9,537被浏览223,010分享邀请回答2.7K256 条评论分享收藏感谢收起9,537被浏览223,010分享邀请回答0添加评论分享收藏感谢收起9,537被浏览223,010分享邀请回答0添加评论分享收藏感谢收起0添加评论分享收藏感谢收起科学研究中「天赋」和「后天训练」哪个更重要？
科学研究中「天赋」和「后天训练」哪个更重要？
时间： 10:55:08
【史上第一叉叉的回答(385票)】:最高票的两个答案讲了自然科学方面的，讲得都非常好。我来讲讲EECS的一点粗浅感受后天努力比天赋更重要。对绝大部分研究者来讲。一个人在博士期间所受到的学术训练的层次和规范程度，决定了这个人在可预期的将来能否做出有突破性的成果。天赋在竞赛和考试中比较重要，对于科研工作并不那么重要。因为竞赛和考试都是有限时间，而科研项目则可以持续很久。我们现在可以看看各个方向那些卓有成就的科学家（EECS），绝大部分人都是在美国和英国接受的博士教育，而他们的本科则可以来自世界各地。不少第一学历是比较差的学校的学者（比如二三本甚至大专），在建立一定知识体系，经过科学、规范的学术训练之后依旧可以做出高质量成果（典型例子比如控制领域的杰青高会军，第一学历中专）。而那些处于全世界最顶尖水平的科学家，大都在顶尖的实验室跟学术界开山鼻祖级的人物合作过数年。而相反，一个人即使在早期受到良好的基础教育和本科教育，比如毕业于985高校，但是假如读博期间导师水平有限，被误导走上了民科野路子，可能到最后也只能发发SCI和中文核心造废纸。去各大985高校转转，哪怕是清北复交这类高校，也有很多很多这种本科名校毕业，但是因为读博选导师时候一时脑瘫跳入大坑，不得已走上民科野路子的例子。本科教育只有短短四年，而科学研究是数十年如一日的追求。早期那点微不足道的优势，在后期很容易就被抹平。努力程度当然也很重要，但是假如一个人每天只是自己趴在那里，很努力地读EI论文、中文核心期刊，他这么做十年也入不了门。不信，你看看很多学校的老资格教授，读博的时候都是自己这么摸索的。因为他们很多人的导师在文革期间被整死了，大部分人只能自己瞎摸索就成了野路子，极少部分人摸的过程中摸对了就牛逼了（比如，郭传雄，亚洲第一篇SIGCOMM，当年自己用十几k的网下论文，全靠自己摸索）。而大部分那个时代的博士生，也都选择了留校，然后就沿着这条路做下去了。所以我们可以看到，不少在MSRA只干了一年的本科实习生，可以发表顶级会议顶级期刊论文，研究能力就已经超过了大部分985的老资格教授。这也从侧面印证了，科学、规范的学术训练才是决定做出高质量成果的第一要素。什么叫野路子？打开中国知网，随便找几篇计算机方面的中文论文。不少人做研究的思路，无非是改进微调一个算法，用在某种场景中，得出实验数据，然后就算是研究成果了；或者是创造出一个根本不存在的问题，自己搬个石头放在路中间，自己把它搬走，就叫解决问题了。先天和后天哪个更重要而这些人他们把自己读博期间努力摸索出来的这种野路子，当做是正确的研究方法教给了他们的学生。之后，这样一种错误的思维方式就在很多地方逐渐根深蒂固了。有的人意识到了自己研究路子不正确，就积极地想要做出改变。前段时间，某C9国家重点实验室某教授要出国做访问学者后天教育比天赋更重要。我问他：去美国之后还做这个方向么？他愤愤地说道：还能做啥，他们让我干啥我就干啥！这哪里是在做访问学者？这简直就是去读博的啊。但是我相信他假以时日一定会做出有影响力的成果的，因为相比那些错误观念根深蒂固而不自知的人，他已经走在了正确的道路上。因此，当前想要做有影响力的研究工作，海外经历必不可少。这不是崇洋媚外，这是现实。当你没有接受过科学规范的指导，你根本不会知道什么是好的研究，什么是灌水。写到这里，我突然想起来就在去年，有个保送去北邮的学弟告诉我说他觉得北邮的水平也不怎么样，还不如本校。我很诧异，问他为什么这么觉得？他很不屑地说，他觉得北邮学生做板子调单片机的能力完全不行。我有点不知所措，他所经历的本科教育，让他产生了一种错觉：专业水准是靠做电路板、调调代码这种熟练工种来衡量的，而不是对专业知识和基本原理的掌握。只能说，那种“实践高于理论”、“用经验代替基本原理”的野路子已经根深蒂固了。他对电子工程的理解，只局限于那几块板子，那几行单片机的代码；他对做技术的理解，只是熟练工种，而不是真正工程师。而在这之后，一百多年来世界上最顶尖的头脑在这个领域已经超越了原来那块板子建立起了最令人叹为观止的知识体系：通信理论，无线网络，传感器，模式识别，射频，高速信号处理，计算机体系结构等等等等。