作者：Yi Zhang（博士，Codatta，@drtwo101）、Diana（BNBChain，@diana_bnb）、Eva（AuraSci，@1vayou）、Andrea（OGV，@Andrea__Chang）、Lucy（@BoboLucyWisdom）
编辑：Tess Li（Codatta，@li_tess）
引言
去中心化科学（Decentralized Science，简称DeSci）正在通过应对传统中心化系统的局限性，彻底改变我们对科学研究的方法。从历史上看，伟大的发现往往源于独立科学家在没有机构优先事项或企业资助限制的情况下工作。如今，研究高度依赖中心化的资金来源，这些来源往往优先考虑商业上有利的成果或强化机构偏见。去中心化科学通过利用区块链和Web3技术来去中心化资金、执行和传播，创造了一个更加透明和包容的研究环境。
本文探讨了去中心化科学如何赋予独立科学家和社区重新控制科学探索的权力。通过研究去中心化资助平台、数据协作工具和社区驱动的治理模式，它突出了这一运动的变革潜力。通过去中心化机制，研究者可以获得对高风险、非常规想法的支持，促进透明的决策，并公开传播研究发现。随着人工智能、协作工具和Web3的兴起，去中心化科学为民主化创新和加速为社会进步追求知识提供了蓝图。
为什么选择去中心化科学？
科学发现是通过迭代假设检验和实验系统性地获取新知识的过程。归纳推理使研究者能够从特定观察中概括科学结论，并发展出可以自信预测结果的原则。
科学研究可以去中心化。去中心化必须从资金开始，因为对财务资源的控制从根本上决定了科学探索的方向。历史上，许多伟大的科学家进行独立研究，要么由个人资助，要么由赞助人支持，这使他们能够自由地探索，不受中心化权威或企业利益的影响。像伽利略·伽利莱（得到美第奇家族支持）、主要独立工作的艾萨克·牛顿，以及自资助进化研究的查尔斯·达尔文等人物，都证明了去中心化研究的影响。他们的独立性导致了突破性的发现，这些发现塑造了科学进步，不受机构限制。
科学研究应该去中心化。相比之下，当今的科学研究高度中心化。它主要依赖政府拨款，部分依赖企业资助，并受机构监督，这往往由少数"管理者"确定研究主题，并限制科学家的自主权。这种中心化的资助模式引入了显著的偏见——企业资助倾向于对商业有利的成果，损害了客观性（BMJ, 2014）。例如，食品行业资助的研究报告有利结果的可能性高出3.2%（Springer, 2021）。政府拨款虽然不太容易受到商业相关偏见的影响，但仍然常常优先考虑established机构和知名研究组，而不是真正新颖或非常规的想法。即使是旨在减少声誉偏见的NIH等机构，也无法完全消除这些问题。政治和商业影响继续塑造研究重点，使新兴研究者的高风险、创新想法处于边缘地位。
科学研究将重新去中心化。去中心化资助已经获得动力，像BIO Protocol和VitaDAO这样的倡议使科学家能够直接从社区获得资助。这种社区支持的模式为传统资助提供了可行的替代方案。Web3技术还提高了科学成果的流动性，降低了独立研究者的财务风险，使他们能更自由地追求创新想法。去中心化参与和治理是去中心化科学的相互关联方面。像Codatta这样的平台促进协作数据源，允许个人以前沿数据的形式贡献知识，同时共享风险和收益。去中心化治理的存在是为了提供必要的监督，保障研究进展。它确保平衡、社区驱动的决策，减少中心化系统中通常存在的偏见。这些方面共同促进了更加透明和包容的研究环境。去中心化传播对去中心化科学也至关重要。像ResearchHub这样的平台有助于解决中心化科学出版渠道固有的问题，如高成本、把关和漫长的出版延迟，通过实现透明、社区主导的出版和同行评审。
去中心化科学的使命是通过利用社区驱动的努力、区块链和开放协作，赋能协作知识创造，使研究更加可获取和无偏见。
发现关于宇宙的更多真相，不受固有或系统性偏见的影响。
降低准入门槛，允许来自非常规背景的有才能个人做出贡献。
鼓励探索被压制或被忽视的科学方向。
去中心化科学将从去中心化资助开始，但不会止步于此。分布式贡献信用、透明的资助过程、开源方法论、广泛的社区参与和社区主导的出版对于在整个研究过程中培养协作和包容性至关重要。
AI助力科学：极大助力独立科学家
图2：科学领域与人工智能研究实践整合的说明（来源：https://ai4sciencecommunity.github.io/）
人工智能正在彻底改革科研，根本性地转变科学发现的方式和工作流程（Toner-Rodgers, 2024）。世界顶尖科学家报告称，通过整合AI，他们的生产力显著提升，包括新材料发现增加了44%，专利申请数量增加了39%（Toner-Rodgers, 2024）。这些早期成就证明了AI如何提高效率，尤其是在数据复杂、实验耗时的领域，如材料科学、药物发现和生物学（Nature, 2023）。
