“我認(rèn)為重要的不是Gordon-Bell Prize（戈登貝爾獎），而是說我們第一次看到把機器學(xué)習(xí)、科學(xué)計算和高性能計算這三大最主要的工具結(jié)合在一起，我們有多么大的空間可以實現(xiàn)?！?月8日，2021世界人工智能大會全體會議“科學(xué)前沿”舉行，中國科學(xué)院院士、普林斯頓大學(xué)數(shù)學(xué)系和應(yīng)用數(shù)學(xué)研究所教授、北京大數(shù)據(jù)研究院院長鄂維南在演講中如是表示。

戈登貝爾獎素有超算界諾貝爾獎的美譽，去年的11 月 19 日，美國計算機協(xié)會ACM公布2020年戈登貝爾獎的頒獎結(jié)果，鄂維南在內(nèi)的一個中美研究小組獲得該獎項。他們通過機器學(xué)習(xí)將分子動力學(xué)極限從基線提升到了1億原子的驚人數(shù)量，同時仍保證了從頭算的高精度，效率是之前人類基線水平的1000 倍。

鄂維南1982年畢業(yè)于中國科技大學(xué)數(shù)學(xué)系，1985年于中國科學(xué)院計算中心獲碩士學(xué)位，1989年于美國加州大學(xué)洛杉磯分校（UCLA）獲博士學(xué)位。2009年入選首屆美國數(shù)學(xué)學(xué)會會士、2011年當(dāng)選為中國科學(xué)院院士、2012年入選首屆美國工業(yè)與應(yīng)用數(shù)學(xué)學(xué)會會士。

他于2003年獲國際工業(yè)與應(yīng)用數(shù)學(xué)協(xié)會科拉茲獎。2009年獲美國工業(yè)與應(yīng)用數(shù)學(xué)學(xué)會克來曼獎。2014年獲美國工業(yè)與應(yīng)用數(shù)學(xué)學(xué)會卡門獎。2019年榮獲由美國工業(yè)與應(yīng)用數(shù)學(xué)學(xué)會（簡稱SIAM）和蘇黎世聯(lián)邦理工學(xué)院（ETH Zürich）聯(lián)合授予的Peter Henrici獎。2020年獲得國際高性能計算應(yīng)用領(lǐng)域最高獎——戈登?貝爾獎（ACM Gordon Bell Prize）。

中國科學(xué)院院士、普林斯頓大學(xué)數(shù)學(xué)系和應(yīng)用數(shù)學(xué)研究所教授、北京大數(shù)據(jù)研究院院長鄂維南。

很多實際問題沒有得到解決：維數(shù)災(zāi)難

鄂維南此次演講的題目是“AI for Science”，“ 我們研究科學(xué)有兩大基本目的，第一大目的就是尋求基本規(guī)律，比方說行星運動的三大定律、量子力學(xué)基本方程；第二大目的就是要解決實際問題，比方航空航天、生物制藥等?！彼J(rèn)為，從尋求基本規(guī)律，尤其是基本原理這個角度來說，當(dāng)90年前量子力學(xué)建立以后，這個任務(wù)基本上完成了，當(dāng)然并不是徹底完成。

而人類真正的進(jìn)步，鄂維南認(rèn)為是從上世紀(jì)50年代開始有了電子計算機開始，在這個基礎(chǔ)上發(fā)展了一系列的數(shù)值方法，包括差分方法、有限元方法等，人們才第一次大規(guī)模地實現(xiàn)了用基本原理解決實際問題?！霸谶@之前，雖然有基本原理，雖然有確定的方程，但是用它來解決實際問題是非常困難的，幾乎做不到。”

這些方法有個共同的出發(fā)點，即可以用多項式來逼近一般的函數(shù)，由此帶來的影響是巨大的。尤其在工科領(lǐng)域，用計算方法來解決問題已經(jīng)成了一個很重要的工具，可以說是現(xiàn)代工業(yè)和技術(shù)賴以生存的基礎(chǔ)。

但鄂維南強調(diào)，我們?nèi)匀挥泻芏鄦栴}沒有得到解決，“比方說材料的性質(zhì)與設(shè)計，分子、藥物的分子與設(shè)計，這些遠(yuǎn)遠(yuǎn)沒有得到解決，基于基本原理的控制方法也沒得到解決?！痹斐傻慕Y(jié)果則是，“做理論的人、做實驗的人和做實際場景這三個團體差得非常遠(yuǎn)，理論化學(xué)、實驗室的化學(xué)和實際工業(yè)應(yīng)用的化學(xué)，這些場景差距很遠(yuǎn)?！?/p>

