每一項研究計畫都是對未來的賭注。然而，科學家很少審視這些賭注背後的假設。關於補助金、基礎設施、招聘、監管和培訓的決策，常常預設某些技術將會成熟、特定技能將會被需要、公眾將會接受由此產生的創新，並且很少會出現風險。然而，這些假設很少被明確提出，更不用說系統性地進行測試或修正了。
其後果是當前研究活動與未來狀況之間出現錯配，這種差距將隨著發現的速度和全球變化的步伐而日益擴大。如果科學機構不提前思考，將越來越發現自己面臨著在危機出現後才倉促修改研究重點、培訓計畫和基礎設施投資的壓力，而這些危機是他們事先沒有準備好的。
例如，在 COVID-19 大流行期間，研究人員不得不加速疫苗開發、擴大遠距醫療、重新部署臨床人員、將教育轉移到線上，並管理公眾對監控和疫苗接種的信任。他們必須在危機條件下，並且對病毒的初步了解甚少的情況下完成這些工作。
人工智慧的快速崛起也難以駕馭。機構必須在有長期證據可用之前，就對驗證、評估方法、勞動力準備、研究誠信和治理做出決策。
所缺乏的不是完美的預測，而是預見：一個結構化的、前瞻性的過程，用於檢視多種可行的未來，識別其中重要的假設，並定義可以觸發研究方向、人員配置和資金優先級變動的訊號。
「未來學」領域提供了嚴謹的方法來分析趨勢、規劃一系列結果，並利用「地平線掃描」來預見未來的風險和機會。然而，這些方法在科學實踐中並非主流。是時候改變了。
在此，我們呼籲將未來學方法融入科學發展的核心機制，為科學應資助、建造、教授、驗證和評估的決策提供資訊。我們將此概念稱為轉譯式預見。採納它將使研究計畫中嵌入的承諾變得明確、可測試、可追蹤且可修正（見「轉譯式預見」）。
轉譯式預見與轉譯醫學有相似之處。在二十世紀末，分子生物學發展迅速，但這些知識並未傳遞到臨床。
醫學研究中的「從實驗室到病床」和「跨越死亡之谷」等表達突顯了這一差距。為此，科學家重新調整了他們的系統，以將發現與患者的結果聯繫起來。這伴隨著臨床科學家培訓計畫的興起、轉譯研究資金模式的改變，以及專門的轉譯醫學機構的發展。
同樣，未來學領域也建立了探索未來趨勢、不確定性和替代軌跡的方法。這些方法在科學研究環境中並未被例行使用。
未來之輪（Futures Wheel）是一種圖形化地視覺化直接和間接後果的方法（見「未來思維工具」）。一些政府曾用它來描繪 COVID-19 大流行的連鎖影響，例如揭示了向遠距醫療的轉變、勞動力壓力以及照護模式的變化。
用於探索未來研究方向和預期問題的練習。
如何執行（60–90 分鐘版本）
探索趨勢或里程碑的後果
陳述一個中心變化，例如「人工智慧現在可以共同撰寫科學論文」；列出直接和間接影響；強調意外後果。
風險、機會和漣漪效應的地圖
在採用技術、提交補助金申請或實施政策之前
2x2 情境分析（一個驅動因素，一個不確定性）
將不確定性結構化為四種可行的未來
選擇一個關鍵驅動因素，例如人工智慧的增長，以及一個不確定性，例如監管；將它們結合為四種情境；詢問哪些策略在所有四種情境下都有效。
四種截然不同的未來世界；穩健策略與脆弱策略的列表
策略規劃、長期研究方向、基礎設施投資
願景寫作（回溯敘事）
選擇一個時間範圍，例如 2035 年；從未來研究人員或臨床醫生的角度書寫；確定哪些改變了，哪些有效，哪些失敗了。
闡明長期願景和里程碑
設定實驗室使命、組建機構
考驗未來學家（研究版）
壓力測試假設和盲點
提出一個未來的說法；用失敗模式和遺漏的變數來挑戰它；用明確的條件修正說法。
修正後的假設和條件性預測
補助金準備、技術評估、提出有爭議的假設
情境分析是另一種影響了產業和政策長期策略的技術。例如，能源公司殼牌利用它來應對能源危機，政府則利用它來制定關於氣候、基礎設施和交通的國家政策。
預測平台，例如由賓州大學研究人員領導的「良好判斷計畫」（Good Judgment Project），利用群眾的智慧來回答政治、經濟和社會領域的前瞻性問題。
