黄宏年:基础科学实力关乎中国后劲

2017-12-11 00:25:00 环球时报 黄宏年 分享
参与

  近日,两位中国籍数学家在美国顶尖大学成为教授,并获得国际大奖成为中国网络关注的热点。有不少网民认为,基础科学在美国和欧洲更受重视,中国如今缺乏这种“土壤”。能更快地实现经济收益的应用科学、技术,在当前中国更受重视。

  笔者目前在美国一所大学数学与统计系任教,之前在加拿大和法国都有过博士后的工作经历。笔者的切身体会是,即便在欧美国家,至少从薪水上看,数学工作者只是一个普通的中产阶级。其原因主要是很多人对于发展数学,并不是以其实用性为出发。数学工作者做数学,更多是重视其理论价值。虽然从历史看,创造出来的数学理论在将来的某一天一定会产生广泛而巨大的影响,但作为一种价值投资,这个回报的过程太过于漫长。因此,在任何一个商业社会,都不太可能出现对数学专业领域的大规模投资。

  但笔者认为,我国政府仍然急需加大对数学等基础科学研究群体支持力度。笔者的论据主要有两点:第一,我国和美国的情况不一样,无法像后者那样大规模引进人才,从而实现在数学等基础科学研究群体建设上的迅速追赶;第二,数学在很多关键性的产业扮演了奠基性的角色,有个强大的数学等基础科学研究群体是这些产业能够在进入“无人区”后能够健康发展的关键性因素之一。

  其中第一点应该比较容易理解,美国作为一个移民国家,其数学等基础科学研究群体的发展很大程度上靠引进外国人才实现。至今仍然存在的一个现象是,美国大学的数学教授很多都不是美国本土出生的。但我国数学等基础科学研究群体的建设与发展,基本上只能依靠自己培养的人才。可以说,愿意在中国长期生活和工作的数学工作者,绝大多数都是在中国大学受过高等教育的。因此,我们在这方面的短板,并不能在短时间内消除。事实上,我们很多和数学相关的交叉领域,已经出现人才短缺。这充分说明我们急切需要加大对数学这类基础性科学的支持力度,因为我们无法简单地靠引进人才来解决这些问题。

  至于第二点,笔者仅举一例。想必很多人都能够感受到,我们已经处于第四次工业革命时代,其中人工智能(AI)扮演了举足轻重的作用。虽然说AI还不能完全替代人的工作,但它可以替代大部分(重复性)的工作。这就使得在很多领域,人只需要监督AI工作即可。这意味着生产力的跨越式发展和劳动力的再配置,这是工业革命最显著的两个特征。

  我国在AI人才方向的储备,特别是在AI基础科研领域人才的储备,还很薄弱。今年,《领英》发表了《全球AI领域人才报告》,其中提到美国AI人才储备有85万,而中国仅5万。美国AI人才有71.5%具备了10年以上的从业经验,而中国的AI人才仅有38.7%有10年以上的工作经验。特别值得一提的是,在AI人才分布中,美国AI基础层人才占比超7成,这保证了美国能够继续保持对AI领域的领导。

  美国在AI领域的先发优势得益于其长期的布局,但同时和美国强大的数学等基础科学实力有着密切关系: 我们不仅可以看到在AI领域的计算机视觉,自然语言处理等方向数学扮演的奠基性角色,更应注意美国在AI领域最前沿的研究成果,很多都结合了数学领域近年发展出来的深刻理论。如果没有一个强大的基础科学基础支持,美国很多人工智能领域的研究无法顺利开展。

  我国近些年对数学专业领域的建设投入不少,这些投入包括依托各个高校建立数学中心,通过中组部千人计划吸引海外数学人才等。但笔者认为,相对于第四次工业革命对数学等基础科学领域越来越多的要求来说,相对于我们希望通过第四次工业革命取得领先优势来说,我们的投入还远远不够。

  有些人可能认为,我国在当前的发展阶段,可能更应重视应用科学、集成式创新,基础科学研究的成果可以免费从先进国家那里“摘桃子”。在有些领域,这样的观点或许有其合理性,但在越多越多领域,我国的科研已经取得了一定的领先优势,而在这些领域中,我们考虑的是如何保持并扩大优势。在这些领域,有可能产生新的问题,而这些问题又有可能导致新的基础科学理论,而新的理论建立反过来又能进一步促进该领域的发展。而这一切,都无法用“摘桃子”的手段实现。以笔者的所见所闻来看,很多科研和工业领域对于一个强大的、能够与之形成良性互动的基础科学研究群体的要求是很迫切的。

  因此,如果我国想在第四次工业革命中取得优势,在AI浪潮中成为领头羊,必须立足于加速建设一个强大的包括数学领域在内的基础科学研究群体。对于培养AI人才,我国政府已经非常重视,笔者希望,在这一过程中,基础科学研究群体同时能够得到迅速发展和壮大。(作者是美国新墨西哥大学数学与统计系助理教授、海南智疗人工智能科技有限公司创始人)

责编:赵建东
版权作品,未经《环球时报》书面授权,严禁转载,违者将被追究法律责任。 获取授权