新華網北京10月27日電 題:站在一場科學變革的起點——訪中國科學院院士鄂維南
新華網記者 陳聽雨
想要讀懂一位頂尖的應用數學家,並不是件容易的事。
鄂維南,中國科學院院士、北京大數據研究院院長、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。9月19日,因其對應用數學的開創性貢獻,特別是在機器學習算法的分析和應用、多尺度建模、稀有事件建模和隨機偏微分方程等方面的貢獻,鄂維南獲得國際工業與應用數學聯合會(ICIAM)麥克斯韋獎。該獎項獎勵國際公認的在應用數學領域做出重大原創性工作的數學家,代表了近期應用數學的最重大成果與進展。
對當下學科建設、人工智能和大數據科研及産業的短板,鄂維南仍會毫不掩飾地直抒胸臆,坦率程度,令記者都略感意外。面對拋來的問題,鄂維南習慣性地緊鎖眉頭,不肯輕易給出一個“隨便”的答案。而當憶及自己的恩師,又在不經意間袒露赤子情懷,令人不禁動容。
新華科技與鄂維南,相約在今年北京的秋季。獨家專訪開始前的設備調試時間,鄂維南辦公室內的傢具被不斷搬挪擺放,他於紛亂中處靜,一心挂在電話會上,培養計劃、學科方案,甚至課表設置……都逐一過問。
圖為中國科學院院士鄂維南。新華網記者 冉曉寧 攝
一個前所未有的機會
近十年來,以深度學習為代表的人工智能算法快速發展,並大規模應用於人類的生産生活。
但鄂維南認為,深度學習還有更宏大的應用遠景——為科學研究做貢獻,基礎科學研究將成為人工智能的“主戰場”。人工智能將為基礎研究帶來了新工具和新範式。幾年下來,鄂維南的這個想法已經得到廣泛認可。2021年底發布的《達摩院2022十大科技趨勢》將AI for Science列為重要趨勢。
鄂維南&&,長期以來,從事科研工作面臨着許多困境。“做科研主要有兩條路徑,一條是數據驅動,另一條是模型驅動。數據驅動主要的困境在於缺乏高質量的數據,也缺乏好的數據分析方法;而模型驅動的困境則在於雖然我們發現了基本原理,但用它來解決實際問題卻非常困難。”
深度神經網絡是一種適用於求解高維問題的數學工具;深度學習的成熟,讓很多以前難以處理的複雜問題能被很好地解決,並且得出足以指導實踐的有效結果,從而前所未有地促進科學發現和技術創新。
“無論是數據驅動還是模型驅動遇到的困難,AI的辦法都提供了有效途徑,AI能為科研工作帶來很大的提升,甚至改變我們做科研的模式。”鄂維南説。
鄂維南舉例介紹,典型的例子包括蛋白質折疊,這是生命科學裏很重要的基礎問題,DeepMind提出的蛋白質三維結構預測模型AlphaFold 2很大程度上解決了困擾科學家半個世紀的蛋白質折疊問題,將計算模擬的精度提升到實驗結果的水平。在合成化學領域,也出現了很多自動化的、智能化的合成方法來提高合成化學的效率。而在理論和計算模擬領域,AI也幫助我們解決了一些困惑了我們多年的難題,比方説量子力學精度的分子動力學模擬。
鄂維南講述,“我是從純數學專業轉到應用數學的,原因是希望我的工作能夠有直接的實際應用。我一直對純數學都非常喜歡,希望應用數學也像純數學一樣嚴謹,有非常清晰的標準和目標。但跟純數學不一樣的是,應用數學必須以實際應用作為主要驅動力。轉行到應用數學之後,其實我心裏的危機感一直很強。我的老師們那一代應用數學家,做出了很多原創性的工作,也解決了很多實際問題。那麼我們這一代做科學計算的人,能在哪些領域做出原創性的工作,解決哪些實際問題?”
“這個問題讓我困惑了很多年,我也探索了很多新領域,直至2012年左右轉行研究機器學習,才發現以前碰到的困難,實際上都可以用機器學習的方法來解決。”鄂維南稱。
“所以我認為,現在是一個前所未有的好機會。就好比上世紀20年代的量子力學,只用了幾年的功夫,量子力學就被建立起來了,而且改變了整個物理學。如今人工智能給我們帶來的也是類似的機會,它為科學研究的未來帶來了新的機遇,它也會改變整個應用數學。做科研不應該總是想著走捷徑。但的確有時候,就會出現一些新機會,這些機會是革命性的,比如AI for Science就是一個革命性的機會。它可以激發一場新的科學變革,重塑很多傳統産業和科研模式,建立新業態,這樣的機會我們應該去掌握,並且盡快抓住。”鄂維南説。
科研需要自我驅動力
科研工作是否需要天賦?科學家都是天才型選手嗎?
