中國AI發展亟需有效頂層設計，推動原始創新

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，人工智能的發展總是容易跟著別人走。“有的專家非常擅長解讀國外的東西，但國外下一步會出來什么東西，他們腦子里面沒有概念。”國內人工智能的創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、數據等能力，同時打破人為的壁壘。

當被問到ChatGPT，世界頂級應用數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勢，在他眼里，深度學習就是解決高維函數問題，但ChatGPT和以往從函數角度思考問題不同。

2月24日，在2023全球人工智能開發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，當前人工智能的發展存在跟風，中國目前仍然缺乏原始創新的環境和生態，尚未形成原始創新的文化。從國家層面來講，人工智能的發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，推動原始創新，促進數據流通，讓更多數據被有效運用起來。

鄂維南1982年畢業于中國科學技術大學數學系，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、計算數學、應用數學，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大學數學系，接受純數學教育。當時他有兩個選擇，一是去少年班，二是去數學系。“那時候的少年班是風口浪尖”，他更愿意選擇更加低調的數學系，純數學的美妙也吸引著他。

1982年春節，鄂維南回到江蘇農村老家過年，從學校里“不食人間煙火”的純數學回歸現實生活，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，他要轉戰研究應用數學。

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學沒有半點了解，只知道“數學”前加了“應用”兩個字，感覺“應該是有用的”。他在應用數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。”

應用數學的前途并不明朗，而鄂維南從2004年開始推動研究大數據中的算法，10年過去依然沒什么動靜。但他知道，大數據太重要了，于是決定自己改行研究大數據。從2014年起，他走上了機器學習的研究道路。

數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勢。他開始研究機器學習時就發現，“這實際上就是在解決高維函數問題，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。”這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，“我的內心深處是屬于入世的，想跟社會跟技術產生一點聯系，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，改學應用數學看上去很草率，但因為這個內心追求，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，人工智能的發展主要有兩大趨勢，一是大規模預訓練模型流行，它可以完成多任務學習，ChatGPT的出現證明這條路已經走通。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業之間的界限，影響實體經濟，催生新的應用場景，未來有助于生物制藥、材料設計等領域的系統化發展，而不再是靠猜、經驗或者試錯。

鄂維南認為，化學、材料、電子工程、化學工程等傳統科學領域將是人工智能更大的主戰場。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基礎。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、質譜、電子掃描儀等實驗手段，以及以往積累起來的數據庫、知識庫。AI for Science的前提是扎實鞏固這些基礎，才有可能提供一種新的科研能力。

目前仍然缺乏原始創新的環境和生態

從圍棋人工智能程序AlphaGo、預測蛋白質結構的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注，這些原創性研究也都最先來自于國外、從企業走出而非高校。

當前，中國人工智能發展擁有大量基礎人才和廣泛應用場景，數據量巨大，場景極具挑戰。鄂維南說，理想的情況是利用挑戰性場景推動底層算法和系統的原始創新，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。

頭部大企業不缺乏資源，但以一己之力推動技術根本革新的格局仍然缺少。從國外借鑒和復制原創思想并從商業模式上創新已成為國內發展的普遍模式。盡管國家層面在努力推進原始創新，但真正的創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新的環境和生態，尚未形成原始創新的文化。原始創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學系最年輕的正教授。“在普林斯頓大學數學系，要是做跟別人一樣的東西，那就會被鄙視，別人瞧不上你。”

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，人工智能的發展總是容易跟著別人走。“有的專家非常擅長解讀國外的東西，但國外下一步會出來什么東西，他們腦子里面沒有概念。”國內人工智能的創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、數據等能力，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度，更難的“頂天”要注重底層創新的文化和積累。

原始創新來自于擁有原始創新能力的人才。鄂維南表示，未來，原始創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，三是解決問題的能力。“說到底就是三個學科：物理、數學、計算機。底層能力的培養，就是要把基本的數學基礎、物理基礎和計算機基礎打好。”

“有了解決問題的決心，技術就不會成為障礙。”鄂維南表示，最重要的是培養價值觀，培養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、為外部環境所干擾。