作者花大量时间从事软件开发，屡次被问及软件为何重要。不少人认为软件并非科学，不过是追求结果与论文过程中的时间陷阱，秉持发表至上。然而作者认为软件至关重要，开源软件就是科学，或至少是计算科学。这篇帖子将说明科学家为何必须坚持科学方法，以及这为何意味着要开发开放且可复现的软件。

TL;DR 我主张现代科学等同于开源软件。下面说明为什么、为什么重要，以及你接下来可以（也应该）做什么。

你为什么关心（开源）软件？——每个人

我大量时间花在软件上。无数次被问为什么软件重要。人们说，软件不是科学；它是时间黑洞，是在追求真正重要的东西——结果，以及学术界里的论文——时要赶紧略过的东西。不发表就出局。

可我认为软件重要。事实上，我认为开源软件就是科学，至少是计算科学。为什么科学家必须坚持科学方法，而这又为什么意味着要做开放、可复现的软件。这不容易，挑战学术界不少潮流，但是朝向更好科学的重要一步，且不必把我们都逼疯。

什么是科学？

维基百科说：科学是一门系统学科，以可检验的假设和对宇宙的预测来构建和组织知识。随便拿一篇 arXiv 论文，它显然包含某种“知识”。但它是否贡献了可检验、可系统组织的预测？你能检验它吗？你能把它系统化吗？

答案从不是干脆的“不”，但很难。你很少能直接接触到那些知识。

好的解释——内在模型

如果有机体在脑内携带外部现实和自身可能行动的“小尺度模型”，它就能试验各种替代方案……并以更充分、更安全、更胜任的方式应对面前的紧急情况。

Craik 在《解释的本质》中提出，我们用现实的小型模拟来解释和预测外部世界。今天这似乎显而易见，但它凸显了追求科学的根本目标：作为行动主体，你改进自己的内在模型，直到能做出比以前更好的预测。内在模型是关键：如果 arXiv 论文不能帮助读者预测世界，它就不是科学。这就是计算可复现性重要的原因——软件是我们编码和分享预测模型的方式。

什么是可复现性？

按维基百科，仅展示结果不够。结果必须（1）系统，（2）可检验。

论文可能太难理解，或因其他原因难以接近。这不意味着没有科学洞见——读者也许第二、第三次读时能系统化。它意味着你具体无法把想法拿来、检验它、用它改进世界模型。

可复现性不只是重复结果。它是能拿科学想法嵌入自己的内在模型，调整、建立其上，或因为它降低可预测性而丢弃它。

如果一个想法不可复现，发现就无法扩展，因此无用。

做个思想实验，把“软件模型”换成“数学模型”。就像我们不会接受一篇物理论文说方程预测 X 却不展示数学，我们也不应该接受隐藏方法的（计算）科学。

有多少领域被拖后腿，有多少人的职业生涯因为一个有 bug 的程序被搅乱？——Greg Wilson

软件在现代科学中无处不在。从新冠模型到搜索算法到实验室协议，都建立在别人写的软件上。研究者很忙，不会翻遍所有软件依赖来验证正确性、理解实现细节，或检查可能推翻结果的错误。

于是，科学结果依赖软件。软件错，科学就错。软件 bug 已经导致许多撤稿。

这也还好，因为某个时刻我们不得不信任并依赖别人的工作。为此，软件必须可靠。

为什么开源？

软件需要：

1. 可复现，即能执行，也能修改；
2. 可靠，即结果持续可信。

可修改性对科学重要，正如方程对科学预测重要。可靠性关键，因为我们要知识系统性改进，而不是偶尔才灵的脆弱、片面结果。

开源软件给了我们这些。我们能改代码、按需改造（想想 Hugging Face 模型），也能迭代改进。它已经产生数万亿美元价值，还有很大空间。

当然，开源不是完美解药。有知识产权和安全顾虑，bug 仍会出现，稳定性可能有问题。但至少缺陷是公开记录，可以修正和改进，就像科学理解。从这个角度看，可以说开源软件就是科学方法——只不过在模拟中。

未来科学的愿景

如果接受这些前提，可以问：真正开放的计算科学会是什么样？

每个结果都即时可复现。 你读论文说新药让症状减少 30%，点一个链接，就在浏览器里看到完全相同的分析运行。数据处理、统计检验、可视化在几秒内用作者所用同一环境执行——通过可复现容器完美保存。

科学软件像维基百科一样演化。 气候模型不是单个实验室孤立开发，而由全球社区维护。肯尼亚一位研究者发现大气湍流计算中的 bug，修复立即传播到全世界的气候模拟。模型持续改进，而不是在学术孤岛中衰败。

发现速度加快。 每个研究者不再从头建，而是站在巨人肩上，其工作不仅可读，还可运行、可修改。科学进展以前所未有速度复利增长。

对科学的信任增强。 当气候模型、经济预测、医疗建议建立在透明、可审计的代码上，公众信心增长。科学传播也改善，因为模型本身成为对话的一部分——不只是结论。

这不是乌托邦幻想。每一块都已存在——开源社区、可复现环境、协作开发平台。只需把它们塑造成数字时代科学如何运作的一贯愿景。

问题不是未来是否可能，而是我们多快能建成。

现在做什么？

我认为在计算机化世界里，开源软件是“科学”的必要条件。软件是可执行的数学模型，应被摆到高得多的优先级。

还有工作要做，你可以这样帮：

• 分享并记录你的代码

  • 没有代码的论文科学性更低，因为更难在洞见上继续建造。理想情况下，任何主张都应由可复现代码支撑。从第一天就用代码，并始终分享。

• 写稳定的代码，用 NixOS

  • 代码应可靠并永久运行。这意味着依赖和环境保持恒定。最好用可复现环境。NixOS 正迅速成为最大最好的工具，保证代码即使 100 年后也以完全相同方式运行。Docker、Conda 等类似工具已经更好，但 NixOS 保证更全面。