每一个领域背后的积淀都远远超越了做做板子、调调电路的范畴。基因和后天哪个重要这些也都是他本科阶段从来没有学到过的。从那以后，我也能理解为什么很多人努力到了新环境之后也会发出“清华不过如此啊”，“MIT不过如此”的感慨。并不是别人真的不行，是你的“意识形态”本身就错了。你说这是天赋差异么？再说说气候变暖吧，近几十年北极海冰在夏季常常出现海冰面积、厚度极小值，有一些科学家预测几十年(有说20年，50年等等，数值模式不同导致的吧，电影里那个还是古气候模式呢，更不知道从哪儿说起了…)后北极海冰在夏季甚至会全部融化。由于海冰结冰时已经将盐分析出，所以海冰是淡水组成的，融化必然会导致海水盐度、密度降低(密度是温度和盐度的函数)，从而使海水下沉变得困难，驱动海洋深层环流的原动力变弱。电影里说的极端情况就是弱到没了，环流不动了，大家来个冰川世纪大逃亡…【zhangleo的回答(163票)】:补充之鑫的回答：科学研究中“天赋”和“后天训练”哪个更重要？ - 王之鑫的回答常人往往觉得数学和理论物理厉害的人有天赋，是因为很多早期训练并不是能被其他人明显地观察到的。比如实验科学的训练往往需要比较好的物质条件，但理论科学可以随时随地地工作。理论科学家『工作』和思考的时候不一定是在办公室里，也许是在散步，等到需要到办公室开工计算的时候往往已经想得八九不离十了。很多人觉得数学家是天才，但忽视了数学家早期（比如小学时期）由于兴趣所激发的自我训练。这种勤奋是没法模仿的，必须是真的感兴趣才会有。至于为什么有人会感兴趣，有人对别的感兴趣，我觉得这个问题太复杂，但环境因素很重要：比如家庭环境、个人性格等等。因为做这些事情的时候别人往往不会注意到，也没有短期明显的奖励，所以往往会被别人忽视，只有做的人自得其乐。不知不觉地这个人的数学能力就提高了。自我训练能强到什么程度：洗澡、上厕所、甚至是睡觉都在做数学题。据说俄罗斯数学家格里高利.佩雷尔曼（因证明百年难题庞加莱猜想获得2006年菲尔兹奖，但本人拒领）小时候除了做题还是做题，解决问题成了他唯一关心的事情，苏联的发达的数学竞赛体系也给了他这种机会先天重要还是后天重要。著名数学家田刚先生说自己大学四年里做了上万道习题。这种训练强度，如果没有执着的兴趣，是做不到的。兴趣是自发的，没法自己强迫自己。此外，费曼的妻子也曾经抱怨，费曼似乎不论什么时候都在计算积分。另外：美国很多学生本科做科研，有时候是为了攒经历申请graduate school用。美国学生申请Graduate School是一定要有本研的，他们很强调这个。中国学生的本科机会少一些，但真心打算做学术的，到了美国以后，也很快在科研上能赶上他们。毕竟科研是个长达十数年的训练过程（从博士、到博士后、到junior faculty，应该说到了senior faculty阶段人的科研思想和方法才比较成熟），本科这点科研经历是皮毛而已。【张港回的回答(1180票)】:写在前面1. 由于我专业背景的原因，本文在讨论科研时多以自然科学（生命科学、物理、化学等）为例。期待有来自其他学科的童鞋能发表更多不同视角的观点。2. 作为一年级博士生，我对学术的理解还很肤浅。本文仅代表个人观点，意在抛砖引玉，欢迎大家的建议与批评 :) 我的观点是，一个人的学术能力主要由后天训练决定。特别是对绝大多数自然科学研究而言，环境和训练的重要性远远高于先天差异。I. “学术天赋”的本质是早期训练在用科学的态度讨论任何事情之前我们都要首先明确它的定义。个人认为“天赋”比较简单合理的定义是“由先天生物学原因导致的、单凭后天训练很难获得的过人能力”，强调“先天原因”从而与“后天训练”相对。例如，著名演员、歌唱家 Julie Andrews（电影《音乐之声》中女主角 Maria 饰演者）八岁时就被发现拥有四个八度宽的成年花腔女高音音域。天赋异禀的小 Julie 也因此从歌剧开始了自己的艺术生涯。那我们身边的“学神”们也都是天赋过人、无法超越吗？我认为，除了极个别能被记入历史的“神童”外，几乎都不是。人们通常认为的“学术天赋”往往是早期训练的结果，以及一些暂时的、与学术潜力关系不大的个体差异。很多人总把“数学好”当成天资聪慧的标志。但其实一个人的数学水平主要是在日常训练中形成的，“数学天才”出现的关键是从早期开始并持之以恒的系统训练。数学是以严格逻辑为基础的纯理论学科，其知识体系非常牢固，思维方法抽象而严密，结论对错分明。