發佈日期:2019-08-16

後黑天鵝時代的科研經費分配

作者:林倞

政策評析槓鈴策略意外發現未知的未知學術自由述事謬誤預測Barbell StrategySerendipityUnknown UnknownAcademic FreedomNarrative FallacyForecasting

文章圖片所有權:https://ppt.cc/f8Xsmx,Created by Holgi
著作權適用聲明:CC0 Public Domain-可以做商業用途-不要求署名

11

一、 前言

22

Nassim Nicholas Taleb所著《黑天鵝效應》(Taleb, 2007)被銷量最大的英國報紙The Sunday Times評為二次大戰後,足以改變世界的書籍之一(Appleyard, 2009)。其初版至今已超過十年,在大眾文化中,卻僅存在於財經新聞標題,全書真正要表達的內涵卻被忽略了。Taleb在書中批評,政府所提出的精確施政計畫或是預測,往往跟事實有段距離(Batchelor, 2001)。《黑天鵝效應》不僅僅是暴紅的暢銷書,Taleb所提出的概念也受到諾貝爾經濟學獎得主Daniel Kahneman的推崇(Kahneman, & Egan, 2011);政府在認識黑天鵝的意涵後可從長計議,將新思維導入政策的決策模式之中。

33

二、 討論

44

賓州大學的Tetlock教授發現,即使是專家的預測,成功率是隨機的(Tetlock, 2006)。在Tetlock的研究中,觀察了整整20年區間內,將近300位專家的預測;這些專家包括政府官員、社會科學學者、國安專家、經濟學家,其中超過96%受過研究所以上的訓練。經過統計,這20年中上述專家共數千次的預測結果,與隨機猜測差不了多少。哈佛大學的Nichols教授也在著作《專業之死》中指出(Nichols, 2017):民眾往往期望專家能具有預測的能力,但從根本上專家並非精於此道;科學的目的在於解釋,而非預測。

55

從Taleb的觀點來看,決定世界變化的因素太多了,政府其實知道的非常有限,更重要的,政府決策當下並不知道還有哪些影響事態發展的未知的未知(unknown unknown),政府干預市場或國家發展的後果可能全憑運氣。假設國家命運是由100個因素決定,政府即使動用所有資源卻僅能知道其中10個因素,在考慮這10個因素的限制條件下制定政策,結果是好是壞,可以說跟政府的決定沒有直接關係;事實上,改變歷史的重大事件可能都是這種情況。「黑天鵝」一詞指的就是那些未知的未知中,左右歷史發展的重大事件。統計學最適用於「賭場」這種透過機率去設計的場合,卻經常不適用於真實世界這種黑天鵝決定走向的場合。黑天鵝不會是在事情發生前你能在報紙上看到的東西,一旦記者寫某事可能成為黑天鵝時,該事件就已經不會是黑天鵝了。

66

人類的現代文明就是一連串黑天鵝事件造成的。沒有1453年鄂圖曼土耳其滅亡羅馬帝國而阻斷通往中國的絲路,就不會有1492年哥倫布為了尋找通往中國的新航道而發現的新大陸。沒有發現新大陸,就不會發現新大陸上才有的橡膠,沒有用來密閉蒸汽機的橡膠,就不會有1760年代的第一次工業革命。這些重大歷史事件,沒有一項是按照任何一個政府的計畫實現的。若說有哪個政府高瞻遠矚地為了在18世紀迎來工業革命,所以在300年前的15世紀資助鄂圖曼土耳其攻打羅馬帝國,是不會有人相信的,事實上也並未發生。值得一提的是,人類會在「事後」自以為是地提出一套自圓其說的道理來解釋黑天鵝,這種自圓其說的事後諸葛被Taleb稱為述事謬誤(narrative fallacy);Yuval Noah Harari則在《人類大歷史》中以「後見之明謬誤(hindsight fallacy)」描述類似的概念(Harari, 2011)。此段落所述羅馬帝國的滅亡導致300年後的第一次工業革命整個推論,也可能只是述事謬誤;這更說明了,我們不能忽視未知的未知對歷史走向的影響。所以施行讓「意外發現(serendipity)」發生機率更高的政策不失為政府的一種選項。

