■委員簡介 周志華 全國政協(xié)委員，南京大學計算機科學與技術系主任兼人工智能學院院長、江蘇省黨外知識分子聯(lián)誼會副會長
近期，由人工智能實驗室OpenAI發(fā)布的對話式大型語言模型ChatGPT，引起國內(nèi)外廣泛矚目。這種罕見的熱度，也迅速使得ChatGPT從一種技術上的新事物，上升為倫理、法律等方面的焦點。人工智能再次成為社會各界廣泛關注的話題。有評論認為，未來20年全球經(jīng)濟競爭格局將取決于各國發(fā)展人工智能產(chǎn)業(yè)的水平。
為此，圍繞人工智能相關話題，本報記者專訪了全國政協(xié)委員，南京大學人工智能學院院長周志華。
熱點與歷史
記者：最近ChatGPT非?；鸨?，作為人工智能專家，您感興趣的是哪一點？人工智能從什么時間開始熱起來的？
周志華：ChatGPT是一個大語言模型，這方面業(yè)界早就有探索。但ChatGPT取得了新突破，最令人感興趣的是看到它能在一段涉及幾十個“回合”的對話中體現(xiàn)出良好的上下文處理能力，組織出語言順暢自然的回答。
其實，人工智能從1956年開始就已經(jīng)成為一個嚴肅的學科，至今已有60多年歷史，經(jīng)歷了幾起幾落。2016年AlphaGo下圍棋贏了李世石九段這個事件，引起了全世界大眾對人工智能的關注，大概可以認為從那時候開始人工智能就變成顯學了。
記者：您剛才說人工智能經(jīng)歷了幾起幾落，大概是什么情況？
周志華：1956年美國達特茅斯會議標志著人工智能開始成為一個學科，20世紀五六十年代是人工智能的第一個高潮，各種探索百花齊放，后來多次潮起潮落。像今天大家經(jīng)常談到的AlphaGo、ChatGPT背后的神經(jīng)網(wǎng)絡，50年代就很熱門，研究者非常多，但到1969年時，圖靈獎得主、美國麻省理工學院的閔斯基教授指出當時的神經(jīng)網(wǎng)絡能力有嚴重缺陷，看不到未來。然后這方面研究進入了所謂“冰河期”，美國和蘇聯(lián)停止了資助，全世界研究神經(jīng)網(wǎng)絡的人90%以上都改行了。
后來到80年代中期神經(jīng)網(wǎng)絡迎來第二春，堅持下來的幾個團隊成為全世界的領頭羊。到了90年代中期，因為另一個學派的興起，神經(jīng)網(wǎng)絡這一派又進入沉寂期。今天的“深度學習之父”、獲得圖靈獎的辛頓教授，當時拿不到科研經(jīng)費、招不到研究生，甚至論文都很難發(fā)表。但正是這幾位科學家能夠在很殘酷的條件下堅持下來，才有現(xiàn)在的人工智能熱潮。
人工智能的整個發(fā)展歷程，明顯地體現(xiàn)出科學發(fā)展的螺旋式上升，啟發(fā)我們看準了就要堅持，不盲目追熱門，堅持才會勝利。
記者：您認為ChatGPT這樣的人工智能，對哪些行業(yè)沖擊會比較大？
周志華：ChatGPT對涉及文字內(nèi)容生成方面的工作能有比較多的幫助，比方說幫助提升網(wǎng)絡小說作者的產(chǎn)量。對一些重復性比較強、專業(yè)性不太深的語言類工作可能有比較大的沖擊。
中國與世界
記者：在您看來，我國人工智能研究水平在國際上處于什么地位？
周志華：歐美是20世紀50年代開始研究人工智能，我們與國際接軌的研究基本上是2000年之后，起步晚很多。但我們近15年發(fā)展很快，在發(fā)展提高速度上，全球首屈一指。目前我國人工智能研究水平可以說總體位于國際前列，整體上與最發(fā)達國家相比仍有差距，但在若干方面也有一些自己的特色優(yōu)勢。
記者：人工智能是否會成為我國科技自立自強的關鍵一役？
周志華：習近平總書記多次強調(diào)，人工智能是引領這一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術，是贏得全球科技競爭主動權的重要戰(zhàn)略抓手，是推動我國科技跨越發(fā)展、產(chǎn)業(yè)優(yōu)化升級、生產(chǎn)力整體躍升的重要戰(zhàn)略資源。人類社會從信息化時代必然進入智能化時代，高水平科技自立自強肯定離不開人工智能核心技術的支撐，所以人工智能無疑會成為我國科技自立自強的關鍵戰(zhàn)役之一。
記者：您認為我們需要在哪些方面多加發(fā)力？
周志華：我們可能在人工智能“交叉應用”方面強調(diào)得比較多，但如果人工智能基礎理論方法關鍵算法模型不突破，交叉應用就會是無源之水，需要大力支持和鼓勵。另一方面，目前我們更多的是看到什么東西別人做成了再跟進，這樣雖然減少了試錯成本，但總會跟在別人后面，要原創(chuàng)引領就必須進入“無人區(qū)”，做一些還沒人嘗試的東西，很可能失敗，但必須允許承受這個試錯成本。
