李晓榕教授是信息融合与目标信息处理领域的国际著名专家，在目标信息处理、信息融合、估计、滤波与决策理论、性能评估等领域多有建树，曾任国际信息融合学会主席，2009年入选国家“千人计划”。

学：学生，教：教师，李：李晓榕。

李：科研道德规范的关键何在？根基是什么？我认为有几条重要原则，包括实事求是、尊重原创、论功行赏（合理记功，give due credit）以及不多占资源等。学术不端是指蓄意违反这些原则的行为，包括伪造、篡改数据或剽窃、虚构、夸大研究结果，以及其他形式的明知故犯。常见例子有：造假、剽窃、独自发表合作成果以及一稿多投等。首当其冲的是伪造、篡改和剽窃这“三大重罪”。作奸犯科者身败名裂、恶名远扬，自不待言。最典型和恶劣的学术不端是伪造、篡改数据或结果。咱们先谈这一点。

何谓弄虚作假

李：性质极为恶劣的造假是伪造数据。国内外都有打假人员和软件。多年前美国的巴尔的摩（David Baltimore）事件相当轰动。他是诺贝尔奖获得者、洛克菲勒大学校长。他们在《细胞》杂志上发表了一篇论文，其中由一位合作者提供的实验数据是伪造的。一个博士后发现后提出质疑，后来的遭遇令人悲哀。事发之后，巴尔的摩企图压制事件的处理，以致最终在该校大多数教授的压力下不得不辞职。几年前有个轰动的舍恩（Jan Sch?n）造假案，其造假“胆识”之大、规模之巨、数量之多、影响之深是“史乏前例”。舍恩是贝尔实验室的青年研究人员，在《科学》、《自然》等杂志上发表批量文章，成为一颗急速飞升的耀眼新星，他取得了一个又一个激动人心的重要突破。其实他不仅伪造实验数据、伪造实验，甚至还伪造实验设备——他在文章中所描述的一些装置根本不存在!究其根源，还是在好大喜功的科研氛围中，心为物欲所役，扬名立万心切。更近的大丑闻还有臭名远扬的韩国“克隆之父”黄禹锡的克隆丑闻，黄因此被判刑18个月，“民族英雄”变成“科学败类”。美国知名生理学教授珀尔曼（Eric Poehlman）大量虚构伪造，向美国联邦ZF的科研机构申请经费，他因此犯法而被判入狱一年零一天。

教：国内有上交的汉芯事件。

李：布罗德（William Broad）和韦德（Nicholas Wade）合著的《Betrayers of the Truth》（《真理的叛徒》）有一章指责古今一些大科学家的学术失范行为。著名统计学家C.R.劳（Rao）在《统计与真理》一书中言之凿凿，很信这些指责。这有严重的不良后果：如果那么多大科学家有这么严重的科研道德问题，凡人又该如何？但我觉得这有哗众取宠、追求轰动之嫌。我读后并不认为证据确凿，反而是疑点重重。要不是这种结论具有轰动效应，为什么草率地下结论？这本身就有科研道德问题。贾德森（Horace Judson）的《The Great Betrayal: Fraud in Science》（《大背叛：科学中的欺诈》）要好一些，但我仍有不少保留。科研道德规范与时俱进，不能完全以今天的标准去苛求前人。同理，今天视为正当的某些行为也许为前人所不耻。我觉得，一个重要评判标准是：当事人是否刻意掩饰其“失范或有争议”的行为。做了不该做而不知其不该做的事，那是无知，不是缺德；如果加以掩饰，这说明知道那是不该做的，那就是缺德；如果知其不该做而不加掩饰，那是厚颜**。

学：删除野值是不是不道德呢？

李：这要看情况。以诺贝尔奖得主、著名物理学家密立根（Robert Milikan）测定单电子电荷的著名实验为例。《真理的叛徒》和《统计与真理》都说，他在这个发现中大量伪造结果。物理学家、科学史学家霍尔顿（Gerald Holton）以及富兰克林（Allan Franklin）研究密立根，包括他当年的实验笔记本。的确，他只用了140次实验中58次的结果。但是据研究，密立根确实认为只有这58次实验是成功的，其他的都失败了。所以，这不是蓄意欺骗或篡改数据。至于他为什么认定只成功了58次，与科研道德无关。其实，密立根花了十年时间检验他很不喜欢的爱因斯坦光量子假说，虽然精确测量结果与他的期望完全相反，但他尊重事实，不阿其所好。这是我不全信《真理的叛徒》的一个例子。有个故事，爱因斯坦收到爱丁顿勋爵的电报，说他的观测实验结果支持广义相对论。当时在场的一个学生问，如果实验结果不支持相对论怎么办？爱因斯坦回答说：我会为可爱的勋爵遗憾——理论还是对的。（Then I would feel sorry for the dear Lord. The theory is correct anyway.）这只表示爱因斯坦对相对论的极度自信，即便我们认为这种自信是病态的，也不能说他不道德。如果密立根是为了得到好结果而故意从140次实验中选出58次的结果，那就是篡改数据。不清楚时，决不能想当然地剔除野值或异常数据，应该拿出全部或者典型的。有初一就有十五，顺手牵羊未被惩罚，就可能蓄意行窃。诚实的研究者尽可能不受偏见的影响，道德有问题的则曲解数据，使之支持自己喜好的观点。在数据结果中选用有利于己的来报告，是不道德的。遗憾的是，这类犯规行为并不孤立。令人吃惊的是，《纽约时报》报道，对2000多名美国心理学家的匿名调查表明，其中竟有约1%的人承认伪造过数据。还有很多其他数据处理上的不道德行为，比如故意选用对自己期望的结果特别有利的统计方法来处理数据。要清楚道德规范到底是怎么回事，清楚后做到问心无愧，确实觉得没做错什么。至于模糊的地方，真正做到问心无愧就行了。所以，