77

最有名的「意外發現」就是哥倫布(Christopher Columbus)發現新大陸。哥倫布是帶著西元二世紀托勒密畫的錯誤世界地圖,算錯了到中國的距離,算錯了去中國航程中所需要的食物數量,在整群學識淵博的大臣—所謂的專家的嘲笑聲中,說服了搞不清楚狀況的西班牙王室,出發尋找「前往中國」的新航道。在飢病交迫的船員就要暴動的前一刻,哥倫布發現了他以為是印度的美洲新大陸。

88

科技進步主要來自於大量的意外發現。巴斯特(Louis Pasteur)在研究葡萄酒變質的過程中意外發現了病菌的存在,才引發醫界對消毒的重視,一下子把手術的死亡率從80%以上降到20%以下。倫琴(Wilhelm Röntgen)在研究真空管中高壓放電的過程中,不小心發現了X光。弗萊明(Alexander Fleming)因為不小心在細菌培養皿留下金黃色葡萄球菌,而發明了抗生素。湯斯(Charles H. Townes)在分裂光束實驗中不小心發現了雷射。威而鋼(Viagra)的「副作用」也不是該藥品開發的原來目的。若沒有意外發現帶來的消毒、X光、抗生素、雷射手術等引發的一系列技術進步,現代的醫療手段根本不可能存在。

99

以政策限制、獎勵少數研究方向,會降低意外發現產生的機率。西元前130年左右漢朝以降的獨尊儒術就是以政策限制、獎勵少數研究方向影響深遠的一個例子。中國知識份子一直以為自己在做對的事,國家發展卻停滯千年,正是因為未知的未知所能帶來的衝擊是他們所不知道的。西元前130年到1842年鴉片戰爭戰敗的兩千年間,中國雖然有造紙、印刷術、指南針和火藥等幾項尚稱重要的科技發展,但相較於西方的科技大爆發,「意外發現」產生的機率可以說微不足道,英軍才能在鴉片戰爭中以人數約1:26的懸殊比例擊潰清軍。在面臨鴉片戰爭這樣的黑天鵝時,以政策限制、獎勵少數研究方向可能要付出代價。

1010

政府在認識黑天鵝的意涵後可從長計議,建立新思維並導入政策的決策模式之中;而各種政策中,科技政策是很好的切入點。從熟悉、理解黑天鵝的概念再到引伸出新思維,並非一蹴可及,首先要經歷很長一段接受黑天鵝概念的過程。相較於經濟政策或社會政策等,科技政策在一般人的認知上對其生活影響較小,加上科技本身具有創新的特性,主導決策者都是受過科學訓練的科學家,能理解試驗新觀念的價值。其中,又可將政策影響範圍限縮至「科研經費分配」進行小規模政策試驗。

1111

科研經費分配可運用Taleb的槓鈴策略(barbell strategy)落實對黑天鵝效應的重視。重視黑天鵝的決策模式並非完全的放任,而是同時以非常保守(hyper-conservative)的政策抵禦帶來負面效應的黑天鵝,並以非常積極(hyper-aggressive)的政策歡迎帶來正面效應的黑天鵝。「預防」跟「抵禦」是非常不同的概念,預防指的是「已知」特定事件會發生,以措施避免其發生,但正因為黑天鵝是未知的未知,無從避免,該做的是降低任何事件對我們的衝擊。科研經費分配可以參考槓鈴策略,也就是85~90%的預算用於非常保守的投資,10~15%的預算用於非常積極的投資。保守的科研經費分配部分,相當於目前科技預算的使用分配;積極的預算使用模式,本文建議可透過「隨機選擇」的方式分配研究計畫經費來實踐。

