鄂維南認(rèn)為，當(dāng)前，國(guó)家對(duì)于人工智能研究還缺乏有效的頂層設(shè)計(jì)，人工智能的發(fā)展總是容易跟著別人走。“有的專(zhuān)家非常擅長(zhǎng)解讀國(guó)外的東西，但國(guó)外下一步會(huì)出來(lái)什么東西，他們腦子里面沒(méi)有概念。”國(guó)內(nèi)人工智能的創(chuàng)新與國(guó)外相比仍有很大差距，跟著別人的路徑走也許可以走5年、10年，但從長(zhǎng)遠(yuǎn)來(lái)看，還是要建立底層能力，包括算法、系統(tǒng)、數(shù)據(jù)等能力，同時(shí)打破人為的壁壘。
當(dāng)被問(wèn)到ChatGPT，世界頂級(jí)應(yīng)用數(shù)學(xué)專(zhuān)家鄂維南習(xí)慣性伸手扶著下巴思考，他直言仍未想清楚ChatGPT。數(shù)學(xué)背景出身的鄂維南在研究機(jī)器學(xué)習(xí)時(shí)具有得天獨(dú)厚的優(yōu)勢(shì)，在他眼里，深度學(xué)習(xí)就是解決高維函數(shù)問(wèn)題，但ChatGPT和以往從函數(shù)角度思考問(wèn)題不同。
2月24日，在2023全球人工智能開(kāi)發(fā)者先鋒大會(huì)召開(kāi)前夕，中國(guó)科學(xué)院院士、北京大學(xué)教授、上海算法創(chuàng)新研究院院長(zhǎng)鄂維南在接受澎湃科技（www.thepaper.cn）專(zhuān)訪時(shí)表示，當(dāng)前人工智能的發(fā)展存在跟風(fēng)，中國(guó)目前仍然缺乏原始創(chuàng)新的環(huán)境和生態(tài)，尚未形成原始創(chuàng)新的文化。從國(guó)家層面來(lái)講，人工智能的發(fā)展需要建立有效的頂層設(shè)計(jì)，這是核心問(wèn)題。這一頂層設(shè)計(jì)要能夠打破壁壘，推動(dòng)原始創(chuàng)新，促進(jìn)數(shù)據(jù)流通，讓更多數(shù)據(jù)被有效運(yùn)用起來(lái)。
(相關(guān)資料圖)
鄂維南1982年畢業(yè)于中國(guó)科學(xué)技術(shù)大學(xué)數(shù)學(xué)系，1985年獲中國(guó)科學(xué)院計(jì)算中心碩士學(xué)位，1989年獲美國(guó)加州大學(xué)洛杉磯分校（UCLA）博士學(xué)位。其主要研究方向包括機(jī)器學(xué)習(xí)、計(jì)算數(shù)學(xué)、應(yīng)用數(shù)學(xué)，及其在化學(xué)、材料科學(xué)和流體力學(xué)中的應(yīng)用。
從天上回到人間
1978年，15歲的鄂維南進(jìn)入中國(guó)科學(xué)技術(shù)大學(xué)數(shù)學(xué)系，接受純數(shù)學(xué)教育。當(dāng)時(shí)他有兩個(gè)選擇，一是去少年班，二是去數(shù)學(xué)系。“那時(shí)候的少年班是風(fēng)口浪尖”，他更愿意選擇更加低調(diào)的數(shù)學(xué)系，純數(shù)學(xué)的美妙也吸引著他。
1982年春節(jié)，鄂維南回到江蘇農(nóng)村老家過(guò)年，從學(xué)校里“不食人間煙火”的純數(shù)學(xué)回歸現(xiàn)實(shí)生活，他覺(jué)得自己是從天上回到了人間，“我還是應(yīng)該在人間生活，所以我應(yīng)該做人間的事情。”鄂維南說(shuō)，他希望自己所做的工作真正有用，而不僅僅是高深，他要轉(zhuǎn)戰(zhàn)研究應(yīng)用數(shù)學(xué)。
