量子位对话张钹院士：基础科研不光要允许失败，还要经得起失败，“馊主意”也比没主意好

 

李根 发自 清华FIT 

量子位 报道 | 公众号 QbitAI

 

「我们要造新灯塔，照亮新航道。」

 

这是清华大学人工智能研究院院长、中国科学院院士张钹教授，对任正非把基础研究比喻为灯塔的回应。

 

也是张钹教授给当前人工智能发展提出的新思路，因为新灯塔和新航道，正是他反复强调的第三代人工智能。

 

在纪念《中国科学》创刊70周年的专刊中，张钹教授以通信作者发出《迈向第三代人工智能》文章，指出是时候把第一代的知识驱动和第二代的数据驱动结合起来，通过利用知识、数据、算法和算力等 4 个要素，构造更强大的人工智能。

 

 

 

而在量子位的采访中，张钹教授进一步解释了发展第三代人工智能的重要性、紧迫性，特别是当前在基础科研方面遭遇“卡脖子”的中国。

 

张钹教授还进一步指出了基础科研和教育中的关键挑战。不仅有国家院士的忧思，还包含了对于人才培养制度的积利除弊，每一个思考都振聋发聩。

 

为了更加完整展现张钹教授思考，我们以第一人称方式呈现本次采访，内容在不更改原意的基础上，进行了编辑。方便阅读的小标题，亦为后添加。

 

以下是全文：

 

 

 

现在最关键是对AI发展现状的正确评估

 

当前全世界来讲，我们今后从信息科技走向智能化、走向人工智能的前景，无论从社会发展的角度，从经济发展的角度，大家都有共识。信息化网络化以后，未来就是智能化，这个大家没有太多分歧。

 

但最关键的问题是对发展现状的评估。

 

总体来讲，至少前一阶段，业界估计得过分乐观。这个也不是第一次，人工智能整个发展过程中，总体的估计总是乐观，乐观以后出问题了就低潮，低潮以后又乐观，再产生新东西。

 

本质是对人工智能的艰巨性认识不足，都以为说我们人的智力很强，既然过去信息技术发展得那么快，下一步搞智能化肯定也会是很快的。

 

这么想问题是没有顾及到，AI要涉及到人的智能问题，这个是一个很难的问题，我们自己对自己的了解，特别是对大脑的了解太少了，无知就无畏，往往很多东西就把它想得太简单了。

 

 

 

为什么讲第三代AI？因为中国有历史性机遇

 

这段时间，特别是在深度学习出现高潮后，新的乐观情绪又出来了。

 

在这种情况下，我在很多场合强调人工智能才刚刚开始，还处在初级阶段，我们的路还很远还很困难。

 

刚开始因为大多数人都很乐观，我也不宜去泼冷水，所以说得比较模糊，后来大多数人逐步认识到过去太乐观了，所以我也开始讲得更加明确。

 

现在提出第三代人工智能，非常明确地讲，我们的第一代、第二代AI，都只是序幕，都还没到正戏正剧。

 

第三代人工智能才是这个正剧，这个正剧之于中国，机会也很明显。

 

第一，历史上看，就信息革命而言，它从二战前后开始，至今差不多有80年，我们有40多年没有参与其中。

 

所有关键的重要的贡献，都是外国人做的。计算机理论、计算机、晶体管、集成电路……一路下来，关键技术都是人家提出和掌握的，我们一直是后来者、追赶者，追赶极为困难。

 

解决卡脖子就得“相互依赖”

 

如果我们一直是跟随者，能跟上就很不错了。现在的状态是基本跟得上，但有些关键技术，比如集成电路总是跟不上。

 

所以问题该怎么解？

 

我认为只有抓住新的技术革命，从一开始就是参与者，在当中做出关键贡献，不让技术完全掌握在别人手里，有几个关键技术我们作得最好。

 

