一个湖泊的食物链。由右而左：藻类、蚤状钩虾、鲌鱼、鲈鱼、白斑狗鱼、鱼鹰。本图出自Wikipedia食物链词条。
食物链（foodchain）由英国动物学家查尔斯艾尔顿于1927年首次提出。因其易懂又深刻，一经提出，立即成为最广为的科学概念之一。能量在食物链中沿着植物食草动物食肉动物的链条层层传递，一部分耗散到，一部分以生物大（例如蛋白质、核酸、糖类）的形式被储存在生物体中。生物体中的能量传递遵循两条热力学定律：第一条定律要求能量守恒，不能在食物链中被产生或者消灭；第二条定律要求能量在食者捕食者之间传递的过程中，必然要有耗散，即有一部分能量的品质下降。
什么是能量的品质呢？高品质能量可以高效地（在低耗散的情况下）为低品质能量，反过来却不行。例如电能可以轻易地为机械能（电动马达），热能（热得快），电磁辐射能（）等各种其他形式的能量，所以它是高品质的。反过来，热能基本上很难以高效的方式为电能，所以其品质要比电能低。
一只青蛙可以看做一个能量加工工厂，一条食物链可以看做是一系列工厂构成的能量加工链。I=input,A=assimilation,R=respiration,NU=notutilized,P=production,B=biomass.
如果把看做“能量工厂”，食物链可以看做一系列工厂构成的加工链，其中的能量流量（quantity）不断减少，品质（quality）不断上升。
太阳能，是我们在地球上最容易获取的能量，不过也是品质最低的能量。我们星球上以各种形式储存着来自太阳的能量，如风能，水能等等。但品质最高的，还是通过生物体加工后存储起来的部分。通过植物的光合作用，太阳能为化学能，通过植物食草动物食肉动物的链条，化学能不断耗散同时也被不断富集（压缩）。
这个压缩过程甚至在生物体死亡后还可以继续进行。如果植物在分解之前就被埋在地底，它会经历泥炭褐煤烟煤无烟煤的转变。这个过程越往后，对形成时间以及的温度和压力要求越高，能量的压缩率（每单位体积所蕴含的化学能）也越高。如果动物或者微生物在分解之前就被埋在地底，经历比煤更高的温度和压力，就会变成比煤能量压缩率更高的石油。
泥炭褐煤烟煤无烟煤，品质越高似乎也越美。
这里做一点有趣的延伸。人类的各种活动都要消耗能量，因此我们通常说的“生活的品质”与所拥有能量的品质是密切相关的。例如烟煤，顾名思义，在燃烧过程中会形成大量杂质。使用烟煤取暖，是导致中国北方冬天出现雾霾的重要原因之一。这个现象背后的原因是中国为了能源安全，90%的能源自主供给。因此，我们大量使用自主开采的低质煤炭，污染了，降低了居民生活的品质。想象一下，如果中国坐拥沙特阿拉伯那样丰富的石油资源，可能会长得像迪拜那样，居民也比较容易过上高品质的生活了。
参考文献
集智俱乐部的张江，吴令飞等人对食物网内能量流动标度律的研究：
Zhang,J.,&2TB新数据，哈勃空间望远镜每天获得17GB新数据。但是没有人为此感到惊讶。人们真正惊讶的是，像谷歌这样的互联网公司每天新增的用户数据可以达到PB级。因为就在十年前，研究人类行为的主流方式还是控制实验和抽样调查，这样产生的数据在MB级以下。从MB到PB，这是十亿倍的差距。
互联网作为技术变革带来了社会科学的数据爆炸性增长，随之出现的，就是从数据的理论进展需求。2009年DavidLazer等人在Science上发表文章，Nature也在2012年发表另一篇文章。这两文章都提出了“计算社会科学”（computationalsocialscience）的概念。
Nature文章，Computationalsocialscience:thelinks中的插图，左图是Facebook网络，右图是城市居民电话通信网络。
关于计算社会科学，有两个：1）计算社会科学是现有社会科学的一个子领域；2）计算社会科学的任务是使用大规模人类行为的数据验证传统社会科学的理论。但这些从知识链的角度都可以被消除。
首先，计算社会科学不是一个子领域，而是社会科学在知识链上层级爬升的新阶段。就好像实验生物学生物学信息生物学的演化。现在已经比较少有“信息生物学”的提法，不是因为它不流行，而是因为太流行了，已经成为共识。不借助算法进行数据分析的生物实验室越来越少，“信息生物学”提法的历史也自然就宣告结束。类似地，等到算法根据和大规模数据成为研究人类行为的常识，“计算社会科学”的提法就没有太大意义了。
其次，计算社会科学的任务，不是去验证“人际关系弱链接的强作用”之类的传统社会学理论，而是提出和解释可以用方程描述的人类行为的普适性，实现从从数据的理论进展需求。望远镜刚刚发明时，也有人试图搜集运动数据来给占星术背书，但这种逆历史潮流而动，在知识链上不升反降的思，注定是意义不大的。
AAAS根据NSF数据给出的基础研究投资比例