這是一個(gè)倉(cāng)促的決定，下決心后的第二天，鄂維南就報(bào)考研究生。但當(dāng)時(shí)的他對(duì)應(yīng)用數(shù)學(xué)沒(méi)有半點(diǎn)了解，只知道“數(shù)學(xué)”前加了“應(yīng)用”兩個(gè)字，感覺(jué)“應(yīng)該是有用的”。他在應(yīng)用數(shù)學(xué)這條路上也打過(guò)兩次退堂鼓，但最終還是堅(jiān)持了下來(lái)，“我努力了很多年，都沒(méi)覺(jué)得我做的東西真的有用。說(shuō)起來(lái)好像我做的東西也有用，別人也在用，但實(shí)際上并不是真正的有用。”
應(yīng)用數(shù)學(xué)的前途并不明朗，而鄂維南從2004年開(kāi)始推動(dòng)研究大數(shù)據(jù)中的算法，10年過(guò)去依然沒(méi)什么動(dòng)靜。但他知道，大數(shù)據(jù)太重要了，于是決定自己改行研究大數(shù)據(jù)。從2014年起，他走上了機(jī)器學(xué)習(xí)的研究道路。
數(shù)學(xué)背景出身的鄂維南在研究機(jī)器學(xué)習(xí)時(shí)具有得天獨(dú)厚的優(yōu)勢(shì)。他開(kāi)始研究機(jī)器學(xué)習(xí)時(shí)就發(fā)現(xiàn)，“這實(shí)際上就是在解決高維函數(shù)問(wèn)題，以前在科學(xué)計(jì)算里碰到的那些困難其實(shí)可以通過(guò)機(jī)器學(xué)習(xí)解決。”這讓他真正走出自己的困境，找到了研究的應(yīng)用前景。他剖析自己，“我的內(nèi)心深處是屬于入世的，想跟社會(huì)跟技術(shù)產(chǎn)生一點(diǎn)聯(lián)系，我不是那種能一輩子待在象牙塔里的人。”盡管這條路走得艱難，改學(xué)應(yīng)用數(shù)學(xué)看上去很草率，但因?yàn)檫@個(gè)內(nèi)心追求，他一直堅(jiān)持要做真正有用的研究。
機(jī)器學(xué)習(xí)能夠幫助解決科學(xué)中的問(wèn)題，這就是鄂維南從2016年開(kāi)始推動(dòng)的AI for Science，將機(jī)器學(xué)習(xí)引入科學(xué)建模能夠賦予科學(xué)家意想不到的能力。謀劃了兩年后，2018年，由鄂維南等人在北京大學(xué)策劃組織的討論會(huì)中，AI for Science這一概念首次被明確提出。
近年來(lái)，人工智能的發(fā)展主要有兩大趨勢(shì)，一是大規(guī)模預(yù)訓(xùn)練模型流行，它可以完成多任務(wù)學(xué)習(xí)，ChatGPT的出現(xiàn)證明這條路已經(jīng)走通。二是AI for Science形成共識(shí)，它可以改變科研范式，打破學(xué)科與學(xué)科之間的界限以及研究與產(chǎn)業(yè)之間的界限，影響實(shí)體經(jīng)濟(jì)，催生新的應(yīng)用場(chǎng)景，未來(lái)有助于生物制藥、材料設(shè)計(jì)等領(lǐng)域的系統(tǒng)化發(fā)展，而不再是靠猜、經(jīng)驗(yàn)或者試錯(cuò)。
鄂維南認(rèn)為，化學(xué)、材料、電子工程、化學(xué)工程等傳統(tǒng)科學(xué)領(lǐng)域?qū)⑹侨斯ぶ悄芨蟮闹鲬?zhàn)場(chǎng)。AI for Science能夠讓科學(xué)家從整體的眼光來(lái)看待科學(xué)。目前鄂維南正為推動(dòng)AI for Science打牢模型、實(shí)驗(yàn)工具和知識(shí)庫(kù)的技術(shù)基礎(chǔ)。任何學(xué)科都需要用到量子力學(xué)、牛頓力學(xué)、電磁場(chǎng)理論等基本原理，光譜、質(zhì)譜、電子掃描儀等實(shí)驗(yàn)手段，以及以往積累起來(lái)的數(shù)據(jù)庫(kù)、知識(shí)庫(kù)。AI for Science的前提是扎實(shí)鞏固這些基礎(chǔ)，才有可能提供一種新的科研能力。
目前仍然缺乏原始創(chuàng)新的環(huán)境和生態(tài)