1212

目前各國包括台灣的主要做法是以匿名同儕審查(anonymous peer review)的機制進行研究計畫審核。在本研究所提出的隨機選擇法中,只要具有法定研究人員資格的學者就可以申請參與隨機選擇,以隨機而非審核研究計畫書的方式,決定是否獲得槓鈴策略中,用於積極投資的10~15%預算;需再次強調的是,必須由研究人員資格的限制做好最基本的把關。對自己研究獲得補助具有把握的學者,當然也可以透過傳統研究計畫書審核的方式,去申請用於保守投資的85~90%之主要預算。

1313

早在《黑天鵝效應》出版前的1998年,Greenberg在影響指數(impact factor)超過50的重量級期刊The Lancet發表了用隨機選擇法決定研究經費補助的想法(Greenberg, 1998)。當時他認為研究計畫審查機制(匿名同儕審查)的效用一直沒有被系統性的檢討,同時也指出運氣對研究成果的影響是不應該被忽略的。基於Greenberg的想法,2011年時Graves等人在影響指數同樣高達20以上的The BMJ發表了針對匿名同儕審查機制效用的研究(Graves, Barnett, & Clarke, 2011);在研究620件被澳洲國家健康醫療研究委員會(National Health and Medical Research Council of Australia)核准的計畫後,他們發現審查委員的評分之間時常落差很大,審查委員會的人數也不固定,相當於有59%計畫的核准與否是隨機變異性(random variability)造成的。

1414

倫敦大學學院的Gillies在2014年的研究中提到,諾貝爾獎得主James Black認為自己獲諾貝爾獎的研究計畫無法在匿名同儕審查機制下被核准(Gillies, 2014)。Gillies在該文中提倡隨機選擇法,指出「研究(research)的定義就是在『未知』領域中探索」,怎麼會用同儕審查的委員的既有立場去決定未知前景的計畫的核准與否?已有學術地位的審查委員會因為倖存者偏差(survivorship bias)及學者自戀(researcher narcissism)等原因去用自己的價值觀評斷。學者的學術地位來自其過往及其學生獲得學位等長期累積形成的成功途徑,成功一方面讓學者相信自己才是對的,另一方面為了捍衛自己的成果以獲得往後的經費,傾向於不接受新的、未知成功與否的途徑;這最後會造成系統性偏差(systemic bias),使得整個學術系統離不開低垂果實(low-hanging fruit)已被採完的那棵果樹,而不去採集新的樹上的果實。Gillies在文中又以諾貝爾獎得主James Black的看法作為實例。Black在1988年獲得諾貝爾生理學或醫學獎,他認為同儕審查會把研究導向所謂的「正統(orthodoxy)」,去追求流行而非新穎的研究,同時匿名機制讓審查的意見變得不負責任。Black認為自己很幸運地避免了匿名同儕審查。另一位諾貝爾得主Harald zur Hausen發現乳突病毒是子宮頸癌的成因而在2008年獲得生理學或醫學獎。在其研究子宮頸癌的年代,學界的主流意見認為子宮頸癌的成因是皰疹病毒。Black認為,好在zur Hausen的研究經費來自大學本身,若需受到同儕審查,研究非主流的乳突病毒學說的經費一定不會被核准。

1515

劍橋大學的Avin首先在2015年發表的研究中,以認知地圖(epistemic landscape)模型進行模擬而發現,針對廣大未開發的研究領域(wide and largely unexplored areas)時,隨機選擇法優於審查法,結合隨機選擇與審查的效果則接近於純綷的隨機選擇(Avin, 2015)。本文對其研究的評論是,回到Gillies所說「研究的定義就是在未知領域中探索」,一個研究領域是未開發或已開發是很模糊的。Avin在2018年進一步指出長期、成本高、已開發、學術地位影響大的研究不適合隨機選擇法(Avin, 2018);本文則認為每個領域的研究都需要長期投入,累積的成本極高,學術地位影響亦很大,Avin所下的但書好像意義不大。與Avin (2015)結合隨機選擇與審查的做法類似,Fang和Casadevall (2016)提出先增加審查通過數量,再將通過審查的後段班進行隨機選擇的方式。

