聲音

趙忠賢（中國(guó)科學(xué)院院士、2016年度國(guó)家最高科學(xué)技術(shù)獎(jiǎng)獲得者）

70年來(lái)，中國(guó)科學(xué)院為中國(guó)建立完整的科學(xué)技術(shù)體系發(fā)揮了關(guān)鍵作用，對(duì)科學(xué)的布局和逐步完善起到了奠基性作用。在國(guó)家以“兩彈一星”為代表的重要科學(xué)技術(shù)的重大項(xiàng)目，中國(guó)科學(xué)院都做出了重要貢獻(xiàn)。進(jìn)入新時(shí)代，中國(guó)科學(xué)院面臨著新機(jī)遇和挑戰(zhàn)，區(qū)域性的科技創(chuàng)新中心正在形成，中國(guó)科學(xué)院肯定是主角，但如何發(fā)揮作用和怎樣發(fā)揮作用是需要下工夫的。

這是挑戰(zhàn)，也是機(jī)遇。相信中國(guó)科學(xué)院能夠立新功。我粗淺提出以下幾點(diǎn)建議：

人才是第一位的。一是人才方面現(xiàn)在要建立學(xué)科和技術(shù)結(jié)構(gòu)合理的團(tuán)隊(duì)。二是形成一個(gè)人才能發(fā)揮才能的良好環(huán)境。三是要形成健康的人才流動(dòng)機(jī)制。

中國(guó)科學(xué)院要定好位。以前經(jīng)常有人討論“中國(guó)科學(xué)院存在定理”，70年的成就表明，“中國(guó)科學(xué)院存在定理”是成立的。新時(shí)代，中國(guó)科學(xué)院的關(guān)鍵是為國(guó)家科學(xué)技術(shù)健康發(fā)展發(fā)揮更大作用，實(shí)現(xiàn)“四個(gè)率先”。

當(dāng)前，中國(guó)科學(xué)院既有能力為突破“卡脖子”技術(shù)、從基礎(chǔ)科學(xué)的深層次角度做出貢獻(xiàn)，又能為“心腹之患”，也即國(guó)家長(zhǎng)遠(yuǎn)發(fā)展提供源泉。

中國(guó)科學(xué)院要打好“摩天大樓”地面下的基礎(chǔ)工作。這個(gè)基礎(chǔ)別人可能看不見，但對(duì)國(guó)家長(zhǎng)遠(yuǎn)發(fā)展是非常重要的。建設(shè)好大科學(xué)和綜合性的科學(xué)平臺(tái)，為院內(nèi)外的科學(xué)家服務(wù)，這很重要。

李國(guó)杰（中國(guó)工程院院士、中國(guó)科學(xué)院計(jì)算技術(shù)研究所研究員）

70年來(lái)，我們已經(jīng)形成從基礎(chǔ)研究、應(yīng)用研究到成果轉(zhuǎn)化的線性科研模式。繼續(xù)沿用固定的科研模式，可能會(huì)延緩我們實(shí)現(xiàn)科技強(qiáng)國(guó)的進(jìn)程。

現(xiàn)如今，我們需要認(rèn)真梳理，理清哪些需要繼承、哪些需要補(bǔ)充、哪些需要揚(yáng)棄。如今，我們國(guó)家經(jīng)濟(jì)社會(huì)已經(jīng)進(jìn)入新時(shí)期，新時(shí)期要有新科研模式。

在這一背景之下，我認(rèn)為我們要轉(zhuǎn)變線性的科研模式，更加重視基礎(chǔ)性的發(fā)明。我們國(guó)家一直把科研工作分為基礎(chǔ)研究、應(yīng)用研究和實(shí)驗(yàn)開發(fā)。把基礎(chǔ)研究和應(yīng)用研究分為上下游的關(guān)系不利于科學(xué)技術(shù)的發(fā)展?？茖W(xué)和技術(shù)是平行的，沒有絕對(duì)先后，發(fā)明和發(fā)現(xiàn)是相互促進(jìn)的有機(jī)整體，重大的發(fā)明往往包含新的發(fā)現(xiàn)。

我們國(guó)家的基礎(chǔ)研究投入占比5%，雖然不足，但國(guó)家非常重視；可近幾年我們應(yīng)用研究的比例一直在下降，20世紀(jì)大概在20%左右，現(xiàn)在降到10%左右。

國(guó)外應(yīng)用研究占20%～50%。我們國(guó)家是一個(gè)發(fā)展中國(guó)家，應(yīng)該更加鼓勵(lì)應(yīng)用研究，多做源頭上創(chuàng)新，克服重論文、輕發(fā)明傾向，更加重視基礎(chǔ)性發(fā)明。

目前，國(guó)家正在籌建國(guó)家實(shí)驗(yàn)室，但在新興領(lǐng)域，我們要像重視國(guó)家實(shí)驗(yàn)室一樣，重視企業(yè)里的創(chuàng)新實(shí)驗(yàn)室。信息領(lǐng)域的重大發(fā)明，包括集成電路、晶體管、主流操作系統(tǒng)等都是出自企業(yè)。計(jì)算機(jī)界的圖靈獎(jiǎng)大家看成跟諾貝爾獎(jiǎng)一樣的分量，70余名圖靈獎(jiǎng)得主中，只有萬(wàn)維網(wǎng)的發(fā)明者伯納斯·李一個(gè)人是來(lái)自國(guó)家實(shí)驗(yàn)室，其他都來(lái)自大學(xué)和企業(yè)。

