科学最重要的原则之一是再现性原则，当一个科学结果被报道出来时，我们怎么知道它是可概括，而不仅仅是偶然或者一时的侥幸，甚至可能仅仅是执行科学过程中所犯错误的结果?如果有可能再现科学，我们就能对结果有更大的信心。可再现性由几个因素组成，其中可能最重要的是，当复制时所做的努力将独立地获得相同或类似的结果。

假设我声称发明了一台永动机，并且在我的实验室里演示了它，但这结果只有我自己或者一些实验室助理知道，我会想要告诉世界这个惊人的突破。世界上的其他人可能会非常高兴，因为他们终于发明了一台永久运动的机器，想看它会怎样改变世界。其他试图设计永动机的人也很兴奋，但也有些质疑，因为他们自己无法实现同样的结果。自然，他们会想知道这台永动机是如何工作的，他们也想尝试在自己的实验室里复制它。

然后我可能会在我自己的实验室里重现这一成果，然后我会说这是真的，它确实有效，但是，你相信它真的起作用了吗?请注意，重现性不是独立进行的，相反，同一名研究人员或开发人员只是声称他们能够再现结果。他们的态度可能是非常真诚的，他们相信他们复制的结果，但是世界上的其他人还不知道这到底是不是真的，或者说又是一次的不幸错误，或者是试图欺骗世界，让它相信一些根本不真实的事情，下面就给分享一个案例。

冷聚变的事例

冷聚变就是现在最经典的案例，相信现在那些80年代末的人，或者研究过科学史的人，可能知道，1989年犹他大学有两位化学家声称他们能够产生冷核聚变。化学家斯坦利·庞斯(StanleyPons)和马丁·弗莱施曼(MartinFlischmann)说，他们产生了过多的热量，这些热量就是核反应的结果，这是一种微小的核反应。所使用的设备相对便宜，易于组装，几乎可以在自己的后院做什么。它成为当年最大的新闻事件之一，并被认为是一个令人难以置信的突破。

有人试过复制冷聚变吗?

世界各地的科学家们开始变得忙碌，想要看他们是否也能实现冷聚变。一些人这样做是为了证明犹他州的科学家是正确的，并且为这一发现提供有力的证据。其他人这样做是为了反驳犹他州的说法，并确保世界不会被误导。有些人这样做只是出于好奇它是如何工作的，以及它可能会给我们带来什么。

不幸的是，关于犹他州的科学家们是如何取得这一结果的，很多细节都是保密的，因此很难尝试和复制。越来越多的人说它不能被复制，而那些说他们能够复制它的少数几个人后来被问题困扰，并且后来在原著中也发现了各种错误的来源，这使冷聚变更加黯然失色。当表明由于所谓的冷聚变没有检测到任何核反应副产物时，就发生了真正的致命一击(如果冷聚变像声称的那样起作用的话，副产物就应该出现了)。

因为还没有人真正地复制冷聚变本身，所以它现在被一些人认为是未经证实的、不可靠的、臭名昭著的科学作品。

也许这种冷聚变是一种畸变，我们不应该把注意力集中在一个涉及科学重现性的孤立事件上。在这种情况下，你可以参考2015年著名杂志“科学”(Science)上的一篇文章，这篇文章提供了一项由独立科学家进行的研究，这些科学家试图复制心理学领域100项最著名研究的成果。根据他们的独立研究，他们只能成功地复制约39%的研究成果，有各种类似的研究，试图复制其他知名和公认的科学研究，但无法完全这样做。

请不要因为出现这样的结果就把所有能够复制的研究当做假的，你必须重新审视这种心态，因为它在这里没有任何意义。有很多的科学是完全真实的，而其中有些是能够被复制的，有些是没有被复制的，对于没有被复制的部分，你不能得出结论它是无效的，你只能说那是你没有能力复制的。

这也可能产生误导，因为通常情况下，同一种研究并没有被具体地复制出来，而是有其他的研究建立在原始研究的结果之上。因此，您可以断言，如果这些扩展是基于原始无效的核心，那么超出原始研究范围的扩展应该是无效的。如果扩展研究是有效的并且被复制，你可以断言原来的核心是有效的。

为什么不是每一项科学工作都具有可重复性?

这是一个简单的答案，没有太多的动机去做重复性研究。作为一名科学家，衡量你的标准通常是你创造了多少新科学，把你的时间花在简单地复制别人的工作上不会给你带来多少好处。如果你展示的原创作品是有效的，然而你并没有开拓新的领域，只是增加了原来的作品是新颖和健全的信息。而一旦你展示的原来的作品是无效的，很有可能你会立即受到原来的研究人员和其他人的攻击，他们相信原始的努力是合理的，除非其他人加入你的工作无效性质的潮流，否则你很可能是科学界的弃儿。

像冷聚变这样的情况是不寻常的，因为任何令人难以置信的突破都会立即引起强大力量的注意，无论是支持力量还是反对力量。没有什么比这更让人不安和激励的了，如果你的科学生涯中大部分时间都在试图制造一台永动机，但没有成功，然后有人声称他们这么做了，你就会把全部精力投入到想要证明他们是错的上面，因为你辛苦了四十年没做到，他们却能做到，所以你认为他们的说法一定是假的。也许你会因为证明它是错误的而声名狼藉，或者你证明的他的错误，让那些说你浪费了40年时间的人闭嘴。

这种可重复性如何适用于人工智能汽车?