這些問題困難在哪里？鄂維南總結(jié)它們都有一個共同的根源，就是所謂的“維數(shù)災(zāi)難”，也就是它依賴的變量太多了?！熬S數(shù)災(zāi)難是什么意思？就是隨著變量的個數(shù)或者維數(shù)的增加，計算復(fù)雜度是指數(shù)增加的。從數(shù)學(xué)上來講，它也有一個基本的困難，也就是多項式在高維不是一個有效的工具?！?/p>

鄂維南提出，能解開這一困局的或許正是深度學(xué)習(xí)。他以深度學(xué)習(xí)中最簡單的圖像識別舉例，“給了你一個圖像，你必須告訴我這個圖像的內(nèi)容，那么從圖像到內(nèi)容，這就是個函數(shù)，這個函數(shù)有多少個維度，也就是它有多少個自由度？”他在演講中指出，“每一個圖像都可以看成是3072維空間的一個函數(shù)。那么這樣的高維函數(shù)以前我們是根本沒辦法處理的。”

鄂維南提到的第二個例子則是公眾已熟知的AlphaGo，“圍棋的最佳策略實際上是一個Bellman方程的解，所以說AlphaGo做的事情實際上在試圖解一個Bellman方程?！?/p>

“這兩個例子，圖像識別是在逼近一個高維函數(shù)，AlphaGo是在解一個超大空間的Bellman方程。我也可以給大家舉很多例子，這些例子都有一個共同的特點，他們在處理一個高非常高維空間的數(shù)學(xué)問題?！焙我宰龅竭@些？鄂維南表示，因為神經(jīng)網(wǎng)絡(luò)可以幫助我們來有效地表示或者是逼近高維空間的函數(shù)，多項式不行，而深度神經(jīng)網(wǎng)絡(luò)是一個有效的替代品。“所以說在最基本的層面，我們有了一個全新的非常有效的工具，它帶來的影響是巨大的?！?/p>

他總結(jié)稱，從科學(xué)的角度來說，機器學(xué)習(xí)在科學(xué)和科學(xué)計算領(lǐng)域的應(yīng)用，可以帶來新的計算方法，新的科學(xué)模型，新的實驗方法，新的產(chǎn)業(yè)業(yè)態(tài)。

傳統(tǒng)的科學(xué)領(lǐng)域才是人工智能更大的主戰(zhàn)場

讓他斬獲戈登貝爾獎的分子動力學(xué)領(lǐng)域的應(yīng)用就是一個例子。分子動力學(xué)（MD）是一種計算機模擬方法，可以用來分析原子和分子在一段固定的時間內(nèi)如何移動與交互，其實際應(yīng)用包括大分子的研究，如用于藥物研發(fā)的蛋白質(zhì)等。

“它解的方程就是牛頓方程，困難在什么地方？困難在于描述原子和原子之間相互作用的勢能函數(shù)。”鄂維南提到，傳統(tǒng)的辦法，一個是猜，“如果能猜得出來當(dāng)然是非常好，但是猜出來可能性有多大？所以這個方法非常的不可靠。”第二個方法則是1985年發(fā)展的第一性原理方法，也就是通過量子力學(xué)模型，每一步在線地把原子和原子間的相互作用力算出來，“它非常的可靠，但是它只能處理很小的體系，1000個原子就到頂了。”

鄂維南等人利用機器學(xué)習(xí)、科學(xué)計算和高性能計算這三大最主要的工具結(jié)合起來實現(xiàn)的突破，讓他認(rèn)為，“這樣一個空間不僅僅是我這里面舉的分子動力學(xué)這個例子，對我前面講的很多，從量子力學(xué)到密度泛函到分子動力學(xué)等等，這樣的空間都是存在的，所以帶來的影響是非常巨大的?！?/p>

鄂維南在演講的最后還表示，其個人認(rèn)為，現(xiàn)在做科研，做理論的也好，做實驗的也好，它基本上是一個‘小農(nóng)經(jīng)濟’的模式。整個過程需要好多年，是效率非常低下的模式。以后的模式是什么？“就是‘安卓模式’，我們有一個統(tǒng)一的大平臺，這個大平臺是我們大家一起貢獻(xiàn)的，那么這個平臺就提供了我們最基礎(chǔ)的模型，比方說分子動力學(xué)模型，你需要什么體系，只要在這個平臺上做簡單的應(yīng)用開發(fā)就可以了。”

他最后強調(diào)，“我個人認(rèn)為，傳統(tǒng)的科學(xué)領(lǐng)域，就是化學(xué)、材料、電子工程、化學(xué)工程、機械工程生物等，才是人工智能更大的主戰(zhàn)場。它給我們帶來的不僅僅是科學(xué)研究范式的改變，也是傳統(tǒng)行業(yè)的轉(zhuǎn)型升級?！?/p>