这个学术论坛的12个报告人，6个与中国科学技术信息研究所有关联

武夷山

刚才在微信上看到“怀瑾守村人”公众号对“第二届科学与技术预测前沿学术论坛”的记录和感悟，是学生写的，不是八股文的写法，完全表达的是个人感受，写得不错。转贴在后面，我更正了文中的个别录入错误。

我注意到，这次论坛的12位报告人中，6位与中国科学技术信息研究所（中信所）有不同程度的关联：

苏成，是中信所研究员；

杜建，曾由中信所兼职博士生导师指导了他的博士论文；

徐硕和杨冠灿，是从中信所调到高校去的；

章成志和许海云，曾在中信所做过博士后。

看来必须承认，中信所除了是科研机构，也是一所比较接地气的大学校。

     下面是微信报道原文：

参加第二届科学与技术预测前沿学术论坛——科学是什么？

原创 怀瑾守村人

 2026年8月16日 20:40 河北

科学是什么，科学是谁定义的？

我现在在列车上，写下了这篇，网络真的很差，能发出来真的不容易，想着赶紧分享给大家看看。

昨天，8月15号，我在北京工业大学当了一天的会务工作人员，具体干的是三样活：递话筒、举牌子、送证书。

第一样是递话筒。报告讲完到提问环节，哪位观众举手，我就跑过去把话筒递到他手里。第二样是举牌子，每场报告25分钟，讲到还剩5分钟，我就得把牌子举起来，然后2分钟，1分钟，时间到，学者看到牌子就得准备收尾。第三样是送证书，每个老师做完报告都有一份荣誉证书，我负责送到主持老师的手上。

一天下来我听了很多专家学者的报告，实话实说，有些报告是真的没听懂，但也有几场，学者的报告非常有意思，不光听懂了，还在心里回味了许久。

中午那顿饭伙食也挺好的。这个会不收任何会费，能听这么多学者的报告，午餐还是免费的，食堂伙食比我在平常吃的都好，是真的很好了！

 12位报告人，一人一句

这次会议是第二届，在北京工业大学举办，主题是“人工智能赋能的科学技术预测新机遇”。去年是在中国人民大学举办的，也是第一届，实话实说，我是工作人员，这次要比去年的规模和效果好太多了。

听了一天，有点烧脑。大家做的事大方向一样，都是这个领域的一些事儿，一些人，只是具体落点各有侧重：有人识别前沿技术，有人预测哪些技术会走到一起，有人挖论文和专利里刚冒头的弱信号，还有人研究怎么让AI当评委打分更靠谱。说到底，都是想在技术还没长成之前，更早更准地看见它。

12位报告人从早排到晚，我试着按照顺序把每个老师讲的内容说明白，读者读起来一目了然。

● 第一位苏成老师，来自中信所，就是给国家做科技情报的那个研究所。他的工作很大一部分，是把研究送到决策层......，他自己不怎么发论文，知网上也不像其他学者那样，一搜一大把的研究论文。我很少看他在学术会议上面露面，能把他请来也是很不容易了！他这次讲的是怎么识别颠覆性技术，有一个例子是从8900个技术点里先筛到600个候选，最后通过专家协商定40项。他们做的内容还是能够去实际落地去应用的，说实话，很多的政策报告就是出自他们的手，也是国家智库的一部分吧。

● 第二位汪雪锋老师，是北京理工大学的。讲的主要是一个综述的内容，具体来说是AI怎么赋能技术管理，把这块研究做了一次系统回顾。他算是我老师的老师，我也是第一次见他本人，哈哈，看着挺严肃的一位老师。

● 第三位章成志老师，南京理工大学的。相较而言，他讲了一件比较细的事，专门把顶会和好期刊论文里的未来工作句全扒下来。理工科论文结尾都有一节future work，说自己下一步打算怎么研究，他们把这些句子当数据，看一个领域接下来往哪儿走。这套思路不只能挖未来工作句，综述、引言这些也都能挖，能做很多工作。他们现在主要做的还是文献，其实专利文本按同样的逻辑工作流，应该也能去挖，只是他们还没做这个。他们团队对全文本挖掘这块做得挺厉害的，他们也开源了很多的东西， 在GitHub上。

● 第四位白如江老师，山东理工大学的。分享了怎么从跟主流不一样的信号里提前看出颠覆性技术。他说免疫学说刚提出来的时候，大家认为它没有免疫性，不认可......。真正要颠覆一个领域的东西，刚出来那会儿常常是最不被人看好的。

