2015/7/13 下午12:06:19 星期一
当前位置: 主页 > 周而复始 >

原创 “硬科技”产业光砸钱不行,得砸数学家
时间:2019-05-31 13:57

原创 “硬科技”产业光砸钱不行,得砸数学家

时间:05-28 18:13 阅读:4215次 转载来源:搜狐财经

原标题:“硬科技”产业光砸钱不行,得砸数学家

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。”

感谢您的阅读!

甲子光年ID:jazzyear

一家致力于服务科技产业化、产业科技化的智库,我们提供资源对接、FA和品牌服务

如有合作意向或报道线索请联系:

public@jazzyear.com返回搜狐,查看更多

责任编辑: