新华网北京5月30日电 题：答好科研的“人生三问”——访中科院院士鄂维南与北京科学智能研究院副院长张林峰

(相关资料图)

  新华网记者 陈听雨 凌纪伟

  时隔7个月，新华网科技频道记者再次见到中国科学院院士、北京科学智能研究院（AI for Science Institute,Beijing）院长、北京大学国际机器学习研究中心主任鄂维南，感觉到了他的亲切与愉快。也许是因为，此次他将和自己的学生、北京科学智能研究院副院长、深势科技创始人兼CSO张林峰共同接受采访。

  “今天的主角是你啊！”鄂维南拍拍张林峰的肩膀，笑着说。张林峰赶忙笑着摆手，把老师让到镜头的C位。在轻松愉快的氛围中，师生传承的精神气息弥漫开来。

  导师甘当“铺路石”

  令鄂维南念念不忘的，是他在中科院的硕士导师黄鸿慈。黄鸿慈是北大第一批计算数学专业的毕业生，为中国计算数学做出了杰出贡献。

  “对我个人风格影响最大的，是黄鸿慈先生。关于计算数学、数值分析最基本的概念，都是从黄鸿慈先生那里学到的。作为一个纯数学背景的学生，这段时间计算数学的基础和价值观培养对我以后的科研生涯是至关重要的。”鄂维南说。

  “我刚到中科院读书时才19岁，和老师交流时，我感受了他极大的热情和动力，他对我提出了非常高的要求，那个时候他就要求我要把中国的计算数学的发展作为自己的事业来看待。”鄂维南说，“不光是黄先生，其他老师也对我提出这样的要求，不仅要从学术的角度来看问题，更要从整个科研事业、整个国家发展的角度来看问题。对我来说，这一直都是我一辈子的动力。”鄂维南说。

  基石是沉默的，构建于地下，却和地上的建筑构成正比关系。地上建筑越辉煌，越能证明基石的稳固与坚实。“铺路石”，就是鄂维南对自己作为导师的定位。

  “我把我自己，甚至我们这一代应用数学家，都视作铺路石。”鄂维南说，“我们刚刚开始投入应用数学的学习与研究时，国家的科技事业百废待兴，我给自己的定位就是打基础。如今，希望我们的学生在我们打的基础上能够创造辉煌；同时，我们要尽可能地为学生搭建平台，希望他们未来都能在自己所在的领域起到引领作用。”

中国科学院院士鄂维南（左）与学生深势科技创始人兼CSO张林峰

  用问题驱动探索

  张林峰与导师鄂维南的求学经历相隔近30年，但不变的是对探索未知的精神传承。

  初入北京大学元培学院求学，张林峰对未来怀有各种想法，但却不知如何开启自己的梦想。“当面临很多迷茫时，我们需要有探索的空间，先把时间腾出来，才能做更多的探索。”张林峰回忆说，读大三时，鄂老师担任学院院长，他时常鼓励大家在掌握必要的基础知识的前提下，留给自己更多的时间，去问问题，去探索更多可能性。

  尽管科研和日常管理工作比较繁重，但鄂老师仍不忘关心学生发展，这给张林峰留下深刻印象。“以我当时的视角来看，鄂老师已经非常地功成名就，但依旧非常热心于打开学生发展的更多空间，他把这样的一个责任背在自己身上。”张林峰说。

  从北京大学毕业后，张林峰考入普林斯顿大学继续留学深造。在一个学术资源如此丰富的世界名校，如何避免陷入迷茫，找到属于自己的科研方向？在这个关键时刻，鄂老师又给了张林峰启迪。

  进入普林斯顿，每个新生都要和系主任沟通选课和学业规划。当张林峰拿着满满的课表，和系主任鄂维南当面讨论时，鄂老师的一席话彻底改变了他预想的在普林斯顿学习和科研的节奏。

  “鄂老师反问我，上这么多课干啥？你要解决的问题是什么？现在整个领域，学术发展的方向是怎样的？”张林峰回忆说，师生二人的首次谈话中，鄂老师建议他先对问题有一个认识和定义，然后在问题驱动下去做更多的学习和探索。实际上，张林峰所在的应用数学系原则上是可以不选任何课的，而在整个求学的四年里，张林峰果然没再选过课，而是更加问题导向地学东西、做研究。

  除了教授科研之“道”，鄂老师还在科研之“术”上指导学生，比如，一定要关注机器学习，关注计算数学和机器学习的结合等等。“尽管当时我还是比较迷茫，不清楚应该怎么关注、究竟怎么结合，但也让我有了大量的时间去真正关注这些领域的发展，去形成自己的认识，并且基于自己与老师和同学的交流，形成真正原创性的想法。”张林峰回忆说。

  只要有一个问题驱动着，就算走在路上也会不由自主地去想。这是张林峰从导师鄂维南、从身边许许多多优秀的科研工作者身上学到并继承延续下来的基本科研素养。

  站在AI肩膀上创新

  创新是“无中生有”，有人将创新比作在旷野中游荡找到宝藏。

  在人工智能驱动科研创新的时代，深度学习架起了一座桥梁，使应用数学家可以对科学技术的进步做出直接的贡献。

  在鄂维南看来，AI for Science是重塑整个科研范式的过程，可以整合过去难以整合的科研力量，使基本原理、科学数据和实验设备得到更高效率的利用；与此同时，AI for Science还是重塑下一代产业的过程，其中蕴含的机遇是巨大的。“对中国科研工作者来说，应该说，这是我们能在下一代科技革命浪潮中走在前沿的一个机会。”鄂维南说。

  “AI会不会取代人？AI不会替代人，但是会用AI的人有可能替代不会用AI的人。”张林峰认为，过去科研人员在给定的技术条件之下做实验、做理论模拟，但他们同样也需要跟上时代革新的步伐，站在AI的肩膀上做科研创新。

  如何站上AI的肩膀，以及站在AI肩膀上能够打开怎样新的局面？张林峰说，回答这个问题需要从鄂维南老师经常向学生提到的“底层逻辑”和“系统工程”两个维度来分析。

  就如同过去计算机提升了人类计算能力一样，今天人工智能驱动的科学研究，它提供了一个底层的高效的，推进高维复杂函数以及处理大规模数据的模型，它将适配于各个科研场景。随着数据的积累和应用深入，能够形成新的科研范式，这是人工智能驱动的科学研究的底层逻辑。

  从系统工程的角度，做科研不再需要从头到尾把所有工作再做一遍，科学研究从“作坊式”到“平台式”的模式转变，在AI for Science新的可能性下，科研的创新效能得到提升，这种新的科研基础设施，真正解放了科学家，让他们能够很方便地站在AI肩膀上，而不至于距离这个肩膀越来越远。

  创新不是唯一的目标,落地才是关键。鄂维南时常叮嘱学生：一定要落地，就是一定要解决真问题。

  在鄂维南的鼓励下，张林峰和团队其他成员一起做了大量AI for Science相关的研究、应用和落地工作。他们用AI的手段建模原子间相互作用，解决了分子动力学模拟里面长期以来精度和效率不可兼得的难题，并得到了广泛应用。这一成果获得具有“超算界诺贝尔奖”之称的戈登·贝尔奖。该成果还与量子优越性、人造太阳等一起入选2020中国十大科技进展。

  兴趣指引科研方向

  谈及科研发展的选择，鄂维南建议，要问自己三个问题，第一，你最感兴趣的是什么？因为一个方向很可能是自己一辈子的事情，所以一定要是感兴趣的；第二，你最擅长什么？第三，你认为未来最有发展空间的方向是什么？要根据自己的兴趣、所长和未来科学的发展空间来选择自身的科研方向。

  “选好方向后，还要真正理解科研的底层逻辑，只有紧紧抓住底层逻辑才能够做出原始创新。”鄂维南说，“从事科研事业，最重要的是决心，是否有决心要真正地做科研，而不是假装做科研；同时要有社会责任感；在我看来能力是第三位的。”

  鄂维南呼吁致力于投身科研事业的青年科技工作者，对自己要诚实，时刻不忘自己选择做科研的初心，同时，思想上也要做好失败概率很大的准备。“科研是一个极端冒险的行业，是在探索前沿，能不能成功，真的不好说，风险很大，所以做科研要有冒险精神和实干精神，尤其是冒险精神，能够放下包袱，真正地去做前沿探索。”

  无论是AI for Science的自身发展潜力，还是广泛而迫切的现实需求，共同指向的一个结果，就是一个巨大的时代机遇摆在张林峰这一代青年科研人面前。

  在机会面前，张林峰是清醒的，他也想以亲身经历告诉那些投身AI应用研发的年轻人，“真诚地去问自己想做什么，然后感兴趣什么”。张林峰说，年轻人的想法应该更加不一样，要敢于打破惯性，建立属于自己的独特性。

  对于如何确定自己的科研方向，张林峰认为，大的科研方向应该由自己来定。“大方向为什么自己定？其实是因为大的方向，是那些不需要做太多理性思考，自己自然就会热爱的事情。”他深信，因为热爱而投身某个科研方向，当经历迷茫时能闪现更多灵感，一个个新的突破会让科研之路变得更加有趣。

  选定了大方向，小的科研方向怎么定？张林峰的建议是多问自己几个“为什么”。“在这个方向上做科研，为什么是现在做？为什么是我做？为什么以前没有人解决？如果我做，应该以怎样的角度切入？”张林峰说，所谓“小方向”其实也不小，甚至要有一定的冒险精神。“我本来是数学或者物理的学科背景，但为解决科研问题，我恨不得要成为半个材料设计专家了，这其实是冒险的一部分。我在克服过去的舒适区，这能让我更好的回答这个问题——为什么是我们来做这件事。”

  时代赋予的科研机遇稍纵即逝，鄂维南和张林峰都希望，青年科研工作者争分夺秒为自己打开新空间，构建AI时代的科研基础设施，以一种新的行业格局重塑科研体系。