1980年，麻省理工學(xué)院第十三任校長 Jerome B. Wiesner 及教授Nicholas Negroponte共同創(chuàng)辦了媒體實(shí)驗(yàn)室（Media Lab）。作為交叉學(xué)科的促進(jìn)創(chuàng)新應(yīng)用技術(shù)發(fā)展的典范，在探索科學(xué)前沿探索的同時，也對現(xiàn)行科研成果評價制度提出了挑戰(zhàn)。

在國內(nèi)，隨著科研水平地不斷提升，交叉學(xué)科的發(fā)展也日益受到關(guān)注。11月30日，國家自然科學(xué)基金委員會召開交叉科學(xué)高端學(xué)術(shù)論壇，宣布成立第九大學(xué)部——交叉科學(xué)部；同時谷歌的 AlphaFold 成功預(yù)測蛋白質(zhì)結(jié)構(gòu)，其背后是少有的機(jī)器學(xué)習(xí)和生物相結(jié)合、且真正能解決重要實(shí)際問題的成果，再一次將“交叉學(xué)科”這個概念推向公眾視野。

12月23日晚，題跋派（由《麻省理工科技評論》中國聯(lián)合CB Insights中國聯(lián)合發(fā)起的未來主義科技領(lǐng)袖社區(qū)）舉辦了“交叉跨界重構(gòu)未來科技創(chuàng)新生態(tài)”主題線上研討會，邀請了五位科研領(lǐng)域涉及跨學(xué)科交叉的青年科學(xué)家，從“交叉學(xué)科”的視角探討了以下問題：

如何處理交叉研究領(lǐng)域里不同學(xué)科的研究人員互相合作協(xié)同的同時，還能保持個人所在學(xué)科主體性？

如何看待交叉學(xué)科的發(fā)展與產(chǎn)業(yè)需求的關(guān)系？

如何看待把某個領(lǐng)域的研究做深入，與交叉學(xué)科本身需要橫向發(fā)展之間的關(guān)系？

人工智能這項(xiàng)技術(shù)應(yīng)該怎么樣去跟別的學(xué)科交叉？

在未來5年，你們認(rèn)為在交叉學(xué)科的哪些領(lǐng)域會有一些比較驚人的突破？你們對這種場景有什么展望？

主持人：齊鵬，同濟(jì)大學(xué)電子與信息工程學(xué)院副教授

圓桌嘉賓：

袁曙光，中國科學(xué)院深圳先進(jìn)技術(shù)研究院研究員，計算藥物中心主任，博士生導(dǎo)師

吳志光，哈爾濱工業(yè)大學(xué)交叉科學(xué)中心教授，博士生導(dǎo)師

鄧?yán)?，加州大學(xué)圣塔芭芭拉分校電子計算工程系博士后

鄧岳，北京航空航天大學(xué)宇航學(xué)院及大數(shù)據(jù)與腦機(jī)智能高精尖中心雙聘教授、博士生導(dǎo)師

以下為整理后的文字實(shí)錄：

齊鵬：請各位老師先介紹一下自己在交叉領(lǐng)域所做的一些工作。

鄧岳：我是來自北航的鄧岳，我在交叉領(lǐng)域研究的時間不是特別長。在讀博期間，我主要從事機(jī)器學(xué)習(xí)、人工智能方面的基礎(chǔ)理論研究。博士畢業(yè)后，開始涉及交叉學(xué)科領(lǐng)域的一些工作。目前主要是圍繞腦科學(xué)和人工智能的相關(guān)課題展開。 之所以選擇這個領(lǐng)域，一方面腦認(rèn)知對于全世界的科學(xué)家來說都是一個比較新的課題，我們希望通過最新的人工智能技術(shù)和智能感知技術(shù)去了解腦認(rèn)知的生物機(jī)理；另一方面我們希望通過對腦的學(xué)習(xí)，收獲啟發(fā)和觀點(diǎn)，用“生物腦”啟發(fā)“智能腦”的研究，從而設(shè)計新一代人工智能模型，未來可以將強(qiáng)化學(xué)習(xí)應(yīng)用在軍事和醫(yī)療中。

