Balancing innovation and assimilation in research communities
本文通过提出并分析随机相互作用粒子系统模型，旨在证明随着研究社区规模的扩大，知识进步的速度呈现出收益递减的现象，这表明研究人员必须日益侧重于吸收现有知识而非产生新的创新。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个巨大且繁忙的图书馆，那里的每一位研究人员都是试图编写一部终极、永无止境的百科全书的图书管理员。长期以来，人们一直认为，如果你只是雇佣更多的图书管理员，百科全书就会完成得越来越快，就像一条上升的直线。但这篇文章指出，事实并非如此。事实上，你增加的图书管理员越多，平均每位图书管理员增加新页面的速度反而就越慢，尽管总页数仍在不断增长。
作者比尔（Bill）、玛丽亚（Maria）、马塞尔（Marcel）和蒂姆（Tim）构建了一个数字化的“玩具世界”来探究原因。他们创建了两个不同版本的图书馆，以观察图书管理员的行为。
“全知”图书馆（高信息量）
在第一个版本中，每位图书管理员都能准确地看到其他所有人所掌握的知识。他们知道谁目前正在编写最先进的页面。
- 规则： 如果你是房间里最聪明的人，你就可以编写一个新页面（创新）。如果你不是最聪明的人，你就必须跑过去，去抄袭那个最聪明的人所写的页面（同化）。
- 惊喜之处： 作者发现，随着图书馆规模的扩大，百科全书“前沿”推进的速度变慢了。它不是线性增长，而是像人数的平方根那样增长。
- 类比： 想象一场比赛，领跑者正在跑一圈。如果你有100名跑步者，领跑者必须跑得更快才能保持领先，但其他所有人必须花费几乎所有的时间去追赶领跑者的新位置。论文表明，在庞大的群体中，研究人员必须花更多时间去模仿他人已经发现的东西，以便跟上进度，从而留给进行全新发现的时间就更少了。这解释了为什么尽管我们拥有的研究人员比以往任何时候都多，但“人均”发现速度似乎在下降。
“盲目”图书馆（低信息量）
在第二个版本中，图书管理员处于黑暗之中。他们不知道谁是最聪明的，甚至不知道自己有多聪明。
- 规则： 每当一位图书管理员的内部时钟响起时，他们必须抛一枚硬币。如果是正面，他们就尝试发明新东西。如果是反面，他们就随机抓取房间里的一个人并抄袭其作品。这个“硬币”由一个被称为 q 的数字控制，q 代表用于尝试创新的时间比例。
- 发现： 作者通过模拟实验，观察了当改变硬币权重时会发生什么。他们发现，你不能只花100%的时间去发明，也不能只花100%的时间去模仿，你需要一种平衡。
- 转折点： 随着图书馆规模的扩大，“完美的组合”也会发生变化。在只有两个人的微型群体中，你可能会投入相当多的时间去发明。但在一个拥有4,000人的庞大群体中，模拟显示，为了让知识的波浪推进得最快，你实际上需要花更多时间去模仿，而更少时间去发明。人群越大，你越需要通过同化（模仿）来维持知识波浪的推进。
他们排除了什么
该论文明确反对仅仅通过增加研究人员来导致知识速度实现线性、比例增长的观点。他们还指出，“论文数量越多意味着进步越快”这一想法具有误导性；论文数量是衡量我们实际学习速度的一个糟糕指标。
他们的把握有多大？
作者对“全知”案例非常自信，他们使用数学证明了速度如何随人口规模的平方根进行缩放。对于“盲目”案例，他们使用了计算机模拟来展示趋势。他们发现，在只有两个人的情况下，他们可以使用涉及特殊函数（如贝塞尔函数）的复杂数学进行精确计算。对于更大的群体，他们使用模拟显示速度正收敛于一个特定的极限，但他们也指出，这种收敛过程出奇地缓慢。他们暗示，在现实世界中，随着其领域规模的扩大，研究人员应该花更多时间去阅读和理解他人的工作，而不是试图从头开始发明一切。
大局观
论文总结道，知识的进步不是一条直线。知识是一波浪潮。随着研究人员群体的增长，推动这波浪潮变得越来越困难，因为每个人都必须花更多时间去追赶前行者。作者暗示，真实的知识可能比他们的直线模型更为复杂（也许更像是一棵拥有许多分枝的树），但他们简单的模型已经表明，“人越多，进步越快”的观念是一个神话。相反，团队规模越大，我们就越需要依靠彼此的工作来保持前进。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。