其他

专访李凯:为什么很多中国人去了别的教育系统变成高端人才

2017-09-11 邸利会 知识分子

►李凯出席未来科学大奖新闻发布会。


撰文|邸利会

责编|李晓明


  


9月9日下午,未来科学大奖举行新闻发布会,美国工程院院士、普林斯顿大学教授李凯也出现在了现场。谈到首次设立的数学与计算机科学奖,作为大奖科学委员会委员的李凯笑称,设置这个奖项表明未来大奖已经走在了诺贝尔奖前面。


“设置这个奖项的意义十分重大,可以鼓励数学界和计算界的年轻科学家,做原创性的,经历时间考验的工作,从而走在世界的前列。”李凯说道。新闻发布会后,他在接受《知识分子》专访时,还就基础研究,技术发展规律,人才培养,创业发表了自己的看法。



Q: 你和李飞飞教授是如何接受来做科学委员会委员的?


A: 我是(去年)第一批的委员,飞飞是今年进来的。我当时接受的主要原因是觉得中国一直没有这个量级的公益组织支持且民间赞助的(科学奖),面对原创性、有高影响力、经过时间考验的工作。如果有这个奖来鼓励年轻一代对计算机感兴趣,那会推动整个社会(不光是中国)的发展。我想,飞飞和我的想法也类似。


Q: 这个奖是偏计算机还是数学?


A: 我们的意向是这两个领域能轮流进行,但最主要还是找最好的候选人。假如明年数学的候选人比计算机科学好很多,可能还会颁给数学,我们希望都照顾到,但最主要还是看质量。


Q: 因为只是遴选大中华区的学者,会不会出现候选人不够的情况?


A: 因为被提名的信息我们要保密50年,到时候我也不在了,也就是我根本就不可能讲出来。另外,计算机和数学加在一起,大中华地区还包括香港,台湾和澳门,所以不用担心。我也理解大家的担心,中国做很多事情都是跟在别人后面做的,尤其是计算机的产品,但我对这个领域还是有些了解的,还是有很多没有得到曝光的工作,在学术界有影响,但不反映到产品上,其实是值得得奖的。原创性,在国际领域里有影响力,也经过了时间考验,这种工作是有的。


Q: 我们现在的手机,笔记本都是基于冯·诺伊曼的架构,但也有研究者在做神经形态芯片,要颠覆这个体系结构?


A: 从上个世纪70年代开始,很多人都在讨论怎么颠覆冯·诺伊曼的体系结构,已经过去40多年了,其间有很多不同的想法。现在还用他的想法是有道理的,这就得从技术上的细节来说了。但总的来说,有些人他想到的东西有长期的效应,而有一些就是较短期的效应。


另外计算机领域和别的领域的区别是发展的速度非常快,比如有摩尔定律。其实如果没有亲身体验到这个效应,感受还不是那么深刻。人们说晶体管的数目,也有人说主机的速度是一年半翻一倍,相当于每5年翻10倍,每15年翻1000倍。没有任何领域是发展这么快的。计算机是一个整体的提升,软件的功能,写的行数,存储量,带宽都必须跟得上,效应才能出来。计算机科学比较困难的事情就是预计以后会发生什么。比如,中国的5年计划是从苏联学来的,但计算机这个领域5年已经翻10倍了,怎么计划?你可能知道摩尔斯定律要翻10倍,但别的东西如何增加,能计划出来么?某个政府官员能计划出来么,连科学家也计划不出来,因为很多东西都在变。


Q: 大家都在谈论摩尔定律的终结?你同意这个说法么?


A: 谈论摩尔定律的终结也已经20年了,可我们总能找出一种办法继续做下去。至于现在大家觉得距离终结更近了,但在计算机领域里面,很难有人估计究竟在什么时候会到来。打个比方,现在芯片是在二维空间做的,摩尔斯定律可以18至24个月增长一倍,那3维空间呢?我们在3维空间(上设计芯片)才开始做。人的想象力,创造力是很大的,有些事情很难说的。


Q: 人工智能,尤其是深度学习,从Jeff Hinton 2006年在Science发表文章,到今天,你认为人工智能的下一步发展会怎样?


A: 你既然讲到Jeff Hinton,我就说一下其实他最主要的工作是1986年在Nature发表的,他讲到反向传播(Back Propagation),是深度学习当中非常重要的一个概念, 实际上最主要的想法是50年代末、60年代初由脑科学的人提出的,讲脑当中的神经元是怎么工作的。现在大家觉得深度学习比较火,但可以追溯到50年以前的工作,到现在才起到翻天覆地的作用。在这中间很多人做了很多贡献,但最主要的贡献还是最开始的那些工作。


Q: 现在人工智能这么火,包括国家层面都有出台规划,计算机的学生是不是应该选择热门领域?