從圍棋人工智能程序AlphaGo、預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)的AlphaFold，到最近的聊天機(jī)器人ChatGPT，都引起了人們對(duì)人工智能的極大關(guān)注，這些原創(chuàng)性研究也都最先來(lái)自于國(guó)外、從企業(yè)走出而非高校。
當(dāng)前，中國(guó)人工智能發(fā)展擁有大量基礎(chǔ)人才和廣泛應(yīng)用場(chǎng)景，數(shù)據(jù)量巨大，場(chǎng)景極具挑戰(zhàn)。鄂維南說(shuō)，理想的情況是利用挑戰(zhàn)性場(chǎng)景推動(dòng)底層算法和系統(tǒng)的原始創(chuàng)新，但實(shí)際情況是大家的注意力卻集中在應(yīng)用和跟風(fēng)上，眼下的ChatGPT就是一個(gè)明顯案例。
頭部大企業(yè)不缺乏資源，但以一己之力推動(dòng)技術(shù)根本革新的格局仍然缺少。從國(guó)外借鑒和復(fù)制原創(chuàng)思想并從商業(yè)模式上創(chuàng)新已成為國(guó)內(nèi)發(fā)展的普遍模式。盡管?chē)?guó)家層面在努力推進(jìn)原始創(chuàng)新，但真正的創(chuàng)新主體還沒(méi)有很好響應(yīng)。
在鄂維南看來(lái)，中國(guó)目前仍然缺乏原始創(chuàng)新的環(huán)境和生態(tài)，尚未形成原始創(chuàng)新的文化。原始創(chuàng)新的文化提倡做出與眾不同的研究，而“在中國(guó)，有這樣想法的人太少了”。鄂維南在美國(guó)生活了35年，1999年來(lái)到普林斯頓大學(xué)，35歲的他是當(dāng)時(shí)普林斯頓大學(xué)數(shù)學(xué)系最年輕的正教授。“在普林斯頓大學(xué)數(shù)學(xué)系，要是做跟別人一樣的東西，那就會(huì)被鄙視，別人瞧不上你。”
鄂維南認(rèn)為，當(dāng)前，國(guó)家對(duì)于人工智能研究還缺乏有效的頂層設(shè)計(jì)，人工智能的發(fā)展總是容易跟著別人走。“有的專(zhuān)家非常擅長(zhǎng)解讀國(guó)外的東西，但國(guó)外下一步會(huì)出來(lái)什么東西，他們腦子里面沒(méi)有概念。”國(guó)內(nèi)人工智能的創(chuàng)新與國(guó)外相比仍有很大差距，跟著別人的路徑走也許可以走5年、10年，但從長(zhǎng)遠(yuǎn)來(lái)看，還是要建立底層能力，包括算法、系統(tǒng)、數(shù)據(jù)等能力，同時(shí)打破人為的壁壘。未來(lái)，人工智能如果要做出“頂天立地”的成果，“立地”的核心就要追求精益求精的態(tài)度，更難的“頂天”要注重底層創(chuàng)新的文化和積累。
原始創(chuàng)新來(lái)自于擁有原始創(chuàng)新能力的人才。鄂維南表示，未來(lái)，原始創(chuàng)新人才需要具備三種能力，一是具備“第一性原理”思維能力和抽象思維能力，二是能夠抓住復(fù)雜問(wèn)題的本質(zhì)，三是解決問(wèn)題的能力。“說(shuō)到底就是三個(gè)學(xué)科：物理、數(shù)學(xué)、計(jì)算機(jī)。底層能力的培養(yǎng)，就是要把基本的數(shù)學(xué)基礎(chǔ)、物理基礎(chǔ)和計(jì)算機(jī)基礎(chǔ)打好。”
“有了解決問(wèn)題的決心，技術(shù)就不會(huì)成為障礙。”鄂維南表示，最重要的是培養(yǎng)價(jià)值觀，培養(yǎng)想真正解決問(wèn)題的人、想為社會(huì)做貢獻(xiàn)的人，而不是想走捷徑、為自己的小目標(biāo)來(lái)設(shè)計(jì)最佳方案的人。他建議年輕人做實(shí)事，想清楚自己一輩子究竟要做什么，而非隨波逐流、為外部環(huán)境所干擾。
標(biāo)簽： 人工智能
