Experimental History · 140 篇 · 2022 年 1 月 1 日开站，此后基本每两周一篇，四年八个月从未断过 · 最新一篇 2026 年 9 月 15 日，仍在更新 · 单篇常在 2500 到 5000 词 · 约 19% 的篇目只对付费订阅者开放，其余全部公开免费，本页所据全部来自公开部分 · 本页通读 14 篇，跨度 2022 年 1 月至 2026 年 8 月，其中 6 篇落在开站后最早的 20% 时间段内 · 选文主干取自作者本人在 about 页列出的「最多人读的十一篇」，另按站内回引补入几篇他反复回头引用的文章
爱因斯坦一生只有一篇论文被送去做过同行评议。他的反应是勃然大怒，把稿子撤走，投给了另一家不这么干的刊物。
2022 年底，一个刚从哈佛拿到心理学博士学位的人把这件事挖出来，然后算了一笔账。他说，科学界过去六十年一直在拿自己做一场实验，实验的假设是「每篇论文都找人先查一遍，把不合格的挡掉，科学会更好」。这场实验没有随机化，没有对照组，没人负责测量，但它把地球上每一个科学家都招募进去了。
他把成绩单摆了出来：全世界的科学家每年花在审稿上的时间加起来约一万五千年。而在三项「故意往论文里塞进严重错误、然后数审稿人抓出几个」的研究里，审稿人抓出了 30%、25%、29%。那些错误不是排版问题，是「这篇论文自称是随机对照试验但它不是」「看图就知道根本没有效应」那一类。
还有一个更难看的细节：有位期刊编辑开始要求作者在投稿后补交原始数据，结果一半的人直接撤稿了。编辑的原话是，这暗示原始数据从一开始就不存在的可能性。
The results are in. It failed.结果出来了。它失败了。The rise and fall of peer review，2022 年 12 月 13 日
这个人叫 Adam Mastroianni，而他不只是抱怨。在写这篇之前一个月，他把一篇够格投顶级期刊的论文——八个正式研究、上千名被试、预注册、数据代码全部公开——直接当成一篇博客文章发了。文章里有笑话。有一段他老实写着「我不记得我们当初为什么要做这个研究了」，还说他问了合作者，对方回「兄弟我连做过这个都不记得」。他以为自己会像个傻子一样没人理。结果在他自己开口宣传之前，几千人已经读了它，陌生人给他写来认真的评审意见，NPR 来约采访。那篇博客的阅读量超过了他上一篇发在《美国国家科学院院刊》上的论文。
但真正让这个博客值得读完的，不是他证明了同行评议没用。是他接下来把整件事换了一个框架。
他说，世上有两种问题。弱链接问题，整体质量取决于最差的那一环——食品安全是这样，一块坏牛肉就能要你的命，所以该设检查站。强链接问题，整体质量只取决于最好的那些，坏的几乎无所谓——音乐是这样，你只听你喜欢的，其余的你连它存在都不知道。
他的核心一击是：科学是强链接问题，而我们一直把它当弱链接问题在管。燃素、以太、地心说、颅相学，全都死了，不是因为有人把它们挡在门外，是因为它们没用。而弱链接式的把关有一个对称的代价，这个代价之所以从来没人算，是因为它不出声：
The terrible study that gets published sounds like nails on a chalkboard, but the terrific study that never got funded sounds like nothing at all. Purge all the terrible at the cost of the terrific, and all you're left with is the mediocre.一项糟糕的研究被发表出来，听起来像指甲刮黑板；而一项极好的研究从来没拿到经费，听起来什么声音都没有。你以牺牲极好为代价清除掉所有糟糕，剩下的就只有平庸。Science is a strong-link problem，2023 年 4 月 11 日
而这套「弱链接／强链接」只是他更大的那个活的一半。另一半是：他是个心理学家，而他认为他这门学科连自己在研究什么都还没搞清楚。他有一个画面用了好几年——我们都在一辆据说开往辛辛那提的公共汽车上，没有路牌，没有导航，所以谁也不知道方向对不对。于是他去干了一件很少有人干的事：先别问「我们的结论对不对」，先问「我们要怎么知道自己在靠近辛辛那提」。他为此列了五把衡量进步的尺子，然后承认心理学只过了一把——推翻常人的直觉，这个它做得极好；而《精神疾病诊断与统计手册》里 298 种疾病，治好的有 0 种。
他自己做出来的东西也一样不客气。他和朋友吃煎蛋卷时想出一个假设，跑去做实验，发现自己完全错了，却撞上一个更怪的东西：你问人「某样东西可以有什么不同」，人几乎总是想到它可以更好。52 样东西，无一例外；90% 的被试如此；换成波兰人如此，换成在中国用普通话回答的人也如此。被问到宠物——所有选项里评分最高的、比「爱」和「幸福」还高的那一项——有人回答：「它们可以不死。」
他的另一篇是硬碰硬的大工程：全世界的人都说道德在滑坡，这是真的吗？他扒出 177 份美国调查（22 万人）和 59 个国家的调查（35 万人），确认了这个信念普遍存在、老人年轻人自由派保守派都持有。然后他去找真实的指标：107 份问「昨天有没有被人尊重对待」这类问题的调查，440 万人，1965 到 2020 年——什么变化都没有。同一份盖洛普调查里，每年约七成人说道德在变坏，而每年人们的实际答案一模一样。他给出的机制叫 BEAM：坏消息更容易进你的眼（biased exposure），而坏事的坏味道褪得比好事的好味道快（biased memory）。于是今天永远难看，昨天永远好些。
它最优雅的地方是能反向预测。问人「你亲自认识的那些人」——这里你的信息不偏向坏——人们说这些人变好了。问人他们出生之前的年代——这里你没有记忆可褪——人们的回答等于说：道德滑坡是从我来到地球那年开始的。
Notice that, while lots of people are happy to tell you about Golden Ages, nobody ever seems to think one is happening right now. Maybe that's because the only place a Golden Age can ever happen is in our memory.你注意一下：很多人乐于告诉你哪个年代是黄金时代，却从来没有人认为现在正是一个。也许那是因为黄金时代唯一能够发生的地方，就是我们的记忆。The illusion of moral decline，2023 年 6 月 7 日