比如拿光刻机来讲，这里头有上千道工序，有大量的工艺问题，材料问题，各种各样的问题……。任何一个国家都不可能掌握其中的所有技术，实际上，光刻机中的关键技术被荷兰、美国、德国和日本等许多国家分别掌握。遗憾的是我们中国不在其中，人家就能卡你。

 

为什么形成这个局面？

 

因为在发展过程中，你都不是参与者，你是旁观者，到现在才过来追赶，那就非常困难了。

 

问题不是要求我们去掌握所有技术，而是有一两项技术你是第一，别人就卡不了你。

 

真相是你中有我，我中有你，大家互相依赖罢了。日本人掌握了光刻胶技术，所有光刻胶都得跟他买，谁也不敢卡了。作为追赶者就很难做到这一点，必须是从头到尾的参与者。

 

 

 

这也是我为什么疾呼发展第三代人工智能。

 

因为第三代人工智能刚刚开始，我们在同一起跑线上。我们历史上错过了好多机会，现在有机会跟全世界在同一起跑线上，如果做好了，做大了，别人就卡不了我们。

 

另外，现在还有个误解，认为在深度学习上，我们跟国际在同一起跑线上，我要纠正一下这个想法。

 

不对的！

 

在深度学习上我们已经落后人家了。

 

深度学习从什么时候开始？1943年开始，发展到今天已经有六七十年历史，我们跟别人不在一个起跑线上。

 

甚至现在乐观到认为深度学习我们领先，不可能的。深度学习在六七十年发展过程中，我数了一下，做出重要贡献的大概有7-8个国家，没有一个属于中国。

 

在这种情况下，你怎么可能跟人家在一个起跑线上？

 

好在第一代第二代人工智能已经过去了，那只是序幕，我们可以不去管它了。

 

 

 

冲击AI无人区，比搞两弹还难

 

过去错过的已经错过了，大部分的追赶任务可以留给企业去完成，科学研究应该在新航道（赛道）上下功夫，勇闯无人区。

 

我常说研究第三代人工智能，目标不明确，研究路线也大不清楚，可能比搞两弹还难，同时这方面我们还缺乏经验。

 

两弹很难，但目标非常明确，已经有人做出来了，是一个追赶的问题。

 

人工智能是一个无人区，你根本就不知道怎么做，全世界都不知道怎么做，是一项探索任务，所以需要完全不同的体制机制。

 

我们做追赶任务有很多经验，因为目标很明确，可以利用举国体制动员全国力量来完成。

 

但人工智能是无人区，目标不明确，路线也不清楚，怎么组织大家攻关？肯定要建立一个宽松的环境，让大家去自由探索，不可能从上到下做一个统一计划，第一步干什么、第二步干什么，那肯定难以成功。

 

无人区的探索，靠少数专家计划和具体安排也是不行的。

 

所以归根结底，我还是要强调，现在我们有一个非常好的机会，百年不遇，不容错过。

 

第一代、第二代人工智能已经过去了，我们要着眼未来，瞄准第三代人工智能。

 

 

 

我们该造新灯塔，照亮新航道

 

任正非把基础研究比作灯塔，这个比喻很好。他还说我们过去是照着美国人的灯塔去走的，跟着他照亮的路走，现在美国人的灯塔要对中国关闭，怎么办？

 

我想说的是，美国灯塔管它亮不亮，我们都要在新的航道上造个新的灯塔，以照亮新的航道。

 

第三代人工智能，就是新的航道（或者赛道），也是新的希望，我们中国人奔向这个新航道，在这个新航道上有可能做出好成绩。

 

第一代第二代的旧航道，我们有些落伍，需要有人去追赶和落地。我们的着力点应该在新的航道上。

 

 

 

科研必须高举开放和国际化

 

但也要注意，造新灯塔、照亮新航道，发展第三代人工智能，不是只供我们自己使用，而是要照亮全世界，引领全世界共同启航。

 

美国人越讲断供，我们就越要高举科学无国界、坚持开放和国际化。他们要把我们剔出去，我们必须反其道而行之。

 

