对话李国杰：突破麦肯锡和图灵的框框，人工智能要解决大问题丨GAIR 2021.docxVIP

对话李国杰：突破麦肯锡和图灵的框框，人工智能要解决大问题丨GAIR 2021 1. 终日乾乾，与时偕行 李国杰之前撰文道，创新的关键不仅仅是建立世界一流大学，企业的眼界、实力和科技创新活力也很重要。 我们的研究多数是技术驱动、论文导向，目标导向和问题导向的研究较少。” 早在2006年，李国杰就在《中国科学院院刊》中指出：“尽管我国企业、大学、科研机构的创新能力都很弱，但我认为我国国家创新体系中最薄弱的环节是技术转移。”这也正是他自己做曙光计算机和龙芯CPU产业化的深刻体会，在担任中科院计算所所长期间，他也将“技术转移”作为提升科研机构创新能力的关键，并推动了计算所以“创新跨越、持续发展”为导向的科学院知识创新工程的实施。 而真正让李国杰上述想法“出圈”的，是2021年八月，一篇名为《李国杰院士：国内AI研究顶不了天、落不了地，该想想了》的文章。它如平地惊雷，引发激烈热议。也将一向低调的李国杰推向风口浪尖，批评声与支持声纷至沓来。 媒体和社交平台上关于国内AI领域乃至整个学术界缺少原创性工作的讨论，似乎从未停止过。究其原因，普遍认为是当下的学术评价体系不合理。 过分看重文章数目、IF、citation等表面化、指标化的东西，各大高校执行「僵化」标准评定人才。「论文导向」使得不少科研课题和研究内容来自“闭门造车”的愿望，脱离实际需求，不利于产生从0到1的创新工作，浪费了大量的资金投入。「学术评价体系」和「学术潜规则」的双重作用，或许正是造成李国杰文中所指出的AI研究“顶不了天、落不了地”的原因之一。 “我首先是觉得很欣慰，因为年轻人愿意质疑、勇于质疑是好事。”在2021年底召开的GAIR 2021 大会上，李国杰告诉雷峰网。 AI的“顶天”和“落地”指的是AI不仅要解决已有应用中的一些小问题，更要解决NP-hard级别的大问题，而我们目前在人工智能的研究方向规划上常见的问题是，要么不够“顶天”，要么难以“落地”。 2. “顶不了天，落不了地”引发的争议 我在文章中提到的问题是指，目前国内许多大学和企业已经感受到“顶不了天又落不了地”的困扰。希望大家在选择AI研究方向上“多动脑筋”，AlphFold 2取得成功的主要原因是DeepMind团队目光敏锐地认定，用人工智能可以解决蛋白质结构预测问题。方向本身具有前瞻性、挑战性，而且解决后意义重大。我国启动的新一代人工智能重大科技项目，开展了数据智能、跨媒体感知、群体智能、类脑智能、量子智能计算等研究，已取得不少研究成果，但没有涵盖这种类型的研究。因此，我们该想想了。这是提醒在选择人工智能做什么时候要多想想，不要“随大流”。 AlphaFold 2自由建模类蛋白质靶标的两个示例 “顶天立地”的意思是：在技术上要“顶天”，要敢于闯进“禁区”，做别人认为不可能成功的前瞻研究；；应用上要“立地”，要解决经济、国防建设中的大问题，也包括用人工智能技术解决基础研究中的挑战性问题。 3. “人工智能是拿来解决大问题的” 雷峰网：您此前提到，学术界的人工智能研究过分局限于约翰·麦肯锡的定义，也就是人工智能的目标是“像人”，并指出我们应该突破对智能的狭义理解。这与AI要解决NP-hard级别难题有什么联系？ 李国杰：“像人”的人工智能是一个已经被大家很重视的方向，但我认为人工智能的另一个发力点是「解决大问题」。尤其是用机器学习的方法解决意义重大的科学难题，即在多项式时间内“有效解决”指数复杂性问题。 所谓指数复杂性是指求解一个问题所需的时间或空间（存储用量）随着问题规模增加而指数性地增加。这也就人们常说的组合爆炸。在计算复杂性理论中，将一大类目前还找不到多项式级复杂性算法的问题划归为NP-hard问题。如果一个问题能找到多项式级复杂性的算法，例如排序算法等，直接按确定的程序计算就能精确求解，人们一般不认为是人工智能应用。人工智能要研究的问题几乎都是NP-hard问题，从其诞生开始就要对付组合爆炸。从这种意义上讲，人工智能的“天”就是组合爆炸，所谓“顶天”就是找到巧妙的办法克服组合爆炸。 经过60多年的人工智能研究，对付计算机视觉、听觉、机器翻译等领域的组合爆炸已取得令人满意的进步，但在基础研究和实际应用中还有大量的NP-hard问题等着我们去突破。随着氨基酸单体的增加，蛋白质结构预测的计算复杂度呈指数级上升，如果用野蛮有哪些信誉好的足球投注网站，蛋白质结构预测的可能组合高达10的几百次方，这是典型的NP-hard问题。如今的“卡脖子”的芯片设计问题也是NP-hard问题。中国科学院计算所正在探索用“芯片学习”取代“芯片设计”，这可能是破解芯片设计人才缺口的出路。 这些才是真正的大问题，人工智能研究要顶天，就必须进入这些过去认为不可能的“禁区”。 难以落地是“不为也”，“非不能也” 雷峰网：上述您提到的两个例子，蛋白质结构预测