新華網北京5月30日電 題：答好科研的“人生三問”——訪中科院院士鄂維南與北京科學智能研究院副院長張林峰
新華網記者 陳聽雨 淩紀偉
時隔7個月，新華網科技頻道記者再次見到中國科學院院士、北京科學智能研究院（AI for Science Institute,Beijing）院長、北京大學國際機器學習研究中心主任鄂維南，感覺到了他的親切與愉快。也許是因為，此次他將和自己的學生、北京科學智能研究院副院長、深勢科技創始人兼CSO張林峰共同接受採訪。
“今天的主角是你啊！”鄂維南拍拍張林峰的肩膀，笑著説。張林峰趕忙笑著擺手，把老師讓到鏡頭的C位。在輕松愉快的氛圍中，師生傳承的精神氣息彌漫開來。
導師甘當“鋪路石”
令鄂維南念念不忘的，是他在中科院的碩士導師黃鴻慈。黃鴻慈是北大第一批計算數學專業的畢業生，為中國計算數學做出了傑出貢獻。
“對我個人風格影響最大的，是黃鴻慈先生。關于計算數學、數值分析最基本的概念，都是從黃鴻慈先生那裏學到的。作為一個純數學背景的學生，這段時間計算數學的基礎和價值觀培養對我以後的科研生涯是至關重要的。”鄂維南説。
“我剛到中科院讀書時才19歲，和老師交流時，我感受了他極大的熱情和動力，他對我提出了非常高的要求，那個時候他就要求我要把中國的計算數學的發展作為自己的事業來看待。”鄂維南説，“不光是黃先生，其他老師也對我提出這樣的要求，不僅要從學術的角度來看問題，更要從整個科研事業、整個國家發展的角度來看問題。對我來説，這一直都是我一輩子的動力。”鄂維南説。
基石是沉默的，構建于地下，卻和地上的建築構成正比關係。地上建築越輝煌，越能證明基石的穩固與堅實。“鋪路石”，就是鄂維南對自己作為導師的定位。
“我把我自己，甚至我們這一代應用數學家，都視作鋪路石。”鄂維南説，“我們剛剛開始投入應用數學的學習與研究時，國家的科技事業百廢待興，我給自己的定位就是打基礎。如今，希望我們的學生在我們打的基礎上能夠創造輝煌；同時，我們要盡可能地為學生搭建平臺，希望他們未來都能在自己所在的領域起到引領作用。”
中國科學院院士鄂維南（左）與學生深勢科技創始人兼CSO張林峰
用問題驅動探索
張林峰與導師鄂維南的求學經歷相隔近30年，但不變的是對探索未知的精神傳承。
初入北京大學元培學院求學，張林峰對未來懷有各種想法，但卻不知如何開啟自己的夢想。“當面臨很多迷茫時，我們需要有探索的空間，先把時間騰出來，才能做更多的探索。”張林峰回憶説，讀大三時，鄂老師擔任學院院長，他時常鼓勵大家在掌握必要的基礎知識的前提下，留給自己更多的時間，去問問題，去探索更多可能性。
盡管科研和日常管理工作比較繁重，但鄂老師仍不忘關心學生發展，這給張林峰留下深刻印象。“以我當時的視角來看，鄂老師已經非常地功成名就，但依舊非常熱心於打開學生發展的更多空間，他把這樣的一個責任背在自己身上。”張林峰説。
從北京大學畢業後，張林峰考入普林斯頓大學繼續留學深造。在一個學術資源如此豐富的世界名校，如何避免陷入迷茫，找到屬于自己的科研方向？在這個關鍵時刻，鄂老師又給了張林峰啟迪。
進入普林斯頓，每個新生都要和係主任溝通選課和學業規劃。當張林峰拿著滿滿的課表，和係主任鄂維南當面討論時，鄂老師的一席話徹底改變了他預想的在普林斯頓學習和科研的節奏。
“鄂老師反問我，上這麼多課幹啥？你要解決的問題是什麼？現在整個領域，學術發展的方向是怎樣的？”張林峰回憶説，師生二人的首次談話中，鄂老師建議他先對問題有一個認識和定義，然後在問題驅動下去做更多的學習和探索。實際上，張林峰所在的應用數學系原則上是可以不選任何課的，而在整個求學的四年裏，張林峰果然沒再選過課，而是更加問題導向地學東西、做研究。
除了教授科研之“道”，鄂老師還在科研之“術”上指導學生，比如，一定要關注機器學習，關注計算數學和機器學習的結合等等。“盡管當時我還是比較迷茫，不清楚應該怎麼關注、究竟怎麼結合，但也讓我有了大量的時間去真正關注這些領域的發展，去形成自己的認識，並且基于自己與老師和同學的交流，形成真正原創性的想法。”張林峰回憶説。
只要有一個問題驅動著，就算走在路上也會不由自主地去想。這是張林峰從導師鄂維南、從身邊許許多多優秀的科研工作者身上學到並繼承延續下來的基本科研素養。
站在AI肩膀上創新
創新是“無中生有”，有人將創新比作在曠野中遊蕩找到寶藏。
在人工智慧驅動科研創新的時代，深度學習架起了一座橋梁，使應用數學家可以對科學技術的進步做出直接的貢獻。
