摘录文章：来自于科学松鼠会 http://songshuhui.net/archives/56053
作者乔纳莱勒（Jonah lehrer）
——科学界开始重新审视那些曾被广泛证明和接受的科学研究结果。
2007年9月18日，布鲁塞尔。几十位神经科学家，精神病医生以及制药公司执行官在某酒店会议室参加研讨会，这里，与会人员将听到一条让他们不安的资 讯。资讯是关于90年代初进入市场的非典型抗精神病药，这些药也被称作第二代精神病类药物。其中，商品名为安律凡／安立复（Abilify），思瑞康 （Seroquel）和再普乐（Zyperaxa）的药物曾参与了几个大型精神分裂症临床实验研究，每个都表现不俗：参与临床试验的精神病患者的症状有了 戏剧化的改善。因此，第二代抗精神病类药物成为制药公司一个盈利快速增长点。2001年，礼来制药公司（Eli lily）的再普乐（Zyprexa）的收入超过了同门师兄抗忧郁药百忧解（prozac），成为礼来公司最吸金的明星药物。
但是，布鲁塞尔研讨会公布的数据揭示了一个异常现象：药物的疗效在匀速下降。最近的一项研究发现，第二代抗精神病类药物的疗效竟大不如前：与20年前的第 一次临床试验相比，某些药物的疗效还不到以前的一半。很多人开始认为，第二代抗精神病药物的表现已经不如那些50年代投入使用的第一代抗精神病药物。 伊 利诺伊大学芝加哥分校的精神病学教授约翰·戴维斯（John Davis）认为 “事实上，有时候，第二代抗精神病药物的表现甚至更糟糕。“
就药物研发而言，只有反复的研究和测试才能确定某一药物的疗效。研究必须由不同的科学家在不同的实验室分别开展：研究人员不断地重复实验，而后发表研究结 果。而且，重复性验证是现代科学研究的基础。它也是科学界自我约束的利器：重复性验证可以减少主观干扰。比如，科学家通常知道自己想要什么样的结果，他们 的下意识会多多少少影响实验数据。而重复性验证可以甄别这些主观影响，并促使学术界改正主观因素导致的错误结果。
然而现在，事情有了新的变化。那些经过重复性验证并且发展成熟的假设正逐渐失去可信度，它们正在失去做为“事实”的资格。你想想，那些研究结果，也被多方 证明为真了，也写进教科书了，突然间就遇到拦路虎说：你不真。科研人员该多受打击？目前，可信度丧失的现象还没有正式名字，但从心理学到生态学的众多领域 都出现过这种现象。在医学领域更为普遍：不仅前文提到抗精神病药物，其他如心脏支架，维生素E和抗忧郁药等医疗方法的研究都遭遇了这个效应。戴维斯教授有 一个即将公布的分析研究证明，抗忧郁药物的疗效近几十年间降低了三倍之巨。
对于芸芸科学研究从业者而言，这个现象特别棘手，因为它揭露出了科学研究过程的问题：重复性验证到底靠谱吗？如果重复性验证是区别科学和假科学的试金石， 而现在这款试金石出现质量问题，那么，我们应该如何处理通过试金石测试而现在存疑的科研结果？我们应该相信哪一方，继续信任重复性验证还是放弃一切存疑的 结果？而且，实验研究是科学界无所不摧的利器：早期现代哲学家佛朗西斯·培根（Francis Bacon）–也是现代科学方法的开拓者，曾宣称实验是科学研究的精华，因为实验允许我们向客观世界提问。但是，现在客观世界开始乱给答案。