A: 人工智能显然会对以后有很大的影响。这一波涌来,可能受到了几个例子的影响,最主要的例子就是AlphaGo。但是所有这些发展比较热的东西,都是需要很多很多年的积累才做到现在的样子。回到你的问题,我鼓励年轻人不要跟着社会的哪一个热门来考虑方向,而是要寻找一个题目自己内心真的是非常感兴趣,而且和自己的天分,能力相匹配的。因为有时候你可能对于某件事情非常感兴趣,但你的才能不在那。


Q: 目前AI的高端人才比较缺乏,现在中国工业界都去高校,包括去国外的高校挖人,为什么?


A: 其实不仅计算机,很多别的领域都有这个问题,高端人才在哪,从哪找?但其实这是一个教育系统改革的问题。因为人才是通过教育系统产生的,经过教育系统后,人才还需要有做科研的经验,那就牵扯到怎样的科研环境才能促使高端人才出现。


为什么中国吸引人才?比如,千人计划总的来说,还是比较成功的,很多人回来。但如果仔细看的话,之所以搞千人计划,实际上是认为自己的教育系统,科研环境,出不来高端人才;是别的科研环境,教育系统比我们这好,所以我们才会去找人。


所以,要解决的问题,不是去找人才。找人才随时都要找,但主要是把教育系统和科研系统改革到一定状况,自己可以出高端人才。这是最根本的问题。所有的竞争,无论知识产权的竞争,产品的竞争,最后都归结于人才的竞争。一个公司也都是人来组成的。人才的竞争实际上是教育系统,科研环境的竞争。很多中国人去了别的教育系统变成高端人才了,那说明并不是人种的问题。


如果比较国内的教育系统和国外的教育系统,我感觉到国外可以静下心来做事情。而且做科研的话,我不考虑需要找多少科研经费,我也并不想要很多科研经费,我就想做我想做的事情,时间花在这个上面,这是最主要的。


Q: 施一公老师不赞成鼓励科学家创业,而另外有老师又有一些不同的意见,你怎么看待这个问题?尤其是计算机科学比较重视技术转化?


A: 我觉得这个是因人而异的,可能没有一个最好的答案。一公,我非常高兴他这次得奖,以前他也在普林斯顿。他是做比较基础的研究,和产品距离较远。如果做的研究和产品距离不是很远,如果能做出颠覆性的产品,那我觉得是对社会,对工业界做了很大的贡献。所以,要根据你做什么,个人的兴趣是什么,有没有能力做公司,能否找到合适的人一起做等等,来决定。做基础科研的话,不断的做,也能影响到很多别的工作,到最后就会影响到产品。


Q: 现在的人工智能,包括芯片,框架,应用,数据,大公司有很多优势,也做了很多,小公司的机会在哪?


A: 所有的大公司都是从小公司做起的,我认为主要的颠覆性的工作都是小公司做的,尤其在计算机科学领域内,成为了一个普遍规律。如果科研环境好,就会出现一批很好的人才。人才是非常重要的。人才有想法,有能力,就能产生新的办法来做新的产品,包括AI的产品,把老的颠覆掉。大的公司如果自己被颠覆掉的时候,内部会有很多的问题。如果你看1997年出版的哈佛大学教授 Clayton Christensen写的The Innovator's Dilemma这本书,举的例子都是产品被小公司颠覆。



Q: 人工智能似乎无处不在,哪些工作是可以不被代替的,是不是以后完全自动化了,甚至连我们写稿子都完全被代替了?


A: 我觉得距离这个还是很远的。首先我们的能力要强很多,才能做出来和我们竞争的机器。之前,其实有好多工作,人已经不如人工智能了,比如汽车的生产线上已经是机器人。我们也觉得挺好,不一定要去生产线。所以,人的能力还是很强的,人一定会找出办法来对待和控制(人工智能)。因为做有些事会有危险,比如网络传输银行账户信息,防诈骗(fraud detection)就是一个问题。技术都有负面的,那就要想办法来控制。人们现在听说AlphaGo可以赢世界冠军了,那是不是以后(人工智能)可以赢所有的世界冠军?(如果做到这点)是不是能赢得未来科学大奖?


制版编辑:饮水食粮丨




本页刊发内容未经书面许可禁止转载及使用

公众号、报刊等转载请联系授权

copyright@zhishifenzi.com

欢迎转发至朋友圈

▼点击查看相关文章

中国博士后“钱途”|天使粒子争议|大望远镜争议

施扬|潘卓华|杨璐菡|刘若川|张锋|薛其坤

张毅|王晓东|张启发|崔维成|潘建伟|李佩

卢煜明|王小凡|吴文俊|袁钧瑛|张纯如


知识分子为更好的智趣生活ID:The-Intellectual投稿:zizaifenxiang@163.com授权:copyright@zhishifenzi.com长按二维码,关注知识分子





购买课程

请点击下方“阅读原文”


▼▼▼点击“阅读原文”,了解课程详情,立享限时特惠!

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存