四年下来，这些东西其实指向同一条脾气。2026 年他把它写成了一句话：激励是给废物准备的。因为一套奖励机制给你发小零食你就去做某件事——那是鸽子的活法，不是人的。他打的比方来自他打过几年的少年棒球联赛：球队公用的击球头盔又臭又不合头，而那几个认真的孩子自带头盔。
incentives are like batting helmets: if you don't bring your own, you'll have to use the crappy ones that are provided for you.激励就像击球头盔：如果你不自带一个，你就只能用别人配给你的那个破的。Incentives are for losers，2026 年 8 月 5 日
这就是他全部工作的同一件事：那些审稿制度、那些经费评审、那些「我们必须防止坏研究被发表」，都是别人发给你的头盔。而他每一次的动作都一样——先把头盔取下来，看看下面有没有人。
爱因斯坦一生只被同行评议过一次。
「每篇论文都必须先过审」这件事，在 1960 年代以前都还相当罕见。二战后政府的研究经费像洪水一样灌进来，为了确认钱没有花在蠢提案上，资助机构召集了「同行评议人」；经费又变成论文的洪水，原先凑不满版面的期刊开始愁该退掉哪一篇。然后这件事就变成了普遍规则。
Adam Mastroianni 的观察是：这等于人类在自己身上做了一场为期六十年的实验，而且做得极其马虎——没有随机化，没有对照组，没人负责，也没人认真测量过。他去把成绩单找出来了。全世界科学家每年花在审稿上的时间总和约为一万五千年。在三项故意往论文里塞进严重缺陷、再数审稿人抓出几个的研究里，抓出率是 30%、25%、29%——而塞进去的缺陷是「自称随机对照试验但并不是」「看图就知道没有效应」「结论完全不被数据支持」这个级别的。
最难看的一条不是统计，是一个动作。有位编辑开始要求作者在投稿之后把原始数据补上来，一半的作者选择撤稿。这位编辑的原话是，这暗示了一种可能性：原始数据从一开始就不存在。
而全球约三万家期刊每年发表约四百七十万篇文章，全都盖着「已通过同行评议」这个章。
Adam Mastroianni，实验心理学家，2021 年在哈佛拿到心理学博士，导师是 Dan Gilbert。他 2016 年入学，时间点很要紧——那正是心理学「复现危机」触底的年份，他描述当时系里的景象是一群眼窝深陷的研究生在走廊上晃，神情像是刚接到父母电话说「我们其实从没爱过你，都是个大型恶作剧，再见」。
他同时是即兴喜剧（improv）演员，教过即兴课；上过一档英国的真人秀烹饪节目；参演过一部在烂番茄上拿到 3 分的电影，并专门写了一篇文章叫《这部电影在烂番茄上 3%，而我在里面》；他做过 126 个密室逃脱，并且清楚地知道你对这件事毫无兴趣。他每篇文章顶上都配一张照片，署名永远是同一行小字：photo cred: my dad（照片来自我爸）。第一篇的配图是一群逃出来的猪站在麦当劳门口。
2022 年 1 月 1 日开站，到 2026 年 9 月共 140 篇，基本每两周一篇，四年八个月没断过，没有停更。他正在写第一本书——《The Strangest Idea in the World: A Shortcut to the Future》（《世上最古怪的那个念头：一条通往未来的近路》），Crown 出版，2027 年 3 月。
有一个念头折磨了他好几年，他把它写得很直白：
There's a thought that's haunted me for years: we're doing all this research in psychology, but are we learning anything? We run these studies and publish these papers and…then what? The stack of papers just gets taller?有一个念头折磨了我好几年：我们在心理学里做了这么多研究，但我们学到东西了吗？我们做这些实验、发这些论文，然后……然后呢？那堆论文就只是变得更高一点？Is psychology going to Cincinnati?，2024 年 10 月 8 日
他是怎么撞上这个念头的，有非常具体的时间地点。2016 年他进哈佛读博，那几年心理学正在连环塌方。起点是 2011 年前后：康奈尔的知名教授 Daryl Bem 在本领域最好的期刊上发表了九个实验，显示人有超感官知觉——被试能猜出色情图片将要出现在屏幕哪一侧，而电脑还没随机决定位置。（为什么必须是色情图片？Bem 没解释。Mastroianni 的注解是：也许当个通灵者需要有点色。）一次可以算巧合，九次太多了。紧接着有人证明，用大家都在用的统计手法，可以做出「听披头士的歌能让大学生变年轻」。2015 年最狠的一击：一大群社会科学家重做 100 项心理学研究，不到一半复现成功。
于是他开始在派对上不断遇到同一个人。他给这个人取了名字叫 Kyle——那种听过一期播客就凑过来说「哦，但你们那些研究都复现不出来对吧」然后冲你笑一下的三十来岁男人。他有一篇 2022 年的长文就是写给 Kyle 的，标题是《心理学也许是一大坨狗屁，而这完全没关系》。
他跟同行最大的分歧从这里长出来。整个学界的应激反应是「那我们回头去复查每一项研究」。他觉得这毫无道理，而理由不是护短，是他认为大家问错了问题：
So I think "Do most psychology studies replicate?" is the wrong question. The right question is "Do most psychology studies matter?" and I think the answer is probably not.所以我认为「大多数心理学研究能复现吗」是个错问题。对的问题是「大多数心理学研究重要吗」，而我认为答案大概是：不重要。Psychology might be a big stinkin' load of hogwash and that's just fine，2022 年 9 月 20 日