1616

美國的科技預算是透過國家研究院(National Institutes of Research)撥款,其中80%採用與我國相同的匿名同儕審查制補助經費,10%則直接用於國家研究院自身研究(另外10%為行政費用);Gillies (2014)認為國家研究院自身使用的這10%已相當於是審查制外的一種變通,等於政府已經有立場再去嘗試如隨機選擇法之類的其他變通方法。2018年中,瑞士國家科學基金會(Swiss National Science Foundation)主席Matthias Egger也在網路文章中提到可以考慮隨機選擇法(Egger, 2018);除了頂尖一定要支持的研究及明顯太差的不能支持以外,其他的研究計畫通過與否可以透過隨機選擇法決定。但Egger也強調,政治人物乃至大眾可能會認為,瑞士國家科學基金會不願意或沒能力對研究計畫進行審查;這也是本文一再強調必須讓民眾漸漸能接受黑天鵝效應這個概念的原因。

1717

三、 結論

1818

黑天鵝一直都在,後黑天鵝時代指的是Taleb為人類指出這個現象之後的現在。Taleb強調的槓鈴式投資策略,是以多數非常保守的資金配比,來因應負面黑天鵝事件的衝擊,以少數積極投資來迎接正面的黑天鵝效應帶來的果實。本研究建議政府的預算分配,尤其是比較能接受新觀念的科研領域,可嘗試導入槓鈴策略。也就是參考瑞士國家科學基金會主席Egger的意見,在科研經費分配上,除了頂尖一定要支持的研究及明顯太差不能支持的研究計畫以外,進行隨機選擇的實驗。例如可利用目標導向的專案計畫進行實驗,因為專案計畫具有明確目標,可將申請人分為實驗組的隨機選擇與控制組的一般申請,比較兩者的計畫目標達成成效。由於需要足夠的數據才能作出統計上有意義的判斷,故實驗也需要累積一定數量(例如進行為期十年的觀察),以獲得結論。

1919

參考文獻

  1. Appleyard, B. (2009, July 19). Books that helped to change the world. The Sunday Times. Retrieved from https://www.thetimes.co.uk/article/books-that-helped-to-change-the-world-qbhxgvg2kwh
  2. Avin, S. (2015). Funding science by lottery. In Maki, U., Votsis, I., Ruphy, S., & Schurz, G. (Eds.), Recent Developments in the Philosophy of Science: EPSA13 Helsinki (pp. 111-126). Switzerland: Springer.
  3. Avin, S. (2018). Policy Considerations for Random Allocation of Research Funds. RT. A Journal on Research Policy and Evaluation, 6(1), 1-27.
  4. Batchelor, R. (2001). How useful are the forecasts of intergovernmental agencies? The IMF and OECD versus the consensus. Applied Economics, 33(2), 225-235.
  5. Egger, M. (2018). Random selection for science funding: not such a crazy idea. Retrieved from https://www.horizons-mag.ch/2018/06/05/random-selection-for-science-funding-not-such-a-crazy-idea/
  6. Fang, F. C., & Casadevall, A. (2016). Research funding: the case for a modified lottery. mBio, 7 (2), e00422-16.
  7. Gillies, D. (2014). Selecting applications for funding: why random choice is better than peer review. RT. A Journal on research policy and evaluation, 2(1), 1-14.
  8. Graves, N., Barnett, A. G., & Clarke, P. (2011). Funding grant proposals for scientific research: retrospective analysis of scores by members of grant review panel. BMJ, 343, d4797.
  9. Greenberg, D. S. (1998). Chance and grants. The Lancet, 351(9103), 686.
  10. Harari, Y. N. (2011). Sapiens: A brief history of humankind. New York: Random House.
  11. Kahneman, D., & Egan, P. (2011). Thinking, fast and slow. New York: Farrar, Straus and Giroux.
  12. Nichols, T. M. (2017). The death of expertise: The campaign against established knowledge and why it matters. United Kingdom: Oxford University Press.
  13. Taleb, N. N. (2007). The black swan: the impact of the highly improbable. New York: Random House.
  14. Tetlock, P. E. (2006). Expert political judgment: How good is it? How can we know? New Jersey: Princeton University Press.