1980年代，华盛顿大学的在读研究生菜鸟乔纳森·斯库勒（Jonathan Schooler）发现了语言和大脑记忆的关系中不为人知的另一面。此前，人们普遍认为用语言描述可以强化人的记忆。针对此“迷信”，乔纳森·斯库勒 （Jonathan Schooler）创意地设计了一个实验研究，并证明此迷思为伪（译者注1）。他将被试者分为两组：第一组被试观察人脸，然后用语言描述；而第二组被试观 察人脸后，不需要语言描述。随后，斯库勒测试了两组被试的人脸记忆情况。他发现第一组记忆效果不如第二组，也就是说用语言描述人脸特征并没有强化记忆脸 谱。乔纳森·斯库勒给这个现象起名为 “ verbal overshadowing”，中文对应为语言屏蔽（效应）（译者注2）。（译者：这一效应被认为和目击证人的证词通常不靠谱的现象有关，因为目击证人在 向警方描述事件的时候，描述这一需要语言功能的过程影响了目击证人的记忆功能）
乔纳森·斯库勒本人因此成为了一颗学术新星，他的语言屏蔽效应论文于1990年发表后，已经被引用了400多次。不久之后，斯库勒将语言屏蔽效应模型扩展 到其他研究项目，比如记忆酒的味道，品定草莓酱，玩益智玩具等等。每一个研究项目都证实，如果被试把脑中所想说出来，他们的测试表现会很差。
但当斯库勒准备将这些新的研究结果投给有声望的学术期刊上时，他却开始有些担心：因为他后来很难重复自己的早期结果。斯库勒本人说：“语言屏蔽效应的重复 性实验中的确检测到了语言屏蔽效应，但它的效果却不大，似乎语言屏蔽效应正在丧失作用力”。 起初，斯库勒曾认为他在实验方法设计和统计分析法方面犯了错误，但经过排查他又找不到错误。最后他推测认为，可能最早的一批被试自身比较敏感，语言遮蔽效 应对他们的影响比较大。（前文提到的精神病学教授约翰·戴维斯（John Davis），推测第二代精神病类药物疗效的下降很可能是出于相似原因：最新的疗效研究中被试的精神疾病症状可能并不严重，而早期临床研究中被试的症状比 较严重。即使病人经过治疗后完全康复，新病人症状的改善也不如早期病人多。）“这个解释并不很给力，” 斯库勒说： “我的一位导师曾说过，我真正犯的错误就是试图重复我的实验，他说重复实验只会让我失望。”
后来，斯库勒试图不再纠结这个问题，他的同事也言之凿凿地说，科研中这种低重复性的事儿经常发生。后来的后来，斯库勒事业得意家庭美满，但他还在纠结实验 低重复性问题。 1995年，到底意难平的斯库勒首次重复了1990年的语言屏蔽效应研究，他发现，语言屏蔽效应缩水了30％。第二年他再一次重复此研究，发现语言屏蔽效 应又缩水了30％。其他实验室重复了斯库勒的实验，也遇到了类似的问题。语言屏蔽效应的影响力明显地衰弱了。斯库勒说：“这让我非常挫败，就好像大自然恩 赐我一个非常棒的成果，但现在它反悔了想要收回去。” 私下里，斯库勒把问题归结为是“自然界的习得性麻木”。就好像某一个体逐渐适应了某一个外界刺激之 后渐渐对这个刺激麻木无反应了。斯库勒说：“习得性麻木解释了为什么你有时不会注意到熟悉背景中的个别物体。这个变化其实是不可避免的，所以我开始淡定， 甚至开玩笑说这其实是大自然开始对我的研究产生了习得性麻木，我想它只是针对我。”
现在斯库勒博士是加州大学圣芭芭拉分校的终身教授，他有着黑色卷发和淡绿色眼睛，还有那种轻松的神态，就好像他住在自己最喜欢的海滩附近似的。接受采访 时，他会越说越走题：他可能以记忆话题开场，可突然又跳到了威廉姆·詹姆斯的名言，而这个名言又引发了他大谈特谈内省的重要性。此后不久，我们又开始看他 苹果手机里火人节的照片，这张照片才将我们的话题引回到了记忆的脆弱本质。
现在语言屏蔽效应理论已经被广泛接受：比如它经常用于目击证人作证等场合中。斯库勒博士还是对自己的遭遇有一些不平，“我知道我早该向前看，”他说，“我 真的应该停止纠结了，但我就是控制不住自己。” 那是因为他深信他自己已经被一个严重的问题绊住了，而且这个问题也影响着心理学发展。