他反复回来挖的那个根问题，因此是两层叠起来的。上面一层是：一门科学的进步靠什么形态发生——靠拦住最差的，还是靠放出最好的？下面一层更难受：心理学甚至还没到能问这个问题的阶段，因为它连「我在研究什么东西、这些东西能做什么」都还没说清。
找不到这两层，这个博客就会被读成「一个幽默的心理学科普作者」。而他的活其实是：替一门自己觉得不舒服的学科，去找它究竟哪里不舒服。
2022 年那篇《同行评议的兴与衰》读起来像一份积压了很久的账单，而其中最小的一笔最能说明他的心情：他曾经花掉整整一天跟一家期刊来回发邮件，求他们允许他把「years」写成「years」，而不是没有任何理由地一律缩写成「y」。这件事真的发生过。
账单上更大的几项是这样排的。第一，这套系统贵得离谱而效果为零：投入是每年一万五千年的人力，产出是各领域研究生产率几十年来持平或下降、新想法越来越难取代旧想法、复现不出来的结论一大堆。你请科学家给 20 世纪的诺奖级发现打分，他们认为同行评议普及之前的那些一样好甚至更好——而 1990 和 2000 年代的诺奖级发现你甚至没法让他们打分，因为数量不够。
第二，这套系统连它自称要做的事都没在做。除了前面那三项「塞错误」的实验，他给出了一个更硬的证据：造假论文一直在被发表。如果审稿人真的在干活，我们应该经常听到「某教授今天因为试图向期刊投一篇假论文而被解雇」。但我们从来听不到这种故事。所有造假的故事都是先通过评审、先发表出来，很久以后才有好心人——常常是作者自己实验室的人——觉得哪里不对劲。原因之一朴素得可笑：审稿人几乎从不去看论文背后的数据，而那正是错误和造假最可能待着的地方。多数期刊根本不要求你公开数据，只写着「可按要求提供」，而多数人不提供。这就是为什么会出现大约 20% 的遗传学论文数据完全不可用——因为 Excel 把基因名字自动改成了月份和年份。
第三，也是他最刻薄的一条：科学家自己压根不信它。他们说很重视同行评议，但看他们做什么。论文被拒之后，他们通常不是按意见补实验改稿，而是原封不动投下一家；他读博时导师就告诉他，发表这件事里有「很大的随机成分」，办法是不停往箱子里塞彩票。论文发表之后，评审意见被销毁，没人关心审稿人说了什么、作者改了什么——这说明大家本来就不认为那些意见起过作用。而他们读预印本、读工作论文、读博客、用 Pew 和盖洛普的数据、去听会议上未发表的报告，从来不会互相转头说「真有意思！我等它通过同行评议好知道它是不是真的」。有时有人把这层意思直接说出来，比如诺奖得主西德尼·布伦纳（Sydney Brenner）：
I don't believe in peer review because I think it's very distorted and as I've said, it's simply a regression to the mean. I think peer review is hindering science. In fact, I think it has become a completely corrupt system.我不相信同行评议，因为我认为它严重扭曲，而且正如我说过的，它只是一种向均值的回归。我认为同行评议正在妨碍科学。事实上，我认为它已经变成一个彻底腐败的系统。转引自 The rise and fall of peer review
然后他自己出了个主意，这一步是整件事的枢纽。他不是先有理论再去找例子的——他是先做了一次。2022 年 11 月，他把一篇八个研究的正式论文直接当博客发了：用大白话写，放进笑话，材料数据代码全部公开，还老实交代了一件在期刊里绝对写不得的事——他不记得其中一个研究当初为什么要做。他本以为自己会显得像个傻子而且无人问津。结果他还没开口宣传，几千人已经读了，陌生人寄来认真的评审意见，终身教授给他出主意，NPR 来约采访，阅读量超过他上一篇发在 PNAS 上的论文。
而这一步换来的不只是掌声。他写了一篇后续来处理回声：一位终身教授暗示她可能会设法让他被解雇；一个有博士学位的人骂他是「玩世不恭的元认知糊糊」；他收到过几封古怪且隐含威胁的邮件，其中一封附了他个人网站的截图，把他的即兴喜剧经历高亮出来，作为他「其实是个小丑」的证据——这一点他承认是真的。在这篇后续里他把自己的立场收紧了一格，这一格很重要：
At its core, this is an argument against scientific monoculture. Why should everyone publish the same way?这本质上是一个反对科学单一栽培的论证。为什么所有人都得用同一种方式发表？The dance of the naked emperors，2022 年 12 月 27 日
四个月后，他终于找到了那个让一切归位的词。他发现自己跟人争的其实不是制度，是一个关于科学如何产出的模型。世上有两种问题：弱链接问题，整体质量取决于最差的那一环；强链接问题，整体质量取决于最好的那些。
他解释这个区分的方式全是画面。食品安全是弱链接：你不想吃到能要你命的东西，所以食药局该去检查加工厂、该设标准，代价是你吃不到撒丁岛那种里面有活蛆的乳酪。音乐是强链接：你只听你最喜欢的，其余的你根本不知道它发行了。所以给音乐设一个食药局会是灾难——想象一下你得先拿到音乐学学位、或者背出升 A 小调所有的升号、或者证明自己会吹双簧管，才能往流媒体上传一首歌。你会把最好的东西全灭掉，换来一堆每一项都合规但不能让人的灵魂颤动的音乐。
他的判断是：科学是强链接问题，而所有人都在把它当弱链接问题管。科学史上堆满了死掉的理论——燃素、黏液、以太、地心说、看头骨凸起测人品、藤壶变成大雁、眼里射出看不见的光线，还有精子里盘着的小人。我们今天信的东西不是人类历史上最蠢和最聪明想法的随机混合，因为聪明的留下来了，蠢的基本没走远。他补了一句很要紧的限定：科学是强链接问题，不等于科学现在很强——他认为我们仍活在黑暗时代，只是没那么黑了。
而弱链接式的把关有一个对称的代价，这个代价之所以从来没被算进账，是因为它不出声。这句话是他全部写作里最锋利的一句：
