中国科研界须消除“零减”现象
张峥近照。袁婧摄
本报首席记者 姜澎
在不久前召开的全国科技创新大会上，“力争在重要科技领域实现跨越发展”成为大家关注的话题。在一些科学家看来，要实现跨越发展，必须消除科研界的“零减”现象。
“单单以今年的人工智能热为例，对于我国的学界和工业界来说，最重要的启示就是要认清自己目前的站位：‘零减’。”上海纽约大学终身教授、国家千人计划专家、前微软亚洲研究院副院长张峥在接受本报记者采访时这样说。
所谓的“零减”，是指我们科技发展距离国际最发达水平也许差距为零，但是从长远来看却是在很长一段时期内都会落后。张峥认为，“中国的科技界不单单是人工智能领域，在其他很多研究领域如果不重视‘零减’现象，那么在短期内解决这一问题会很难，而且很可能错失发展的黄金时期。”
“零减”缘于总是在跟风
“零减”现象缘于我们总是处于跟风状态，而不是更超前地来对待科学问题。
“以我熟悉的人工智能为例，在国际上，人工智能的研究在过去几年处于井喷状态，但是在中国真正热起来也只不过是在今年。”张峥说，那些论文甚至其中的代码经常在尚未被正式会议接受之前就开源发布。也正是因为我们总是在跟跑，所以要领先真的很难。而且，真正有用的技术经常会先申请专利保护，跟得越快，被“请君入瓮”的可能性也就越大。
今年3月，谷歌的深度学习技术战胜了人类棋手，不久后，中国的人工智能领域专家就宣称可以挑战谷歌的深度学习。但是仅仅几天时间，谷歌的深度学习部门就又宣布，他们的人工智能又学会一项“新本领”———可以自学并且正在“自我训练”包括德州扑克在内的两种扑克游戏。这就像外行们还在嘲笑“阿尔法狗”打麻将肯定不行的时候，它已经通过深度学习在练习麻将的“近亲”德州扑克了。
“虽然此次深度学习是自己克隆出4个同样的‘阿尔法狗’一起打德州扑克，沿用的仍是同一游戏策略情况下的机器自我学习，并没有人类在牌桌上复杂的合纵策略。
但这显然是对于深度学习技术的一次很大的拓展。”
张峥说：“阿尔法狗不断学习的新本领其实和我们大多数日常生活都没有太大关系，因为无论是围棋还是德州扑克，解空间是封闭的，而生活的场景是鲜活和开放的。国外人工智能领域的科学家对于技术的不断深入和拓展，反衬的是我们学术界的落后。”
不仅人工智能如此，生态环境领域的科学家不久前也在一次学术会议上坦言，国内的学术研究老是处于跟风状态，如加拿大学者提出生态足迹的计算公式，国内生态足迹计算满天飞，计算公式和方法与加拿大学者完全一样；美国经济学家提出格兰杰因果关系检验，国内格兰杰因果关系检验论文成百上千篇发表，计算公式和应用方式完全一样。
美国卡耐基梅隆大学机器学习和医疗中心主任、人工智能专家邢波今年4月发表文章指出，人工智能从上世纪中叶就开始发展了，时至今日，却突然发现一批自称人工智能专家的外国人在中国火了，他们可能一行代码都没写过，书却畅销。而他在这个小圈子混了二十多年，还是头一次听说这些名字，“别人热什么，我们跟得比谁都快，而且热得也更厉害，但究竟什么是真正的热，却令人生疑。”
最需要被科普的其实是专家
在张峥看来，“零减”的差距并不容易弥补。最需要学习、最需要被科普的是专家。“虽然此话显得刻薄，但是事实如此，包括我在内的科学家得一直保持开放的心态，一直努力学习，并一直保持很高的专业素质。否则掌握着话语权的学者不再学习，那我们弥补‘零减’的差距几乎是不可能的。”
张峥发现，在国外，从工业界到学术界，近年来人工智能吸引了很多领军人物，出色的研究人才在工业界和学校、科研机构中基本上是各占一半。但是国内情况就没有那么乐观了。因为深度学习和人工智能发展特别快，热钱又很多，创造力最旺盛的研究人员被吸引进了科技创业行业，留在大学中真正很强的领军人物并不多，加之学校的科研并不那么快，造成高校的科研很多时候都处于落后状态。而裹挟了大批优秀中青年科研人才的IT公司因为技术必须落地，自然有目光短浅的问题。这两个原因加在一起，造成了现在的“零减”现象。
“机器学习中有很多不同的流派，有传统的机器学习，也有深度学习这样的新生力量。这些技术最后要面对的用户场景是一样的，于是就有了竞争关系。一名传统技术的专家在面对新技术挑战的时候，心情必然是纠结的。要克服这种心理，需要的就是开放的心态和不断学习的愿望。我自己从阿尔法狗的第一场到最后一场，都被逼着学习了很多。”张峥说。
今年以来的两项重大科学事件———引力波的发现和人工智能的胜利，是国外学界积累几十年甚至上百年的结果。相比之下，我们的科研创新还有许多需要改进的地方。
张峥说：“超级计算、高性能存储、大系统大数据……现在是深度学习，每次都是几年一轮。从最初看到那个点，到变成那个领域的专家，有很长的路要走。不论是中国脑计划还是人工智能，目前的软肋在于，有话语权的我们已经过了学习的黄金时段，知识更新的速度又滞后，不认识到这一点，我们连‘科学家’一词都担当不起。”