袁曙光：我是來自于中科院深圳先進(jìn)院的袁曙光，我從事的專業(yè)是計算機(jī)輔助藥物設(shè)計。這個領(lǐng)域交叉性特別強(qiáng)，主要通過生物計算的方法來研究蛋白質(zhì)的三維結(jié)構(gòu)，以及蛋白質(zhì)與藥物小分子的相互作用，以及利用計算機(jī)來發(fā)現(xiàn)和設(shè)計藥物分子。 我們團(tuán)隊(duì)去年 4 月從瑞士整體回國，創(chuàng)立了計算藥物設(shè)計中心。希望通過交叉學(xué)科的融合，大大加速臨床前的新藥開發(fā)。中心的老師涉及到的研究方向和學(xué)科領(lǐng)域眾多，比如結(jié)構(gòu)生物學(xué)，藥物化學(xué)、計算機(jī)技術(shù)等，另外還涉及一些生物技術(shù)和設(shè)備，比如冷凍電鏡技術(shù)等。我們目前所從事的生物計算，就是把不同領(lǐng)域老師的工作相互搭配協(xié)作，共同加速研究成果的推進(jìn)。

鄧?yán)冢何冶究剖窃谥锌拼髲氖?a target="_blank">光電技術(shù)和機(jī)器人的相關(guān)課題。到清華讀博后，開始從事類腦計算領(lǐng)域相關(guān)工作。這個領(lǐng)域的學(xué)科也很交叉，當(dāng)時我們需要從零開始學(xué)神經(jīng)科學(xué)、腦科學(xué)，在機(jī)器學(xué)習(xí)領(lǐng)域也有所涉及。類腦計算主要還是圍繞芯片來展開，所以還會涉及到電子和微電子領(lǐng)域的技術(shù)。在美國期間，我主要是進(jìn)行芯片架構(gòu)的設(shè)計。 我們團(tuán)隊(duì)目前正在做的工作，是從神經(jīng)科學(xué)和機(jī)器學(xué)習(xí)的理論出發(fā)進(jìn)行研究。另外，還有芯片的設(shè)計以及系統(tǒng)的構(gòu)建，比如普通的計算平臺、服務(wù)器、軟件工作都有涉及，所以目前的工作基本上就圍繞交叉學(xué)科展開。

吳志光：我是來自于哈爾濱工業(yè)大學(xué)交叉科學(xué)中心的吳志光，從一開始從事科研，我就在從事交叉學(xué)科。我目前從事的是生物醫(yī)學(xué)中微納米機(jī)器人的研究。這個領(lǐng)域的科研人員主要以研究機(jī)器人領(lǐng)域的居多，另外還有從事微機(jī)電系統(tǒng)研究的科學(xué)家。 我是化學(xué)背景，所以我的工作更多是把膠體進(jìn)行化學(xué)組裝，將生物相容性，生物降解性比較好的材料作為主體，來組裝微納機(jī)器人。

齊鵬：如何處理交叉研究領(lǐng)域里不同學(xué)科的研究人員互相合作協(xié)同的同時，還能保持個人所在學(xué)科主體性？

袁曙光：在生物計算領(lǐng)域，如果已經(jīng)做出準(zhǔn)確的生物計算結(jié)果，準(zhǔn)備發(fā)一篇比較好的文章的時候，有時會碰到審稿人問：文章里的生物計算結(jié)果是只是停留在理論上嗎？是否有實(shí)驗(yàn)結(jié)果來佐證你計算的分子機(jī)理是正確的？或者是否可以真正應(yīng)用到新藥研發(fā)過程當(dāng)中？如果想回應(yīng)審稿人的質(zhì)疑，就需要去找可以做生物實(shí)驗(yàn)的合作者。 現(xiàn)在問題就來了。如果我們單純看模擬計算的內(nèi)容和結(jié)果，可能對整個課題來說只是一小部分，但對實(shí)驗(yàn)來說卻是核心內(nèi)容。衡量下整個課題的所花費(fèi)的時間，早期通過計算機(jī)模擬進(jìn)行理論計算花的時間并不會很多；但如果找做生物實(shí)驗(yàn)的課題組來合作，實(shí)驗(yàn)部分花的時間可能是計算機(jī)模擬的兩倍、三倍甚至更多時間。這個時候，組里的主次關(guān)系可能會發(fā)生變化。雖然生物計算只是其中一小部分，但是計算結(jié)果可能是整個實(shí)驗(yàn)的精髓。 另外現(xiàn)在很多新興的 AI 制藥公司，或者越來越多的國際大型制藥公司，會把生物計算看作領(lǐng)頭羊和最底層的設(shè)計者，并不是說只是一個輔助手段。