It's even easier to never think about the strong links that were prevented from existing. The terrible study that gets published sounds like nails on a chalkboard, but the terrific study that never got funded sounds like nothing at all. Purge all the terrible at the cost of the terrific, and all you're left with is the mediocre.更容易的是，永远不去想那些被阻止存在的强链接。一项糟糕的研究被发表出来，听起来像指甲刮黑板；而一项极好的研究从来没拿到经费，听起来什么声音都没有。你以牺牲极好为代价清除掉所有糟糕，剩下的就只有平庸。Science is a strong-link problem，2023 年 4 月 11 日
他还给出了这套思路最好的经验证据，而且这个证据本身就是一种文体。他说他最爱的文体之一是「诺贝尔奖得主解释为什么他的获奖工作在今天根本做不出来」。彼得·希格斯说他今天根本找不到学术工作，不会被认为足够有产出。布伦纳谈弗雷德·桑格（两次化学奖得主）：桑格 1952 年做完胰岛素之后到 1967 年第一篇 RNA 测序论文之间几乎没发表什么，再到 1977 年 DNA 测序之间又是一段长空白——今天的某个委员会一定会注意到这一点，判定他产出不足，切掉他那点微薄的经费。布伦纳的结论是：我们不再拥有一种允许个人投身长期项目的文化。卡罗尔·格雷德（2009 年生理学或医学奖）说，在如今的经费环境下她不确定自己拿得到钱去做那些通向诺奖的工作，因为她早期的酶与细胞生物学研究完全不在主流之内。
这条线比同行评议更早开始。这个博客的第一篇正文（2022 年 1 月 11 日）就是它的宣言，标题《心理学是实验史学》，副题只有一句：要理解人类，就去试着打扰他们。
他的起点是一个很朴素的观察：没人真的明白心理学家整天在干什么。他自己在派对上要先解释一串「我不做什么」——我是心理学家但我不看病人、我搞不清你妈有什么问题、我也不能给你开药。然后他说，他花了过去五年里的大部分时间，请被试去聊天，然后问他们希望这场聊天在什么时候结束。对方通常会说「所以，呃……你从那里面能学到什么？」然后礼貌地飘走去跟别人说话。
他的回答是一个类比，而这个类比是个很硬的主张。历史学是「试着讲关于人的真实故事」，心理学也是——区别只在于历史学家等故事发生，心理学家制造故事：搭一个情境，把人放进去，记录发生了什么。
The base unit of mass is the kilogram, the base unit of length is the meter, and the base unit of history is the story. […] The base unit of psychology is also the story.质量的基本单位是千克，长度的基本单位是米，而历史的基本单位是故事。……心理学的基本单位也是故事。Psychology is experimental history，2022 年 1 月 11 日
这不是一个修辞。他从里面拿出了一把可以用的检验工具：把人从一个结论里删掉、换成抽象名词，看它还剩下什么。他举的例子对照得非常狠。期刊里的句子是「自我效能感调节了表现欲望与表现之间的关联」；把埋在下面的人挖出来，这句话是「表现好的人，是那些既想表现好、又认为自己能表现好的人」。期刊里的句子是「自我损耗存在」；挖出来是「人强迫自己做事，做久了会累」。他说，重点不是挖出来更好懂，重点是挖出来你才看得出这个发现有多无聊。用抽象名词替换掉人，你就失去了判断一个故事好不好的能力。
拿着这把工具，他 2022 年 9 月回头去看复现危机，发现自己的困惑有了形状。学界的恐慌预设了一个画面：做科学像盖一座石头城堡，每个发现都是一块垒上去的石头，所以有石头是坏的，整座楼都可能塌。他说心理学不是这样的：
There is no grand unifying theory. We have a few local theories, but mostly we have no theory at all. So we don't have a majestic castle where every stone is stacked on top of another stone; we have a few stone huts and tons of individual stones scattered everywhere.我们没有大一统理论。我们有几个局部理论，但大部分时候我们根本没有理论。所以我们没有一座每块石头都叠在另一块石头上的宏伟城堡；我们有几间石头小屋，和散落各处的成千上万块单独的石头。Psychology might be a big stinkin' load of hogwash and that's just fine，2022 年 9 月 20 日
所以去复现一项心理学研究，像是踢一块地上的石头，看它碎成一百万片，然后宣布「看啊！这上面什么都建不起来！」——可是本来上面就什么都没建。
他没有停在比喻上，他去数了。他打开自己近几篇论文，统计其中有多少引用是关键引用——意思是如果把那篇被引的论文抽走，他自己这篇就会出大问题。答案是平均约 15%，而其中一半是他用的统计软件。他顺手解释了为什么论文里塞满无关引用：主要是为了取悦审稿人，而且你引的那些人里可能就有将来审你稿的人，他们一定会找自己的名字。
这条线真正的转折出现在两年后。2024 年 10 月那篇他自己说是「回到这些问题一次又一次」的长文里，他终于意识到过去几年错在哪：他一直在凭感觉判断心理学有没有进步，而这等于坐在那辆没有路牌的公共汽车上往窗外看一眼，说「我不知道，感觉像是在往阿肯色开」。正确的第一步不是判断，而是：我们要怎么才能知道自己在靠近辛辛那提？
他列了五把尺子，然后一把一把量。第一把过了：推翻常人的直觉，这件事心理学做得非常好，他说心理学几乎全部的进步都可以概括成「推翻直觉」——他自己做的每一件事也都是这个模子，包括道德衰退的错觉、人们对长期民意变化的普遍误判、对话会不会在人想结束时结束、喜欢差（liking gap）。
