人工智能时代的科学研究范式转移以及知识产权制度变革

之前的科研范式走的是精英化路线，你可以大胆的假设，但是必须小心的求证，然后才能够发表。因为每一个科研人员的注意力都是极其宝贵的，能接受的输入带宽是有限，没人愿意浪费在一个不靠谱的猜想上。

但是我们知道创新过程其实是个涌现过程，参与人员基数越大，迭代周期越快，创新速度越快。

如果把每一个新想法都看成是一个基于知识图谱的推理过程，精英们的推理过程靠谱，相当于高端计算机，计算能力和准确度都强；而普通知识分子和爱好者则相当于低端机，各方面水平虽然不高，但省在基数多，整体算力不差。如果我们把他们都利用起来就能大大加快科研速度。

那么问题的关键就变成了：谁来承受如此大的输入，又如何筛选出靠谱的猜想（Idea）？

前者的答案是AI；筛选方法则和训练AI类似。可以把人类与AI看成是一个联合的神经网络，联合的计算机器。人类边缘网络可以将自己的猜想输出给AI中心网络，AI能够读懂意思，自动匹配人类相似的想法，聚类，加权，输出；并匹配资源验证，最后自动给予奖励和惩罚。

如此知识产权制度也会发生重大变革，知识产权归人+AI整体；奖惩分配制度已经内化到人+AI的神经网络结构之中。届时你接受的奖励不再只是基于某一个创意，而是长期创意的集合，整个网络的对你的信任，权重的函数。