因此，数学的精髓可以很完整地记录在书本中，我们只要能有纸、笔、书和有益的指导与讨论就能有效地学习数学，而不太需要直接与自然和社会接触，除抽象形式逻辑和以其为基础的直观想象力之外也不直接依赖其它思维方法。由于训练条件简单，思维方式明确，数学能力比较容易通过早期系统训练得到显著提高。实际中我们也发现，“学术天才”多集中于数学、计算机科学、注重抽象形式的理论物理等以数理逻辑为核心的理论学科，因为这些学科最容易通过早期训练积累明显的优势。与数学形成鲜明对比的是以生命科学、化学为代表的实验科学。这类学科研究的都是非常复杂的自然现象，普遍适用的理论很少，主要研究方法是实验归纳而非逻辑演绎。实验科学的前沿充满着我们对自然的不理解，知识体系不稳定且更新很快，各种经验、直觉往往成为研究的关键，而这些经验、直觉又因具体问题、实验条件和研究者的个人风格而异。因此，学习实验科学最重要的是与自然直接接触，一个人的实验研究能力只有在有经验的科学家指导下大量参与实验室工作后才能得到本质提高，真正意义上的学术训练是一般是在本科高年级或研究生阶段加入实验室后才开始的。因此我反对“学数学比学生物更靠智力与天赋”的说法，它错误地定义了“天赋”，且忽略了不同学科训练方法的本质差异。我认为合理的解释是：无论是数学还是生物，先天和后天哪个更重要“天赋”的本质主要都是早期优势，并非与生俱来而是通过科学的后天训练获得的。不同的是，数学能力主要通过读书做题培养，从小系统训练就很容易在同龄人中脱颖而出；而实验科学的本质决定了它精华很难在实验室外被学到，因此很少有人能有机会和条件积累早期优势，但一旦能其效果也是明显的——麻省理工学院和 Broad 研究所最近备受关注的华人生物学家张锋，从高中二年级开始就在 Des Moines 市卫理公会医院的人类基因治疗研究所系统地接受现代分子生物学的科研训练。从那时起他的科研节奏就一直快于大多数同行。除了早期优势，人们还往往会把由记忆力、反应速度、思维习惯、基础状况等因素造成的学习效率与效果差异归结为天赋。其实这些暂时的个体差异很容易通过高水平的科研训练弥补，对真正的学术发展影响很小。我会在后面更详细地解释这个观点。II．数学能力对大多数自然科学研究意义有限我们如果不小心对科研产生了兴趣，在选择是否从事学术研究时往往会先对自己做一下能力评估。在各项指标中，学习成绩其实是一个不太重要的因素，因为考试关注的主要是学生短时间内接受知识而非创造知识的能力，它通过限制资源和时间放大了学生之间记忆力、熟练度等与科研关系不大的个体差异，而很难考察对知识的深入理解、具体应用、实验水平、提出新问题的能力等真正的“科学家素养”。在优秀的科学家中，学生时代成绩一般的大有人在。进入大学时，我们在专业知识和实验能力上的差距一般不大，因为它们必须经过正式的科研训练才能培养。但是，少数童鞋通过早期积累形成的数理基础优势却是很 明显的。时间无法倒流，我们不能再通过早期训练将自己重塑成“数学天才”。但没有出众的数理基础并不代表我们已经在科研的起跑线上落后，更不应成为我们畏惧科研的理由，我认为原因有三：1. 真正数学基础超群的只有极少数人，杰出的科学家中绝大多数也并非数学天才；2. 数学能力并非只能从小培养，从当下开始努力我们的数学水平也能有显著提高；3. （最重要的一点）数学能力的优势对大多数自然科学研究意义相当有限。事实上，对研究者数学能力要求很高的只有个别学科。同时我认为，对数学能力要求较高的理论研究并不比其他科研更“高贵”；恰恰相反的是，对数理基础要求不高的学科组成了自然科学的主体部分后天努力比天赋更重要，集中了最多的重要问题，对研究者而言也有更多做出重要工作的机会。自然科学的根本任务是认识与理解自然规律，其研究的最前线是发现前所未有的自然现象，并对其中的规律给出把握核心的解释。新现象的发现、新规律的提出意味着自然科学的突破性进步，而这最初的解释往往并不是非常系统严密的。此时理论的框架尚未建起，科学家们主要通过直观概念、图像、直觉而非数学逻辑来进行思考。当这一研究方向逐渐成熟，更多的知识积累使得理论体系日益完善，数学在研究中的作用也就越来越重要。最后，新现象的发现越来越少，更多的工作就会集中于理论体系的严格化，大量依靠数学方法。在简单概括了一个自然科学研究领域的成长史后，我们会发现，一个领域新问题最多、对研究者而言做出重要工作机会也最多的阶段是它的初生期而非成熟期。初生期也是一个学科知识体系最模糊残缺、数学用武之地最少的阶段。