刚才也说了，解决卡脖子不是样样都自己搞、每一项自己都是第一，而应该相互依赖，共同发展，只要有一两项你是第一，你就有了话语权。

 

科学研究是全世界的共同事业，人类是命运共同体，特朗普政府在科技上想与中国脱钩，既不符合全人类的利益，也违背广大科技工作者的意愿，实际上也行不通。实际上，特兰普政府的各种动作对科学界的影响并不大。

 

发展第三代人工智能必须高举开放和国际化，必须全世界团结起来，共同发展，以造福全人类。

 

我常跟年轻学生讲，搞研究要避免发明中国人才懂的词，一个词你用了，就得考虑英文怎么写，国外人看得懂看不懂，不然怎么跟你一起走？怎么引领全世界？

 

不要关起门来搞什么“中国的科学”，科学只有一种，不存在东方的科学，西方的科学。有东方的文化、西方的文化，但科学全世界就只有一种。所以在科学的基本表达上，就得让对方看懂。

 

我们写的“迈向第三代人工智能”的文章，已经在《中国科学》上发表了，很多同事和朋友看后，建议我们把这篇文章译为英文发表，这个建议很好，我们正在做。

 

 

 

第三代AI当前关键问题是算法

 

发展第三代人工智能，依靠知识、数据、算法和算力四个要素，这四个要素是什么关系？

 

发展第三代AI依靠的是两项资源，即知识和数据，通过算法与算力把这两个资源利用起来。知识、数据和算力资源我们都还可以。

 

而关键的问题是算法，因为目前所有原始的AI算法都是外国人弄的，算法从哪里来？从基础研究中来，因此发展第三代AI首先要抓基础研究。清华大学人工智能研究院在算法研究上取得一些进展，我们发布了“珠算”概率编程库，这是一个开源算法平台，其中有我们设计的新算法。

 

我反复强调要抓住这个处于同一起跑线的机会，多做出成绩，把生态建立起来，就不怕别人卡脖子，也有了话语权。

 

之前几年，大家对深度学习都很乐观，我讲的内容可能不容易被接受，现在慢慢很多人都能接受了。

 

因为多数人没有经历过AI发展的全过程，没有看到“全貌”，只是看到其中很小的一部分，因此很难看清楚。

 

我们从1978年就开始从事人工智能研究，经历过70年代到80年代的高潮，也体会到90年代的低谷，再到现在的重新高潮，经过40多年的风雨，才逐步搞清楚AI的目标是什么，我们现在离目标还有多远等等。

 

符号主义虽然不成功，但它涉及到人工智能的核心问题。

 

深度学习尽管最初受神经科学的启发，但是后来发展出来的一套算法，完全是基于概率统计的传统信息处理方法，其所以获得成功，关键在于计算机算力的提高。现在大家把深度学习的所有功劳都归于人工智能，这其实是错觉。

 

大家应该注意到，第三代人工智能我们是把知识放在第一位，数据放在第二，算法放在第三位，算力放在最后，这个排序是经过仔细琢磨，不是随便排的。主要是强调“知识”在发展人工智能中的重要性。

 

网络时代数据量指数增长，计算机处理数据的能力远比人类强，所以将知识处理与数据处理结合起来，可以发挥人类与机器的共同作用。

 

最后，解决了资源问题，现在要回到利用资源的方法，即需要有好的算法。目前针对数据的算法比较多，知识处理的算法则很少，所以在我们研究院专门成立了一个叫知识智能的研究中心，就是想通过它加强处理知识的研究。目前在我国研究知识驱动方法的人很少，是我们的短板。以2018年国际人工智能联合大会(IJCAI)上发表的主要论文来看，与机器学习有关的论文，中国人发表的论文占70%左右，而与知识处理有关的论文，几乎没有我们的文章。我们建立的通用知识库也远比美国少。

 

 

 