• 在现有工具上建造，而不是自己造

  • 要让共同科学知识库改进，需要跨平台工具。对神经形态计算等小领域尤其如此，最近一篇 Nature 论文指出开源软件是扩展的关键。看看 Open Neuromorphic 软件指南，找找接近你工作的库。

• 提拔做软件的学者

  • 代码极其重要，学术晋升应重视软件贡献。

科学革命成功，是因为坚持透明、可复现和持续审视。开源运动为软件体现了同样原则，但还有更多工作要做。

你会帮助让软件科学化吗？

多数人认同"科学应当开放"，但反对把它直接等同于开源软件；分歧沿两条线展开——一条是概念上的（开放数据、开源代码、科学方法是三件事），另一条是复现为什么做不到，究竟是工具链问题，还是学术激励与出版体制的问题。

现代科学应当等同于开源软件，复现要做到一键完成

• 原文主张：读到"某药降低症状 30%"时，点链接就能在浏览器里用作者当年的环境跑完数据处理、统计检验与可视化，靠可复现容器完整保留下来。（少数人） > 我认为现代科学就是开源软件的同义词。（@jegp）

科学是开放的，但它不是软件，软件也不是科学

• 反对这个等式：共享数据、共享代码与科学方法本身各有规范，用一个等式概括会把三者都讲糊。（较多人） > 科学是开放的，但科学不是软件，软件更不是科学。（@random3）

真正的拦路虎是数据，不是代码

• 代码常常脱离数据就毫无用处，而不少学者把数据当成会下金蛋的鹅，不肯交出来；也有正面例子，比如专门发表开源科研软件的 Journal of Open Source Software。（较多人） > 很多学者害怕把金鹅送人，而软件离开数据往往毫无用处。（@willtemperley）

期刊政策早就写了，实践里几乎没人做到

• Nature 等期刊的编辑政策已包含"数据可用性"以及"计算机代码和算法的可用性与同行评审"条款，但落到具体研究上，往往连一个可用的仓库链接都拿不到。（较多人） > 我试着复现某些单细胞 RNA 测序处理流程时，实际根本拿不到一个 GitHub 链接。（@flopsamjetsam）
• 也承认很多研究者的代码确实不堪入目，指望开箱即用过于乐观，但朝这个方向努力值得肯定。

病根在学术激励，不解决它一切免谈

• 低质量研究能顺利发表，耗时长、常揭示出热门结论依赖 p 值操纵的高质量研究反而被卡在评审里；所谓隐私顾虑大多是方便的借口，多数数据集去标识化并不困难。（较多人） > 除非把现在的学术界推倒重来，或者让科学和现代学术体制彻底分开，这件事永远不会发生。（@D-Machine）

用公共经费做出的研究就该公开，不该再向出版巨头付第二次钱

• 纳税人已经为研究付费，却还要再向私营出版商付费阅读，这与科学的本意相反；公共资助应当附带永久公开访问的条件。（较多人） > 纳税人已经为研究付过钱，凭什么还要再向爱思唯尔这样的实体付费？（@shevy-java）

「open」这个词已经被技术圈用坏了

• 有人主张干脆禁止技术人使用「open」；更准确的说法是自由意义上的 free，而不是免费或可看见。（较多人） > 把「开放」换成「自由」意义上的 free。（@Muhammad523）

复现应当基于虚拟机规范，而不是复制整个环境

• 与其完整复刻环境，不如把可复现程序建立在 JVM 或 WebAssembly 这类虚拟机规范之上：更可行，也不会把软件生态进一步推向中心化，别人可以用任意操作系统与实现，甚至自己写一个。（少数人）

NixOS 的「百年保证」被当成事实抛出

• 声称它比 Docker、Conda 提供更全面的保证却不论证；它本身没有标准化，很难保证十年内不被后继工具或 Guix 取代。（少数人）

软件是数学与物理证明的展示台

• 把定理写成代码、验证输出符合预期，本身就是有说服力的证明方式；DeepMind 在疾病被诊断之前就做出预测这类进展，被视为 AI 该被用来做的事。（少数人）

资金来源不同，开放程度自然不同

• 开源软件常靠个人投入时间，科学发现则通常由纳税人或企业出资，两者的经济激励不是一回事。（少数人）

有价值的补充

• Journal of Open Source Software 是专门为开源科研软件设立的期刊，说明开放科学并非没有落地渠道。
• Nature 作品集的报告标准中，明确写有「数据可用性」以及「计算机代码和算法的可用性与同行评审」，可作为要求复现材料的政策先例。
• 可复现性存在路线之争：完整复制环境（容器、Nix）对比基于虚拟机规范的最小分发，后者更轻、更去中心化，但需要生态接受统一规范。
• NixOS、Docker、Conda 的保证强度可以再辩：NixOS 覆盖面更广，却没有标准背书，长期存续性存疑。
• 单细胞 RNA 测序流程是「政策有、执行无」的典型案例，可作为检验复现要求是否真的落地的试金石。