“有一个很有意思的点，人工智能可以跟任何东西结合在一起，人工智能加艺术舞蹈，人工智能加科学，人工智能加数学。人工智能就好像一个集成器。”
“世界顶尖科学家科学圆桌π：数智未来新突破”现场 图片来源：世界顶尖科学家协会“
作为一名研究者你如何选择自己的研究课题，以及背后是如何思考的？”11月7日，1986年图灵奖得主、康奈尔大学计算机科学院工程与应用数学系教授约翰·霍普克罗夫特（John Edward Hopcroft）在“世界顶尖科学家科学圆桌π：数智未来新突破”上向在场的中外顶尖科学家们抛出这个问题。参加圆桌讨论的7位人工智能（AI）领域科学家是美国卡内基梅隆大学计算机系杰出教授、2004年美国“总统科学、数学和工程指导卓越奖”得主兰诺·布鲁姆（Lenore Blum），2022年世界顶尖科学家协会“智能科学或数学奖得主”迈克尔·I·乔丹（Michael I. Jordan），清华大学计算机科学与技术系教授朱军，浙江大学计算机科学与技术学院教授吴飞，清华大学软件学院长聘副教授龙明盛和上海交通大学特聘教授敖平，他们分别分享了自己的研究心法。
“寻找真实世界中有潜力的地方”
被称为机器学习宗师级人物的乔丹将自己的心得概括为“寻找真实世界中有潜力但还没有正式得到研究的地方”。听起来似乎非常抽象，他继续说道，“在数学中可以针对一些课题做研究，但我并不觉得那是最激动人心的领域。”而对于移动支付的研究，他却感到兴奋，“我了解了支付宝背后的机理——如何把商家和消费者连接起来。除了支付行为，其包含的整个金融服务、小微贷款等都是由数据驱动的。这并不是单纯的计算机科学，也不是单纯的经济学，而是相互交叉的内容，这是一个新的计算方式。”
2022年世界顶尖科学家协会“智能科学或数学奖得主”迈克尔·I·乔丹（Michael I. Jordan） 图片来源：世界顶尖科学家协会
布鲁姆对此表示同意，“我觉得很有借鉴，如何把市场的动态关系引入到我们的算法当中，这是很值得探索的一个领域。”
除此之外，乔丹认为一个重要的领域是“激励”，比如语言建模需要有海量数据，那么数据怎么收集？关键是人们为什么愿意贡献数据？这就需要考虑到对每个主体的激励。
乔丹举例说明，比如美国品与药品管理局（FDA）和制药公司之间的矛盾就体现在数据披露上，制药公司有完整的药物数据，而FDA则需要根据制药公司提供的数据做出药物是否能上市的判断。“怎样更好让对方供应你所需要的数据？”他说，“在联邦主体这样一个大模型框架中，我们就可以通过一些计算方法，一些制度设计来完成有效激励。”
乔丹觉得，“很多时候灵感正是来自于真实世界。”他喜欢周游世界，在全球各地进行观察，了解其中值得深挖的现象，“当我看到有意思的现象时，我会思考它发生的逻辑，并从数学、统计学、博弈论等角度寻找更好的解决办法。”如果对这些现象进行建模，能够建立相关的体系，或许就可以带来非常好的突破。
对于未来二十年AI的进化方向，乔丹认为，可能会进一步聚焦在与人的融合方面。比如在医药领域，通过数据的智能分析辅助医生进行诊断决策和治疗，目前这一尝试已经在癌症治疗方面有所进展。抑或是在商业领域，AI将帮助在消费者需求和商家之间形成更精准的匹配，其长尾效应将更平等地满足每一个人的个性化需求。
龙明盛也在关注目前没有办法解决的问题，“我现在看到在这个领域有很多没有解决的问题，比如我可能知道在某个模型下怎样做学习能力的转移，但没有其他如认知模型、记忆模型等。有人认为，如果把前面的知识转移到新任务中就可以建立一些有利的认知，但实际上很多模型没有办法应用到神经网络的机制上。还有一些很难计算，也很难产出目前看来有用的成果。现在在这个领域，创造更多计算机制去模拟记忆或其他人脑机制，还是很空白的状态。”
AI+N时代，要跨学科寻找课题
吴飞则着重提到AI的不可解释，“如何把人类知识输入到人工智能模型中？比如引入一些逻辑、规则到模型中让AI学习，通过这种方式建立可解读的模型。为了实现这样的目标，我们必须把数学、神经科学、计算机科学和人工智能技术结合在一起，所以人工智能是一个跨学科的领域。”
正如吴飞所说，AI研究中的跨学科问题被参加讨论的学者多次提及。朱军认为，在应用研究方面，AI研究的思路正在发生一些变化——开始解决更复杂的问题，而不是10年前相对简单化的机器学习问题。由此，就需要研究者具备各学科的知识，跨学科地来解决这些难题。
“有一个很有意思的点，人工智能可以跟任何东西结合在一起，人工智能加艺术舞蹈，人工智能加科学，人工智能加数学。”布鲁姆说，“所以看起来好像人工智能跟很多领域都能够融入到一起、结合到一起。这点是很值得深思的，人工智能就好像一个集成器。”
布鲁姆表示，“重要的是多和其他科学同道交流，我想强调的是科学研究是团队合作，不仅要专注于自己的研究课题，还要和其他研究课题相互交织，这样才可以取得更长足的成长。”
(本文来自澎湃新闻)
