https://www.nature.com/collections/gfhaffhace
This Working Scientist podcast series explores synergies between the scientific process, crafting and art. It features researchers whose hobbies and interests nurture their creativity in the lab. Setting the scene in episode one, computational cell biologist Martin Lercher joins gene regulation and cellular plasticity researcher Itai Yanai. They describe a creative thinking strategy first developed by French biologist François Jacob, day and night science. Could it liberate you from the daily grind of the lab?
Here is a summary of the main conclusions and key quotes from each of the podcasts.
1. Hit a glitch in your research? Some ‘night science’ thinking could move it forward (d41586-026-01294-1)
Main conclusion: Creativity in science requires deliberately switching between day science (logical execution) and night science (abstract, wandering exploration). When stuck, researchers should zoom out, embrace a beginner's mind by moving between disciplines, and use tools like metaphors, science buddies, and following contradictions.
Key quotes:
“We need to snap out of this. We need to zoom out. We need to pop out into the world of night science, into the world of ideas.”
“You hold no allegiance, no loyalty to any particular idea. Everything is on the table.”
“When you come to a new field, you have a tremendously valuable thing, which is beginner’s mind.”
“Embrace the outlier. Always follow your curiosity and follow contradictions.”
“The most important trick is also the simplest one. It’s, you need to talk to someone.”
2. How sewing can set you up for failure and success in science (d41586-026-01388-w)
Main conclusion: Sewing and science engage the same cognitive processes—planning, research, iterative trial and error, and applying theory to practice. Creative hobbies improve focus, fine motor skills, work-life balance, and the willingness to fail, ultimately making scientists more resilient and effective.
Key quotes:
“I don’t think I can sew without engaging the same part of my brain that I do science with.”
“The level of planning, the level of research and experimentation… is something akin to what I would do to get to the point where I have a successful experiment.”
“Allow ourselves to be wrong. Allow ourselves to be bad at stuff. Allow ourselves to be embarrassed.”
“I know I’m a better scientist when I’m well-rested and when I have things I enjoy.”
“Mathematics and spatial reasoning… really did apply to the Bee.”
3. AI can spark creativity — if we ask it how, not what, to think (d41586-026-00049-2)
Main conclusion: AI has potential as a creative partner for brainstorming and exploring ideas, but current usage often flattens creativity. The key is to prompt AI for processes and new ways to think (how) rather than asking for direct answers or solutions (what).
Key quotes (only abstract available):
“AI can spark creativity — if we ask it how, not what, to think.”
“Bots might be useful for triggering and batting around ideas… however, in practice, the opposite is often true — bots flatten creativity.”
4. Can creativity in science be learnt? These researchers think so (d41586-025-01913-3)
Main conclusion: Yes, creativity can be learned. Time pressure is a major barrier, so creating creative oases (protected time/space) and providing small grants for risky, speculative ideas encourages innovative thinking. Insight can even come from dreams or subconscious processing.
Key quotes (only abstract available):
“Time pressure gets in the way of ideas. Developing ‘creative oases’ and small grants for risky ideas can encourage innovative thinking.”
The opening anecdote: “One morning in 2009, Jacqueline Tabler woke up with the solution to a laboratory problem… that had come to her in a dream.”
5. Virtual collaboration hinders a key component of creativity (d41586-022-00126-2)
Main conclusion: Teams working together via videoconferencing produce fewer creative ideas than teams collaborating in person. While virtual work is efficient for execution, the spontaneous exchange and shared physical space of in-person meetings are crucial for generating novel concepts.
Key quotes (only abstract available):
“Virtual collaboration hinders a key component of creativity.”
“Experiments and fieldwork show that teams working together online produce fewer ideas than those collaborating in person.”
6. How a hobby can boost researchers’ productivity and creativity (d41586-018-05449-7)
Main conclusion: Engaging in a regular, absorbing hobby (e.g., baking, music, crafts) reduces mental stress, improves work-life balance, and provides cognitive downtime that allows the subconscious to work on problems—leading to innovative solutions and increased productivity.
