验证预算：当内容生成成本趋近于零，科学可信度如何定价？

AI时代内容生成成本趋近于零，而验证这些内容真实性的成本却急剧上升，形成信息生产的悖论。本文提出"验证预算"框架，将稀缺的验证资源战略性分配，应对信息爆炸与验证能力不匹配的结构性挑战，重新定价科学可信度。

信息生产的悖论

我们身处信息丰富却真相稀缺的时代：生成式AI让内容生产民主化，但验证成本飙升。传统学术出版依赖稀缺性（时间、专业资源、同行评审）确保质量，而AI颠覆了这一经济学——几秒生成的专业内容可能含错误，却易通过表面检查。

知识生产的逆转

• 信号价值崩溃：传统发表的质量信号被稀释，表面专业性不再可靠。
• 注意力过载：AI生成内容规模空前，人类验证者注意力成最稀缺资源。
• 信任基础设施瓶颈：同行评审等机制难以应对指数级增长的待验证内容。

验证预算框架将验证视为稀缺资源，重新设计可信度分配机制：

1. 可信度是可耗竭资源：研究社区验证容量有限，需明确稀缺性并选择分配。
2. 基于风险分配：按潜在影响、知识偏离度、可证伪性差异化分配验证资源。
3. 可验证性设计原则：研究应考虑数据可获取、方法透明等，降低验证成本。
4. 验证即信号："经过严格验证"取代"发表"成为质量标志，催生新出版模式。

AI加速内容生成下的三种制度均衡：

• 生成驱动均衡：低质量内容泛滥，可信度信号失效，公众信任崩溃（当前趋势）。
• 验证驱动均衡：验证资源有效配置，可验证性受激励，验证者获认可（理想场景）。
• 监管驱动均衡：政策强制数据共享、预注册等，增加低质量内容成本（外部干预）。

技术解决方案

• 机器可读可验证性：结构化声明（假设/方法/数据独立编码）、可审计计算（代码数据封装）、模块化验证（分解为独立模块）、贝叶斯可信度更新（透明累积评估）。

制度创新

• 验证者职业认可：将审稿/复制验证纳入学术评价（ hiring/promotion/funding）。
• 分层出版：预印本+不同程度验证的可信度标签，优先分配资源给高价值内容。
• 跨机构协调：建立共享验证基础设施，避免重复验证或盲区。

验证预算框架面临的挑战：

• 权力集中风险：验证资源分配权集中可能导致偏见。
• 边缘研究边缘化：非主流/跨学科研究或难获验证资源。
• 实施复杂性：现有体系过渡需协调多方利益。
• 技术依赖风险：机器可读标准可能低估质性/人文研究。

AI生成技术不可逆转，内容民主化有价值，但需投资验证能力避免"噪音淹没信号"。验证预算框架提醒：可信度是需维护的公共资源，在生成成本趋零时代，验证成最稀缺资源，其分配决定知识生态健康。科学本质是严格检验，框架试图守护这一核心价值，让可信度重新成为稀缺且受尊重的资源。