图3: 科学研究过程
AI显著放大了个人能力，提升了整个科学工作流程的生产力。在构思阶段，AI分析海量数据集，发现超越人类认知的模式和想法（AI4Science, 2023）。在假设形成过程中，AI优化研究问题，突出有希望的研究方向。在实验设计中，AI优化实验设置，模拟结果，协助决策。AI驱动的机器人自动完成实验室任务，弥合设计与执行之间的鸿沟，而虚拟模拟则允许在进行物理实验前进行假设检验（MIT, 2023）。最后，AI帮助解读数据，完善结果，迭代结论，从而获得更快速、更准确的洞察（Nature, 2023）。
图4：人类科学家与人工智能的协作（托尼·斯塔克与贾维斯 - 漫威电影《复仇者联盟2：奥创纪元》）
人类研究者在提供创造力、伦理判断和直觉方面发挥着关键作用——这些都是AI所缺乏的。尽管AI擅长数据处理和优化，但人类研究者能够在更广泛的背景下解读这些发现，确保科学严谨性和伦理标准的维护。AI与人类研究者共同形成互补partnership，推动科学边界。在这种合作中，AI处理复杂的数据任务，而人类提供战略监督、创造力和伦理指导，使整个研究过程更加高效和创新。
人机协作的叠加效应正在重塑科学研究，以加速的步伐推动生产力和创新。值得注意的是，AlphaFold（蛋白质结构预测的突破性技术）的开发者最近获得了诺贝尔奖，这突显了人机协作的变革性影响。人类科学家擅长评估候选想法的潜力，有效地筛选出不太可行的方向，并确保时间和资源得到有效利用。他们的启发式方法和方法论可以记录为领域特定知识，并通过后训练技术（如RAG、提示工程和微调）丰富AI代理的能力。
科学工作流程还涉及复杂的工具使用，通常需要多种专业软件工具。科学家定义的逻辑工作流程——涵盖每次交互的输入、输出和目标——是可以编码到AI代理中的专家知识片段。像TXYZ.ai这样的项目旨在创建通用的AI辅助研究工具，将这些工作流程整合到AI系统中，使其更加高效和有效。
随着AI不断积累特定领域的知识，它将增强底层模型，使相关系统能够更有效地处理不断增长的数据。这种人机之间的迭代协作形成了一个自我强化的循环，加速研究进展，不断推动人类知识的边界。
去中心化科学景观：轻量级调研
去中心化科学通过利用区块链和Web3技术，重塑了从资金到传播的整个研究过程。这个模型去中心化了研究的关键方面：资金、执行和传播。附图可视化了这个过程，突出了每个阶段的参与者和贡献。
图5: 去中心化科学研究过程
这个过程从资金筹集开始，独立科学家提出研究提案，摆脱了传统上常常偏向已建立机构的中心化资金来源。在去中心化科学模式下，研究提案通过去中心化的支持者进行资金筹集，社区驱动的贡献发挥着重要作用。由社区驱动决策的支持者审查这些提案并分配资源。这种去中心化的资金机制确保即使是高风险或非常规的想法也能获得支持，绕过机构把关者。
获得资金后，下一阶段是研究进程，包括多个步骤——构思、假设形成、实验设计、数据采集和分析。不同于传统的由中心化机构严格控制的流程，去中心化科学引入了更加协作和透明的工作流。独立科学家（如图所示）进行构思和假设形成。在数据采集阶段，外部数据创建者可以为研究做出贡献，并提供激励以奖励高质量的数据贡献。随后进行数据分析，分析成果被用于假设检验，形成一个迭代方法，不断refined和评估结果，直到得出有意义的结论。
治理和监督是另一个关键组成部分。去中心化的支持者监督和指导项目，提供资金支持，并确保研究诚信和符合社区价值观。这种去中心化治理模式确保权力分散，所有贡献——无论是数据还是专业知识——都得到公平认可，如图中的"公平致谢与贡献"阶段所示。
最后是传播和影响。传统的常被付费墙限制的出版模式被社区驱动的平台取代，确保研究发现公开可访问。出版物以及由此产生的知识产权或成果，将回流到去中心化科学支持者和更广泛的社区，可以用于产生进一步影响并获得适当的经济回报或学分。这个循环有助于承认贡献并创造激励，进一步促进科学进步的协作环境。
这个工作流程通过民主化资金、鼓励跨学科合作和实现无缝数据共享，显著改进了传统科学流程。去中心化的监督最大限度地减少了官僚主义低效，而信用和奖励系统激励了研究各阶段的贡献者。归根结底，这种方法不仅加速了创新，还确保了所有利益相关者的公平认可和切实回报，成为可持续和有影响力的科学进步模式。
去中心化科学子领域调查
图7
这张图展示了去中心化科学充满活力和多样性的生态系统，突出了重塑科学景观的关键子领域和创新参与者。值得注意的项目包括得到币安实验室支持的BIO协议，以及由Coinbase的Brian Armstrong联合创立的ResearchHub，分别致力于民主化研究资金和出版。另一个突出的项目是Pump.Science，其URO和RIF计划已经获得了势头。
