專訪李凱：為什麼很多中國人去了別的教育系統變成高端人才

02-10

?李凱出席未來科學大獎新聞發布會。

撰文｜邸利會

責編｜李曉明

知識分子為更好的智趣生活 ID：The-Intellectual

●　●　●

9月9日下午，未來科學大獎舉行新聞發布會，美國工程院院士、普林斯頓大學教授李凱也出現在了現場。談到首次設立的數學與計算機科學獎，作為大獎科學委員會委員的李凱笑稱，設置這個獎項表明未來大獎已經走在了諾貝爾獎前面。

「設置這個獎項的意義十分重大，可以鼓勵數學界和計算界的年輕科學家，做原創性的，經歷時間考驗的工作，從而走在世界的前列。」李凱說道。新聞發布會後，他在接受《知識分子》專訪時，還就基礎研究，技術發展規律，人才培養，創業發表了自己的看法。

Q: 你和李飛飛教授是如何接受來做科學委員會委員的？

A: 我是（去年）第一批的委員，飛飛是今年進來的。我當時接受的主要原因是覺得中國一直沒有這個量級的公益組織支持且民間贊助的（科學獎），面對原創性、有高影響力、經過時間考驗的工作。如果有這個獎來鼓勵年輕一代對計算機感興趣，那會推動整個社會（不光是中國）的發展。我想，飛飛和我的想法也類似。

Q: 這個獎是偏計算機還是數學？

A: 我們的意向是這兩個領域能輪流進行，但最主要還是找最好的候選人。假如明年數學的候選人比計算機科學好很多，可能還會頒給數學，我們希望都照顧到，但最主要還是看質量。

Q: 因為只是遴選大中華區的學者，會不會出現候選人不夠的情況？

A: 因為被提名的信息我們要保密50年，到時候我也不在了，也就是我根本就不可能講出來。另外，計算機和數學加在一起，大中華地區還包括香港，台灣和澳門，所以不用擔心。我也理解大家的擔心，中國做很多事情都是跟在別人後面做的，尤其是計算機的產品，但我對這個領域還是有些了解的，還是有很多沒有得到曝光的工作，在學術界有影響，但不反映到產品上，其實是值得得獎的。原創性，在國際領域裡有影響力，也經過了時間考驗，這種工作是有的。

Q: 我們現在的手機，筆記本都是基於馮·諾伊曼的架構，但也有研究者在做神經形態晶元，要顛覆這個體系結構？

A: 從上個世紀70年代開始，很多人都在討論怎麼顛覆馮·諾伊曼的體系結構，已經過去40多年了，其間有很多不同的想法。現在還用他的想法是有道理的，這就得從技術上的細節來說了。但總的來說，有些人他想到的東西有長期的效應，而有一些就是較短期的效應。

另外計算機領域和別的領域的區別是發展的速度非常快，比如有摩爾定律。其實如果沒有親身體驗到這個效應，感受還不是那麼深刻。人們說晶體管的數目，也有人說主機的速度是一年半翻一倍，相當於每5年翻10倍，每15年翻1000倍。沒有任何領域是發展這麼快的。計算機是一個整體的提升，軟體的功能，寫的行數，存儲量，帶寬都必須跟得上，效應才能出來。計算機科學比較困難的事情就是預計以後會發生什麼。比如，中國的5年計劃是從蘇聯學來的，但計算機這個領域5年已經翻10倍了，怎麼計劃？你可能知道摩爾斯定律要翻10倍，但別的東西如何增加，能計划出來么？某個政府官員能計划出來么，連科學家也計劃不出來，因為很多東西都在變。

Q: 大家都在談論摩爾定律的終結？你同意這個說法么？

A: 談論摩爾定律的終結也已經20年了，可我們總能找出一種辦法繼續做下去。至於現在大家覺得距離終結更近了，但在計算機領域裡面，很難有人估計究竟在什麼時候會到來。打個比方，現在晶元是在二維空間做的，摩爾斯定律可以18至24個月增長一倍，那3維空間呢？我們在3維空間（上設計晶元）才開始做。人的想像力，創造力是很大的，有些事情很難說的。

Q: 人工智慧，尤其是深度學習，從Jeff Hinton 2006年在Science發表文章，到今天，你認為人工智慧的下一步發展會怎樣？

A: 你既然講到Jeff Hinton，我就說一下其實他最主要的工作是1986年在Nature發表的，他講到反向傳播（Back Propagation），是深度學習當中非常重要的一個概念，實際上最主要的想法是50年代末、60年代初由腦科學的人提出的，講腦當中的神經元是怎麼工作的。現在大家覺得深度學習比較火，但可以追溯到50年以前的工作，到現在才起到翻天覆地的作用。在這中間很多人做了很多貢獻，但最主要的貢獻還是最開始的那些工作。