总原则：问心无愧。

还有一种情况。有一次我与人合作，合作者所做的一部分仿真结果与我的理论预期有本质的不同，合作者急于发表论文，想隐而不报那部分仿真结果，我不允许，花了一段时间后终于搞清，根源是：在含有极小概率的严重事件的场景中，正确的仿真结果与正确的理论预期可能大相径庭：如果该严重事件在仿真中未发生，其结果与理论预期差别很大，而一旦发生，差别也会很大；仿真量不够大时，这种差别不可能消除。

学：有时要跟人对比，明显发现他错了，而那个人的文章已经发表很久，多次被引用，这个时候是剔除他的错误数据不比，还是明确指出他的错误？

李：除非铁证如山，不要一口咬定他错了，指责他的错误，特别是他的品德，因为你不了解他的实际情况。在证据不足时指责他人的诚信有失公允，要预设无辜(give him the benefit of doubt)。不要疑人窃斧，疑心生暗鬼，除非证据确凿，不该轻易怀疑别人的品德。只要宣布自己所得结果，指出不一致就行了，对错自有公论，时间会做出最终裁决。另一方面，如果某人行为严重不轨铁证如山，特别是周围的惯犯，见蛇不打三分罪，打蛇不死罪三分。不过，要注意保护自己，穿个马甲儿打蛇。检举揭发在国内很少见，即使知道，最多私下说说，不会正式告发，唯恐被蛇咬。其实，城门失火，殃及池鱼。如果学术不端盛行，哪还有正直学者的天地？见蛇不打，蛇蝎泛滥，终受其害。

教：见蛇不打三分错，这要求太高了，有几个人能像方舟子那样豁出来？我们大多数人是见蛇就躲。

李：我并不提倡你们去当方舟子，以“打蛇”为业，但见蛇要打。我不建议你们四处寻蛇以灭之。要讲究打蛇策略，注意保护自己，避免无谓的牺牲。而且，必须有绝对把握这确实是一条蛇，是蓄意的、严重的学术不端。能够如此肯定，绝大多数是身边周围的。如果大多数人都能保持周围环境的清洁，大环境也就好了。

教：做生物做材料的介绍完实验后，要提供数据，包括《科学》和《自然》上的文章。那是面向实验的，没有多少推理过程。别人发表的结果，我用同样的实验平台，老是重复不了，那么就可以写文章质疑这个实验可能是错的，甚至有可能在造假。我也有类似的体会，比如读一篇文章，我用的参数与他的完全一样，就是调不出他的结果来。这时我是不是也应该有勇气去怀疑他？

李：这时应该怀疑其结果，而不是人品。英国科学家巴比奇（Charle Babbage）说得好，品德就像是妇女的贞洁，一旦受到怀疑就等于被毁灭。除非很有把握，也不要公开质疑其结果。公开发表影响大，要慎重。只有一再遇到这种情况后，才可以怀疑其人品，也就是量变到质变。

教：在生物学科，文章发表之后，要求把程序上传到期刊的网站上，以便他人验证结果。在我们的学科里，没有这个。

李：这说明对他们来说，数据结果可靠特别重要。我们的仿真结果只是辅助性的，没那么重要。这是一个重大区别。据我所知，医学和生物学科伪造、篡改数据的案例最多，因为在这些学科数据最有发言权。反之，数学界的造假，几乎闻所未闻，因为数据无足轻重。

教：还有些人防着别人验证。很多关键性参数他们不写，或者试验方法是用留一法或交叉验证法，参数不一样，实验方法不一样，结果也不一样，根本没法重复。

李：在不少情况下，作者确实有问题，但也有例外。比如有位我挺熟悉的著名学者，有些人抱怨说，没法复现他的结果，他总是闪烁其词，隐瞒必要的细节或条件。我觉得他学风不错，恐怕是因为他要保护成果的商业利益，这跟学术出版是有矛盾的。他的一些成果确实在不少机场用上了，如果公开，就难卖了。