预见科学：研究人员如何让工作经得起未来考验
每一个研究项目都是对未来的赌注。一位科学家将多年时间投入某一特定研究方向，一个资助方支持某一领域而非另一领域，一个机构围绕某项特定技术建设基础设施,,所有这些都在对什么重要、什么有效、以及结果出来时世界会是什么样子做出假设。然而，这些假设几乎从未被明确陈述、测试或系统性地修正过。
由Medical Futurist Institute主任Bertalan Mesko领导的研究团队在《自然》杂志上指出，这种情况需要改变。在一篇题为「The Science of Foresight: How to Future-Proof Your Research」的论文中，他们论证了科学机构应采用结构化的预见方法,,即军事规划者、情报机构和一些企业使用的相同工具,,来更好地决定在时间、资金和人才方面的投入方向。
「所缺的不是完美的预测，而是预见：一个结构化的、面向未来的过程，用于审视多种可能的未来，」作者写道。「识别在这些未来中都重要的假设，并定义可以触发研究方向、人员配置和资金优先级变化的信号。」
不向前看的代价
未能预见未来的后果在近期历史中随处可见。COVID-19大流行让大多数研究机构措手不及，迫使它们在疫苗开发、远程医疗部署和临床试验重新设计方面紧急加速。人工智能的迅速崛起让大学和资助机构忙于制定关于验证、评估、劳动力培训和研究诚信的政策。
在每种情况下，警告信号在多年前就已显现。但如果没有一个系统化的过程来审视这些信号的含义，机构便默认依赖非正式的判断、直觉和短期规划。
「每一个研究项目都是对未来的赌注，」作者写道。「然而，科学家很少审视这些赌注背后的假设。」
转化式预见
作者提出的概念是转化式预见，类似于转化医学,,旨在弥合实验室发现与临床应用之间的差距。转化式预见将把未来方法嵌入科学发展的核心机制：资助决策、基础设施规划、课程设计和评估标准。
该论文概述了研究人员、实验室负责人和资助方可以使用的几种实用工具：
未来之轮，从一个中心变化出发（例如「AI现在可以合著论文」），研究人员绘制直接和间接后果（包括意外后果），以生成风险和机遇地图。
2×2情景分析，通过识别一个关键驱动因素和一个关键不确定性，研究人员可以构建四个可能的世界，并测试哪些策略在所有世界中都稳健，而不是为单一预期未来进行优化。
愿景写作（回溯法），从未来研究人员（比如2035年）的视角写作，描述发生了什么变化、什么有效、什么失败了。这有助于明确长期愿望以及实现这些愿望所需的里程碑。
难倒未来学家，一种结构化的压力测试，其中对未来主张提出失败模式和缺失变量的挑战，然后附上明确条件进行修正。
从反应性科学到预期性科学
作者指出，一些组织已经使用了这些方法。壳牌几十年来一直利用情景分析来应对能源危机。情报机构使用结构化分析技术来避免认知偏差。宾夕法尼亚大学的良好判断项目利用群体智慧回答前瞻性地缘政治问题。
但在科学领域，这些工具仍然处于边缘地位。作者呼吁将它们嵌入到资助申请、机构战略规划和研究培训项目中。他们认为，资助方应要求申请人不仅阐明他们计划做什么，还要阐明他们对未来做出哪些假设，以及如果这些假设被证明是错误的，他们将如何调整。
「转化式预见将准备状态从一个静态的应急检查清单转变为一个测试和更新未来决策所依赖的假设的系统，」作者写道。
在科学技术变革速度日益加快的世界里，系统地思考未来的能力可能与任何个人发现一样重要。
来源
[1] Mesko, B., Kristof, T., Car, J., Sung, J., Wong, T.Y. 「The science of foresight: how to future-proof your research.」 Nature, 655, 848-850 (2026). DOI: 10.1038/d41586-026-02231-y. https://www.nature.com/articles/d41586-026-02231-y
婷 翻译