其余四把都不过，而每一把都配了一个让人不舒服的对照。第二把：我们还在输给瞎说的人。一场大规模的比拼里，各种减少两党敌意的干预方案，表现最好的之一是喜力啤酒 2017 年的一条广告——那不是心理学家为了让人和睦而做的，是营销人为了卖酒而做的。人格心理学这边更难看：有人把大五人格拿去跟九型人格、迈尔斯-布里格斯比拼，看谁更能预测被试的真实生活（结婚没有、有没有房、有没有被判过刑、每天冥不冥想、朋友多不多）。大五赢了，但优势的一部分来自统计而非心理学——它用连续分数，另两个把分数压成四个字母或一个数字，扔掉了数据。若也用连续分数，大五的领先收窄甚至消失。他说他看到这个结果时冒了一身汗：我们对大五投入了几百万美元和几千项研究，而我们预测人生结果的能力并不明显强于那些什么都没做的人。
第三把：我们很难拿知识去做事。元分析说，我们今天治疗青少年心理疾病的效果并不比五十年前好；治疗成年抑郁也没有变好。《精神疾病诊断与统计手册》里有 298 种疾病，被治好的有 0 种。行为科学最拿得出手的成绩是「助推」（nudge），至少 12 个国家成立了助推小组；但 2022 年一群心理学家做了一项「超级研究」，试了 53 种让人多去健身房的干预——这是这行最好的一批人，预算充足，而且目标是让人去做一件他们本来就在做、也想多做的事。结果不到一半的干预有效，而当行为科学与公共卫生的专家去预测哪些会有效时，他们的成绩不比瞎猜好。他的比方是：如果我请水管工来装马桶，他说「好的，我装 53 个，然后看哪几个能冲」，我大概会换个水管工。
要紧的是他从这里得出的结论不是悲观，是年龄判断：
When I look at the progress psychology has and hasn't made, I don't come to the conclusion that we're dumb; I come to the conclusion that we're young.当我看着心理学取得了哪些进步、没取得哪些进步，我得出的结论不是我们笨；我得出的结论是我们年轻。Is psychology going to Cincinnati?，2024 年 10 月 8 日
他说这正是他和许多同行最根本的分歧：他们像是认为这门学科已经中年甚至更老了——这能解释为什么他们那么热心于核对遗产、那么在意每件新东西要跟旧东西对得上。而如果你认为这门学科还没到青春期，你就会容许自己想一些远为古怪的念头，比如「我们要怎么才能长大」。
2025 年 5 月，他停止抱怨，开始建。他的开场是「抱怨够了，该开始动手了，就是现在」。他先把「范式」这个被用烂的词钉住：一个范式由单位和规则构成，它说的是「我研究的这部分世界由这些实体组成，这些实体可以做这些事」。做科学因此很像反向破解一个桌游：你得先搞清盘面上有哪些棋子（拼字游戏的字母牌、大富翁的高帽子），再搞清它们能做什么不能做什么——字母牌能拼出 BUDDY 和 TREMBLE，不能拼出 GORFLBOP；高帽子可以停在木板路，可以停在铁路，但永远不能进你的左鼻孔，否则你玩的就不是大富翁了。
有了这把尺子，他把研究分成三类，其中只有一类是科学。朴素研究（naive）：对单位和规则毫无概念，就是瞎试——「头发左分和右分哪个显得好看」「想到社交会不会让人想买肥皂」。他说你可以做一辈子朴素研究而毫无进展：如果你想搞懂汽车怎么工作，你可以问「把车漆成蓝色它还能开吗」，然后问「那漆成浅一点的蓝色呢」。印象派研究（impressionistic）：编出一堆手挥挥的词，然后去研究这些词——「正念」是否通过提高「生活热情」而带来「韧性」。他给了这类研究一个致命的诊断：
What is "zest for life"? It is literally "how you respond to the Zest for Life Scale". And what does the Zest for Life Scale measure? It measures...zest for life. If you push hard enough on any psychological abstraction, you will eventually find a tautology like this.「生活热情」是什么？它字面上就是「你在《生活热情量表》上怎么作答」。那《生活热情量表》测的是什么？它测的是……生活热情。如果你对任何一个心理学抽象概念用力推下去，你最终一定会碰到一个这样的同义反复。New paradigm for psychology just dropped，2025 年 5 月 13 日
那他愿意押上的单位是什么？他把票投给了两位化名 Slime Mold Time Mold 的作者写的书《The Mind in the Wheel》：心智由一个个控制系统构成。最典型的控制系统是恒温器——设一个目标温度，测到低了就加热、高了就制冷，目标与实际之差叫「误差」，系统的工作就是把误差压小。心智里大概装满这种东西，因为这是一种非常有效的「不死」的办法：人很脆弱，很多变量都得维持在恰好的水平，不能太冷太热，要吃东西但不能吃太多。
这个框架最刺激的一步是它对「情绪」的重新定义：情绪就是控制系统发出的误差信号。饿是营养控制系统的误差，痛是身体损伤预防系统的误差，孤独是「确保你和别人待在一起」那个系统的误差。他顺手推出一个漂亮的预测：「想上厕所」大概会被证明是一种情绪，因为它看起来就是某个尿液控制系统的误差信号；而「饿」大概会被拆成好几种情绪，各自对应一种营养素——如果其中一个专门管糖，那就解释了为什么人吃完所有东西之后还神秘地有肚子装甜点：管蛋白质、碳水、纤维的那些系统都满足了，管糖的那个没有。
最后是他对自己这套主张的态度，这一段是整页里最该被抄走的方法论：
So far, I've been talking like this cybernetics thing is mostly right. To be clear, I expect this to be mostly wrong. […] That's fine! The point of a paradigm is to be wrong in the right direction.到目前为止，我一直说得像控制论这套东西大体是对的。说清楚：我预期它大体是错的。……这没关系！范式的意义就在于朝正确的方向错。New paradigm for psychology just dropped，2025 年 5 月 13 日