比较完物理学和社会科学后，我们以各个学科基础研究的投入来比较和预测学科之间的优胜劣汰。从美国科学进步协会（AAAS）根据美国自然科学基金统计数据数据给出的基础研究投资比例来看，过去四十年中发展最快的是生命科学，工程与物理。其中生命工程先扬后抑，工程与物理则持续上升。在1995年左右，在整个社会对生物技术的乐观估计下，生物学领域开始获得了大量来自美国国家健康中心（NIH）和市场资本的资金支持，开始迅速发展（这也是“21世纪是生物世纪”说法开始流行的时期）。但是经过了十年的发展后，和市场都发现对生物技术投资带来的回报并不如期望，从2005后，对生物领域的投资开始逐渐减少。我们认为，这是生物学在经历了数据的爆炸性增长后，长期无法完成数据的跨越所造成的。
从数据中我们还发现，在2010年以后新一轮基础研究增长中，最快的是数学/计算机科学。我们认为这一轮的增长主力是计算机对其他学科，在数据的搜集和初加工方面的“入侵”导致的。可以预期，下一个十年，其他学科，特别是生物学，地理学，社会科学等，面临着物理和数学/计算机科学的全面殖民。
学科大战，对国际格局也产生了新的影响。国家间，也将从争夺产品链的高层生态位，装变为争夺知识链的高层生态位。实际上，产品链和知识链是相关的，高附加值的产品，往往也就凝结着更多的知识。然而在不同产业里，由于知识和人才的全球流通速度不一样，落后国家对发达国家的追赶难度是不一样的。实现产业升级的最佳方法，不是复制他国成熟的产品链，而是直接将资源投入新的产品中去，在知识流动性大的行业直接占据知识链的高层。
例如，在过去十年的建设中，国家投入巨资研发的国产大飞机计划发展缓慢。虽然2015年已经可以交付订单，但大飞机的各个部件拥有自主创新的技术非常少，国内外订单背后更几乎都是中国国有资本。这是因为传统工业的发展技术壁垒很大，很难实现跨越式发展。与此对比，同样经过十年，深圳的大疆科技已经占据世界消费级无人机近七成市场份额，拥有大量专利。也是经过十年，中国的淘宝，腾讯，百度等互联网公司迅速崛起，在数据吞吐量和算法效率上成为可以与美国互联网巨头抗衡的力量。近年来我们更是了包括集智俱乐部的天气在内的一大批以对人工神经网络等前沿机器学习技术的研发和应用为核心竞争力的移动互联网创业者的崛起。可以认为，对大规模互联网数据的深度加工和处理的能力，将成为国家竞争力的重要指标。这也是为什么中国在2015年工作报告中推出“互联网+”政策的原因之一。
BogdanState等人根据LinkedIn数据统计的人才跨国流动
如果说工业时代国家之间是在争夺原材料和能源，那么信息时代国家间就是在争夺“算力”。人们发现，在对数据的深加工上，算法的竞争力超过了硬件竞争力，拥有更多人才的国家，算力就更强大。因此国家之间的人才流动，成为理解和预测国家兴衰的重要指标。
从全球人才流动来说，过去二十年，美国与东亚，特别是中国之间的人才争夺，是全世界人才流动格局的重要特征之一。根据LinkedIn全球数亿用户的教育和就业数据，过去二十年，流向美国的专业性人才先增后减，流向东亚的人才先减后增，其他地区的人才流动变化相对较小。
流向美国的人才开始大幅减少的转折点大概在2000年左右。这个时候正是在美国遭受911后，开始把全球战略遏止的重点投向中东的时间点。这也是中国和东亚发展的黄金十年。
BogdanState等人根据LinkedIn数据统计的美国人才流失
到2008年后，全球范围内前往美国留学的人员开始反弹，但受次贷危机等因素影响，在美国就业的人数持续低迷，形成了一个剪刀差。美国等于在给世界，尤其是东亚培养人才。这个过程中，美国优先留住了有博士学位的STEM（科学、技术、工程与数学）人才。这些人，也是最能对国家“算力”最有贡献的人才。
Battelle研究所报告给出的科学研发比例及科学家人数
根据Battelle研究所的报告，中国的人才投入还有进一步提升的空间。比起美日，科研投入占P的比重还比较低，另外，由于大量的科研投入都被用于购买仪器设备，而不是发放人员薪酬，即使与相同科研投入占P比例的国家相比，培养的科研人员的数量也非常少。所以，在加大科研投入的比例，以及提升科研投入的效率方面，还有待加强。
两种知识生产模式，版权归本博文（《知识的品质》）作者
前面我们讨论了知识链的结构。现在我们来看一些知识链是如何在实际生活中形成的。和产品链以及食物链一样，知识链也意味着一个不断加工的过程。我们可以简单地区分两种知识加工生产结构，一种是并联（parallel）的，一种是（sequential）的。
现在所谓的“人类计算”，例如反验证码项目，蛋白质折叠游戏，或者著名的互联网工作外包社区AmazonTurk，其实都是并联式的知识生产。在这种生产方式里，一个任务（例如对几十年的纽约时报扫描图像进行数字化）被切割成无数小任务（一个个的英文词），利用人类对计算机算法的优势（图像识别），去完成这些单个任务，最后再由系统对这个过程的劳动结果加以验收和组合。在这个过程中，用户彼此之间不需要互动，系统对用户的忠诚度和专业等级也没有任何要求。