Key quotes:
“A regular pastime can ease mental stress, improve work–life balance and help scientists to reach innovative solutions.”
One researcher compares baking to science: “It’s kind of like a science experiment… but you get to eat it at the end.”
7. Can AI be truly creative? (d41586-025-03570-y)
Main conclusion: AI models can produce novel, high-quality outputs that mimic creativity (e.g., music, art), challenging human notions of authorship and experience. However, true creativity may still require human-like consciousness, intention, and lived emotional experience—something AI lacks.
Key quotes (only abstract available):
“Chatbots and AI models are challenging ideas about who — or what — can create art, music and more.”
The piece opens with an evocative example: “Pianita number 17… What searing life experiences, then, did the composer pour into this work?” — implicitly noting AI has no such experiences.
《Nature》最近关于“科学创造力”的专题提醒我们一个很容易被忽略的事实：真正推动科学前进的，往往不是机械重复，而是创造力。
科学家不是缺工作量，而是缺可以产生新想法的空间。
创造力不是凭空出现的。它需要时间，需要空白，需要试错，也需要一点点“不确定性”。如果一个人的所有时间都被任务填满，他当然可以完成很多事，但很难长出真正新鲜的想法。这就像一块土地，如果每天都被踩得很硬，再好的种子也很难发芽。科研也是一样。
如果一个研究者每天都处在赶 deadline、补实验、改格式、回邮件、做表格的状态里，大脑就会自动进入“任务执行模式”。这个模式很适合完成工作，但不适合产生突破。
真正有创造力的时刻，往往发生在大脑开始放松、开始连接不同信息的时候。
比如洗澡时突然想到一个实验设计；散步时突然明白一个机制逻辑；做饭、画画、弹琴、跑步时，脑子里某两个原本无关的概念突然连起来了。
这不是玄学。这是因为创造力本来就不是简单的“用力想”。
创造力更像是把已有知识重新组合。一个人知道得越多，经历得越丰富，越愿意跨界连接，越可能产生别人想不到的问题和答案。这也是为什么《Nature》专题中特别提到，兴趣爱好、艺术、手工、音乐、写作，甚至看起来和科研无关的活动，都可能反过来滋养科研创造力。
很多人会觉得，科研人员搞爱好是在浪费时间。但事实可能刚好相反。一个长期只有论文、实验、数据的人，思维很容易变窄。相反，一个愿意接触艺术、音乐、写作、手工、运动的人，可能更容易在不同领域之间建立联系。
有时候，科学家的爱好不是逃离科研，而是在给科研的大脑充电。
比如一个做细胞生物学的人，如果同时喜欢摄影，他可能会更敏感地观察图像细节。
一个做生态学的人，如果喜欢绘画，可能会更善于理解空间结构和系统关系。
一个做人工智能的人，如果喜欢音乐，可能会更容易理解模式、节奏和生成过程。
这些看似无关的兴趣，最后都可能变成科研中的灵感来源。
所以，一个真正优秀的科学家，不一定是每天把自己压榨到极限的人。他也可能是那个愿意停下来观察、发呆、散步、阅读、跨界、提出奇怪问题的人。这并不是说科研不需要努力。恰恰相反，科研当然需要极强的执行力。