早在19世纪30年代，这种奇妙的现象就开始“戏弄”科研人员了。比如，杜克大学的心理学家约瑟夫班克斯莱茵 （Joseph Banks Rhine）曾研究超感知觉（extrasensory perception／ESP）存在的可能性。莱茵设计了自己的研究工具齐纳牌—一套齐纳牌共有25张，五张一组，一共五组，五组分别印有五种不同的符 号。实验过程是：研究人员从牌堆里抽出一张，要求被试猜测抽出的牌印的符号是什么。大多数被试都能如预期地保证20％的正确率（通俗的说，就是五猜一，随 便乱猜就能保证1/5也就是20％的正确率）。但在首批实验中，一名叫亚当林茨迈耶（ Adam Linzmayer）的本科生竟然达到了50%的正确率。更不可思议的是：林同学曾连续猜对９次，而这事的概率理论上是二百万分之一。但林同学就这么小概 率了三次（此时的林茨迈耶同学比章鱼保罗还神，因为保罗不过是每次二猜一。）。
莱茵记录了林同学的奇异表现并且准备就此发表几篇论文。但是，当莱茵开始认可超感知觉存在可能性的时候， 超级英雄林同学却突然丧失了他的赌神天赋。 1931和1933年间，林茨迈耶同学又猜了几千次牌，但他的正确率已经降到与常人无异。项目主持人莱茵不得不承认：林茨迈耶同学的超感知能力的确急剧下 降。当然，林同学的故事并不是个案，莱茵和其他研究超感知觉的学者都记录到了相似的案例。莱茵将这种现象—效应量随时间流逝而戏剧般下降—命名为 递减效应（Decline effect）。
斯库勒教授对莱茵的研究困境很着迷，因为他找到了一个同伴：另一个遭遇递减效应的悲催学者；而且莱茵的研究也经常悲剧。2004年，斯库勒教授开始模仿莱 茵的研究，讽刺的是，他试图重复实验的不可重复性，也就是说，斯库勒的目的就是实验重复不出来。同时，为了表达对莱茵研究兴趣的尊敬，斯库勒教授决定研究 另一种心理玄学现象－－预知能力（precognition）。他的实验设计是：被试们首先看到一组图片在眼前快闪，随后他们会被要求指认出来图片。当 然，大多数被试并没有记住图片，因为图片闪现的时间太短，来不及在大脑中留下印象。随后，斯库勒随机选择图片中的一半播放给被试，并测试被试指认图片的结 果。他想知道：那些被播放两次的图片，在第一次播放的时候，被指认出来的概率会不会更大。也就是说，被试会不会“提前感知了”第二次看到的图片，而在第一 次看图片的时候就指认出来。第二次观看图片会不会逆时间流回去影响第一次指认图片结果？
这个假设的疯狂之处在于，斯库勒知道预知力没有任何科学依据。可这次他并不是要验证超感知觉能力，而是要测试递减效应。斯库勒说： “刚开始时，如我们预 期的，数据看起来很喜人，但我不能相信我们发现了那么多预知力显灵的例子，但随着实验的进行，递减效应开始显灵了：效应量开始下降。（效应量是统计学中用 于衡量处理效应大小的指标。）课题组招募到两千多名本科生参与实验。斯库勒说，“实验进行到最后，我们的结果看起来与莱茵的结果无异，像莱茵一样，我们 “发现”了预知力存在的“证据”，这个发现昙花一现后又主动抛弃了我们。”