記者：習近平總書記多次強調(diào)要加強基礎研究。人工智能領域情況如何？
周志華：不久前，中共中央政治局就加強基礎研究進行集體學習。習近平總書記強調(diào)，加強基礎研究，是實現(xiàn)高水平科技自立自強的迫切要求，是建設世界科技強國的必由之路。各級黨委和政府要把加強基礎研究納入科技工作重要日程，加強統(tǒng)籌協(xié)調(diào)，加大政策支持，推動基礎研究實現(xiàn)高質(zhì)量發(fā)展。
開年不久，習近平總書記再次強調(diào)加強基礎研究。這讓我們備感振奮。以我從事的機器學習為例，這是人工智能的核心領域之一，大家都很關注，我國科研規(guī)劃也非常重視。但以往大家可能不太注意機器學習基礎研究與應用技術研究的區(qū)別。事實上兩者有很大差別，前者聚焦基礎理論方法與關鍵算法模型，是提升人工智能系統(tǒng)的智能性、可靠性和可解釋性的關鍵；后者圍繞某個特定應用任務領域，對已有方法和模型調(diào)整改進以獲得現(xiàn)實效用。前者相比于后者來說，研究門檻高、取得成果慢，不易直接產(chǎn)生效益，這導致年輕科研人員感到前者“性價比低”，對后者熱情更高。由于機器學習技術目前被廣泛使用，相比于人工智能其他領域，機器學習基礎研究被應用研究“淹沒”的現(xiàn)象尤為明顯。
但應該看到，機器學習基礎理論方法與關鍵算法模型一旦突破，則影響深遠，例如著名的支持向量機源于統(tǒng)計學習理論和核方法，全世界的神經(jīng)網(wǎng)絡都在用BP算法訓練，當前火爆的ChatGPT則源于對抗生成網(wǎng)絡與擴散模型。大力加強機器學習基礎研究，對實現(xiàn)我國人工智能領域高水平科技自立自強至關重要。
記者：對激勵機器學習基礎研究來說，目前科研管理中存在些什么問題？
周志華：目前在科研項目申請與人才選拔過程中，通常實施“打包評審”制度，機器學習基礎研究與應用技術研究通常被放在一起評審。由于評審專家多為“大同行”，不易精準把握工作內(nèi)涵，較多以高質(zhì)量論文數(shù)、引用數(shù)等為參考進行評價。根據(jù)機器學習基礎研究與應用技術研究兩個代表性頂級期刊數(shù)據(jù)統(tǒng)計，后者近5年發(fā)表論文數(shù)為前者3倍、引用數(shù)為7倍，導致機器學習基礎研究“一流選手”在“成績單”上比不過應用技術研究“二流選手”，引起更多青年人才趨向應用研究。
另外，目前科研項目通常嚴格量化指標考核。項目開展前就明確一系列量化指標，在項目實施的各環(huán)節(jié)都重點考查是否達到既定指標。對應用技術研究類項目，該管理方式能很好地引導監(jiān)督科研進展。但對注重從0到1探索的基礎研究，則不太適宜。原始創(chuàng)新探索難免有失敗，“知道什么路走不通”本身就有重要價值。“試錯機制”的缺乏使科研工作者不敢從事風險較大的原創(chuàng)性探索。
記者：您對此有些什么建議？
周志華：建議強化分類管理、分類評價，區(qū)別對待基礎研究和應用技術研究，在評審階段，不把這兩類不同性質(zhì)的項目和人員打包到一起。同時，強化評審專家與項目內(nèi)容的匹配度，提升“小同行”比例，引導專家從研究工作的技術內(nèi)涵評價其質(zhì)量水平。在項目考核管理上，對基礎研究型工作，不事先規(guī)定量化考核指標，重點考核其原創(chuàng)價值和對于推動領域發(fā)展的學術貢獻，允許原創(chuàng)探索過程中的試錯。
人才與未來
記者：科技發(fā)展的關鍵是人才。我國人工智能人才情況如何？
周志華：全世界都面臨人工智能人才不足的問題。即便歐美有那么厚的家底，在今天也出現(xiàn)了人工智能人才不足的局面，導致許多企業(yè)到高校去挖教授，已經(jīng)顧不上考慮如何培養(yǎng)未來的人才了。與歐美相比，我國人工智能人才儲備量少得多。一方面因為我們起步晚，歐美從20世紀50年代就開始持續(xù)培養(yǎng)人工智能人才，而我國近十來年才有跟世界比較接軌的人工智能研究生培養(yǎng)，總體規(guī)模小，難以適應我國人工智能事業(yè)發(fā)展的需要。近幾年我國許多高校都建立了人工智能學院，從本科開始專門培養(yǎng)人工智能專業(yè)人才，這是一個好開端。
記者：為什么要從本科開始培養(yǎng)人工智能專業(yè)人才？
