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年全球經濟競爭格局將取決于各國發(fā)展人工智能產業(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年開始就已經成為一個嚴肅的學科，至今已有60多年歷史，經歷了幾起幾落。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。像今天大家經常談到的AlphaGo、ChatGPT背后的神經網絡，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網絡能力有嚴重缺陷，看不到未來。然后這方面研究進入了所謂“冰河期”，美國和蘇聯停止了資助，全世界研究神經網絡的人90%以上都改行了。

后來到80年代中期神經網絡迎來第二春，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，神經網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對涉及文字內容生成方面的工作能有比較多的幫助，比方說幫助提升網絡小說作者的產量。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，人工智能是引領這一輪科技革命和產業(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、產業(yè)優(yōu)化升級、生產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，加強基礎研究，是實現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)籌協調，加大政策支持，推動基礎研究實現高質量發(fā)展。

開年不久，習近平總書記再次強調加強基礎研究。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整改進以獲得現實效用。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，全世界的神經網絡都在用BP算法訓練，當前火爆的ChatGPT則源于對抗生成網絡與擴散模型。大力加強機器學習基礎研究，對實現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涵，較多以高質量論文數、引用數等為參考進行評價。根據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據統(tǒng)計，后者近5年發(fā)表論文數為前者3倍、引用數為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?！霸囧e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的項目和人員打包到一起。同時，強化評審專家與項目內容的匹配度，提升“小同行”比例，引導專家從研究工作的技術內涵評價其質量水平。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學基礎，比一般學計算機的學生需要更多數學課程，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，有什么經驗可供我國其他科技和產業(yè)領域借鑒嗎？

周志華：我國很多科技和產業(yè)領域發(fā)展得更好、更有經驗。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年前我們國內人工智能基礎研究水平很弱，在幾大頂級會議上國內學者論文罕見，偶爾有一兩篇，經常被“剃光頭”，但現在幾乎所有的人工智能頂級會議都有大量的國內論文。

基礎研究水平提高了，直接帶來的就是國內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?，F在，我國的網絡建設和數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在各種頂級學術會議上都能看到我國學者，國內也經常有國外學者來訪，思維碰撞交流的機會多了，有助于產生創(chuàng)新想法。（本報記者 江 迪）