鄂維南認為，當前，國家對于人工智能研究還缺乏有效的頂層設計，人工智能的發(fā)展總是容易跟著別人走?！坝械膶＜曳浅Ｉ瞄L解讀國外的東西，但國外下一步會出來什么東西，他們腦子里面沒有概念。”國內(nèi)人工智能的創(chuàng)新與國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，但從長遠來看，還是要建立底層能力，包括算法、系統(tǒng)、數(shù)據(jù)等能力，同時打破人為的壁壘。

當被問到ChatGPT，世界頂級應用數(shù)學專家鄂維南習慣性伸手扶著下巴思考，他直言仍未想清楚ChatGPT。數(shù)學背景出身的鄂維南在研究機器學習時具有得天獨厚的優(yōu)勢，在他眼里，深度學習就是解決高維函數(shù)問題，但ChatGPT和以往從函數(shù)角度思考問題不同。

2月24日，在2023全球人工智能開發(fā)者先鋒大會召開前夕，中國科學院院士、北京大學教授、上海算法創(chuàng)新研究院院長鄂維南在接受澎湃科技（www.thepaper.cn）專訪時表示，當前人工智能的發(fā)展存在跟風，中國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。從國家層面來講，人工智能的發(fā)展需要建立有效的頂層設計，這是核心問題。這一頂層設計要能夠打破壁壘，推動原始創(chuàng)新，促進數(shù)據(jù)流通，讓更多數(shù)據(jù)被有效運用起來。

鄂維南1982年畢業(yè)于中國科學技術(shù)大學數(shù)學系，1985年獲中國科學院計算中心碩士學位，1989年獲美國加州大學洛杉磯分校（UCLA）博士學位。其主要研究方向包括機器學習、計算數(shù)學、應用數(shù)學，及其在化學、材料科學和流體力學中的應用。

從天上回到人間

1978年，15歲的鄂維南進入中國科學技術(shù)大學數(shù)學系，接受純數(shù)學教育。當時他有兩個選擇，一是去少年班，二是去數(shù)學系?！澳菚r候的少年班是風口浪尖”，他更愿意選擇更加低調(diào)的數(shù)學系，純數(shù)學的美妙也吸引著他。

1982年春節(jié)，鄂維南回到江蘇農(nóng)村老家過年，從學校里“不食人間煙火”的純數(shù)學回歸現(xiàn)實生活，他覺得自己是從天上回到了人間，“我還是應該在人間生活，所以我應該做人間的事情。”鄂維南說，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)研究應用數(shù)學。

這是一個倉促的決定，下決心后的第二天，鄂維南就報考研究生。但當時的他對應用數(shù)學沒有半點了解，只知道“數(shù)學”前加了“應用”兩個字，感覺“應該是有用的”。他在應用數(shù)學這條路上也打過兩次退堂鼓，但最終還是堅持了下來，“我努力了很多年，都沒覺得我做的東西真的有用。說起來好像我做的東西也有用，別人也在用，但實際上并不是真正的有用。”

應用數(shù)學的前途并不明朗，而鄂維南從2004年開始推動研究大數(shù)據(jù)中的算法，10年過去依然沒什么動靜。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，他走上了機器學習的研究道路。

數(shù)學背景出身的鄂維南在研究機器學習時具有得天獨厚的優(yōu)勢。他開始研究機器學習時就發(fā)現(xiàn)，“這實際上就是在解決高維函數(shù)問題，以前在科學計算里碰到的那些困難其實可以通過機器學習解決?！边@讓他真正走出自己的困境，找到了研究的應用前景。他剖析自己，“我的內(nèi)心深處是屬于入世的，想跟社會跟技術(shù)產(chǎn)生一點聯(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，改學應用數(shù)學看上去很草率，但因為這個內(nèi)心追求，他一直堅持要做真正有用的研究。

機器學習能夠幫助解決科學中的問題，這就是鄂維南從2016年開始推動的AI for Science，將機器學習引入科學建模能夠賦予科學家意想不到的能力。謀劃了兩年后，2018年，由鄂維南等人在北京大學策劃組織的討論會中，AI for Science這一概念首次被明確提出。