奠基者的工作就是让清晰取代混乱，通过基于现象的直观思考建立学科的基础和逻辑，此后更多的问题才能通过数学来描述和解决。因此，对自然科学而言，混乱与不成熟恰恰代表着最多的机会与活力，对数学要求较低的学科往往是非常激动人心的学科，很值得我们投身其中。对此我推荐著名理论粒子物理学家 Steven Weinberg（1979年诺贝尔物理奖得主）的一篇短文 Four GoldenLessons [Nature 426,389 (2003)]，其中他对年轻科学家的一条建议是 “Go for the messes — that’swhere the action is.”举点具体的例子。截至目前，自然界实验证实的基本粒子只有61种；而生物体中蛋白质的种类数则是一个非常庞大的数字，仅在人体中发现的就已超过十万种。经过半个多世纪的发展，粒子物理标准模型已经取得了巨大的成功，能够通过理论计算相当精确地解释和预测绝大多数基本粒子实验现象；然而，大量对生命活动至关重要的蛋白其结构目前仍然未知。因此客观地说，分别作为生物学和物理学的最基础部分，当前结构生物学中的重要问题在数量上远多于基本粒子物理。而前者高度经验化，后者数学相当严格。生命现象的复杂与丰富将无数问题摆在了生物学家面前，且其中很多都能在当前的实验条件下得到解决，成为重要的研究突破。由此我们就不难理解为什么当前世界一流研究型大学多以生物医学类院系规模最大，生物学家在世界顶级学术团体（如美国国家科学院）中占有最多的席位，追踪自然科学最前沿的顶级综合学术期刊（如 Science、Nature）都以发表生命科学的文章为主。物理学内部也有类似的规律。基因和后天哪个重要二十世纪下半叶是粒子物理的黄金时代，人类对自然界的基本组成和基本相互作用有了前所未有的深刻认识。然而黄金时代的基础是一度“每两周就有一种新粒子发现”的实验进展速度和由此涌现出的大量新问题。进入二十一世纪后，粒子物理理论日趋完善，而实验进展却越来越困难，物理学整体最活跃的领域也逐渐转移到了现象丰富、新发现不断、理论实验互动良好的凝聚态物理和原子、分子、光物理。而这些领域由于研究对象的复杂性，其理论严格程度远不及基本粒子物理。此外我们也能看到，获得诺贝尔物理奖的工作大多数是重要的实验发现、开创性的实验方法和首先解释新发现、预测新现象的唯象理论，只有很少的得奖工作属于抽象的形式理论，而未经实验验证的理论即使数学形式再完美也不能获奖。关于数学和自然科学的关系再引用两个大科学家的观点。哈佛大学著名生物学家 Edward O. Wilson 是蚁类研究的世界权威、社会生物学之父。他一生荣誉无数，甚至和作家抢饭碗，两次凭学术著作获得普利策文学奖（General Non-Fiction，一般非虚构作品类）。他把自己对年轻科学家的建议汇总成一本小册子 Letters to a YoungScientist (Liveright, 2013)，在其中特别强调数学能力出众不意味着科研的成功，数学基础不足也绝不是回避科研的理由，并不惜自曝“黑历史”：自己大学前从没学过代数，33岁拿到哈佛大学终身教职后才和大一新生一起学微积分，教室里还坐着两个自己进化生物学课上的学生。不过他说自己并不孤单，因为他认识的许多杰出科学家数学都只有“半文盲”水平，并总结出两条经验定律：“一、自然科学家找到数学家或统计学家合作，比数学家或统计学家让自己的方程在科学中有用容易得多。”“二、一个人无论数学水平如何，他总能找到一个凭借自己的数学能力就足以做出杰出成绩的科学领域。”第二个例子关于著名理论粒子物理学家 Richard P. Feynman（1965年诺贝尔物理奖得主）。他1964年在康奈尔大学的系列科普讲座被出版成演讲录 The Character of PhysicalLaw (Penguin, 1992) ，其中第二讲 The Relation of Mathematics toPhysics 和第七讲 Seeking New Laws 讨论了数学与物理的关系以及理论物理的本质。其中他强调，数学关注的是逻辑形式，而物理更关注方程中每一项在自然界中的具体意义；即使是理论物理研究，其关键也在于基于物理直觉的“猜”而非基于数学方法的“算”。最后举两个我自己的经历。耶鲁大学的理论凝聚态和光物理学家 A. Douglas Stone 曾经在我展示工作时批评我：“当我们理解一个物理现象时，‘用数学推出来的’是一个很糟糕的解释。”