与之对比，像StackOverflow这样的程序员问答社区以及GitHub这样的合作编程社区呈现出另外一种生产结构。一个问题的答案，或者解决一个任务的代码，会不断地被加工，变得越来越简洁或者容易理解。比起并联式社区，这样的社区对用户的忠诚度和专业等级要求更高，需要用户付出更高质量的注意力，需要用户之间进行大量的交互，最后形成的知识产品，也往往常高质量的。
真实的互联网知识生产系统，往往是同时具备和并联特征。例如，既需要分布式地吸收用户的注意力来加工大量的不同词条，又需要许多用户对同一个词条不断地进行加工，得到越来越高质量的词条页面。
两种知识生产社区结构，版权归本博文（《知识的品质》）作者
像这样的互联网知识生产社区，以极小的成本，产出大量高质量的知识，必然成为人类社区发展的趋势。而这种社区深加工知识的潜力，可以说还没有被充分地挖掘出来。一旦其潜力被，现存的以大学为主的知识生产体制，可能会有巨大的变化。
现在的知识生产体制的一个重要特征就是分工明确，生产周期长。所谓分工明确就是知识的“生产者”和“消费者”之间的区别非常明显。在大学里，大学教授就是生产者，学生就是消费者。所谓的各专业本科的“基础课”，需要消耗掉学生四年的时间，而在这个过程中，学生被动地接受教材知识，对知识的创造没有什么贡献。但是，像StackOverflow这样的问答社区，让我们看到了另一种可能，就是打破知识的生产和消费的身份区隔，大大减少从消费知识到生产知识的周期，每个人在消费知识的时候，也可以生产知识。《维基经济》的作者提出了“生产性消费者”（prosumer）的概念，来描述这个融合过程。
集智张江、吴令飞、赵岷等发表的科学论文受到国际科学报道
2008年在诞生的，以“开源科学”（openscience）为口号的集智俱乐部（SwarmAgentsClub），就是一个旨在打破知识的消费者和生产者隔阂，加快知识生产周期，推进对知识深度加工的社群。作为集智俱乐部的核心，我们认识到，并联知识生产需要大量的参与者，知识生产需要不同层次的参与者，这两者的有机结合，才能创造出跨学科的的高质量科学知识。因此，集智俱乐部的愿景是，打破现有的体制内科研模式，以开源社群的方式对知识进行深度加工。
在集智俱乐部各类活动中，最有特色的是“高级科普”，即通过写科研笔记，组织等形式，一个学科的科学家对另一个学科的科学家科普本学科的知识和思想方法，从而使后者可以不被各学科的基础性知识门槛挡住，而是可以直接切入另外一个学科的前沿问题，迅速地展开科研合作。
例如本文写作过程中所引用的一些参考文献，就是通过俱乐部内的框架达成的科学合作的产出。现在随着集智不断成长，越来越多的优秀科学家加入我们，我们也有了更多样的产出。现在俱乐部的文章，已经在PhysicalReviewLetters,ScientificReports,InternationalComferenceonComputerVision等国际期刊或期刊上发表论文，并且被NewScientist等著名国际科学报告。2015年，集智俱乐部和图灵出版社合作编著了人工智能的书《科学的极致-人工智能》。同年，集智俱乐部袁行远等人使用机器学习的方法来预测天气，创造了千万级用户的手机App，天气，并与国家气象局等体制内单位形成战略合作关系。
我们相信，未来的世界，所有的科学知识都应该开源地被创造，免费地被获取。这个趋势，已经被像MOOC这样的网络公开课程和PloSONE这样的公开免费期刊所证明。科研探索者群体集智俱乐部的存在，就是另外一个有力证明。我们对这个未来持乐观态度。我们也欢迎更多的年轻科学家加入我们，在大数据年代，打破学科藩篱，与我们一起建设覆盖各个学科的，人类科学的统一“知识链”。
参考文献
集智俱乐部的吴令飞等人对知识生产过程的研究：
Wu,L.,Baggio,J.,&Janssen,M.A.(2015).TheRoleofDiverseStrategiesinSustainableKnowledgeProductionarXivpreprintarXiv:1509.05083.
Wu,L.,&Janssen,M.A.(2015).AttentionDynamicsinCollaborativeKnowledgeCreation.arXivpreprintarXiv:1511.07616.
亚利桑那州立大学的博士后研究者吴令飞博士,ArizonaStateUniversityASU-SFI联合复杂系统研究中心博士后，集智科学家，集智核心，研究方向：注意力动力学，在线社区与知识生产。吴令飞博士毕业于城市大学与学…
...
