“硬科技”产业光砸钱不行，得砸数学家

694207667 · 发表于 2019-5-28 22:44:39

今年两会前，马化腾曾发表口头预告：腾讯未来要拿出10亿元建立基金，启动“科学探索奖”，支持数学、物理等基础科学的研究。
更早前的2016年，包括马化腾、李彦宏、丁磊、徐小平在内的中国互联网工业界“大佬”组团捐赠了“未来科学大奖”，单项奖金100万美元，承诺连续捐10年。
当被问起捐款原由时，马化腾说：“这么好的事情怎么能没有我？”他希望让数学、生命科学等基础科学领域成为新的时尚。

然而，“硬科技”产业光砸钱不行，得砸数学家。
近年来，从高端制造需要的材料科学，到物流、交通和智慧城市离不开的运筹学，到安全技术所依赖的密码学，再到直接卡住人工智能进展的算法层的思想革新，“硬科技”在工业界的落地，处处呼唤着数学。
去年以来引起中国普通民众关心的半导体产业，正急需数学的贡献。
在芯片设计、制造的繁复流程中，每个微小差别——比如不同的组件尺寸、组件材质、元器件排布等——都可能使芯片性能产生巨大差异，所谓“失之毫厘谬以千里”。
而数学的引入，则能在仿真和模拟环节代替成本高、耗时长的真实实验，提前预判芯片的效果。
目前，科学家已找到了许多描述半导体特性的数学方程，但是在求得精确解上，数学家仍束手无策，只能借由计算机得到近似解。随着芯片制造难度的升级，工业界急需找到更优的计算方法。
在对新型燃料电池、高端装备、高端制造影响深远的材料科学领域，科学家也在呼唤数学家的跨学科援助。
如离散几何分析极有可能助力对纳米多孔材料的研究，这一材料在研发新型催化剂上有广泛的应用前景，而新型催化剂又有可能攻克氢燃料电池的应用难题，从而带来新一轮的汽车革命。
而如今大热的人工智能领域，数学缺席的瓶颈感格外明显。
业界对过去一年的人工智能有一个评价：2018年，人工智能的进展就是没有进展。
《浪潮之巅》作者、硅谷风险投资人吴军有一个判断：“人工智能技术20年内不会有大突破，因为今天的人工智能已经用光了40年来所积累的技术红利。”
这要追溯到神经网络、深度学习方法的缘起。上世纪70年代，计算机科学家就开始研究神经网络在推进人工智能上的可行性。
在《甲小姐对话特伦斯》一文中我们曾提到，当时，人工智能开山鼻祖之一马文·明斯基认为神经网络有数学上的局限性，在他的权威震慑下，神经网络在此后近40年里一直无缘主流。
2012年之后，主流快速翻转，深度学习在“大算力+大数据”加持下获得神速进展，功能主义取代理论体系成为人工智能领域的尚方宝剑，但花开遍地后，却遇到了能力进一步提升的关卡。
关卡背后的深层原因是，神经网络和深度学习，是对以逻辑、规则为基础的“建制派”的颠覆：好处是在结合大数据之后效果立竿见影；坏处则是深度学习成了一个人们只知其然而不知其所以然的“黑匣子”，效果显著，却缺乏数学理论支持。
到2016年，人工智能领域的顶级赛事ImageNet中的神经网络层数已达到了1207层，工程思维一度盖过科学思维，但要想进一步发挥作用，没有底层理论支撑很难突破。

在2017年的中国计算机大会（CNCC 2017）上，首位华人菲尔兹得主、哈佛大学终身教授丘成桐曾从数学家的角度发出提醒：
人工智能需要一个坚实的理论基础，否则它的发展会有很大困难。
如今，中国工业界对攀登人工智能高地踌躇满志，在应用领域也是“形势一片大好”，诞生了诸多知名的业界公司，但却面临着丘成桐提及的“基础不牢”的隐忧。
上周五接受《经济观察报》采访时，中国科学院院士、清华大学教授张钹提到了中国人工智能领域目前仍长于跟随，不擅拓荒：
我们的从众心理很严重，比如在人工智能领域，深度学习很热，发表论文的作者中几乎70%是华人，但是其他非热门领域，包括不确定性推理、知识表示等几乎没有华人作者。这就是从众扎堆，不愿意去探索“无人区”。
当被问及瓶颈该如何突围时，张钹院士给出了两个方向：“一是数学，二是脑科学。”
何时可以迎来突围？
院士的回答，真诚中有一点无奈：
“很难预计，我们也很着急。”

来源：http://www.yidianzixun.com/article/0M7VvlKi
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！

账号		自动登录	找回密码
密码			立即注册

“硬科技”产业光砸钱不行，得砸数学家

本帖子中包含更多资源