在去中心化数据收集与合作子领域，Codatta脱颖而出成为关键参与者，致力于连接、协作，并共同培养未来的通用人工智能（AGI）。像Data Lake和Ocean Protocol这样的平台也为去中心化数据共享中的协作和信任做出了贡献。此外，Codatta是人工智能/去中心化物理基础设施网络科学应用子领域的重要组成部分，团结社区为科学项目提供数据、样本和标签（包括推理），用于训练AI模型。这些努力共同展示了去中心化科学如何将科学转变为未来更加透明、协作和公平的生态系统。
总的来说，去中心化科学正在改革研究和许可领域，预计将彻底改变人类文明揭示周围世界、内在世界乃至超越当前世界真相的方式。然而，与更广泛的Web3行业类似，去中心化科学仍处于早期阶段。尽管去中心化资金正在获得牵引力，合作研究显示出希望，但采用仍然是一个挑战。传统学术系统仍然具有重要影响力，需要进一步工作来建立信任并扩大这些新方法的规模。
去中心化科学的整体成熟度高度依赖于Web3生态系统的进展。这里潜力巨大，但需要持续的技术发展、文化变革和更广泛的接纳。随着去中心化科学和Web3的成长，我们可以期待一个更加开放、协作和高效的科学研究景观。
独立科学家的文艺复兴
图7：独立科学的先驱：尼古拉·特斯拉（左）和阿尔伯特·爱因斯坦（右）
历史表明，许多突破性发现是由在机构系统之外工作的科学家完成的。像尼古拉·特斯拉、阿尔伯特·爱因斯坦和玛丽·居里这样的创新者，尤其是在职业早期，追求大胆的想法，并获得有限的机构支持。例如，尼古拉·特斯拉开始研究交流电时，主要依靠自己的收入和个人投资者的支持，而非正式机构。阿尔伯特·爱因斯坦在瑞士专利局工作期间提出了相对论，基本与学术机构隔绝。玛丽·居里在职业早期，以极其有限的资源不懈工作，经常依靠个人毅力和捐赠推进她在放射性领域的开创性研究。这些先驱者展示了创新如何在不受机构限制的情况下蓬勃发展。随着时间推移，科学发现因需要更多资源而变得集中化，但如今的工具正在扭转这一趋势，重新点燃独立科学的复兴。
图8：由 AI 和 Web3 赋能的超级个体，通过社区支持获得力量（原图来自动漫《火影忍者疾风传》，描绘漩涡鸣人在九尾查克拉模式下的形象
现代技术正在赋予个人重新发现的角色。人工智能使数据分析民主化，开源平台促进协作，Web3通过社区驱动的网络实现去中心化资金。去中心化自治组织（DAO）为独立项目提供财务和技术支持，绕过传统把关者。结合可访问的研究工具，这些进步正在创造一个新的"超级个体"阶层，他们能够独立应对大胆的挑战。
图9
这一运动不仅仅是推动传统边界，还为缺乏主流支持但可能提供重大见解的领域打开了大门。例如，不明飞行物（UAP）研究曾被边缘化，现在通过众包资源和数据的去中心化社区正在获得合法性。同样，关于重力和电磁之间联系的问题正在不受机构偏见的影响得到重新审视。在社区支持和尖端工具的助力下，独立科学家已经做好了探索这些未知领域的准备。
去中心化科学的兴起正在重新定义发现的方式，将技术赋能与集体行动相结合。个人和社区现在拥有民主化创新未来的工具和机会。现在是拥抱这一运动并释放独立研究全部潜力的时候了。
参考文献
BMJ (2014). Bias in industry-funded research. Available from: https://www.bmj.com/industry-bias
Springer (2021). Industry-funded studies in food sector more likely to report favorable results. Available from: https://www.springer.com/industry-food-bias
Toner-Rodgers, A. (2024). Artificial Intelligence, Scientific Discovery, and Product Innovation. MIT Press.
AI4Science (2023). AI's Role in Advancing Scientific Research. Available from: https://ai4sciencecommunity.github.io/
Nature (2023). Scientific Discovery in the Age of Artificial Intelligence. Nature Publishing Group.
MIT (2023). AI's Impact on Research Workflows. Available from: https://mitpress.mit.edu/ai-research