近年來，人工智能的發(fā)展主要有兩大趨勢，一是大規(guī)模預訓練模型流行，它可以完成多任務學習，ChatGPT的出現(xiàn)證明這條路已經(jīng)走通。二是AI for Science形成共識，它可以改變科研范式，打破學科與學科之間的界限以及研究與產(chǎn)業(yè)之間的界限，影響實體經(jīng)濟，催生新的應用場景，未來有助于生物制藥、材料設計等領(lǐng)域的系統(tǒng)化發(fā)展，而不再是靠猜、經(jīng)驗或者試錯。

鄂維南認為，化學、材料、電子工程、化學工程等傳統(tǒng)科學領(lǐng)域?qū)⑹侨斯ぶ悄芨蟮闹鲬?zhàn)場。AI for Science能夠讓科學家從整體的眼光來看待科學。目前鄂維南正為推動AI for Science打牢模型、實驗工具和知識庫的技術(shù)基礎(chǔ)。任何學科都需要用到量子力學、牛頓力學、電磁場理論等基本原理，光譜、質(zhì)譜、電子掃描儀等實驗手段，以及以往積累起來的數(shù)據(jù)庫、知識庫。AI for Science的前提是扎實鞏固這些基礎(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、預測蛋白質(zhì)結(jié)構(gòu)的AlphaFold，到最近的聊天機器人ChatGPT，都引起了人們對人工智能的極大關(guān)注，這些原創(chuàng)性研究也都最先來自于國外、從企業(yè)走出而非高校。

當前，中國人工智能發(fā)展擁有大量基礎(chǔ)人才和廣泛應用場景，數(shù)據(jù)量巨大，場景極具挑戰(zhàn)。鄂維南說，理想的情況是利用挑戰(zhàn)性場景推動底層算法和系統(tǒng)的原始創(chuàng)新，但實際情況是大家的注意力卻集中在應用和跟風上，眼下的ChatGPT就是一個明顯案例。

頭部大企業(yè)不缺乏資源，但以一己之力推動技術(shù)根本革新的格局仍然缺少。從國外借鑒和復制原創(chuàng)思想并從商業(yè)模式上創(chuàng)新已成為國內(nèi)發(fā)展的普遍模式。盡管國家層面在努力推進原始創(chuàng)新，但真正的創(chuàng)新主體還沒有很好響應。

在鄂維南看來，中國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，有這樣想法的人太少了”。鄂維南在美國生活了35年，1999年來到普林斯頓大學，35歲的他是當時普林斯頓大學數(shù)學系最年輕的正教授。“在普林斯頓大學數(shù)學系，要是做跟別人一樣的東西，那就會被鄙視，別人瞧不上你?！?/p>

鄂維南認為，當前，國家對于人工智能研究還缺乏有效的頂層設計，人工智能的發(fā)展總是容易跟著別人走?！坝械膶＜曳浅Ｉ瞄L解讀國外的東西，但國外下一步會出來什么東西，他們腦子里面沒有概念。”國內(nèi)人工智能的創(chuàng)新與國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，但從長遠來看，還是要建立底層能力，包括算法、系統(tǒng)、數(shù)據(jù)等能力，同時打破人為的壁壘。未來，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)新來自于擁有原始創(chuàng)新能力的人才。鄂維南表示，未來，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，二是能夠抓住復雜問題的本質(zhì)，三是解決問題的能力。“說到底就是三個學科：物理、數(shù)學、計算機。底層能力的培養(yǎng)，就是要把基本的數(shù)學基礎(chǔ)、物理基礎(chǔ)和計算機基礎(chǔ)打好?！?/p>

“有了解決問題的決心，技術(shù)就不會成為障礙?！倍蹙S南表示，最重要的是培養(yǎng)價值觀，培養(yǎng)想真正解決問題的人、想為社會做貢獻的人，而不是想走捷徑、為自己的小目標來設計最佳方案的人。他建議年輕人做實事，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。

審核編輯 ：李倩