他由此给波普尔加了一格。波普尔说真科学是可证伪的；他说这还不够，真科学是可推翻的——一个东西值得被驳倒之前，它得先值得被相信。「我有两个头」是可证伪的，但你去证伪它是浪费时间。他引坎宁安定律（在网上得到正确答案的最好办法不是提问，而是贴出错误答案），然后说科学也这么运作，我们的错答案越大胆，最后的对答案就越好。他举心理学自己的历史为证：上一次这门学科大步前进，是行为主义破产的时候。随便你怎么评价华生和斯金纳，至少他们相信某种东西；他们的主张强到、具体到让整整一代科学家靠证明他们错而立业。这才是「朝正确的方向错」的样子——当你的范式终于倒下，它像一头死鲸沉到海底，然后一整个生态系统在它的尸骸上长出来。而心理学杀死行为主义之后没有换上同样可推翻的信念，只是决定「什么都行」，于是几十年积累下来的发现各自躺进各自的格子，从来没有什么被推翻，只是被忘掉。
他最好的两项研究都有同一个形状：他先猜错，然后被自己的数据领到一个更怪的地方。
第一项的起点是煎蛋卷。他说有些科学家在仰望宇宙奇观时得到想法，有些在拿着砍刀穿越亚马逊时得到想法，而他是跟朋友 Ethan 吃煎蛋卷时得到想法。那天他们在小餐馆里想弄明白：为什么有些东西显得好、有些显得坏？为什么人讨厌国会而喜欢自己的手机？他们的假设很漂亮：判断都建立在比较上，而比较的对象是脑子里随便浮上来的东西。所以国会显得糟，是因为你太容易想象它可以好得多（比如坏人少一点）；而手机显得好，是因为你很难想象它有巨大改进的空间——就算电池能撑很久，手机也不会从糟糕变成惊艳。这个假设还能解释人为什么最容易对自己改不动、却容易想象它变好的东西发火，比如国会、核战争威胁、堵车。
然后他们做了实验，他的原话是：我们完全错了。真实的结果更怪——你请人想象某样东西可以有什么不同，人几乎总是想象它可以更好。
他们的做法很干净。先找 91 个人列出他们日常会想到或接触的东西，保留被六个人以上提到的，得到 52 样，从「你的手机」到「人」到「经济」。然后请另一批人对随机抽到的几样回答「它可以有什么不同」，再自评「如果它以这种方式不同了，会好多少或坏多少」，量表从 -3 到 +3。结果他形容为「清楚得令人震惊」：所有 52 样东西的平均值全在零以上，一个例外都没有，而且置信区间没有一个跨过零。90% 的被试平均而言想的是「可以更好」——他说在心理学里这种一致性基本不会出现，因为哪怕你问「你要五美元还是被扳手敲头」，也总会有百分之几的人选扳手。
最好的一个数据点来自评分最高的那一项。在「现在有多好」的评分里，宠物拿了第一，比「假期」、比「朋友」、比「幸福」和「爱」都高。然后他们问：宠物可以有什么不同？回答里有「吃饭的时候能耐心点」「更健康、不那么容易生病」「要是它们会说话就好了」。还有一个人说：
"They could be immortal."「它们可以不死。」Things could be better，2022 年 11 月 15 日
接下来是一串堵漏洞的实验，而这串实验本身就是这篇文章最好看的部分。会不会只是人在抱怨？不是——问「这些东西现在有多好」，人很乐意说很多东西很棒，只有新闻、政治、新冠拿到了负分。会不会是乐观偏误？不像——乐观是相信事情不但可以变好而且会变好，而被试给自己那些改进估的发生概率里，最常见的答案是 0%。会不会是人把「不同」听成了「更好」？这个最可能，而且他们查了：确实有略过半数的人认为「不同」是在问「更好」。于是他们把问法换成「可以怎样更好或更坏」和「可以怎样更坏或更好」——毫无差别，三种问法的评分几乎完全一样。会不会是美国人的毛病？他们找了 95 个波兰人，一样；又把整套问卷译成中文，找了 307 个住在中国、用普通话作答的人，把 Google 换成百度——每一样东西，结果完全相同。
最后一个实验给出了最奇怪的一笔：他们付小额奖金请人尽可能多列。被指定去想「更好」的人平均列出 5 种，被指定去想「更坏」或「不同」的人平均列出 5.5 种。也就是说，想「可以更好」其实更费劲，而人默认就是这么想的。
这项发现顺手给了一个老问题一个新答案。人人都知道快乐水车：一旦你过得还不错，就很难更快乐。但从来没人真正解释过为什么。人们会说「你会习惯好东西」——他指出那是描述不是解释，因为你还得回答人为什么会习惯好东西。他的答案是：人之所以习惯好东西，是因为他们一直在想象事情可以更好。所以事情真的变好了你也可能不觉得更好。住在窄公寓里你梦想一栋房子；有了房子你梦想第二栋，或者更低的房产税，或者一个热水浴缸，或者两个，如此下去，永远。
要注意这篇文章的形式和它的内容是一件事：它就是那篇论文，一篇发在博客上、附完整数据材料预注册、并且明明白白告诉你怎么引用的论文。他在文末解释为什么期刊发不了它：期刊里不许说「我们不知道为什么会这样」，不许承认忘了自己为什么做过某个研究，也绝对不许聊波兰的泼水节。你得非常严肃——他说曾有一位审稿人直白地告诉他，他的论文「太好玩了」，应该写得更无聊些。
第二项发现的动机他写得更直接：这篇论文是从怨气里生出来的。他一辈子都在听人哀叹人类的善良在消亡——「以前一个男人的话是可以信的」「那时候晚上不用锁门」「现在人不互相关心了」。这让他抓狂，因为人对「现在和过去有什么不同」经常判断错误；他另一篇论文让人估计各种议题上民意随时间怎么变，结果人们不只是随机地错，而是有偏地错——像所有人的飞镖都落在靶子北边六英尺处。他想抓着这些人的领子摇：你怎么知道的？你是看了一季《广告狂人》？还是听你爷爷讲了个随口的轶事？别人花好几年才能搞清这些事，你就能凭直觉知道？
他和 Dan Gilbert 把问题拆成三问：多数人真的这么认为，还是只有一小撮爱抱怨的人？那些抱怨的人会不会是对的？如果他们错了，人为什么会这么想？
第一问他们用蛮力解决：把所有能找到的、问过人们「道德随时间如何变化」的调查全部扒出来，排除只问特定群体的（「你觉得威斯康星州议会比过去更有道德吗」）和人们会合理地不同意什么算好坏的（「电视上的脏话是不是比以前多」）。剩下 177 份美国调查，合计 220,772 人；其中 84% 的调查里，多数受访者说道德下降了。另有 58 份来自 59 个其他国家的调查，合计 354,120 人，结论相同：皮尤 2002 和 2006 年问过的每一个国家里，都有多数人说道德衰退至少是个「中等大的」问题。一个附带发现更要紧：说道德在衰退的人的比例几十年来没有变化——今天这么说的人和一代人前一样多。而这也不是老年人或保守派的专利：老人报告的衰退总量更多，但除以年龄之后，老人和年轻人给出的衰退速率一样；保守派感知到的衰退更多，但最坚定的自由派也同意这件事在发生。