沒有這些工具，科學就依賴非正式判斷、直覺和短期規劃來預測其未來影響。
2050 年的科學：將塑造我們世界——及更遠的未來突破
例如，疫情準備框架可以識別生物和後勤風險，例如衛生系統是否有足夠的檢測、疫苗、病床、防護設備和應急計畫。但它們很少在危機開始前就影響研究重點、勞動力規劃或技術驗證需求。
轉譯式預見將準備工作從靜態的應急檢查表轉變為一個用於測試和更新未來決策所依賴的假設的系統。例如，資助者可以在遠距照護、居家監測和快速診斷系統緊急需要之前，就支持對它們的測試。衛生系統可以預先定義觸發點——從加護病房的入住率到公眾信任的水平——這些觸發點將促使研究、人員配置或資金目標的修正。
同樣，個人化和基因組學疫苗研究不僅涉及設計疫苗，還涉及對其使用未來世界的假設。
科學家和資助者隱含地假設目標人群是誰，微生物將如何演變，將獲得哪些基因組數據，監管機構是否會接受個人化疫苗策略，以及公眾是否會信任這些疫苗。從一開始就認識到這些假設，將使計畫能夠在條件改變時進行適應。
大學的重大變革：四張圖表顯示全球高等教育的變化
挑戰在於將未來學方法的產出轉化為研究重點、資金決策、基礎設施規劃和評估。有幾個障礙阻礙了這種轉化成為常態。
未來學方法通常在專業領域開發，使用許多科學家不熟悉的概念，限制了這些方法的普及性。預見活動通常位於學術研究之外，強化了它們作為諮詢而非知識生產核心的角色。
科學訓練很少將推理未來作為一項核心能力。
學術環境優先考慮短期產出：資金、出版和晉升系統獎勵近期成果，但很少鼓勵預見性思考。面向未來的作品常被視為投機性或與研究重點不符。
鑑於未來學方法已經成熟，科學界和資助者現在需要將這些方法整合到研究企業的核心。我們建議可以分三個階段進行。
首先，在科學思維和現有工作流程中採用未來學方法。研究人員可以認識到存在多種未來，並將科學推理擴展到線性預測之外，以探索發現和不斷演變的研究背景的替代性影響。他們應該預期失敗：在項目啟動或補助金申請提交之前，詢問研究項目或論文可能如何失敗，識別潛在的弱點、無效的假設或外部限制，並相應地改進設計。
美國為何需要一個統一的、基於任務的健康創新策略
隨著證據的積累，應定期重新評估假設，並利用局限性或誤判來改進後續的研究工作。這些做法應該常規化，要求在項目提案、實驗室演示和論文討論中包含面向未來的分析。
第二，將轉譯式預見納入科學訓練。未來素養——系統性地推理不確定性和替代軌跡的能力——應該被視為與統計和方法論素養並列的核心研究能力。
它將使科學家具備解釋、批判和完善預見性輸入的能力，就像他們解釋模型和結果一樣。正如快速採用使用人工智慧的技能（例如提示工程，即優化輸入以鼓勵期望的人工智慧輸出）所見，未來素養能力很可能通過使用和必要性而發展，然後可以正式納入教育和培訓中。
第三，在科學界和資助者中將未來思維制度化。隨著未來素養在個人層面確立，轉譯式預見應該被明確整合到管理研究方向、資金和評估的系統中。
應該制定框架來記錄可能需要修正假設的指標，例如公眾信任度下降、監管延誤和意外的技術採用模式。預見過程應該整合到資金和評估標準中，以使研究策略與長期的社會和技術軌跡保持一致。
例如，一個準備補助金申請的研究團隊可以使用情境練習來檢視各種未來條件可能如何影響該項目。他們可能會問，如果出現競爭技術、監管發生轉變、數據訪問受到限制或關鍵平台過時，他們的研究計畫將如何改變。該團隊仍然可以提出一個主要的研究計畫，但也可以識別表明假設正在瓦解的訊號，並描述該項目將如何適應。
技術和基礎設施在它們的後果被觀察到之前，就創造了未來的路徑並改變了社會。在這些條件下，預見性假設必須透明化並接受審查。
二十世紀教會了科學如何將發現轉化為影響力。二十一世紀必須教會它如何將可行的未來轉化為更好的科學決策。
