A Quest for Knowledge

该文构建了一个关于科学研究知识创造的微观基础模型，将研究概念化为一个可能失败的有成本搜索过程。研究者选择一个研究问题（question）及其研究强度——问题的「新颖性」同时决定了发现答案的价值和难度。模型的创新之处在于将知识结构建模为布朗路径（Brownian path）上的实现值：不同问题的答案之间存在相关性，已知答案的发现不仅为决策者提供了关于该问题的精确知识，还通过相关性改善了邻近问题的推测（conjecture）精度。该文的第一个贡献是刻画了知识发现的收益如何随新颖性非单调变化——在中间距离处达到最大。第二个贡献是刻画了研究者对任意给定知识状态的最优问题选择和努力投入。核心发现是，「登月计划」（moonshots）——研究比短视最优更新颖的问题——可以通过动态外部性改善知识的长期演化轨迹：登月研究降低了后续研究者的失败率，并引发研究周期（research cycles），其中后续研究者将登月成果与先前知识相连接。该模型为科学政策中的自由探索 vs. 定向研究的争论提供了形式化分析框架。