第二问是这篇论文的重量所在。没有道德温度计，也不能去南极钻冰芯测古代的道德水平，所以他们用手上有的东西：几十年来调查公司一直在问「昨天一整天你有没有被人以尊重相待」「人们总体上是乐于助人，还是各顾自己」「过去一个月你有没有帮助过一个需要帮助的陌生人」。如果道德真的几十年来在下滑，这些答案里应该很容易找到变化。他们找了 107 份调查、440 万人、1965 到 2020 年，做了统计检验：一个有意义的变化都没有。有时略升，有时略降，平均而言原地不动。美国以外又找了 33 份、合计 730 多万人，同样没有变化。他特别点出了其中一张盖洛普的图：同一份调查里，每一年都约有 70% 的人说道德正在变坏，而每一年人们给出的实际答案一模一样。每年给同样的答案，每年说比以前差了。
第三问是他给出的机制，他叫它 BEAM，由两个早已各自成立的现象拼起来：偏向性接触（biased exposure，人对负面信息的注意力不成比例地多，而媒体公司正是靠供给这个赚钱）和偏向性记忆（biased memory，负面信息的负面性褪色比正面信息的正面性更快，这叫情感褪色偏误）。前者让今天永远看起来很糟：谋杀、纵火、诈骗，一样不缺。后者让昨天的那些暴行今天显得不那么暴行。当今天永远难看、昨天永远好些——他说，恭喜，你就得到了一个道德衰退的错觉。
它最漂亮的地方在于它不只解释已知的，还能预测反例。如果你把偏向性接触反过来——让人主要听到别人做的好事——你应该得到一个「道德在改善」的错觉。他们猜这会发生在人的私人世界里：大多数人大概喜欢自己日常打交道的大多数人。于是他们问同一批人两次，先问「总体上的人」，再问「你日常接触的人」。问总体的人，答案跟以前一样：整体变差了，同一批人变差了（个体变化），年轻人也不如从前的老年人（人际替换）。但问到他们亲自认识的人，第一次出现了新东西：他们说自己认识了十五年的那些人今天更有道德。另一个预测是，如果关掉偏向性记忆，错觉应该消失——而要关掉它，只需问人他们出生之前的年代，因为你不可能拥有你还没出生时的记忆。他们重做了之前的一个实验，请人给今天、自己二十岁那年、自己出生那年、再往前二十年、再往前四十年的人打分。人们的回答等于说：
People said, basically, "moral decline began when I arrived on Earth"人们基本上是在说：「道德衰退是从我来到地球那年开始的。」The illusion of moral decline，2023 年 6 月 7 日
他给这项研究收尾的方式，比研究本身更值得记住。他说，他刚给你看了五十多万人被问「道德是否衰退」的数据，而其中几乎没有一个人回答「天知道，我不清楚」——可对他们来说，那才是正确答案。他们不知道。他和 Gilbert 花了好几年、又用了一千两百万人，才得出一个勉强算数的答案，叫「大概没有」。而一个答案却毫不费力地浮现在每个人心里，他们乐于分享它，被追问时还愿意替它辩护。过去是一个异国，但我们都有一种活生生的错觉，觉得自己在那里住了很久、什么都知道。
然后他把这件事的危险说清楚：对你一无所知的事有强烈意见没什么问题，互联网差不多就是干这个用的；但当这些意见变成对现实世界的改造要求，就不行了。如果你认为道德在衰退，你就必须认为社会里有个开关被拨动了，使它开始生产更坏的人；而你当然会想把那个开关拨回去——砸掉社交媒体公司！杀掉所有政客！禁掉坏书！这些都不会让趋势反转，因为趋势并不存在。他的比方是：这像在一栋没着火的楼里启动喷淋系统。
读一个长期写作者，最能拿走的往常不是结论而是手法。他的手法有几条相当可迁移，而且都是从上面这些文章里长出来的，不是「他很严谨」这种空话。
先问「怎么知道」，再问「是不是」。辛辛那提那篇的真正价值不在那五把尺子，在他承认自己过去几年一直在跳过一个步骤：他一直凭感觉判断心理学有没有进步，等于坐在没有路牌的车上往窗外看一眼说「感觉像在往阿肯色开」。他给自己的诊断是：你得先问「我们要怎么才能知道自己在靠近」。这一步几乎总被跳过，因为它不产出结论，只产出判据。
去数没人数的东西。他的证据风格不是引一位权威，而是清点一个总量：全世界每年一万五千年的审稿人力；177 份调查加 22 万人；107 份调查加 440 万人；52 样东西没有一个例外；他自己论文里 15% 的关键引用、其中一半是统计软件；DSM 的 298 种疾病和 0 种治愈。这些数字的共同点是：它们本来都躺在公开处，只是没人费事去加总。
把抽象名词当第一嫌疑人。他有两个专门的动作。一个是把人从句子里挖出来看剩下什么（「自我效能调节了表现欲与表现之间的关联」→「表现好的人是那些既想表现好又认为自己能表现好的人」）。另一个是对任何心理学名词用力推，看它会不会塌成同义反复（生活热情 → 生活热情量表 → 生活热情）。
找谜题，不找效应。他给学科开的第二条出路是「真的把事情搅乱」，而搅乱的入口是列出自明的谜：那些确实在发生、但我们解释不了的事。他自己列的那几条很能说明他的口味——美国人平均每天看 2.7 小时电视，而我们用「休闲」两个字把它盖过去，仿佛那是一个解释：为什么看别人在电视上做一份沙拉是件有意思的事？为什么有人觉得盯着一个人转轮盘买元音很好玩，而另一些人觉得盯着吸血鬼接吻很好玩？为什么一集《汪汪队立大功》能把正在暴走的幼儿定在原地？他说做这张表很难，像试着想象一种你没见过的颜色。他想看到的不是「怎么把某个量表分数降低 10%」，而是「人做这件怪事……为什么」。
把失败和遗忘也发出来。「我不记得我们为什么做了这个研究」出现在正文里，而不是被删掉；「我们完全错了」是那篇论文的第三段；「我预期这套东西大体是错的」写在他推荐的范式旁边。这不是谦逊的姿态，是他那套「可推翻」标准的自用版本。
不在苦味里写。他谈写作的那篇里有一条规则，是全篇最好的一段：
All emotions are useful for writing except for bitterness. […] Other emotions—anger, fear, contentment—are deep enough to snorkel in […] Bitterness, on the other hand, is three inches of brackish water. Nothing lives in it. You can stand in it and see the bottom.除了苦味，所有情绪都对写作有用。……别的情绪——愤怒、恐惧、满足——深得可以浮潜……而苦味只有三英寸深的一汪咸水。里面什么都不活。你站在里面，能看见底。28 slightly rude notes on writing，2025 年 4 月 29 日