● 第五位杜建老师，北大的，画生物医学的科技转化图谱，研究高被引论文是怎么一步步变成专利的。他发现高被引论文被专利引用的比例约25%，普通生物医学论文只有4%。杜建老师我之前听过他的报告，不过是线上的，这次线下第一次见，没想到他本人这么年轻。

● 第六位何喜军老师，北工大本校的，做专利交易推荐，帮专利找买家。全国在线技术交易平台不下两千家，供需对接却很难，他们想的是借鉴电商的思路让两边更快配上对。

● 第七位黄颖老师，武汉大学的。用大模型找前沿技术的应用场景，比如图像识别用去农业，能自动认田里的作物病害，做虫害预警。黄颖老师我先前见过几次，人特别友善。

● 第八位杨冠灿老师，中国人民大学的，预测哪些技术未来会走到一起。这一场我听得最费劲。我后来去知网搜过他的论文，他一直做的是技术识别、技术预见这一块，但技术会聚这个题目我确实没接触过。这不怪老师，是我知识面太浅。

● 第九位许海云老师，山东理工大学的。讲的是科技弱信号，用的例子都是生活里的，讲得很实在，也很有意思，后面我详细讲讲。

● 第十位毛进老师，武汉大学的。分享的是让大模型当评委。毛进老师和黄颖老师都是武大的，我之前也都见过几次。

● 第十一位巴志超老师，南京大学的。题目是科学假说图谱，听着挺唬人，做的东西其实挺实际。他把论文里那些互相打架的因果结论找出来，同一件事一篇论文说正向一篇论文说负向，从文献里识别出840条这样的理论冲突。巴老师是90后，年轻有为，现在是南大院长的助理，发了很多A刊论文。我对他久仰大名，这次还是第一次见。

● 第十二位徐硕老师，北工大本校的，做科学与技术分类体系的映射，给论文的分类和专利的分类之间搭桥，形成了数据集，也开源了，特别厉害，也下午最后一场。

02 · WEAK SIGNALS

许海云老师：弱信号里的认知

12场听下来，有两位老师做的研究挺有意思，向大家分享分享。一个是山理工的许海云老师，另一个是武大的毛进老师。

先说许海云老师，她讲得很实际，用的例子都是工作生活里的，普通人都能听懂。她研究的是科技弱信号，开场就说了个反直觉的事，

她认为——「大家以为弱信号是数量少的信号，其实不是，弱信号占绝大多数，百分之八十到九十，强信号才是冰山一角。」

她说中午吃饭的时候跟徐硕老师说，今天所有报告的东西，都是弱信号。

哈哈哈~~然后她讲了石墨烯的故事。石墨烯是拿胶带粘出来的，物理学家用胶带反复撕，撕出了单层石墨烯，拿了诺贝尔奖。她说给你一圈胶带，你粘出石墨烯，你知道这是石墨烯吗？这是认知问题。当年还有大牛发论文说石墨烯不可能存在，但还是有那么一波人坚持研究，后来真粘出来了。

她还讲了自己去英国学习的时候看克隆羊多莉的经历。她研究干细胞，专门去看多莉，担心这只羊会不会很痛苦。真见到了，多莉面目很慈祥，胖胖的，她就放心了。哈哈哈~~~

她用"买股票"当例子讲了一个道理——弱信号因人而异，识别靠认知。谷歌在2007年、英伟达在2010年，它们的潜力和涨势信号早就摆在那里了，但当时对绝大多数人来说，那些信息就是"弱信号"——看见了也没当回事，所以没买股票。而对少数能识别的人（比如当年就入场的人），那些根本不是弱信号。

她还讲了一个有点哲学的问题。她说记得是一个哲学家，罗素还是哪位，讲过：如果去预测三十年以后的事情，那是非常荒谬的，因为现在已经证明了，世界是不确定的，唯一确定的事就是不确定。短期两三年可能还准，三五年也还可以，到三十年以后就很荒谬了。那这样的话，我们还要不要预测呢？

这个问题一出来，全场哈哈大笑。她自己也说，预测不是预言，不是预测明天哪只股票涨，而是告诉你当前需要了解的信息，采取积极、有效、有意义的行动，在不可知里抓住未来可能的空间。

我印象最深的是一张双关图，同一个画面里一个少女一个老妇，她说我到现在都只能看到少女，看不到老妇，我承认我认知能力有限。一个学者在台上承认自己认知有限，这个画面我记了很久。