但问题在于：只有执行力，没有创造力，科研就会变成重复劳动。
你可以做很多实验，但不一定能提出好问题。你可以写很多论文，但不一定能形成自己的科学思想。你可以追很多热点，但不一定能真正开辟一个方向。
科研最关键的能力，往往不是“我能不能把别人做过的东西再做一遍”，而是：我能不能提出一个更好的问题？
问题一变，世界就变了。
很多伟大的科学突破，一开始都不是因为答案更精确，而是因为问题问得更深。
别人问：“这个现象怎么发生？”真正有创造力的人可能会问：“为什么我们一开始会这样理解这个现象？有没有可能整个框架都错了？”
别人问：“怎么提高这个指标？”真正有创造力的人可能会问：“这个指标本身是不是就不能代表真实机制？”
别人问：“怎么把实验做得更复杂？”真正有创造力的人可能会问：“有没有一个更简单的系统，能抓住最核心的规律？”
这就是创造力的本质。
不是花哨，不是奇怪，也不是故意标新立异。
创造力是重新看见问题的能力。
现在还有一个新变量加入进来：人工智能。
《Nature》相关讨论里提到，AI 可以激发创造力，但关键不在于让 AI 直接告诉我们答案，而在于让 AI 帮我们改变思考方式。
这句话非常重要。
很多人使用 AI，是直接问：“帮我写一个答案。”但更高级的用法应该是问：“这个问题还能从哪些角度思考？”“有没有被我忽略的假设？”“如果我是审稿人，会质疑哪里？”“如果换一个学科的人来看，会怎么理解？”“有没有完全相反的解释？”
也就是说，AI 最强的地方不一定是替你完成工作，而是帮你打开思路。
AI 不只是答案机器，更应该是思维刺激器。
如果只是让 AI 替你写文字、整理材料、生成摘要，那当然有用，但还不够。
真正厉害的用法，是让 AI 变成你的“第二大脑”：它帮你提出反例，帮你打破惯性，帮你从不同学科、不同逻辑、不同视角重新审视问题。
这对科研人员尤其重要。
因为科研最怕的不是不知道答案，而是被旧框架锁死。
当一个人长期研究同一个方向，很容易形成固定思维：这个领域大家都这么解释，这个指标大家都这么用，这个机制大家都这么写。
但科学进步往往就发生在有人突然问：
万一不是这样呢？
这就是夜晚科学的精神。
它不是让你不严谨，而是让你在严谨之前，先允许自己大胆想象。
先发散，再收敛。
先提出疯狂假设，再用白天科学去筛选和验证。
一个健康的科研过程，应该同时拥有两种力量：
夜晚科学给你灵感，白天科学给你证据。
只有夜晚科学，容易变成空想。
只有白天科学，容易变成机械劳动。
真正的突破，常常发生在二者之间。
所以，科研人真正需要保护的，不只是实验时间，也包括思考时间。
不是所有时间都应该被安排满。
不是所有空白都叫浪费。
有些空白，是思想发芽的地方。
有些散步，是在整理复杂问题。
有些发呆，是大脑在后台重组信息。
有些爱好，是在给创造力积累燃料。
今天很多科研环境都在强调效率：发多少论文，拿多少项目，做多少实验，完成多少指标。
但如果只剩效率，科学就会变得越来越像流水线。
而科学最迷人的地方，恰恰在于它不是流水线。
它需要严谨，也需要想象。
需要数据，也需要直觉。
需要训练，也需要冒险。
需要白天的清醒，也需要夜晚的自由。
这就是《Nature》这组内容给我们的最大启发：
真正的科学创造力，不是从更严重的内卷中长出来的，而是从更自由、更开放、更敢提问的思维中长出来的。
对普通人来说，这个道理同样适用。
不管你是做科研、写作、创业、做自媒体，还是学习一门新技能，如果你每天只是被任务推着走，很容易陷入低水平重复。
你会越来越忙，但不一定越来越强。
真正让一个人变强的，不只是完成任务，而是定期跳出来问自己：
我现在做的事情，核心问题是什么？
有没有更好的方法？
我是不是只是沿着别人的路线在跑？
有没有一个完全不同的角度？
我最近有没有给自己留下真正思考的时间？
很多时候，人与人的差距，不是努力程度的差距，而是思考方式的差距。
有的人一直在完成任务。
有的人开始重新定义任务。
有的人一直在追答案。
有的人开始提出更好的问题。
而后者，往往更接近真正的创造力。
所以，不要小看那些看起来“没用”的时刻。
一次散步，一次阅读，一次跨界聊天，一次兴趣爱好，一次不带目的的思考，都可能成为新想法出现的入口。
科学需要实验室里的灯，也需要夜晚脑海里的火花。
真正的突破，往往不是把自己逼到没有空隙，而是在足够努力之后，仍然给思想留下一片自由生长的地方。
这或许才是创造力最朴素、也最重要的秘密。