麻省理工学院的实验原子物理学家 Vladan Vuletic 曾两次嘱咐我：“如果我们还需要用公式理解一个物理现象后天教育比天赋更重要，就说明我们还没有真正理解它。”III. 训练决定高度- Q2: 图2的温度能否代表全球平均温度？综上我认为，“天赋”的实质是早期训练，但大多数科研领域并不依赖早期培养的数理基础，真正决定我们学术能力的主要是科研训练水平。努力当然是必须的，但后天训练的关键不是苦力，而是思想方法的水平。由训练水平差异导致的能力差距，是天赋和努力都很难弥补的。有些童鞋可能听过下面这个据说是爱因斯坦最喜欢的笑话：一个人的汽车出了问题，大修一番也没修好。但在另一个修车店，师傅绕车转了十分钟，然后上紧了一个螺丝，车就好了。最后师傅开出了200美元的收费单：“上紧螺丝：5美元；知道上紧哪个螺丝：195美元”。这个段子其实和科研相当地类似。基础知识、重复的实验操作或繁杂的数学推导大概相当于“拧螺丝”，虽然人人都得会，早期基础好会学得更轻松，但这些已经形成的知识并不是科学家创造力的主要体现（5美元）。而“拧哪个螺丝”就是形成中或待形成的知识，这些前沿的问题往往还没有一般规律可循，是体现科学家创造力的关键（195美元）。优秀的科学家往往在大量经验积累的基础上对这些问题产生了相当独到的思考和解决方式。但这些最前沿的方法通常适用范围非常有限，很依赖经验与直觉，只会在师生、同事和密切的合作者之间传播，并成为实验室或合作组的核心竞争力。在科学知识过去几百年的积累、特别是过去一百年的爆炸式增长面前，“拧哪个螺丝”越来越不可能由没有足够积累的“天才”一拍脑袋想出，对于实验科学来说也没法写入书本，我们如果想知道就必须要加入最领先的研究团队。只有站在足够高的平台上，接触到对创造知识最关键的思想方法后，我们的主观努力和智慧才能有真正的发挥空间。举个几个实验室核心竞争力的例子。极端条件在很多物理实验中非常关键后天努力比天赋更重要。比如在冷原子实验中，激光光谱线宽每窄一个数量级，原子气体温度每低一个数量级，就很可能会有新的原子-光子相互作用现象和物质凝聚状态出现。在凝聚态实验中，样品纯度（电子迁移率）每高一个数量级，人们就很有可能观察到新的电子集体运动形式。然而最领先的光谱技术或材料生长技术只有很少的实验室掌握。这些技术代表着当前人类控制自然的极限，源自实验室大量的经验积累（有时甚至需要几十年），远没有实现标准化和商业化。再比如，在我目前所在的实验室，我们对什么是电阻、什么是电源、电压表究竟测什么之类看似非常简单的问题都有着与标准教科书相当不同的理解方式，而这些独特的认识正是我们设计、实现和控制宏观人造量子系统必不可少的基础。“拧哪个螺丝”好比是实验室的“基因”，要想掌握它们，除了加入研究团队接受几年严格训练外别无他法。从当代杰出科学家们的背景经历中，我们会发现他们的成长环境、性格特点、早期基础千差万别。但有一点高度类似，就是绝大多数人都至少在博士或博士后阶段在知名科学家领导的顶尖实验室工作过。这对最前沿的自然科学尤其明显。随便举几个例子，2012年获得诺贝尔物理奖的两位实验原子物理学家中，Serge Haroche 的博士导师是1997年诺奖 ClaudeCohen-Tannoudji，后者的博导又是1966年诺奖 Alfred Kastler，三代诺奖同来自巴黎高等师范学院的 Kastler Brossel 实验室；另一位得主DavidWineland 的博导是1989年诺奖 Norman Ramsey，后者的博导又是1944年诺奖 IsidorIsaac Rabi。先天和后天哪个更重要从1949年的汤川秀树到2015年的梶田隆章，日本过去半个多世纪内获得诺贝尔奖的几代粒子物理学家间都有师生传承或师出同门的关系。我也请教过一些有经验的科学家如何决定去哪读博士，得到最多的回答是：“找个好导师。”不少人有这样的观点：我们从小到大见过太多坐在同一个教室里，有人领先有人掉队的例子，这难道不就是训练条件相同、靠天赋和基础争高下的例子吗？这个现象很好解释，因为大家同时在接受低水平的训练，只好让一点点天赋、基础和个人习惯的差别决定最终的结果。遗憾的是，在中国，机械、重复、毫无创造力的灌输式教学从中小学到最好的大学都非常常见，以至于让很多人误以为这就是后天训练的唯一形式，而不知道以创造知识为目标的学术训练与此有根本的不同。其实在受到真正的高水平训练、站上更高的平台后，我们一时的基础差距几乎可以忽略不计，曾经的落后可以很容易地变为领先。