每年基金项目评审季，评审专家们面对成堆的本子，常常陷入一种尴尬：除了明显拔尖和明显不合格的，中间一大片申请书写得都不错，分数挤在一起，硬要排出个一二三四，很多时候是让评审专家左右为难，难以决策。 既然人分不清，不如换个思路：让AI做它擅长的事，把人类难以取舍的部分交给摇号。

   这个设想的具体操作如下。比如总体资助率为15%，先用AI筛出前30%，再在这30%里随机摇号选出15%，摇号成功率为50%，也就是二选一。它比现行制度更公平、更高效，也更尊重科学探索本身的随机性。

首先，AI的优势在于“把不合适的挡在门外”。现行同行评议中，评审专家要读完整本子、写意见、开会讨论，耗时数月，评审经费和评审时间消耗巨大。而AI可以快速完成合规性检查、逻辑一致性判断和基本质量筛查。AI不需要判断“谁最优秀”，只需要判断“谁明显不合格”或“谁达到基本门槛”。把后70%筛掉，AI完全胜任，只需用极端的时间就可以完成。

 其次，AI不决定谁拿钱。“AI筛前30% + 摇号选15%”设计的精妙之处在于AI只做排除，不做选拔。它把明显不合格的申请剔除，剩下的30%在质量上已经过了及格线，谁上谁下不再由算法或某位专家的偏好决定。科学探索本身充满随机性，科研项目也应该如此。与其让评审专家在疲惫中强行找理由淘汰项目，不如坦率地承认：在达到质量门槛之后，运气本来就是科研生涯的一部分。一个idea能不能做成，受太多不可控因素影响，运气也是一个关键因素。因此，谁拿到经费，也应考虑运气成分。

  最后，从经费角度看，这个方案省下的钱是实实在在的。如果AI先筛掉70%，只有30%进入摇号池，再二选一，这2项工作的费用几乎可以忽略不计。省下的专家费、会议费、差旅费，可以回流到资助池里，或者用于支持更多小额探索项目。

 有人会问，如果摇号完全随机，会不会让资助方向过于分散？我认为，前30%的筛选已经保证了基本质量。摇号池里的人，都是AI判断“合格”的申请者，他们的研究计划在逻辑、预算、可行性上都没有硬伤。剩下的差异，比如“这个方向更热门”或“那个团队履历更漂亮”，恰恰是主观偏见最容易渗入的地方。让这些因素退场，反而可能提升资助的多样性。遗传算法等进化计算方法告诉我们，多样性是找到最优解的一个关键因素。

  所以，这个idea值得认真试一试。AI初审守住质量底线，随机摇号释放被过度排序压抑的公平。资助率15%的现实改变不了，但至少可以让那15%的诞生过程，少一点假装精确的纠结，多一点坦然的随机。如果这样改革，申请人就不用到处找关系，就会有更多的时间从事科研。

 以此类推，如果总体资助率是20%，就用AI先选出前40%，再随机摇号选择一半。也可以搞得更科学一点，根据AI的评分，分数高的选中的概率更高。比如，把这40%的本子平均分为2个档次，分别为优秀和良好，优秀的本子选中的概率为60%，良好的本子选中的概率为40%，这样就更合理一些。 

支持单位：