递减效应最可能的解释是：均值回归：既，早期实验中“侥幸”获得的阳性数据开始与后期得到的“阴性”数据正负抵消。斯库勒预知力研究中的被试者并没有“丧 失预知力”，他们不过是被更多“无预知力”的数据遮盖了。同时，斯库勒还注意到遭遇递减效应的数据组是通过统计学检验的。也就是说，数据量是足够大的，所 以均值回归的影响不应该这么强烈。斯库勒说：“数据通过了所有的（统计学）测试，理论上说，它们是无意义的随机数据的概率只有百万分之一。所以，递减效应 是不太可能出现的。实际上，它却经常显灵。而且我人品不好赶上了好多次。” 斯库勒博士认为递减效应该得到更多的关注，因为四处招摇的递减效应正在挑战统计学。斯库勒说“每当我讨论递减效应时，学者们总是觉得不安。我还是想弄明 白我的数据到底怎么了。和大多数学者一样，我认为随着个人成长，我的研究工作会越来越轻松，因为我的实验技巧越来越好，研究语言屏蔽效应的实验设计也会越 来越好。但为什么总是事与愿违呢？我相信我们可以用科学的研究方法解开这个谜题，但在此之前，我们必须承认，我们面临的是一个真正的困境。”
1991年，丹麦动物学家安德斯默勒（ Anders Møller）在瑞典乌普萨拉大学做研究时，做出了一个不错的发现。这个成果的关键词是，家燕，交配和身体对称。传统上认为，生物个体的身体对称性与其基 因组突变量是直接相关的。越多的基因突变意味着更多的“波动性不对称”。（测量人类波动性不对称的一个简单方法就是对比双手的手指长度）。安德斯默勒的发 现是，雌性家燕非常愿意与羽毛又长又对称的雄家燕交配。这意味着，挑剔的雌性家燕用雄性家燕羽毛的对称性做参考，来衡量雄性基因的好坏。默勒的这篇研究论 文发表在引无数大牛尽折腰的《自然》科学杂志上，引发了相关领域中一场狂热的研究竞赛。因为学者发现可以用一个简单且适用性广泛的参数来衡量基因质量，而 且雌性/女性也会被这些参数的特征吸引。某种程度上说，审美是由基因推动的。
随后的三年，交配选择中波动性不对称领域兴起了十个独立的研究项目，其中九个发现了雄性的身体对称性和求偶成功率之间有联系。这九个研究中，从果蝇体毛研 究到家燕身体对称性的重复性研究，科研人员发现，雌性动物总是倾向于与身体左右对称的雄性交配。不久之后，这个理论被用来研究人类的婚配选择。学者发现， 女性更喜欢那些身体对称的男性的气味，有意思的是，人类女性的只在排卵期表现出这种倾向。还有，男性的身体对称，他的女性伴侣性高潮的次数更多。罗格斯大 学的一个人类学家公布：他研究了40个牙买加舞动作，发现身体对称男性舞者往往被评为好舞者。
但是，好景不长，这个理论也遭遇了危机。1994年，这个领域有14篇论文发表，其中8篇文章证实了身体对称和交配选择有关联。1995年，８篇发表的论 文，只有4篇有了阳性结果。1998年，12篇波动性不对称的文章中，只有三分之一声称佐证了波动不对称理论。更糟的是，阳性结果研究的效应量也在下 降：1992到1997年，波动性不对称课题研究中的平均效应量下降了80％。
波动性不对称理论的遭遇只是个开始。2001年，澳大利亚国立大学的生物学家迈克尔詹尼恩斯，分析了生态学和演化生物学研究结果随时间变化的趋势。詹先生 收集并研究了上百篇论文和44篇统合分析论文（译者：统合分析（meta-analysis）是对相似/相同课题的研究结果以统计学的方法进行总结分 析）。总结分析后，詹先生发现了递减效应的身影：很多理论被时间洗去了存在价值。而且，詹尼恩斯设法排除许多变量的干扰。（比如，同一作者发表的几篇相似 文章如果都计入统合分析，数据的重复使用会干扰分析结果。）即使如此，詹尼恩斯还是发现：科学假设的有效性通常在一年内显著下降。詹先生承认他的发现很棘 手，但他却不愿意公开讨论这些。
詹先生认为：“对于科学家来说，这个话题很敏感，因为科学家的责任就是解决那些长期困扰人类的谜题，并创立永恒理论， 但是当你看到这些递减效应的影响时，你突然间开始对这一切产生了怀疑。”