从另一个角度理解，科研是极富创造力的活动，高水平的训练各不相同，而低水平的训练常常是类似的。如果我们感觉当前大家受到的训练都非常相似，也许就该反思一下这种训练的水平是不是不够高。举个例子。麻省理工学院 MIT 拥有美国规模最大的物理系，但2015年秋季的研究生招生中在全中国只发了三五个offer。不过我在今年四月初 MIT 物理系的 Open House（大学和院系在公布录取结果后组织的访问活动，以便被录取的学生决定是否接受 offer）中却见到了很多亚洲面孔，其中不少是在美国或英国读本科的中国学生。他们大部分并不来自综合知名度最高的大学，但都有在世界一流实验室的科研经历，很多人的本科科研导师都是相当知名的物理学家，谈论前沿的研究问题时都表现出国内学生少有的专业与成熟。其实经过层层选拔进入中国一流大学的奥赛高手和高考状元中，很多人当年的高中基础明显好于出国读本科的同学。但由于大学科研训练水平的差距，四年之后两边学生的相对竞争力就发生了显著的变化。所以按我现在的理解，从事科研除了要有主观的努力和持久的兴趣外，最重要的是抓住一切机会加入世界一流的研究团队，获得最好的训练条件。大多数中国学生学术发展的主要限制因素是高水平训练机会的匮乏，而非天赋和基础差距。不过很多中国大学近些年都有非常可喜的变化。例如在我的母校清华大学，由于几位著名科学家和一批在世界一流实验室受过严格训练的青年科学家的加入，一些学科方向的科研训练水平在过去十年间有了前所未有的本质进步。这些科学家们也逐渐把一种非常纯粹的崇尚学术的价值观带到清华，让更多其他专业的同学从中受益。这是一个很好的开始，但就我自己在两边读书的观察和体会来看，清华整体与世界一流研究型大学的差距还是非常本质的。IV. 起跑落后的科学家并不少见如果当前既没有很好的基础也没有高水平的训练环境，从事学术还来得及吗？我认为如果未来有接触高水平训练的机会，那么还是来得及的。因为和一个科学家几十年的学术生涯比，几年的暂时落后不算什么。即使是在今天竞争无比激烈的美国学术界，仅仅我知道的起步很晚或本科训练条件非常一般、但最终成为优秀科学家的例子就有不少：著名理论凝聚态物理学家 Anthony J. Leggett（2003年诺贝尔物理奖得主）在英国二战后特殊的教育体制下从13岁起一直到大学本科都在专攻 Classics 专业（希腊、拉丁语言与文学），本科毕业后发现自己兴趣有变，又读了第二个本科才从零基础开始学物理。耶鲁大学的理论凝聚态和光物理学家 A. Douglas Stone 本科专业为社会研究，大四那年突然被量子力学激发出了学习物理的兴趣，并在毕业后改读物理。他在硕士毕业时还没有系统地学过热物理学，在 GRE 物理考试中也因此遇到一些困难，但这并不妨碍他在七年后就做出了预测介观系统中电导量子涨落的重要理论工作。加州大学圣芭芭拉分校（University of California, Santa Barbara，简称 UCSB，美国物理学顶级名校）的实验量子物理学家 Ania Bleszynski Jayich，中学时曾是十八岁及以下网球女子单打全美排名第一。她刚进入大学时的专业是 Pre-medical（医学预科），但后来发现自己实在不喜欢化学。在二年级结束后允许转专业的最后一天，她从还可供选择的斯拉夫语和物理中选了后者。大学前两年她没有学过任何物理课，大三时和其他大一新生坐在一个教室里，本科也因此读了五年。- A2: 很显然，不能后天教育比天赋更重要。作者回答的时候没有仔细阅读材料（扣20赞！），只有在格陵兰岛附近区域，温度降低了15摄氏度[S1]。但是对于当时全球平均温度的变化，并没有很好地估计（因为冰芯不是哪里都有）。科罗拉多大学博尔德分校（University of Colorado, Boulder，简称 CUBoulder）是世界原子、分子和光物理研究的圣地，2001年至今已在这一领域产生了四位诺贝尔物理奖得主。近些年又有两位年轻的学术明星加入 CU Boulder——实验量子物理学家 Cindy Regal 博士期间就是费米凝聚体的共同发现者，理论原子物理学家Ana Maria Rey 于36岁时获得 MacArthurFellowship（民间俗称麦克阿瑟天才奖）。然而 Cindy Regal 本科来自 LawrenceUniversity，这是一所位于威斯康星州的文理学院，2015年在 US News 全美文理学院（不含研究型大学）排名中位列57名，并且艺术类专业规模最大，物理系教师只有几个人，她是目前系友中唯一的名校教授。