最后一条，也是他最近几年把上面全部串起来的那条：自带头盔。2026 年他写道，人人都在说「激励错了」，而这个诊断已经变成万用解释——从气候变化到党派对立到科研作恶，「抱歉老兄，你这是得了激励病」。他说他不反对这个分析，反对的是它暗含的东西：激励应该被服从，服从它是正常的甚至高尚的，不服从大概是不可能的。他的反驳很短：激励是给废物准备的。因为一套任意的奖励机制会给你发一个小零食你就去做某件事——那是鸽子的活法，不是人的。人该做的事是获得一个目的：把自己的是非感磨清楚，再弄明白自己能怎样增加对的、减少错的。他说如果你在该有道德信念的地方留着一个空腔，那个空腔会被肿瘤般的欲望填满——钱、权、名、地位。而那种人正是最坚持「激励必须被服从」的人：他们像一个失败国家的政府，必须发誓自己的货币是真的，并且必须攻击任何试图参与另一种经济的人，否则整套骗局就会塌在自己头上。
他被有分量地反驳过，而反驳他的人是物理学出身、自己发过 42 篇同行评议论文的 Dan Elton。2024 年 10 月 22 日，Elton 在 Asimov Press 上发表了《A Defense of Peer Review》，起因是有人在推特上问「有没有哪篇文章是正面论证同行评议的价值的」，Elton 找了一圈发现没有一篇像样的稻草人反面，于是自己写了一篇。他在开头明说，Mastroianni 的许多论证他当时觉得有说服力、现在依然觉得有说服力。然后他给出了几刀，其中最狠的一刀正好扎在强链接论的软处。
那一刀叫病态科学（pathological science，化学家朗缪尔的说法）：一个大胆刺激的说法带着勉强够显著的数据发表出来，然后科学家花好多年去追它的确证证据。Elton 数了资源：N 射线上写了 300 篇论文，聚合水 500 篇，冷核聚变 3,200 篇。这正好回答了强链接论最舒服的那一句「坏的几乎无所谓」——坏的并不是「什么都没发生」，它会吃掉几十年的人和钱，有时吃掉整个职业生涯。Elton 的结论是：把关的专家也许确实抗拒会改变范式的工作，但他们同时也帮我们识破死胡同、把研究引向更有产出的方向。Mastroianni 在强链接那篇里承认过更坏的想法「会吸走资源、浪费我们的时间」，但他没有给这笔账算过量级；Elton 算了。
Elton 的第二刀更贴身：他去数了 Mastroianni 那个公开评议的样板本身。
It is also worth pointing out that only 5-10 percent of the comments on Mastroianni's paper provide criticism or potentially useful feedback from a scientific perspective. The vast majority are voicing agreement or giving praise.还值得指出的是，Mastroianni 那篇论文下面的评论里，只有 5% 到 10% 提供了从科学角度看算得上批评或可能有用的反馈。绝大多数是在表示赞同或给予称赞。Dan Elton，A Defense of Peer Review，Asimov Press，2024 年 10 月 22 日
这一刀要紧，是因为那个演示是他正面论证的全部：他说「我上传了一个 PDF，然后好事发生了」。而如果那些好事里只有十分之一是审稿人本该提供的东西，那这个演示证明的是他文章传播得很好，不是开放评议能替代评审。Elton 还补了两条限定，都成立：他那篇写的是一个门槛低、有大众吸引力的心理学题目，换成一种新的免疫疗法或新型量子材料，很难指望同样的参与度；而且他当时的读者规模很可能远大于一个普通的年轻研究者。Elton 的原话是，无法确定上传到网上的论文能自己保证够资格的读者会读它并且愿意留下评论。换句话说：样本量是一，而且这个样本自带观众。
再往下是几条他自己没有正面处理的问题。
强链接框架很难被证伪，而这一点正是他自己给科学立的标准。他的论证有一个结构：当下的平庸可以归因于「那些被阻止存在的强链接」，而这些东西「听起来什么声音都没有」。这句话作为修辞极好，作为主张却很难反驳——任何现状都可以用不曾出现的东西来解释。他说真科学必须是可推翻的；那么「科学是强链接问题」这一条，要怎样才算被推翻？他没说。
他拆得比建得好，而且他知道。他从 2022 年起持续解剖心理学，而到 2025 年他能推荐的正面方案是别人的——两位化名作者的一本书——并且他自己预期它「大体是错的」。「朝正确的方向错」作为科学哲学是站得住的，但它同时也是一个很方便的位置：错了不算你的，对了你是最早的推荐人。
他自己也在这个系统里发表。这一点他主动写在脚注里，而且写得很好看：那篇《道德衰退的错觉》发在《自然》上，他在脚注里说，「我知道，我这个『同行评议兴与衰』先生跑去在同行评议期刊上发论文，是有点怪」——接着解释这篇是 2022 年 7 月投出去的，而他发表这篇论文的经历正是他写那篇博客的部分原因。这是诚实的处理方式，但它也说明他的正面方案对他自己都还不够用：他的博士论文最终是靠旧渠道进入科学记录的。
而关于他，最狠的一条批评是他自己写下的。他在那篇写给派对上的 Kyle 的文章里，主动把矛头转过来对着自己，而这段话也是全站最能说明他诚实程度的一段：
I'll accept this description myself: it's not clear that my own work matters. […] But if you just don't care, I don't have anything objective that will convince you.这个说法我自己也接受：我自己的工作重不重要，并不清楚。……但如果你就是不在乎，我没有任何客观的东西能说服你。Psychology might be a big stinkin' load of hogwash and that's just fine，2022 年 9 月 20 日
他在同一段里承认，他相信有些问题比另一些问题更重要，而这种重要性超越人的意见——但他知道没有客观办法证明这一点，所以他直接说了：这是一种宗教信念，我承认。这句自白同时是他最大的弱点和他最可信的地方。他整套关于科学该怎么做的主张，最底下垫着的是一个不可证明的价值判断：有些问题就是比另一些重要。他没有假装那里有个论证。