開(kāi)幕式上的一場(chǎng)對(duì)談引人注目——前微軟執(zhí)行總裁、美國(guó)國(guó)家工程院外籍院士沈向洋,對(duì)話清華大學(xué)丘成桐數(shù)學(xué)科學(xué)中心主任、菲爾茲獎(jiǎng)首位華人得主丘成桐。
提到數(shù)學(xué)大師丘成桐,他27歲時(shí)因證明了卡拉比猜想一舉成名,33歲就獲得了世界數(shù)學(xué)最高獎(jiǎng)項(xiàng)菲爾茲獎(jiǎng),也是首位獲得該獎(jiǎng)項(xiàng)的華人?!都~約時(shí)報(bào)》曾盛贊他為“數(shù)學(xué)之王”。國(guó)際數(shù)學(xué)大師辛格曾說(shuō):“即便是在哈佛,丘成桐一個(gè)人就是一個(gè)數(shù)學(xué)系!”今年4月,丘成桐離開(kāi)哈佛回國(guó),全職任教于清華大學(xué)。
培養(yǎng)中國(guó)新一代的數(shù)學(xué)人才的路徑。
前微軟執(zhí)行總裁、美國(guó)國(guó)家工程院外籍院士沈向洋(圖右)
清華大學(xué)丘成桐數(shù)學(xué)科學(xué)中心主任、菲爾茲獎(jiǎng)首位華人得主丘成桐(圖左)
以下是現(xiàn)場(chǎng)對(duì)話實(shí)錄:
丘成桐:這是一個(gè)很有趣的問(wèn)題,也是世界所有數(shù)學(xué)家都關(guān)注的(話題)。
數(shù)學(xué)是一個(gè)很有趣的科學(xué),它研究很多奧秘,但是從數(shù)學(xué)家眼中看來(lái),所謂大自然,包括我們看到的物質(zhì)世界、宇宙、銀河系,也包括社會(huì)、經(jīng)濟(jì)上所有產(chǎn)生的事,所以數(shù)學(xué)家眼中的大自然是無(wú)所不在、無(wú)所沒(méi)有的。所以我覺(jué)得,世界一流的數(shù)學(xué),一定要能夠看到這些學(xué)問(wèn)的前景,同時(shí)覆蓋面很大;數(shù)學(xué)家看到的數(shù)學(xué)要畫一個(gè)大幅圖畫,這個(gè)圖畫包括剛才講的種種不同的現(xiàn)象。
什么叫一流的數(shù)學(xué)?就像中文講的“畫龍點(diǎn)睛”,誰(shuí)能夠?qū)⒀劬c(diǎn)出來(lái),就能夠看到更遠(yuǎn)更廣大所謂的自然界,那就是一流的數(shù)學(xué)。
丘成桐:他們都是偉大的數(shù)學(xué)家。一個(gè)是從數(shù)理邏輯慢慢向計(jì)算方面去研究,引進(jìn)了很多重要的觀念,包括圖靈測(cè)試、圖靈機(jī)器等種種大觀念。馮·諾依曼也是從數(shù)論的觀點(diǎn)出發(fā),有點(diǎn)不一樣,但也同樣重要,他引進(jìn)了“博弈論”。
丘成桐:這個(gè)工作是我跟我的學(xué)生一同去探索的,當(dāng)時(shí)我們發(fā)掘幾十年前做的工作,對(duì)數(shù)學(xué)有一定的貢獻(xiàn)。其實(shí)這個(gè)數(shù)學(xué)問(wèn)題,差不多是兩百年前由一位法國(guó)數(shù)學(xué)家開(kāi)始的。他就是考慮,兩個(gè)概率分布用什么樣最好的方法將它對(duì)比和比較起來(lái),從比較中找到很多人工智能有興趣的問(wèn)題,圖像處理等重要的問(wèn)題,都可以從中發(fā)掘。其中一位意大利數(shù)學(xué)家,也對(duì)這方面有很重要的貢獻(xiàn),可見(jiàn)數(shù)學(xué)家殊途同歸,能夠用不同的方法對(duì)人工智能有很重要的貢獻(xiàn)。
沈向洋:您講的太有道理了,幾百年前就提出了數(shù)學(xué)問(wèn)題,您幾十年前就解這個(gè)數(shù)學(xué)問(wèn)題。事實(shí)上,這些年來(lái)也把這些方法做到計(jì)算機(jī)圖形學(xué)中,比如說(shuō)顯卡的技術(shù)來(lái)做這件事,大家終于認(rèn)識(shí)到數(shù)學(xué)公式的有效,而且最近你也把它用到了「人臉生成」這類大家更加熟悉的人工智能工作,像大家今天在大屏幕上看到的生成出來(lái)的人臉,都是用AEOT這個(gè)模型產(chǎn)生的,而且可以看到越來(lái)越真實(shí),越來(lái)越栩栩如生,真的非常了不起。