在控制论自动驾驶汽车研究所，我们敦促汽车制造商和科技公司尽最大努力提供他们正在进行的人工智能汽车的努力，特别是敦促学术研究人员和商业研究机构公布他们的努力的细节，以便可以全面地进行某种形式的再现性。

在这个节骨眼上，AI自动驾驶汽车领域几乎没有可再现性发生。大多数人工智能开发人员在自动驾驶汽车中的工作要么被认为是专有的，而且没有公开披露，要么就是工作太忙，以至于他们没有时间“浪费”在做可再现性上。

对于汽车制造商和科技公司来说，是否展示其人工智能系统的内部结构是一个艰难的决定。这些公司中的每一家都在花费数百万美元开发人工智能汽车的能力，他们为什么要把它交给任何想要它的人呢?他们所做的事情的所有权性质为他们的公司创造了巨大的价值，他们理应能够从他们所做的巨大投资中寻求回报。

我这么说是因为有一些人工智能开发人员在谴责这些公司的隐秘性质。但是，谁又能责怪那些作出如此巨大投资的公司呢?可以说，这是一场看谁先登上月球的竞赛，而这些私人实体正在押注农场能到达月球。对他们来说，简单地分发他们的秘密调料是不合逻辑的，人工智能汽车领域的知识产权是王道。

另一方面，我们的论点是，如果他们各自独立地发展各自的人工智能汽车能力，如果没有一些方法让其他人独立验证他们在做什么，我们怎么能满足于这些自动驾驶汽车将在我们的公共道路上做的事情是安全的呢?

有些人认为，为了让这些人工智能汽车进入公共道路，汽车制造商和科技公司应该被迫打开和服。如果他们想要我们的道路进行测试，他们需要分享他们所拥有的。否则，就离开了我们的道路。相反的观点是，如果汽车制造商和科技公司只需要使用私人试验场，甚至是政府资助的试验场，我们可能永远看不到真正的自动驾驶汽车。自动驾驶汽车在提供场地上所能获得的自动驾驶汽车经验，被认为是日常驾驶现实世界中所能获得经验的一小部分。这是典型的疯狂的欲望，新的创新，正在权衡的成本，以达到这一目标。

学术研究可再现性

甚至学术的人工智能研究人员也被指责对他们的研究成果透露得不够及时，对于机器学习的许多研究和神经网络的使用，经常有人声称在能够进行视觉识别或语音识别等方面取得了令人难以置信的突破，然而实际的神经网络却没有提供给其他任何人来尝试和独立验证。我们是否要从表面上看研究人员所报告的一切?

有时，研究人员会指出，他们的研究成果发表在同行评审期刊上。这些研究人员随后断言，这样做表明，他们的工作必须是有效的。还没那么快。对于大多数同行评审来说，同行并不是在试图真实地再现他们正在评审的研究结果。相反，同行评审员应该检查这项研究，并试图根据研究人员提供的资料来确定研究结果是否合理和有效。同行评审员是该领域的专家，他们拥有大量的知识，可以帮助判断研究的性质和结果是否可信。但是，在同意是否接受该研究发表之前，他们几乎从来没有做过真正的重复性研究。

有研究表明，同行评审并不一定像人们想象或希望的那样严格，同行评议者往往存在固有的偏见。假设普遍的看法是世界是平的。假设你是地球平坦领域的专家。你会得到一项研究，进一步支持世界是平的，你拒绝的几率很低。假设你得到一份研究报告，说地球是圆的。你可能会拒绝它，因为断言作者显然没有意识到接受地球是平的。然后就这样了。我并不是说所有同行评审员都应该用同样的笔刷来描绘，我想强调的是，许多同行评审员做得很出色，并且在他们这样做的时候尽量保持公正。

对“同行审评”主体的研究也往往表明，同行审查员往往不是不擅长分析科学研究中发现的统计数据，就是不花时间评估所使用的统计数据。这意味着，一项科学研究可以免费获得他们如何做统计的通行证，这也可能意味着结果在统计上没有显着性，因此可以被认为是有问题的，甚至可能是无效的。事实上，有一个名为Statcheck的程序是由蒂尔堡大学制作的，该程序旨在分析科学研究中使用的统计数据，然后能够在如何使用这些统计数据时发现潜在的错误，这引起了争议，包括有时评估结果被公布在网上，却不允许原始作者反驳正在发布的内容。

对于人工智能汽车，有一些初步的努力，以走开放源代码的路线与人工智能系统组件，包括张贴源代码和神经网络模型正在使用。一般来说，这些并不是全部的努力，而且通常更多的是对正在发生的事情的缩减版本。同样，你也很难责怪汽车制造商和科技公司不想走人工智能汽车的开源之路。