中國科研要翻身，須消除“跟風”習氣

張崢

一個合格的帶路人和有營養(yǎng)、有耐心的環(huán)境是從跟風到領風的關鍵。

在不久前召開的全國科技創(chuàng)新大會上，“力爭在重要科技領域?qū)崿F(xiàn)跨越發(fā)展”成為大家關注的話題。這無疑是中國科技事業(yè)發(fā)展的黃金時期，但是，實現(xiàn)跨越發(fā)展首先必須消除科研界的“零減”現(xiàn)象。

所謂的“零減”，是指我們科技發(fā)展距離國際最發(fā)達水平也許差距為零，甚至只有刀片厚度的距離，但是從長遠來看卻是在很長一段時期內(nèi)都會落后。這個站位，不止是目前大熱的人工智能領域，在其它很多研究領域，如果不重視”零減”現(xiàn)象，那么在短期內(nèi)解決這一問題會很難，而且很可能錯失發(fā)展的黃金時期。

“零減”現(xiàn)象源于總是在跟風

人工智能的井噴狀態(tài)有一個非常重要的非技術原因：全開放、基本透明的研究方式。很多成果在第一時間發(fā)布在Arxiv.org，公開取用，并附帶開源代碼，不再苦等漫長的會議評審。含金量高的好算法于是迅速在全世界的實驗室遍地開花。同時，“串串燒”也穿透學科壁壘，以深度網(wǎng)絡為核心模塊的設計理念被絕大多數(shù)從業(yè)者采納，某個領域的創(chuàng)新被“隔壁鄰居”拿來復用的例子屢見不鮮。在我的印象里，那么多領域的研究人員合力推進、更新一個技術，是史無前例的。

這兩個因素加在一起，對技術前沿推進的提速是指數(shù)級別的。所謂水漲船高，國內(nèi)機器學習的大熱和這兩個原因息息相關。可以跟、也容易跟的現(xiàn)狀，造成了虛假繁榮的假象。縱觀當前的重要結(jié)果，難覓來自中國科研單位對關鍵性技術的貢獻。

比如，谷歌阿法狗挑戰(zhàn)人類棋手前后，國內(nèi)立刻出現(xiàn)“我狗更可一戰(zhàn)”的熱鬧景象。4：1大勝之后，谷歌DeepMind團隊卻發(fā)出豪言，要讓阿法狗不依賴人類對局棋譜，從零開始；坊間笑談阿法狗沒法上麻將桌的話音未落，谷歌的同一隊人馬發(fā)出重文，宣布已經(jīng)可以在德州撲克上達到納什均衡的勝負水平……

可以跟、也容易跟，是近乎零差距的原因，掩蓋了實力可能正在拉開的真相。跟得越緊也可能越危險，因為關鍵技術發(fā)表之前申請專利的動作是不為人知的，很可能早已“請君入甕”而不自知。

跟風背后的實力真空

讓人更為焦慮的是在硬問題面前的實力真空。從宏觀上來說，造成這種情況有兩個原因。首先，技術成果的飛速更新帶來知識更新成本的上升。這對同時掌握著對國家科研管理部門的進言權(quán)和資源分配的管理權(quán)，又為繁重的行政和教學任務所累的專家們，是極為嚴峻的挑戰(zhàn)。我對幾處中國腦計劃的了解是，不同程度上有著無論形散與否都神散的問題。已經(jīng)過了學習黃金窗口的專家的知識更新滯后是這個現(xiàn)象的主要根源—要同時保持距離和高度是不可能的。

與此同時，國家迫切希望挖掘技術紅利的大背景，創(chuàng)業(yè)板熱錢大量涌入的現(xiàn)狀，將絕大多數(shù)年富力強、無論在創(chuàng)新還是學習都是黃金階段的中青年技術骨干裹挾到初創(chuàng)公司。要面對市場就必須針對用戶腳踏實地，也必然意味著既不能看太遠也不能看太廣，甚至不能看太新。

一個是跟不動，一個是不能跟。舉槍無準星，槍中無子彈。問題是，我們在“零減”的軌道上還要滑行多遠？

怎么從跟風到領風

在現(xiàn)階段不跟不現(xiàn)實：大批優(yōu)秀工作者在涌現(xiàn)之中，不學習就談不上超越。但要盡量正確地去跟，而不是去盲目刷分。在學習方法的同時更要緊的是琢磨問題是怎么提出的，甚至去想問題背后的母問題是什么。向源頭推進，向上游走，要耐得住寂寞和艱苦。

跟的時候要找彎道，但不要幻想存在捷徑，幻想短時間內(nèi)有成熟的果子落地。要清楚地認識到現(xiàn)在的深度網(wǎng)絡只是一個階段性成果，在幾年之后一定會遇到瓶頸，把深度網(wǎng)絡作為組件放到更大的框架是一個更合理的視野。在跟的時候不時地抬頭向遠處。

無論讓深度學習在圖像識別上發(fā)力的大數(shù)據(jù)ImageNet，優(yōu)秀的訓練平臺如Caffe和MXNet，還是關鍵技術如ResNet，這些站得住腳的重要成果背后都是中國學者的身影。一個合格的帶路人和有營養(yǎng)、有耐心的環(huán)境是從跟風到領風的關鍵。

（作者為上海紐約大學終身教授。知識分子微信公號是由饒毅、魯白、謝宇三位學者創(chuàng)辦的移動新媒體平臺，致力于關注科學、人文、思想。）