Q: 現在人工智慧這麼火，包括國家層面都有出台規劃，計算機的學生是不是應該選擇熱門領域？

A: 人工智慧顯然會對以後有很大的影響。這一波湧來，可能受到了幾個例子的影響，最主要的例子就是AlphaGo。但是所有這些發展比較熱的東西，都是需要很多很多年的積累才做到現在的樣子。回到你的問題，我鼓勵年輕人不要跟著社會的哪一個熱門來考慮方向，而是要尋找一個題目自己內心真的是非常感興趣，而且和自己的天分，能力相匹配的。因為有時候你可能對於某件事情非常感興趣，但你的才能不在那。

Q: 目前AI的高端人才比較缺乏，現在中國工業界都去高校，包括去國外的高校挖人，為什麼？

A: 其實不僅計算機，很多別的領域都有這個問題，高端人才在哪，從哪找？但其實這是一個教育系統改革的問題。因為人才是通過教育系統產生的，經過教育系統後，人才還需要有做科研的經驗，那就牽扯到怎樣的科研環境才能促使高端人才出現。

為什麼中國吸引人才？比如，千人計劃總的來說，還是比較成功的，很多人回來。但如果仔細看的話，之所以搞千人計劃，實際上是認為自己的教育系統，科研環境，出不來高端人才；是別的科研環境，教育系統比我們這好，所以我們才會去找人。

所以，要解決的問題，不是去找人才。找人才隨時都要找，但主要是把教育系統和科研系統改革到一定狀況，自己可以出高端人才。這是最根本的問題。所有的競爭，無論知識產權的競爭，產品的競爭，最後都歸結於人才的競爭。一個公司也都是人來組成的。人才的競爭實際上是教育系統，科研環境的競爭。很多中國人去了別的教育系統變成高端人才了，那說明並不是人種的問題。

如果比較國內的教育系統和國外的教育系統，我感覺到國外可以靜下心來做事情。而且做科研的話，我不考慮需要找多少科研經費，我也並不想要很多科研經費，我就想做我想做的事情，時間花在這個上面，這是最主要的。

Q: 施一公老師不贊成鼓勵科學家創業，而另外有老師又有一些不同的意見，你怎麼看待這個問題？尤其是計算機科學比較重視技術轉化？

A: 我覺得這個是因人而異的，可能沒有一個最好的答案。一公，我非常高興他這次得獎，以前他也在普林斯頓。他是做比較基礎的研究，和產品距離較遠。如果做的研究和產品距離不是很遠，如果能做出顛覆性的產品，那我覺得是對社會，對工業界做了很大的貢獻。所以，要根據你做什麼，個人的興趣是什麼，有沒有能力做公司，能否找到合適的人一起做等等，來決定。做基礎科研的話，不斷的做，也能影響到很多別的工作，到最後就會影響到產品。

Q: 現在的人工智慧，包括晶元，框架，應用，數據，大公司有很多優勢，也做了很多，小公司的機會在哪？

A: 所有的大公司都是從小公司做起的，我認為主要的顛覆性的工作都是小公司做的，尤其在計算機科學領域內，成為了一個普遍規律。如果科研環境好，就會出現一批很好的人才。人才是非常重要的。人才有想法，有能力，就能產生新的辦法來做新的產品，包括AI的產品，把老的顛覆掉。大的公司如果自己被顛覆掉的時候，內部會有很多的問題。如果你看1997年出版的哈佛大學教授 Clayton Christensen寫的The Innovator's Dilemma這本書，舉的例子都是產品被小公司顛覆。

Q: 人工智慧似乎無處不在，哪些工作是可以不被代替的，是不是以後完全自動化了，甚至連我們寫稿子都完全被代替了？

A: 我覺得距離這個還是很遠的。首先我們的能力要強很多，才能做出來和我們競爭的機器。之前，其實有好多工作，人已經不如人工智慧了，比如汽車的生產線上已經是機器人。我們也覺得挺好，不一定要去生產線。所以，人的能力還是很強的，人一定會找出辦法來對待和控制（人工智慧）。因為做有些事會有危險，比如網路傳輸銀行賬戶信息，防詐騙（fraud detection）就是一個問題。技術都有負面的，那就要想辦法來控制。人們現在聽說AlphaGo可以贏世界冠軍了，那是不是以後（人工智慧）可以贏所有的世界冠軍？（如果做到這點）是不是能贏得未來科學大獎？

製版編輯：飲水食糧丨

本頁刊發內容未經書面許可禁止轉載及使用

公眾號、報刊等轉載請聯繫授權

知識分子為更好的智趣生活ID：The-Intellectual