鄂維南不乏詼諧地説,“我覺得自己不算是特別有天賦,記得當年上中國科學技術大學時有兩個選擇,一個是去數學系,另一個是去上少年班。我選擇了去數學系,就是因為我覺得上少年班的都是天才,而我不是天才。”
“做科研工作的確需要一定的天賦,完全沒天賦肯定是不行的,但天賦只是一個基礎,更重要的還是性格,是理想和格局。”鄂維南説。
在他看來,科研行業與其他行業不一樣,科研工作者是一群比較特殊的人。“大學教授是鐵飯碗,也沒有人來給我們的工作下達任務,完全是靠自己來確定自己該做什麼,我們有着非常大的自由度。社會為什麼要給我們這樣的自由度?這是因為科研工作者承擔着非常重要的使命,就是探索驅動整個社會發展的前沿科學和技術。這類探索的風險非常高,不見得能成功。所以社會賦予我們鐵飯碗,賦予我們自由探索的空間,允許我們失敗。作為科研工作者,我們就必須去探索,敢於冒險。這是我們的本職工作。因此,做科研需要自我驅動,而且這種自我驅動力必須很強。”
回顧幾十年的科研生涯,鄂維南説,“開始在中科院讀書時,我還不到20歲,真可以説是‘新來的年輕人’。老師們一方面把我當作孩子看待,另一方面又教導我要成為未來能夠引領計算數學發展的人。當時我沒有把這樣的要求當回事。但後來它潛移默化地成為了我對自己一輩子的要求。”
“我國內的老師們那一輩計算數學家,面對的都是實實在在的問題。他們有很多原創性的想法,做出了很多優秀的原創性工作。但他們的科研生涯都比較坎坷。有些人可以説是壯志未酬。我們這一代人比他們幸運多了。所以我們更加不能忘記我們肩上的擔子。”念及恩師,倍感責任在肩,鄂維南感慨萬千,一度眼眶濕潤。
現在,鄂維南對自己的學生也寄予同樣的希望,“希望他們也是一些把社會責任扛在自己肩膀上的人。比如北京大學元培學院畢業的張林峰,後來在普林斯頓獲得應用數學博士學位,他本身很有科研天賦,在科研成果應用方面也有比較全面和超前的想法,現在正致力於以‘多尺度建模+機器學習+高性能計算’新範式解決微觀尺度工業設計的難題。他追求的不是所謂的帽子和票子,而是用自己的科研成果來解決技術發展所面臨的困難問題。”
除了科研工作,鄂維南致力於探索培養應用數學人才。他認為,中國人工智能和大數據發展最大的優勢是市場大,但尚缺乏原創型人才以及優秀的人才培養機制。“中國要發展人工智能和大數據,必須從培養人才開始。採訪開始前的電話會議,就是討論大數據學科的培養計劃。”他説。
鄂維南對學生要求嚴格,“即使學生再成功,再有能力,我都會給他們提出更加困難的問題。但即便是天資不是特別出眾的學生,我認為他們身上往往也有潛力和優勢可以挖掘,我的目標就是,讓學生把自身的潛在能力充分挖掘出來。”
“我早睡早起,一般別人剛來上班的時候,我已經把該做的工作都做完了,然後我就去‘折騰’我的學生們。”鄂維南笑着説。
做出原創性的東西來
長期埋頭科研工作,需要一顆淡泊和持久的心。工作再繁忙,他也盡量保證做研究的時間。“有時我在開會,或者在吃飯,科研問題也在腦子裏盤着。有時我坐在沙發上看電視,太太過來問我電視裏播了什麼?我説不出來。”
但在鄂維南看來,科研工作絕非枯燥乏味的,“反而沒有科研才是枯燥的,如果沒有科研,我就不知道該幹什麼了。”
《“十四五”智能製造發展規劃》提出,堅持創新在我國現代化建設全局中具有核心地位,《規劃》把科技自立自強作為國家發展的戰略支撐。
作為一名30多年來奮鬥在科研一線的中國科學家,鄂維南認為,“中國科學家群體有兩副擔子:一副是所有科學家的擔子,就是探索科技前沿。還有一副擔子是中國科學家的特殊任務,就是要在下一代的科技創新中走到前列,讓世界看到中國是能夠系統性地産生出引領未來發展的原創性科研和技術成果的地方。這是更加艱巨的任務,是我們這代人必須解決的問題。”
當被問及在哪個領域最有可能實現原創性科研和技術創新,鄂維南再次堅定地指向了AI for Science。