Ana Maria Rey 本科毕业前一直在南美洲的哥伦比亚，在她读书时哥伦比亚全国甚至都没有物理学的研究生教育。她在获得 MacArthur 奖后的采访中说：“我希望这表明哥伦比亚人也能做出了不起的事情，来自哥伦比亚并不是我们的限制。” AnaMaria Rey 也是 CU Boulder 四位得过 MacArthur 奖的物理学家中的第三位女性（之前两位之一是 Cindy Regal 的博士导师 DeborahJin）。此外，以上提到的所有女神科学家们全都学术家庭两不误。上述几位物理学家除了都是起跑线上的落后者外，还有一个共同特点，就是在明确兴趣、科研真正起步后一路名师指导。例如，Ania Bleszynski Jayich 大三改学物理后就加入了实验室，本科科研导师就是著名实验原子物理学家朱棣文（1997年诺贝尔物理奖得主）。所以，一时落后关系不大，但最终训练决定高度。写在最后我认为训练决定高度，但有好的训练条件并不意味着科研发展就能一帆风顺。因为即使身处同一个实验室，不同学生态度、热情、思维方式、努力程度、交流习惯等主观因素的差异会使得大家实际接触到的训练资源很不相同，长期下来就会产生明显的水平差距。事实上，再好的实验室也只有少数学生最终能成为名校教授。所以，好的训练环境是前提，如何充分利用各种高水平的训练资源则是更考验我们的地方。在这个问题上，相比于天赋，我们自己的态度、方法才是关键，这也是许多杰出科学家回顾自己的学术经历时最重点强调的。在接受了足够好的训练之后，决定我们高度的会不会就变成了天赋呢？就像同样作为训练有素的物理学家，爱因斯坦的贡献还是明显大于今天绝大多数世界名校的终身教授一样。这个不好说，因为作为学生，我们离这个阶段都还差得太远，没有任何切身体会。不过我觉得我们暂时不必考虑这个问题。如果有一天我们真能达到高水平训练所致的顶峰，那时我们对于科学的贡献就已经无愧于自己最初的选择了。基因和后天哪个重要致谢非常感谢两位来自不同研究领域的小伙伴（审稿人）对本文的讨论、建议与启发： 杨斯思（耶鲁大学医学院细胞生物学系 博士生） 李星河（斯坦福大学物理系、斯坦福理论物理研究所 博士生）【ever002的回答(7票)】:如果把天赋理解为从小到大积累的“可迁移能力”的话，那么大概能占个20%左右吧，剩下的是环境和性格。如果把天赋定义成先天、特别是基因决定的因素，那按照目前人类的脑科学水平恐怕是没法严肃讨论的。当然，不同科学家的风格也可以很不一样。有Witten那样的，也有Feynman那样的；有陶哲轩那样的，也有丘成桐那样的。不管你有怎么样的天赋，你都总能找到可以为之努力的路径。【郐欣桐的回答(4票)】:都重要，但是，作为叱诧风云的领域领军人，科研嗅觉和天赋是必要条件。作为兢兢业业的科研螺丝钉，完善系统的后天训练是必要条件。然后，我很欣慰的发现，在这个题目下，二元论的论调明显少。看来多读书还是有用的～【张某某的回答(11票)】:感觉是小时候培养的。此处引用我大学的数分老师沙震教授名言：趁着年轻多做点儿题先天重要还是后天重要。。。【yisun的回答(18票)】:天赋决定上限，后天决定下限。到了拼上限的时候再想这种问题吧【王新的回答(2票)】:题主说天赋和后天训练，我还是愿意用 "遗传" 和 "环境" （包括教育）来表述。先天遗传给人的智力发展提供了可能性，后天的环境将这种可能性变为现实性。遗传与环境二者相辅相成，缺一不可。所以，遗传很重要，环境也很重要，遗传和环境的交互作用同样很重要。【任韬的回答(11票)】:天赋是发动机，后天训练是燃料【叶攻的回答(10票)】:天赋在学术界和日常生活中的定义是不一样的。作为PI，最重要的能力是选课题的能力，第二重要的是交际能力（包括做演讲、写论文、找人合作），具体知识技术水平不算太重要。一来，大部分技术已经标准化了，不形成核心竞争力，二来，先天和后天哪个更重要就算这个技术你不会，你也可以和会这个技术的人合作。有人问爱因斯坦，“你为什么不去做数学要做物理呢？”爱因斯坦说“我可以一下子看出来一个物理问题重不重要，但对数学问题不行”。杨振宁对张首晟等人在研究方向上的指引，也是后者成功的极为关键的因素。判断一个问题的重要性和难度（需要的时间、经费）是科学家最核心的竞争力。后天努力比天赋更重要这种判断哪里来？从对学科的宏观把握来，从科学品味里来，而不是从技术细节里来。