有些問題，你不會在學術研討會上問出口。

比如：如果機器可以在一個下午跑完我三個月的迴歸，那我還在做的事，到底值多少錢？

前陣子，我把這個問題丟給一個假的 Naval Ravikant。

我為什麼在電腦裡裝了一個「假 Naval」

我讀過 Eric Jorgenson 整理的《The Almanack of Naval Ravikant》（Jorgenson 2020）。真正讓我佩服的不是他的財富，是他看穿當今市場如何運作的那種清晰——尤其是他對槓桿的理解，以及他對人生近乎抽離的視角。雷蒙（侯智薰）也提過，在這個時代想成為「超級個體」，Naval 是很重要的一位導師。

所以當我看到雷蒙把 alchaincyf 的 naval-skill 改編成繁體中文台灣版，我就裝了。

技術上它一點都不神祕：就是一份 Markdown 檔案。裡面寫了五個核心心智模型（槓桿、特定知識、欲望即合約、重新定義術、把痛苦轉成系統）、八條決策啟發式，還有一整套模仿 Naval 說話節奏的規則——短句、先講結論、遇到問題先重新定義關鍵詞。裝上之後，AI 會用第一人稱扮演 Naval 回答你。

它自己在第一句就會聲明：這是從公開言論推斷出來的人格模型，不是 Naval 本人的觀點。這句話很重要，我最後會回來講。

我裝它的理由很單純：人生遇到難題的時候，我想有個地方可以問——如果換成 Naval 的視角，這件事會長什麼樣子？

我真正想問的，是一個我自己也不確定的偏見

我問的問題是：在 AI 越來越當道的年代，社會科學的學術期刊、還有「做社會科學研究」這件事，價值還剩下多少？

我得先承認我是帶著偏見進去的。我一直覺得學術期刊——尤其是頂尖期刊——的價值被高估了，而且它扭曲了整個學術圈和知識產生的過程。我和一些頂尖期刊的編輯聊過，那個感覺是：他們看的是這篇文章出自哪個機構，再決定要給修改機會還是直接拒絕。一個只問出身、不問發現本身的系統，很難讓人相信它產出的知識是客觀公正的。

這是我的印象。印象不是證據，這一點我等一下會誠實處理。

他沒有回答我的問題，他先把問題拆了

Naval 式的第一個動作永遠是重新定義。他做了三件事。

第一，他把研究者的本質從「發掘」改成「讓人相信」。在資料裡找規律，正是機器現在最擅長的事；跑迴歸、掃變數、抓文本，這些都在快速變便宜。而社會科學裡真正沒人想過的規律其實很少——實務界早就「知道」很多事。學者做的不是第一個講出來，是第一個能讓別人不得不接受。

第二，他把價值的位置從「創造」移到「淘汰」。AI 讓「提出主張」趨近免費，卻沒有讓「可信」變便宜。機器可以跑一百萬個設定，所以「我找到了 X」這句話本身不再有資訊量；有資訊量的是下一句——為什麼這不是硬跑出來的。

第三，他指出我在錯的通路上量影響力。期刊從來不是賣給實務界的。真正被影響的，是那些「說錯話要負責」的人：主管機關、準則制定者、法庭上的專家證人、寫教科書的人。強制永續揭露就是我自己領域的例子——沒有一個財務長讀過那些論文，但他們每一個人現在都活在那些論文促成的規則裡面。影響力不走「論文→從業人員」，走的是「論文→規則→從業人員」。這條路很慢、很間接，而且中間沒有人會感謝你。

我拿實證檢查我自己的偏見

先講一個當場被戳破的地方。我說實務界覺得學術發現「早就知道了」——但實務界同時「知道」一百件互相矛盾的事，事後只有被證實的那一條會被記得。我的訪談對象是拿論文結論去比對他們此刻腦中的信念，不是十年前的自己。這種問法永遠會得到「這我早就知道」。那是後見之明，不是證據。

接下來是編輯那一段。既然我是做實證的，就該拿實證檢查自己。

支持我的部分，比我原本以為的更直接。Carrell 等人（2024）拿到了 Journal of Human Resources 的內部審稿資料，直接觀察每一份稿件被指派給誰、結果如何。結果是：作者若和主編出自同一個博士班、當過同事、同屬一個 NBER program，或在合著網絡上離主編更近，被桌面退件——連送審都省了——的機率顯著更低。審稿人那一端也一樣：同一個博士班出身、或和審稿人共事過，拿到正面評價的機率顯著更高。而且他們發現，「能力訊號」本身，也就是在 top five 發過文章、念過排名高的博士班、任職於排名相近的系所，就會顯著影響編輯的決定或審稿人的建議。