我想多說(shuō)一點(diǎn)個(gè)人認(rèn)識(shí)。最近大數(shù)據(jù)、大模型真正能夠把自然語(yǔ)言處理和計(jì)算機(jī)視覺(jué)統(tǒng)一的非常好,這是一個(gè)著名的雜志最近的一個(gè)書面圖像,給了一個(gè)提示,如果從低角度往上拍,一個(gè)女宇航員在火星拍的一張照片,可以看到結(jié)果是非常震撼的。但是我想回應(yīng)您,如果做得好,其實(shí)發(fā)現(xiàn)他們是用對(duì)了一個(gè)數(shù)學(xué)模型,后面的數(shù)學(xué)做對(duì)了,才會(huì)做的比較快,我覺(jué)得他們應(yīng)該學(xué)習(xí)您的方法,未來(lái)的工作可能會(huì)做的更加好。
丘成桐:人工智能對(duì)數(shù)學(xué)有很重要的幫助。數(shù)學(xué)家有很多重要的問(wèn)題,我們其實(shí)都不是很肯定的。
舉例來(lái)說(shuō),數(shù)學(xué)家一個(gè)很出名的問(wèn)題,就是有限群分類的問(wèn)題。有限分類由很多數(shù)學(xué)家共同合作完成,但是整篇文章有幾千頁(yè)紙的證明,100頁(yè)的證明還可以勉強(qiáng)的念完,但是幾千頁(yè)紙的證明很難完成,我想人工智能可以有很大的幫忙,幫我們了解這個(gè)證明有沒(méi)有缺憾,只是邏輯上收集不同資料和程序的問(wèn)題,我想是可以了解的。
但是我覺(jué)得從參照數(shù)學(xué)來(lái)講,人工智能應(yīng)當(dāng)有很好的用處。300年來(lái)數(shù)學(xué)家產(chǎn)生了不少數(shù)學(xué),同時(shí)很多是很重要的命題,舉例來(lái)說(shuō),萊昂哈德·歐拉是200年前的一位大數(shù)學(xué)家,他寫了一千篇文章,我們真正了解的文章大概有一百多篇,但是歐拉基本上每篇文章都有很重要的開(kāi)場(chǎng)性的看法,而現(xiàn)代人只了解他的一小部分,我想人工智能應(yīng)當(dāng)想辦法將他了解的多一點(diǎn)。
我為什么這樣講?因?yàn)闅W拉的文章大部分是用拉丁文寫的。同時(shí)很多偉大的學(xué)者的文章都是用德文寫的,我希望人工智能能夠?qū)v史上最重要的文章進(jìn)行系統(tǒng)化消化,讓更多人能夠了解。同時(shí)我們要知道,這一百多年來(lái),所有重要學(xué)科的突破,就是從大學(xué)問(wèn)家、科學(xué)家了解不同的學(xué)科,讓它迸發(fā)出來(lái)新的火花,產(chǎn)生新的學(xué)問(wèn)。
丘成桐:從歷史上看,偉大的數(shù)學(xué)家基本上都是10歲、11歲的時(shí)候開(kāi)始發(fā)力,對(duì)數(shù)學(xué)產(chǎn)生興趣,所以我期望我在國(guó)內(nèi)能夠從很年輕的小孩子開(kāi)始培養(yǎng)他們對(duì)數(shù)學(xué)的興趣。期望他們對(duì)數(shù)學(xué)這個(gè)學(xué)科能夠產(chǎn)生真正的興趣,參照生命科學(xué)有濃厚的推動(dòng)力。
沈向洋:您不僅是一位偉大的數(shù)學(xué)家,而且您的中文造詣和歷史功底都非常深,在您培養(yǎng)這批孩子的過(guò)程中,您也在思考專才和通才,不要只是會(huì)考試的學(xué)生,而是真正的理解數(shù)學(xué)和喜歡數(shù)學(xué),你也分享一下培養(yǎng)人才的體會(huì),特別是怎么樣學(xué)貫中西。
我?guī)е鴮W(xué)生們看了很多中國(guó)輝煌的歷史,比如說(shuō)我們?nèi)チ宋靼?,看了漢唐、秦朝的歷史,也看了陰山文化,我期望他們知道中華人民共和國(guó)是偉大的,我們有五千年的歷史,值得我們驕傲。
謝謝丘先生。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。
關(guān)注科技創(chuàng)新、技術(shù)投資。
以文會(huì)友,左手硬核科技,右手浪漫主義。