周志華：以往我們是從研究生階段培養(yǎng)人工智能專業(yè)人才，學生在本科階段并非專門針對人工智能建立知識結構，會走些彎路，學的有些東西可能離人工智能專業(yè)的需求比較遠，而不少對人工智能專業(yè)很重要的東西可能沒學、要到研究生階段去“補”，成長就比較慢。這個問題在美歐也開始重視，在我們南京大學2018年3月成立人工智能學院兩個月之后，人工智能方面世界頂尖的卡耐基梅隆大學在2018年5月也建立了美國第一個人工智能本科專業(yè)。
因為我們比別人更著急，所以就比別人更動腦筋，也確實有了一些新的想法。比方說難免有人懷疑，美國還沒做的事你們就能做？從這個角度上來說，我們能夠去吃這個螃蟹，一定程度上也確實意味著我們有了很大提高，至少可以敢于先邁出腿去了。
記者：您認為做好人工智能本科專業(yè)人才培養(yǎng)最重要的是什么？
周志華：師資隊伍和培養(yǎng)體系建設。師資隊伍非常重要，高水平的老師更容易帶出來優(yōu)秀的學生。在培養(yǎng)體系方面，因為我們在人工智能本科人才培養(yǎng)上已經(jīng)跟最發(fā)達國家同步，大家以前都沒有搞過，在培養(yǎng)體系上進入了“無人區(qū)”，必須靠自己探索。南京大學在這方面起步比較早，已經(jīng)完成了完整一輪本科生培養(yǎng)，并且在培養(yǎng)過程中不斷研討反思、不斷改進完善，最近我們把新版的培養(yǎng)體系出版分享出來，希望跟兄弟院校相互交流取長補短、一起努力推進我國高水平人工智能人才培養(yǎng)。
有些也需要不斷研討反思、不斷改進完善。比方說，人工智能專業(yè)人才需要比較強的數(shù)學基礎，比一般學計算機的學生需要更多數(shù)學課程，同時還需要加深加厚人工智能專業(yè)知識。但同是四年學時，學分總數(shù)也同樣，加一些課就必須減一些課，加法怎么做、減法怎么做？需要全局統(tǒng)籌。
記者：我國人工智能發(fā)展方面，有什么經(jīng)驗可供我國其他科技和產(chǎn)業(yè)領域借鑒嗎？
周志華：我國很多科技和產(chǎn)業(yè)領域發(fā)展得更好、更有經(jīng)驗。如果非要看人工智能領域的話，或許要說“基礎研究—人才培養(yǎng)—創(chuàng)新技術—產(chǎn)業(yè)發(fā)展”通道的重要性。比方說，計算機學科在國際頂級會議上發(fā)表論文被認為是基礎研究水平與國際接軌的表征之一。20年前我們國內(nèi)人工智能基礎研究水平很弱，在幾大頂級會議上國內(nèi)學者論文罕見，偶爾有一兩篇，經(jīng)常被“剃光頭”，但現(xiàn)在幾乎所有的人工智能頂級會議都有大量的國內(nèi)論文。
基礎研究水平提高了，直接帶來的就是國內(nèi)大批研究生能夠接觸和從事國際接軌的研究課題，那么其中有一些孩子就自然會走到前沿，他們的聰明才智不僅會促進基礎研究，還會促進領域技術創(chuàng)新，他們工作后就紛紛成為人工智能業(yè)界的生力軍，為我國人工智能產(chǎn)業(yè)蓬勃發(fā)展作貢獻。
記者：您1995年在本科時就開始接觸和研究人工智能中的機器學習，當時人工智能是冷門，并且人工智能研究主要集中在專家系統(tǒng)領域。您當時為什么會選擇關注這個領域？
周志華：我當時在南京大學圖書館偶然看到一本書，《機器學習：通往人工智能的途徑》，翻閱之后對里面的內(nèi)容很感興趣。剛好計算機系通知我能免試保送研究生，就決定選擇以機器學習為研究方向。后來才知道這本書很有來頭，是1983年出版的、世界上第一部關于機器學習的文集，匯聚了機器學習研究初期國際上許多大家的工作，里面很多思想在今天仍有啟發(fā)性。
記者：您是完全在我國本土培養(yǎng)和成長，成為具有卓著聲譽和國際影響力的學者。您認為，個人成長過程中最重要的因素是什么？
周志華：最重要的是我們國家的巨大發(fā)展。我只是我國千千萬萬科研工作者中的普通一員。國家的發(fā)展，國力的增強，使我們科研工作有了更好的條件。這讓我們能夠及時了解國際上相關科研進展，查閱最新文獻。以往條件比較差，比如在我念研究生的時候，學校經(jīng)費不足，能看到的最新國際文獻是3年前的期刊復印本，登載的是國外5年前的工作。近5年別人在做什么？需要靠猜。這樣要做出國際水平的工作就非常難。現(xiàn)在，我國的網(wǎng)絡建設和數(shù)字圖書館等等條件都非常好，國外昨天的最新工作，我們今天就能看到，文獻獲取上完全同步。還有國際學術交流。20年前我們到國外參加一次學術會議是了不得的事情，機會很少?，F(xiàn)在各種頂級學術會議上都能看到我國學者，國內(nèi)也經(jīng)常有國外學者來訪，思維碰撞交流的機會多了，有助于產(chǎn)生創(chuàng)新想法。（本報記者 江 迪）