在鄂維南看來，AI for Science是重塑整個科研范式的過程，可以整合過去難以整合的科研力量，使基本原理、科學數據和實驗設備得到更高效率的利用；與此同時，AI for Science還是重塑下一代産業的過程，其中蘊含的機遇是巨大的。“對中國科研工作者來説，應該説，這是我們能在下一代科技革命浪潮中走在前沿的一個機會。”鄂維南説。
“AI會不會取代人？AI不會替代人，但是會用AI的人有可能替代不會用AI的人。”張林峰認為，過去科研人員在給定的技術條件之下做實驗、做理論模擬，但他們同樣也需要跟上時代革新的步伐，站在AI的肩膀上做科研創新。
如何站上AI的肩膀，以及站在AI肩膀上能夠打開怎樣新的局面？張林峰説，回答這個問題需要從鄂維南老師經常向學生提到的“底層邏輯”和“係統工程”兩個維度來分析。
就如同過去電腦提升了人類計算能力一樣，今天人工智慧驅動的科學研究，它提供了一個底層的高效的，推進高維復雜函數以及處理大規模數據的模型，它將適配于各個科研場景。隨著數據的積累和應用深入，能夠形成新的科研范式，這是人工智慧驅動的科學研究的底層邏輯。
從係統工程的角度，做科研不再需要從頭到尾把所有工作再做一遍，科學研究從“作坊式”到“平臺式”的模式轉變，在AI for Science新的可能性下，科研的創新效能得到提升，這種新的科研基礎設施，真正解放了科學家，讓他們能夠很方便地站在AI肩膀上，而不至于距離這個肩膀越來越遠。
創新不是唯一的目標,落地才是關鍵。鄂維南時常叮囑學生：一定要落地，就是一定要解決真問題。
在鄂維南的鼓勵下，張林峰和團隊其他成員一起做了大量AI for Science相關的研究、應用和落地工作。他們用AI的手段建模原子間相互作用，解決了分子動力學模擬裏面長期以來精度和效率不可兼得的難題，並得到了廣泛應用。這一成果獲得具有“超算界諾貝爾獎”之稱的戈登·貝爾獎。該成果還與量子優越性、人造太陽等一起入選2020中國十大科技進展。
興趣指引科研方向
談及科研發展的選擇，鄂維南建議，要問自己三個問題，第一，你最感興趣的是什麼？因為一個方向很可能是自己一輩子的事情，所以一定要是感興趣的；第二，你最擅長什麼？第三，你認為未來最有發展空間的方向是什麼？要根據自己的興趣、所長和未來科學的發展空間來選擇自身的科研方向。
“選好方向後，還要真正理解科研的底層邏輯，只有緊緊抓住底層邏輯才能夠做出原始創新。”鄂維南説，“從事科研事業，最重要的是決心，是否有決心要真正地做科研，而不是假裝做科研；同時要有社會責任感；在我看來能力是第三位的。”
鄂維南呼吁致力于投身科研事業的青年科技工作者，對自己要誠實，時刻不忘自己選擇做科研的初心，同時，思想上也要做好失敗概率很大的準備。“科研是一個極端冒險的行業，是在探索前沿，能不能成功，真的不好説，風險很大，所以做科研要有冒險精神和實幹精神，尤其是冒險精神，能夠放下包袱，真正地去做前沿探索。”
無論是AI for Science的自身發展潛力，還是廣泛而迫切的現實需求，共同指向的一個結果，就是一個巨大的時代機遇擺在張林峰這一代青年科研人面前。
在機會面前，張林峰是清醒的，他也想以親身經歷告訴那些投身AI應用研發的年輕人，“真誠地去問自己想做什麼，然後感興趣什麼”。張林峰説，年輕人的想法應該更加不一樣，要敢于打破慣性，建立屬于自己的獨特性。
對于如何確定自己的科研方向，張林峰認為，大的科研方向應該由自己來定。“大方向為什麼自己定？其實是因為大的方向，是那些不需要做太多理性思考，自己自然就會熱愛的事情。”他深信，因為熱愛而投身某個科研方向，當經歷迷茫時能閃現更多靈感，一個個新的突破會讓科研之路變得更加有趣。
選定了大方向，小的科研方向怎麼定？張林峰的建議是多問自己幾個“為什麼”。“在這個方向上做科研，為什麼是現在做？為什麼是我做？為什麼以前沒有人解決？如果我做，應該以怎樣的角度切入？”張林峰説，所謂“小方向”其實也不小，甚至要有一定的冒險精神。“我本來是數學或者物理的學科背景，但為解決科研問題，我恨不得要成為半個材料設計專家了，這其實是冒險的一部分。我在克服過去的舒適區，這能讓我更好的回答這個問題——為什麼是我們來做這件事。”
時代賦予的科研機遇稍縱即逝，鄂維南和張林峰都希望，青年科研工作者爭分奪秒為自己打開新空間，構建AI時代的科研基礎設施，以一種新的行業格局重塑科研體係。
