鄂维南认为,当前,国家对于人工智能研究还缺乏有效的顶层设计,人工智能的发展总是容易跟着别人走。“有的专家非常擅长解读国外的东西,但国外下一步会出来什么东西,他们脑子里面没有概念。”国内人工智能的创新与国外相比仍有很大差距,跟着别人的路径走也许可以走5年、10年,但从长远来看,还是要建立底层能力,包括算法、系统、数据等能力,同时打破人为的壁垒。

当被问到ChatGPT,世界顶级应用数学专家鄂维南习惯性伸手扶着下巴思考,他直言仍未想清楚ChatGPT。数学背景出身的鄂维南在研究机器学习时具有得天独厚的优势,在他眼里,深度学习就是解决高维函数问题,但ChatGPT和以往从函数角度思考问题不同。

2月24日,在2023全球人工智能开发者先锋大会召开前夕,中国科学院院士、北京大学教授、上海算法创新研究院院长鄂维南在接受澎湃科技(www.thepaper.cn)专访时表示,当前人工智能的发展存在跟风,中国目前仍然缺乏原始创新的环境和生态,尚未形成原始创新的文化。从国家层面来讲,人工智能的发展需要建立有效的顶层设计,这是核心问题。这一顶层设计要能够打破壁垒,推动原始创新,促进数据流通,让更多数据被有效运用起来。


(相关资料图)

鄂维南1982年毕业于中国科学技术大学数学系,1985年获中国科学院计算中心硕士学位,1989年获美国加州大学洛杉矶分校(UCLA)博士学位。其主要研究方向包括机器学习、计算数学、应用数学,及其在化学、材料科学和流体力学中的应用。

从天上回到人间

1978年,15岁的鄂维南进入中国科学技术大学数学系,接受纯数学教育。当时他有两个选择,一是去少年班,二是去数学系。“那时候的少年班是风口浪尖”,他更愿意选择更加低调的数学系,纯数学的美妙也吸引着他。

1982年春节,鄂维南回到江苏农村老家过年,从学校里“不食人间烟火”的纯数学回归现实生活,他觉得自己是从天上回到了人间,“我还是应该在人间生活,所以我应该做人间的事情。”鄂维南说,他希望自己所做的工作真正有用,而不仅仅是高深,他要转战研究应用数学。

这是一个仓促的决定,下决心后的第二天,鄂维南就报考研究生。但当时的他对应用数学没有半点了解,只知道“数学”前加了“应用”两个字,感觉“应该是有用的”。他在应用数学这条路上也打过两次退堂鼓,但最终还是坚持了下来,“我努力了很多年,都没觉得我做的东西真的有用。说起来好像我做的东西也有用,别人也在用,但实际上并不是真正的有用。”

应用数学的前途并不明朗,而鄂维南从2004年开始推动研究大数据中的算法,10年过去依然没什么动静。但他知道,大数据太重要了,于是决定自己改行研究大数据。从2014年起,他走上了机器学习的研究道路。

数学背景出身的鄂维南在研究机器学习时具有得天独厚的优势。他开始研究机器学习时就发现,“这实际上就是在解决高维函数问题,以前在科学计算里碰到的那些困难其实可以通过机器学习解决。”这让他真正走出自己的困境,找到了研究的应用前景。他剖析自己,“我的内心深处是属于入世的,想跟社会跟技术产生一点联系,我不是那种能一辈子待在象牙塔里的人。”尽管这条路走得艰难,改学应用数学看上去很草率,但因为这个内心追求,他一直坚持要做真正有用的研究。

机器学习能够帮助解决科学中的问题,这就是鄂维南从2016年开始推动的AI for Science,将机器学习引入科学建模能够赋予科学家意想不到的能力。谋划了两年后,2018年,由鄂维南等人在北京大学策划组织的讨论会中,AI for Science这一概念首次被明确提出。

近年来,人工智能的发展主要有两大趋势,一是大规模预训练模型流行,它可以完成多任务学习,ChatGPT的出现证明这条路已经走通。二是AI for Science形成共识,它可以改变科研范式,打破学科与学科之间的界限以及研究与产业之间的界限,影响实体经济,催生新的应用场景,未来有助于生物制药、材料设计等领域的系统化发展,而不再是靠猜、经验或者试错。

鄂维南认为,化学、材料、电子工程、化学工程等传统科学领域将是人工智能更大的主战场。AI for Science能够让科学家从整体的眼光来看待科学。目前鄂维南正为推动AI for Science打牢模型、实验工具和知识库的技术基础。任何学科都需要用到量子力学、牛顿力学、电磁场理论等基本原理,光谱、质谱、电子扫描仪等实验手段,以及以往积累起来的数据库、知识库。AI for Science的前提是扎实巩固这些基础,才有可能提供一种新的科研能力。

目前仍然缺乏原始创新的环境和生态

从围棋人工智能程序AlphaGo、预测蛋白质结构的AlphaFold,到最近的聊天机器人ChatGPT,都引起了人们对人工智能的极大关注,这些原创性研究也都最先来自于国外、从企业走出而非高校。

当前,中国人工智能发展拥有大量基础人才和广泛应用场景,数据量巨大,场景极具挑战。鄂维南说,理想的情况是利用挑战性场景推动底层算法和系统的原始创新,但实际情况是大家的注意力却集中在应用和跟风上,眼下的ChatGPT就是一个明显案例。

头部大企业不缺乏资源,但以一己之力推动技术根本革新的格局仍然缺少。从国外借鉴和复制原创思想并从商业模式上创新已成为国内发展的普遍模式。尽管国家层面在努力推进原始创新,但真正的创新主体还没有很好响应。

在鄂维南看来,中国目前仍然缺乏原始创新的环境和生态,尚未形成原始创新的文化。原始创新的文化提倡做出与众不同的研究,而“在中国,有这样想法的人太少了”。鄂维南在美国生活了35年,1999年来到普林斯顿大学,35岁的他是当时普林斯顿大学数学系最年轻的正教授。“在普林斯顿大学数学系,要是做跟别人一样的东西,那就会被鄙视,别人瞧不上你。”

鄂维南认为,当前,国家对于人工智能研究还缺乏有效的顶层设计,人工智能的发展总是容易跟着别人走。“有的专家非常擅长解读国外的东西,但国外下一步会出来什么东西,他们脑子里面没有概念。”国内人工智能的创新与国外相比仍有很大差距,跟着别人的路径走也许可以走5年、10年,但从长远来看,还是要建立底层能力,包括算法、系统、数据等能力,同时打破人为的壁垒。未来,人工智能如果要做出“顶天立地”的成果,“立地”的核心就要追求精益求精的态度,更难的“顶天”要注重底层创新的文化和积累。

原始创新来自于拥有原始创新能力的人才。鄂维南表示,未来,原始创新人才需要具备三种能力,一是具备“第一性原理”思维能力和抽象思维能力,二是能够抓住复杂问题的本质,三是解决问题的能力。“说到底就是三个学科:物理、数学、计算机。底层能力的培养,就是要把基本的数学基础、物理基础和计算机基础打好。”

“有了解决问题的决心,技术就不会成为障碍。”鄂维南表示,最重要的是培养价值观,培养想真正解决问题的人、想为社会做贡献的人,而不是想走捷径、为自己的小目标来设计最佳方案的人。他建议年轻人做实事,想清楚自己一辈子究竟要做什么,而非随波逐流、为外部环境所干扰。

推荐内容