2024-01-14 18:53
原标题：对话中国科协原副主席张勤：做科研不能蹭热点，总跟风做不出好的创新成果
搜狐科技《思想大爆炸-对线期，对话清华大学核研院、计算机系双聘教授，国际核能院院士张勤。
张勤，中国科协原副主席，第十三届全国政协常委，国际核能院院士，清华大学核研院、计算机系双聘教授，发表Q1区SCI学术论文数十篇，创立人工智能领域动态不确定因果图（DUCG, Dynamic Uncertain Causality Graph）理论体系。
1.符合《全球人工智能治理倡议》的人工智能不是大语言模型，而是建立在对事物因果关系理解和表达基础上的人工智能。
3.如果将科研到产业的发展比喻为从0到100的线”是取得科研成果阶段，其中原创最难，但意义重大；从“1到10”是商业化阶段，取决于诸多因素，是最难的；从10到100是产业发展阶段，相对容易些。
“大语言模型”是否就是人工智能模型的终极体？是否存在比“大语言模型”更理解事物本质的人工智能模型？
近日，顺庐书院“2023科技投资百人论坛”启动会在北京举办。清华大学核研院、计算机系双聘教授，国际核能院院士张勤指出，“符合《全球人工智能治理倡议》的人工智能不是大语言模型，而是建立在对事物因果关系理解和表达基础上的人工智能。”
在会后的访谈中，张勤对搜狐科技解释道，大语言模型并非基于对事物关系的理解，而是基于表达事物关系的语料的数据拟合。基于数据拟合的模型都有一个比较严重的问题，即“黑箱”问题，不可解释、不可预测、难以追溯。因果模型则是可解释和可追溯的，因而是安全可控和可靠的，符合习在“一带一路”峰会上提出的《全球人工智能治理倡议》。
他介绍，当前自己主要做的科研领域是在智慧医疗方面，即用基于因果关系的人工智能辅助医疗诊断，目的是提升基层医生对疾病（包括少见病）的诊断能力，经第三方三甲医院验证诊断准确率已达95%以上。
谈及“因果关系人工智能理论模型”的研发初衷，一切还要从张勤在美国留学时的研究课题说起。
1988年，张勤在美国留学时导师给他的课题是“在存在未知虚假信号的情况下用人工智能做核电站的在线故障诊断”，从那时起，张勤开始研究人工智能。遗憾的是，核电站没有故障数据可用，人工智能所要诊断的往往是以前从未发生过的故障。
他说，“没有故障数据但我们有知识，核电站各变量之间的关系我们是了解的，因为核电站是人设计的。基于人们对核电站变量间因果关系（包括不确定性）的了解，就可以进行故障诊断，辨识虚假信号，基于此创立了DUCG人工智能理论模型，用来解决核电站等大型复杂工业系统的故障诊断问题，取得了非常好的效果。”
“后来我们思考DUCG除了能给核电站看病，能不能也给人看病？因为核电站是大系统，人也是大系统，就这样又做起了人工智能临床诊断。”
人工智能大语言模型的出现引发了当前一波大模型创业潮。但张勤认为，“对科学家来说，一定要有自主创新精神，老是在别人后面跟风是不可能做出原始创新的。要以问题和需求为导向，而不是看人家做什么我就做什么去蹭热点。”
谈及将实验室中的项目落地到商业市场过程中的挑战，张勤认为，从“0到1”和从“1到10”的阶段是最难的，再往后会相对容易些。
他指出，“从‘0到1’难在做出理论体系原始创新，而从‘1到10’需要把技术与市场需求衔接上，也是最缺资金的。但很可惜的是，中国的资金往往都不愿意投这一阶段，因为项目不确定性比较大。”
很多人认为中国在人工智能领域有机会实现“弯道超车”的优势在于“数据”，张勤却给出了不同的答案，“我反倒是认为我们的优势在于巨大的市场，在某些领域如果能得到政府的推动，发展起来会比纯靠市场力量发展走的更快，这可以算体制优势。”
搜狐科技：了解到您是研究核能和计算机领域的专家，您是在什么契机下开始做“智慧医疗”的呢？
1988年我在美国留学时，导师给我的课题是用人工智能做核电站的故障诊断。在核电站发生故障的复杂工况下，有很多动态变化的信息，特别是存在未知虚假信号，光靠人来诊断故障很难，因为人容易出错。那就要靠计算机，所以就开始接触人工智能。
核电站基本没有故障数据可用。但我们有知识，核电站哪个地方有泄漏会导致冷却水流失，压力和温度会有哪些变化，哪个部件会采取什么自动保护的动作，这些我们都是了解的。核电站就是人设计的，所以我们清楚各变量之间的因果关系，当然有不确定性，特别是在故障工况下。我们基于知识创立了一套新的人工智能理论模型，叫动态不确定因果图DUCG，用来解决核电站等大型复杂工业系统的故障诊断问题，取得了很好的效果。
后来我们就想DUCG除了给核电站“看病”，是不是也能给人看病，因为核电站是大系统，人也是大系统，于是就把这套理论移植到了给人看病的领域，取得了非常好的效果。
搜狐科技：您今天在论坛上的演讲主题与科学家创业相关，在您看来，科学家创业需要具备哪些条件，如何能让实验室中的项目成功落地到商业市场？
这个过程中的难点有几个，第一个是从“0到1”的阶段，难在做出理论上的原始创新。我们的科学家一定要有原始创新精神，老是在别人后面跟风是不可能做出原始创新的。要以问题和需求为导向，深入研究事物的内在逻辑，而不是人家在做什么我就做什么去蹭热点。
第二个（难点）是从“1到10”，这时你要把技术做成真正的商业化产品，这就涉及到了资本和市场等诸多因素，不再只是技术了。科研团队需要对自己的技术有把握和信心，同时还要看这个技术是不是真正符合市场需求，且能批量化生产。这个阶段对投资的需求是较大的，是项目最缺资金的时候，也是风险最大的时候。当然，一旦成功回报也是巨大的。但很可惜的是，中国的资金往往不愿意投这一阶段，尤其是不愿意投原始创新项目，因为不确定性比较大，这就是中国难以引领科技产业发展的重要原因。
搜狐科技：我们看到ChatGPT率先诞生于海外，您觉得中国在人工智能发展领域有哪些自己的优势？
张勤：有人说中国的数据多，但我觉得这算不上优势，因为互联网上的数据无论是中国的还是外国的其实大家都能用。我反倒认为我们的优势在于巨大的市场。其次，在某些领域如果能得到政府的推动，发展起来会比纯靠市场力量走的更快，这可以算体制优势吧。但政府推动什么和如何推动就很重要了。
搜狐科技：在人才储备方面，您认为中国应该多做些什么才能吸引更多海内外人才聚集到一起共同发展？
张勤：我认为有两方面，一是内在的发展条件，包括实验条件、资金支持力度、人才优惠政策等。另一个是外部的市场环境和管理环境。尽管中国的市场很大，但如果不是法治规范的，好的技术不能正常发展、评价体系不能优胜劣汰，就难以吸引好的人才。第二个方面还有很大的改善空间。
人才的才能如果得不到有效的施展，而总是需要把精力浪费在不必要的地方，例如去处理复杂的人际关系，那他肯定愿意到一个更适合自己的地方发展，也就是我们说的人才流失，这是我们要解决的一个很大的问题。返回搜狐，查看更多