換句話說，我那個「他們在看你從哪來」的印象，在這份資料上是成立的，而且成立在最早、最不留紀錄的那一關。

規模更大的證據也指向同一邊。Brogaard 等人（2014）看了三十本經濟與財務期刊、五萬多篇論文，用主編任期輪替當識別策略，發現一位主編在任期間，他當時任職學校的同事在該期刊的發表量大約多出一倍。Colussi（2018）則發現，頂尖綜合期刊裡約 43% 的刊登論文，作者在刊登當時與某位編輯存在社會連結。

連結是真的，而且很大。這一半我沒有想錯。

但接下來是我沒想到的反轉。

上面幾篇論文幾乎都往下追問了一句：那些「靠關係進來的」，品質有比較差嗎？答案一致地讓人不太舒服——沒有。Brogaard 等人發現，這些「內部」論文事後的引用數顯著更高，就算把同期刊引用和自我引用都剔掉也一樣。Laband 和 Piette（1994）更早就得到相同方向的結論：編輯運用專業人脈，整體而言是在「捕捉」高影響力的論文，不是在放水。而 Card 和 DellaVigna（2020）用四本頂尖期刊近三萬筆匿名投稿資料發現，編輯其實相當緊跟審稿人的建議走；在控制審稿人建議之後，高產作者的論文獲得的引用還是更多——若以引用當品質的代理變數，這反而暗示編輯給作者發表紀錄的權重偏低，不是偏高。

所以誠實的結論分成兩層。第一層：出身和關係確實在影響誰能進門，這件事有紮實的證據，我不需要收回。第二層：這些證據同時說，這套篩選在平均意義上是有效的——出身是一個便宜、而且真的帶有資訊的訊號。

我原本想控訴的是「不公正」。文獻給我的答案是「有效，但不公平」。這兩件事不一樣，而後者其實更難處理。

出身當訊號，正好是 AI 要拆掉的東西

編輯為什麼要用出身？因為讀一篇論文很貴。

一位主編一年面對上千份稿件，每一份都認真讀完是不可能的。在讀不完的前提下，用一個便宜、而且和品質相關的訊號先篩掉一批，是理性的。文獻說這個訊號真的帶有資訊，所以這套做法撐得住。

問題是，整套邏輯的地基是「讀一篇論文的成本很高」。

而那正是 AI 在拆的東西。

回到 Naval 的拆法：期刊其實在賣兩個產品。一個是認證「這個主張可信」，另一個是認證「這個學者夠格」。第二個現在是主業——升等、續聘、評鑑，整個學術勞動市場靠它運轉。

AI 不會殺死第二個，它會撐爆第一個。當生產成本歸零、投稿量翻倍，審稿人的數量卻是固定的。在沒有建立 AI 審查工具予以有效輔助的情況下，審查品質必然下降。一旦「上了頂刊」不再等於「這個結論可信」，期刊就只剩下一個學術界內部的人力資源工具。

但同一件事還有另一面。當「讀」的成本掉下來，用出身當代理指標的理由也跟著消失。真正會被淘汰的，可能不是期刊，是「數論文」這個動作——以及所有因為讀不完而不得不看招牌的人。

我最在意的是他最後那個問句。如果認證這個功能守不住，它會搬去哪裡？他的答案是：搬到「錯了會有代價」的人身上，不會搬到一個刊名上。

這對我意味著什麼，我還在想。但至少有一件事變清楚了：象牙塔外面是一個更寬闊、而且正在劇烈變動的世界，它遲早會改寫塔裡的遊戲規則。把視角放到整個世界來看，會比只放在塔裡好。

最後補一句必要的提醒。跟我對話的不是 Naval，是一個從公開言論推斷出來的人格模型，這一點我從頭到尾都清楚。但它做對了一件我原本沒做的事：先逼我把定義講清楚，再讓我自己去查證據——然後發現我對了一半，而錯的那一半，比對的那一半有意思得多。

參考文獻

• Brogaard, Jonathan, Joseph Engelberg, and Christopher A. Parsons. 2014. “Networks and Productivity: Causal Evidence from Editor Rotations.” Journal of Financial Economics 111 (1): 251–270.
• Card, David, and Stefano DellaVigna. 2020. “What Do Editors Maximize? Evidence from Four Economics Journals.” Review of Economics and Statistics 102 (1): 195–217.
• Carrell, Scott E., David N. Figlio, and Lester R. Lusher. 2024. “Clubs and Networks in Economics Reviewing.” Journal of Political Economy 132 (9): 2999–3024.
• Colussi, Tommaso. 2018. “Social Ties in Academia: A Friend Is a Treasure.” Review of Economics and Statistics 100 (1): 45–50.
• Jorgenson, Eric. 2020. The Almanack of Naval Ravikant: A Guide to Wealth and Happiness. Magrathea Publishing.
• Laband, David N., and Michael J. Piette. 1994. “Favoritism versus Search for Good Papers: Empirical Evidence Regarding the Behavior of Journal Editors.” Journal of Political Economy 102 (1): 194–203.