基础科研需要全社会的生态

 

怎么解决短板和差距？就得从基础科研下功夫，不能急功近利，只往好发表论文的方向做文章，难的不好发文章的领域就不去下苦功夫。产生这个现象的一个重要原因就是我们还没有建立起全社会的生态。

 

好几年前我们曾经讨论过清华的博士培养要不要学外国一流大学搞高淘汰率？利用高淘汰率迫使学生去做高风险创新性大的课题。你不做这类课题，就不让你毕业，这样博士生的水平不就提高了吗。

 

我们讨论的结果是，我国目前还不具备这个条件。记得我曾举过我在美国伊利诺伊香槟分校（UIUC）访问时见过的一个例子。有位博士生做了8年，没有毕业，高高兴兴找工作去了，竟然还有很多企业抢着要。我就问企业招聘人员，为什么抢着给offer？

 

人家说因为他有8年的工作经验了，这就是需要的社会生态，社会对“失败者”的宽容和理解。

 

设想一下一位清华博士生不能毕业被淘汰了，会是什么后果？首先他因此不容易找到工作，至少不容易找到“好工作”，不仅他本人有压力，他的父母甚至爷爷奶奶也不能接受，说明我们中国还没发展出这样的社会生态和共识。

 

我常常说，科学研究是富国的事情、是富人的事情。最早的科学家是什么人？要么贵族，要么神父，吃饱饭没事干了，才去搞科学研究，完全是兴趣导向的。出不出成果都不影响生活。

 

穷国或者穷人搞科学研究，避免不了要讲效益。

 

但是实事求是讲，我们现在有条件考虑这个问题了，这么大的国家，支持很少一部分人探索无人区，不急于求成还是值得的。

 

 

 

“馊主意”也比没主意好

 

我常常给学生开玩笑说，我不怕馊主意就怕大家没主意。

 

因为没主意就等于0，没有任何东西。而“馊主意”？如果有些合理成分，那怕0.1合理，自然比“0”主意好。即使“馊主意”不合理，比如是个“负值”，总之有个值，我们可以从中汲取教训，也比没主意强。我们现在的问题是，要求大家都要发表“正确”（共识）的好意见，不大允许发表“不正确”（没有共识）的“馊”意见。

 

清华目前培养的学生（包括博士生）个个都很优秀，平均水平很高，与国际一流大学，如MIT等学校的水平差不多。差距在于我们的最高水平与国际差距很大，即缺乏出类拔萃的人才。我们教师队伍也存在类似现象，即平均水平不错，但缺乏国际级的大师。

 

科学研究的水平往往取决于它的最高水平，跟木桶效应正好相反。

 

所以问题就变成了：我们为什么出不了最高水平？

 

这个问题往深了讲是另一个话题，今天不展开了。

 

当然这个问题也不能操之过急，跟我们国家的发展阶段有关系，需要有个过程，需要我们国家实现全面的现代化。

 

基础科研不光要允许失败，还要经得起失败

 

对学生的培养来讲，提出问题能力比解决问题能力的培养更加重要。

 

我们之前人才培养不足的地方是，只重视培养解决问题的能力。

 

我们培养博士生，主要要求他们独立提出一个具有挑战性的问题，然后去解决这个问题，这样才算完成博士生的培养。问题的挑战性越大，完成博士论文的水平越可能高，但风险也越大。目前大多数学生都愿意做风险低的课题，当然完成的论文质量就不会很高

 

产生这个现象主要原因是，担心一旦失败了后果很严重，就再也爬不起来了。

 

换句话讲，我们还没有建立起一个“经得起失败”的完善科研生态系统，让“失败者”在失败之后还能够有重新爬起来继续前进的机会，有了这种生态，才会有更多的人去闯无人区，参与风险和困难很大的问题的探索。

 

传送门：

迈向第三代人工智能：

http://scis.scichina.com/cn/2020/SSI-2020-0204.pdf

 

—完—