李靜海（中國(guó)科學(xué)院院士、國(guó)家自然科學(xué)基金委員會(huì)主任）

過(guò)去的70年，我國(guó)已成為名副其實(shí)的科技大國(guó)，成績(jī)值得驕傲。與此同時(shí)，我們應(yīng)當(dāng)清醒地認(rèn)識(shí)到，中國(guó)科學(xué)技術(shù)水平要支撐實(shí)現(xiàn)“兩個(gè)一百年”的目標(biāo)仍然差距不小。在這樣一個(gè)時(shí)期，戰(zhàn)略選擇和對(duì)應(yīng)的改革十分重要。從當(dāng)前看，以下幾個(gè)問(wèn)題十分重要：

一、科研范式變革帶來(lái)的重大機(jī)遇。有一種觀點(diǎn)認(rèn)為，數(shù)據(jù)密集型將是新的科研范式的特征。但事實(shí)上，這也許并不是科研范式變化的主要方面，重視科學(xué)研究?jī)?nèi)容、方法和范疇的根本性變革才是最為重要的，比如靜態(tài)平均的研究應(yīng)當(dāng)轉(zhuǎn)向動(dòng)態(tài)結(jié)構(gòu)的復(fù)雜性研究。我們不應(yīng)回避困難。

二、學(xué)科交叉已成為新科學(xué)突破的主要途徑。據(jù)統(tǒng)計(jì)，過(guò)去18年諾貝爾自然科學(xué)獎(jiǎng)中，學(xué)科交叉成果的比例已經(jīng)從20世紀(jì)的20%上升到40%以上。各種學(xué)科交叉研究機(jī)構(gòu)層出不窮，傳統(tǒng)的學(xué)科布局和科研組織模式已經(jīng)不能適應(yīng)科學(xué)技術(shù)的發(fā)展，必須引起我們的高度重視，并采取措施。

三、基礎(chǔ)研究、應(yīng)用研究以及工程研發(fā)三類研發(fā)活動(dòng)的非線性互動(dòng)關(guān)系，已經(jīng)成為各國(guó)提升國(guó)家創(chuàng)新體系效率的關(guān)鍵。對(duì)基礎(chǔ)研究而言，科學(xué)前沿和需求導(dǎo)向是“兩條腿走路”，這兩方面科學(xué)問(wèn)題的凝練機(jī)制十分重要，這種互動(dòng)關(guān)系應(yīng)當(dāng)是科技體制改革的核心問(wèn)題。

四、培育更年輕的優(yōu)秀學(xué)者和鼓勵(lì)原創(chuàng)是當(dāng)務(wù)之急。年輕人思想活躍，思維還未形成慣性，易產(chǎn)生原創(chuàng)思想，所以把鼓勵(lì)原創(chuàng)和年輕人才培養(yǎng)聯(lián)動(dòng)起來(lái)可能更為有效。

徐宗本（中國(guó)科學(xué)院院士、西安交通大學(xué)教授）

“人工智能的基石是數(shù)學(xué)，沒有數(shù)學(xué)基礎(chǔ)科學(xué)的支持，人工智能很難行穩(wěn)致遠(yuǎn)?！痹谖铱磥?lái)，目前人工智能所面臨的一些基礎(chǔ)問(wèn)題，其本質(zhì)是來(lái)自數(shù)學(xué)的挑戰(zhàn)。

數(shù)學(xué)家眼里的人工智能是什么？當(dāng)下主要指機(jī)器學(xué)習(xí)。如果給這個(gè)名詞賦予一個(gè)說(shuō)明，我認(rèn)為這是人或者智能體，通過(guò)與環(huán)境的交互來(lái)提升自身行為和解決問(wèn)題能力的智能化操作。機(jī)器學(xué)習(xí)是把這種智能形式化為數(shù)學(xué)公式，轉(zhuǎn)換成計(jì)算機(jī)可以操作的算法和軟件。

進(jìn)一步說(shuō)，人工智能實(shí)際上是一個(gè)將數(shù)學(xué)、算法理論和工程實(shí)踐緊密結(jié)合的領(lǐng)域。將其扒開來(lái)看，就是算法，也就是數(shù)學(xué)、概率論、統(tǒng)計(jì)學(xué)、各種數(shù)學(xué)理論的體現(xiàn)。

不過(guò)我認(rèn)為，作為人工智能基石的數(shù)學(xué)，還存在五大核心問(wèn)題待解，而這也是制約人工智能進(jìn)一步發(fā)展的“絆腳石”。

第一是大數(shù)據(jù)的統(tǒng)計(jì)學(xué)基礎(chǔ)，第二是大數(shù)據(jù)計(jì)算基礎(chǔ)算法，第三是深度學(xué)習(xí)的數(shù)學(xué)理論，第四是非常規(guī)約束下的最優(yōu)輸運(yùn)，第五是關(guān)于學(xué)習(xí)方法論的建模與函數(shù)空間上的學(xué)習(xí)理論。

人工智能想要做得好，要靠數(shù)學(xué)問(wèn)題尤其是算法的解決。在這一現(xiàn)狀之下，從業(yè)者應(yīng)潛心從基礎(chǔ)研究抓起，使我國(guó)的應(yīng)用場(chǎng)景優(yōu)勢(shì)真正轉(zhuǎn)化為技術(shù)優(yōu)勢(shì)和產(chǎn)業(yè)優(yōu)勢(shì)。