第三百九十八章
光是科學城公開展示的福利,足夠吸引全世界的人才趨之若鹜了。
可能華國給科學家塑造的形象是澹泊名利,無私奉獻。
實際上科學家和這八個字的相關度并不高,由于大腦發達,他們的欲望甚至比普通人更加強烈。
尤其是西方國家,西方國家的海洋文化和文藝複興後的思潮演變,決定了他們是一定把自我感受放在首位。
至于國家民族觀念,可能有,但是在自我利益面前,可以沒有。
不然也不會有那麼多德意志科學家、前俄國的科學家在本國失敗之後,被阿美利肯大批得招攬過去。
這些科學家在本國失敗之前就陸續有投奔阿美利肯以及其他西方國家的。
科學城最誘惑的待遇,除了延長壽命之外,還有就是有人工智能助理,能夠幫你完成很多想法上的驗證和論文編寫。
幾乎能夠負責你一切的日常和研究工作助理,随着使用磨合,能夠接近百分之百的理解你的意圖。
對于醉心科研的人來說,他可以把自己的全部精力都放在探索未知的領域,而不是在一些瑣事上。
全球每年申請成為科學城永久居民的人數連年激增,從第一年的兩百萬,到今年的兩千萬。
主要如果是自己申請,至少得是博士。
而鄭理通過虛拟現實設備掃描判斷出來的,真正具有潛力和資質的人才,則沒有學曆的要求。
從2000年之後,全球高學曆人才的增長速度是很快的,即便博士學位稀少,全球的博士人數依然是一個不小的數字。
光是華國和阿美利肯,每年新增的博士學位數量,都在七萬個左右。
當然學位不等于能力,但是對于一個供不應求的崗位來說,設置一定的門檻還是有必要的。
大企業的崗位是否真的隻有985、211能幹得來?
顯然不是。
光是二十一世紀的前二十年,大型央企請的頂級咨詢機構,像麥肯錫之流,為他們做企業轉型改造。
其中的核心訴求,就是把企業業務拆解,拆解到即便自己把所有人換成中學畢業生,也能做得來。
所以越是大企業,它的業務越流水線标準化,對個人的能力要求其實是更低的。
這也是為什麼大廠的代碼要比小廠的代碼維護起來更容易,因為大廠在代碼編寫上有自己的一套規範。
既然越是大型企業,工作内容反而越簡單,那為什麼要設置門檻?
因為想來的人太多,通過學曆這一道顯性門檻,來把不符合要求的個體篩選掉。
但是同樣會有不用符合顯性規則的神仙。
一般來說你在一份新人入職名單裡,你看到一水的清華北大,然後中間夾雜這寥寥數個燕京本地二本,心裡就應該有數了。
科學城設置博士作為門檻,倒不是崗位不夠,而是因為這份工作待遇太好,又缺乏明顯的管理考核機制。
科學研究是本身是厚積薄發的過程,如果你做的問題過于困難,即便每天思考,也可能一輩子沒有結果。
像張益唐,他如果不是做孿生素數做出了成果,其實也不會有人知道他是一位傑出的數學家。
在科學城不會有什麼所謂的三年非升即走,沒有結果就需要走。
即便是三年的考核期,也隻是讓你說一下這三年來的一些思考和階段性成果。
這三年的考核期是驗證你具備能力和潛力,而不是說需要你發表什麼文章,需要達到多少多少的影響因子。
這樣的弱約束,從先天上就避免了,以結果為導向而無意義的科研。
科學城已經運營了大概五年時間。
在這五年時間裡,外界對科學城的運營有了一個大緻的了解。
越來越多的科學家希望加入到科學城去,其中某位大牛在自己的個人博客裡寫道:
“我很想去獅城的科學城工作。
科學城的待遇和特殊環境,隻是我想去的因素之一,但是不是決定性因素。
真正讓我希望去科學城工作的根本原因,在于他們的考核機制,不是以結果為導向的。
在現代的學術體系裡,是完全的結果崇拜。
沒有人會在乎你中學時候的成績,沒有人會在乎你是哪個學校畢業的。
可能唯一有點用的,是你在博士階段跟的是哪個導師。
大家在乎的是你發表了什麼論文,發表在什麼期刊上,影響因子是多少。
至于這些論文本身是否有意義,反而沒有多少人關心。
每當一個新的方向被發現的時候,所有人關心的是這個方向又能發多少論文,然後能夠在其中獲得多少好處。
至于真理,科學本身的精神沒有多少人關心。
大多數科研人員們追求的是寫一篇能夠被接受發表的論文,而非做出一些有價值的東西。
雖然實際上大多數論文确實沒有實際用途,但是在當今這個時代,這樣的現象正在越來越普遍,追求真理的精神正在逐漸喪失。
愛因斯坦曾經說過:一個人被迫大量撰寫科學着作,那麼他的學術生涯會産生知識膚淺的風險。
我在各類學術論壇中接觸過非常多才華橫溢的研究員,他們的思維邏輯非常敏銳,在交談的過程中,他們能夠跟上的我思路,并且給我一些很有啟發的建議。
但是回去之後我翻了翻他們的論文,大多數,甚至是全部,都沒有意義,隻是數字的無聊堆砌。
他們的論文和他們個人本身給我留下了截然相反的印象。
類似的指責在這些年裡層出不窮,雖然學術界一直為這種批評聲辯解聲稱:
基礎學科的研究是困難、漸進的,像核磁共振掃描技術中用到的輸皿和1800年代某本不起眼學術期刊上發表的論文裡提到的輸皿方法一樣。
我們需要大量的反複實驗,才能推倒出足夠有價值的結果。
這些無用的結果,才能鋪墊出足夠有用的結果。
但是這些堆砌的無用結果,純粹是把方法進行微調,為了得到想要的數據而一遍又一遍的重複數據真的有必要讓博士甚至是教授們來做嗎?