科技 发展的关键变量。中国在这个领域需要加大投入，从而实现科学范式转变阶段基础科学平台建设的跟跑、并跑直到领跑。

1

科学进步背后的规律：从“Paradigm Shift”到“第四范式”

科学进步的轨迹是什么样的？

早期，人们普遍认为，科学发展是循序渐进的，科学家不断涌现，将已有科学理论向前推进从而推动科学发现越来越接近真理。

1962年，美国学者托马斯·库恩在《科学革命的结构》一书中提出，以物理学 历史 发展为例，科学发展存在有规律的不连续性。书中说，科学由一系列交替的“正常科学阶段”和“科学革命”阶段组成。在科学革命阶段，伴随着概念层的突破，已有的理论框架被新科学范式全面颠覆并重构，例如从牛顿力学到量子力学的转变。

库恩创造了“范式转变（Paradigm Shift）”这一科学哲学新概念。在库恩定义的范式转变理论中，科学发现遵循的是另一条五个阶段的循环路径：

1. “前范式阶段”： 几个不相容和不完整的理论，并逐渐收敛到一种被科学界普遍接受主导范式

2. “正常科学阶段”： 在主导范式的背景下不断解决科学难题，推进科学进步

3. “危机阶段”： 主导范式能未解决的异常现象，会在较长时期内不断累积，最终导致主导范式的信任危机

4. “范式转变阶段”： 主导范式出现重大失败后，科研基本假设被重新审视，进入新范式建立阶段

5. “新范式阶段”： 科学革命后，新范式主导地位确立

库恩开创了一门名为科学史或科学 社会 学的新学科。 社会 学家和 历史 学家开始把科学看成一种普通的亚文化。范式转变推动科学发展已成广泛共识。

库恩之后，计算机领域的学界泰斗、数据库领域的传奇科学家吉姆·格雷把科学技术发展史总结为四个范式阶段：

1. 第一范式：经验（empirical）证据。 数千年文明史中，人类绝大多数技术发展源于对自然现象观察和实验总结。相比于宗教或神学中不允许被质疑的教条来说，基于观察和实验的经验范式是科学技术发展中人类迈出的一大步。

2. 第二范式：理论（theoretical）科学。 相比于依赖观察和实验的第一范式可以做到“知其然”，第二范式的科学理论需要做到“知其所以然”，对自然界某些规律做出背后原理性的解释。因此，理论必须满足进一步的要求，如可证伪的预测能力、多个独立来源的一致性等。

3. 第三范式：计算（computational）科学。 随着计算机的运算能力越来越强大，它逐渐被用于科学研究领域。同前两个范式不同，计算科学中诞生了一种崭新的技术工具：计算模型与系统模拟。这一工具利用计算机的计算能力、基于大规模并行的计算机体系结构、通过设计算法并编制程序来模拟复杂过程，在大气环流、核反应过程、病毒感染过程。在经济学、心理学、认知科学等缺乏简单、直观分析解决方案的领域获得广泛采用。

4. 第四范式：数据科学（Data exploration）。 从基因测序仪、深空望远镜到覆盖全球的社交媒体，人类 社会 已经被深度数字化。每天在我们生活的数字地球里每天都会产生海量的数据。据估计到 2025 年，全球每天将新产生463 EB 的数据，相当于212,765,957 张 DVD，这些DVD叠在一起有30个珠穆朗玛峰那么高。在这样一个数据爆炸的时代，基于数据的技术革命也正在发生，数据科学成为技术发展的最前沿。以数据为中心的计算平台、数据加工、处理与分享工具、算法与模型库等一系列科学研究方式构成了技术发展的第四范式。

2

“开放科学平台”：更好应对第四范式的挑战

在第四范式主导的 科技 时代，研究团队除了研读技术最前沿研究论文，同时也需要这些论文涉及的实验数据集，以便复现实验结果。巨量数据和庞大计算需求给创新带来了新的挑战。传统科学交流仅限于论文和有限的公开数据集，为了促进新范式时代技术发展的持续性，加速科研团队的合作共享，欧美开始兴起了“开放科学”运动：

arXiv: 美国物理学博士保罗·金斯帕格1991在美国洛斯阿拉莫斯国家实验室创建了分享arXiv存储库，帮助全球科研团队分享研究论文预印本的全文数字版本。2008年，arXiv突破了50万篇文章的里程碑；2014年底达到100万篇；今天， arXiv每月从全球科研社区获得超过15000篇投稿。一些出版商还免费授予arXiv作者存档同行评审后印本的权限。arXiv也鼓励了更多科研机构，如美国国家医学图书馆仿照arXiv建立了医学领域的PubMed中央存储库。

Papers with Code： 相比arXiv，Papers with Code在开放获取领域则更进一步。这个平台不仅分享论文，还鼓励科研团队分享论文工作所对应的代码和数据集。平台同时提供了相关评测环境，可以对提交的算法代码在公共数据集合上做技术排名。Papers with Code不仅创建一个包含论文、代码和数据集的开放集合，同时也提供了技术评估方法的免费开放平台，显著促进了相关领域科研团队技术分享与协作，加速 科技 创新进程。

NASA开源科学计划： 为了降低太空科学 探索 门槛，让更多的科研团队可以参加美国国家航空航天局的科学研究，NASA 提出了开源科学计划 (OSSI)。OSSI的目标是在十年内建立一个开放科学社区，参与的科研团队承诺在研发过程中开放和共享相关软件、数据以及知识（包含算法、论文、文档以及相关辅助信息），并充分利用协作工具和云计算在内的技术工具提高NASA科学进步的速度和质量。

3

大国 科技 博弈：开放科学平台的重要性

在第四范式时代，爆炸式增长的数据在 科技 研发工作中扮演了极其重要的角色，它也给经历这一次范式转变中各个学科，尤其是非计算机领域的科研团队带来全新挑战，涉及数据与模型的获取与分享、计算模型与系统模拟的规模膨胀、大规模人工合成数据构造、多模态数据处理与分析的工具、数据抽取、转换、加载、数据可视化与交互、人工智能工具集与算力平台等领域。

今天，新一轮大国竞争很大程度上 体现为支撑 科技 发展的生态系统以及创新体系之间的竞争，开放科学平台已成为促进 科技 研发重要的基础能力之一。 以第四范式驱动的新一代创新体系在欧美已经有先发优势，从政府主导的科研项目到学术界的实践已有十年经验。我国需要在这个领域认识到不足，加速构建独立自主的开放科学平台，从而实现科学范式转变阶段 科技 发展的跟跑、并跑直到领跑。

参考文献：

(Aristotle)

END