许老师的报告讲完，最后还有一个提问，问得有点哲学。提问的是一位学生，坐在最后一排的角落里。他提到，自己也在做技术汇聚方向的研究。

他先提到的是许老师报告里讲过的一个提法。许老师讲弱信号分类的时候，提到了“知道/不知道”的四个层次，这个提法最早出自美国前国防部长拉姆斯菲尔德。伊拉克战争前夕，他在一次记者会上说过四句话：知道知道的，知道不知道的，不知道知道的，不知道不知道的（这是被翻译过来的，也还有别的翻译）。许老师把它重新映射成了自己的信号分类。

那位学生说：您说被验证的很多东西，都是基于现在知道的、以后知道的，您也说“我不知道我不知道”。他举了个例子：所有自然数之和，一加二加三，一直加到无穷，等于负十二分之一。这个结论，在数学框架里是成立的。但怎么理解它，有两种说法。一种是站在我们现在的数学认知层面，自然数的和怎么可能是负数，觉得绝对不可能；另一种是说，人类可能缺少一种数学符号——除了加减乘除、积分、求导这些，人类还有一种数学符号是不知道的，所以才没办法在定义的空间里去使用这个知识。这种数学符号还没有被人类发现，它属于“人类不知道的事情”。

他问许老师：这是不是就是您说的“我知道我不知道、我不知道我不知道”？除了贝叶斯这种范式，还有没有别的研究思路？许老师说这是个非常好的问题。她说“我不知道我不知道”，她是站在全人类的高度说的，就是全人类都不知道自己还不知道哪些东西。

她说起自己本科是学数学的，讲了一个很有名的数学家，印度的拉马努金。我们解题都是按部就班一步步推，但拉马努金能一下子看到问题的关键，他用的词是“注意到”。许老师说，弱信号识别也是这个道理，要顺着高阶网络的蛛丝马迹去分析，但有的人一眼就能看到问题的本质。她说这对科技情报是个启发：“我不知道我不知道”这一层，是怕我们太骄傲、太自满；“我知道我不知道”的东西，反而容易通过学科交叉、技术融合迁移过来，为我所用。

03 · LLM AS A JUDGE

毛进老师：让大模型当评委

再说毛进老师，他分享的是“迈向可信赖的大模型评估器：一种发现和内化显式评分逻辑的方法框架”。     我之前看过一些研究，说AI特别擅长做二分类，你让它判断yes还是no，它很拿手；但让它打分就不行了，存在很多不确定性，效果很差。这也是我一听毛老师这个题目就特别感兴趣的原因。我平时用AI也有这种感觉，同一个问题同样的提示词问两遍，它给的分可能都不一样。所以我看到他这个题目，我就很感兴趣，我看看他能用什么新方法去解决这样的老问题。

现在大家做评价都爱用AI，让大模型给论文打分，给综述打分，但毛老师说大模型当评委其实是个黑箱，你问它凭什么给这个分它说不清楚，而且它会规则漂移，同一个任务换个样本，它可能就换一套标准。这其实也是AI共性的问题，缺乏不可解释性，也是一个老问题。 

他说大模型打分有几个毛病。一个是光圈效应，给它五个评价维度，它往往只盯着其中一两个评。一个是中间倾向，让它打0到10分，它老给六七分，不敢往两头打。你给它一篇很烂的文章，不给它提示词，它可能还给你正面的反馈，整个一个老好人。

毛老师这个报告我听完我一直在想落地的事。让大模型当评委，想法是好的也实用，但真要落地绕不开一个坎，AI的幻觉怎么避免，或者反过来怎么更好地利用它，这个问题值得深思。

∞ · POSTSCRIPT

科学是什么？？？

一天会听下来，我最大的收获不是记住了哪个技术名词，而是有一个思考，科学到底是什么？？？我发现做科学的人好像一直在跟不确定打交道。许海云老师在研究那些微弱得几乎看不见的信号，毛进老师在研究怎么让机器的打分靠谱一点，一个靠人一个靠机器，但都在琢磨同一件事，怎么在不确定里把方向看清楚。

咱们这个领域，做科学计量、科技预测的，成天跟科学打交道。但科学是谁定义的，科学到底是什么，这本身也是个未知数。话一往深了说，就上升到哲学了。

我承认我知识面太浅，很多报告没听懂，但听完这一天，我反而觉得承认自己不知道，才可能是走近科学的开始。就像许海云老师说的，她到现在都只能看到少女，看不到老妇，她承认了，但她还在研究那张图。

科学是什么，我想就是那股 承认自己看不懂，还愿意继续看下去 的劲。

这场会的干货远不止这些，之后我打算把每位老师的报告整理成完整的文字版，陆续分享出来。大家敬请期待！我尽快~

最后主持人宣布，下一届论坛由武汉大学那边承办，期待在武汉大学圆满成功举办。

支持单位：