所以，“品味”是最重要的科研天赋，它至迟在博士毕业已经确定了。它的形成很复杂。杨振宁-张首晟-祁晓亮一脉，除了师承关系，还有更多的共同点，比如从小喜欢文学，等等。要有好的品味，及早和大师交流吧，博士导师一定要厉害。当然，作为博士博后，技能常常被看成是核心竞争力。但这不是PI的核心竞争力。所以博士期间很厉害远远不能保证独立后很厉害。而大众语境下的天赋，是通过光环（高考状元、奥赛金牌）定义的。这和实验学科科研成功关系不大。所以，很多名校本科生不做实验学科科研是有道理的：这不能体现他们的比较优势，也不是社会利益最大化的资源配置。实验学科不需要高深的数学，所以大部分数学很好的人不会去做实验学科。【jerryhehe的回答(4票)】:天赋论本身就是反科学的，如果有天赋一物科学当研究之，改善之。除非大脑天生构造不同，技术不到没法改变，思想上的没见过不能改变的。十二月八日0时更B乎都基本承认天赋论，可见认知学的工作路漫漫其修远兮基因和后天哪个重要天赋论有个很明显的bug大家都没发现吗？天赋居然分学科！语文数学这种跨距大的分分也就罢了，你怎么解释物理和数学属于不同天赋？难道天赋一物居然分的清这是物理我不管这是数学我要管？物理和数学一些地方根本扯不清到底属于哪门学科这里天赋应该指思维天赋不是生理天赋。本人长期思考过认知论，当然是宏观上的。根本没有所谓的天生的不可改变一事。那为什么有人就是随便学学就学的好而有人费尽全力也徒劳无功呢？因为认知并不像普通学科一样有明显的测量指标。老师问你这题懂了吗？你的懂了和别人的懂了未必是一个懂了。这里没有任何工具指标可以用来衡量，当再做这个题时两人过程结论完全一样的正确。可思考过程就未必了，还是那句话，我们没法考察思考过程，更无法科学的修正它，久而久之就是一种习惯。敢问戒烟有几个成功的？戒烟都如此困难更不要说改善思维习惯了，你既觉察不到它更没有办法衡量它，改善的办法更是没有。怎么有可能形成后再改变？人与人的差距是有的，但这绝不是说天赋设定了上限，给定一个参照人比如爱因斯坦，霍金，给定一个实验人，此人各科水平普通，通过科技发展是可以让后者在思想水平上作出比参照人更高的工作。这里，一些成就的评价是需要界定的，你不能拿相对论的科学地位作为评价标准，我们可以让两者再去研究同一新的事物来比较。爱因斯坦时期懂相对论的不超一百，后天教育比天赋更重要因为那时候天天打仗搞科研的就没多少，跟爱因斯坦同水平的更是凤毛麟角。现在，不懂点相对论怎么在物理界混？【Shawn的回答(3票)】:必然是后天训练。除非是你要开山立派，做到像爱因斯坦这种级别，或者自己解决什么数学世界难题，这才需要天赋。一般的科研工作者，需要的是坚韧，以及热情。我以前觉得，有人博士期间发了science或者nature，这真是天纵奇才。当自己读博士了才发现，这些人，只不过是选对了导师，选对了课题，外部因素大于自身素质。须知道，要达到science或者nature这个级别，除非是运气超级超级好，到公园遛弯系鞋带时候捡到了20克拉钻石这种运气，是需要所在课题组很多年的经验名气积累的。化学或者材料类方向，没有灌过很多JACS或者AM级别的文章，别想着一步发science了，人家都不信你。所以，外界环境对于你的科研起点，有着至关重要的作用。做科研也是一项，有其内在规律的工作。你站的高看得远，获得过良好的训练，有很开阔的眼界，才能做出更好的成绩。而这些都跟天赋关系不大，基本靠后天培养。当然，聪明人成长速度快一些，但是没有条件，根本没有成长可能。做科研是很辛苦的，没有兴趣热情驱动，是很难做到很好的。而你想突破，实验条件会极大限制你的发挥。你想到了绝世好点子，没人帮你实现，没有经费支持，没有实验材料和器材，你拿什么去证明？而想到好点子，必然经历了很多实验的积累，做过大量了解和研究。一拍脑门想出来好点子，那绝对是天方夜谭。而现代生活诱惑太多，科研工作者收入普遍偏低，你很难让人靠单单热情去做自己工作。科研总是奢侈的，需要大量投入，也许才有少量突破。现在能静心喜欢科研埋头苦干的人越来越少，很多人只是将其当成工作。只有更优渥的土壤才能长出更茂密的植物。期待磐石缝中长出来参天大树，太难太难。【环滁的回答(7票)】:你训练只大象30年让它讲汉语试试？天赋不仅决定上限，很大程度上也决定下限【淘宝最帅的人的回答(4票)】:欲金子发光，必不断打磨；欲光芒万丈，必天赋异秉。【xiaogu的回答(16票)】:我觉得从事科研的话，有没有天赋基本上决定了有没有必要对你进行后天训练…原文地址:知乎}