齊鵬：我說一個我的困惑。我做的是醫(yī)療機(jī)器人，我們在做醫(yī)工交叉時，醫(yī)療機(jī)器人最終是要應(yīng)用于臨床，所以這個開發(fā)的需求實(shí)際上都是由醫(yī)生提出來的。我們做出來之后還要給醫(yī)生來驗(yàn)證結(jié)果。相當(dāng)于醫(yī)生不僅是出題人，同時還是閱卷人。不知道其他老師有沒有這樣的困惑？ 吳志光：我是做微納機(jī)器人的，也會遇到和齊老師提到的類似問題。但是我們一般認(rèn)為，合作的課題組里沒有一個絕對的主次關(guān)系，更多的是組隊(duì)合作。在合作的過程中，我做的更多的是介紹好自己，做好自己在課題研究中的角色。 要是遇到了比較棘手的問題，比如攻克癌癥，我們可能一時半會解決不了，但我們可以先解決小問題，積少成多，量變到質(zhì)變。

鄧?yán)冢鹤铋_始當(dāng)我們研究深度學(xué)習(xí)的時候，感覺沒有很交叉。但在這幾年，交叉學(xué)科就已經(jīng)發(fā)展得非常普及了。 像我們做類腦芯片，本來專長是做芯片，做硬件。但因?yàn)榇竽X本身是一個軟硬件一體的系統(tǒng)，很難說你對他的研究只做硬件的部分。我們當(dāng)時也沒有什么可供參考，如果只做好硬件。不懂腦科學(xué)，不懂神經(jīng)科學(xué)，不懂機(jī)器學(xué)習(xí)，這個事情也做不成，所以當(dāng)時我們只能硬著頭皮接觸不同學(xué)科。 如果說合作中的關(guān)系，我覺得需要看這個問題最開始是由誰提出來的。如果我們的項(xiàng)目是為了做出芯片，肯定是以我們?yōu)橹鳎覀儠フ夷X科學(xué)家交流，但同時我們也會自己做一些神經(jīng)科學(xué)或者腦科學(xué)的建模。但如果我們芯片做出來之后，也可以和一些腦機(jī)接口的應(yīng)用合作。如果剛好有課題組想用我們的芯片來驗(yàn)證，或者做另外某項(xiàng)課題，那我們就會協(xié)同配合。 我們這樣做，倒不是說是為了搶其他領(lǐng)域的人飯碗，而是因?yàn)槿绻覀冏约簩@些領(lǐng)域不是很了解的話，后面的工作就沒辦法開展了。包括我們現(xiàn)在做軟件也是，大概在 2016 年以前，做 AI 芯片的人，很多都是純做硬件的人，不是很懂機(jī)器學(xué)習(xí)。但是從 2016 年之后，會發(fā)現(xiàn)他們也在研究很多算法。因?yàn)槿绻话阉惴ê陀布黄饍?yōu)化的話，性能很難再提升。 我覺得，最終還是要形成一種相互促進(jìn)的關(guān)系，彼此技術(shù)的進(jìn)步會推動雙方更好的發(fā)展，這種生態(tài)關(guān)系我覺得才是比較良性的。

鄧岳：我覺得從合作的角度看，首先要了解自己的主業(yè)是什么。比如說我自己是研究算法的，我能做的模型深度或者說對數(shù)據(jù)的闡釋和理解肯定是要會比做腦科學(xué)、神經(jīng)科學(xué)的科學(xué)家要深一些。 但同時，我們也應(yīng)該認(rèn)識到，和別人合作的過程其實(shí)更多的是妥協(xié)的過程。比如說合作方總覺得機(jī)器學(xué)習(xí)能夠解決所有終極問題，其實(shí)可能現(xiàn)在的研究進(jìn)展還是無法根本解決。因?yàn)樗欢@個領(lǐng)域，他眼中的 AI 可能是電影里上的那種很快會統(tǒng)治地球的 AI 。 再比如說我們現(xiàn)在在研究對腦的觀測手段，我們覺得說只要醫(yī)學(xué)上對腦有足夠的觀測，我們建模分析，用數(shù)據(jù)解釋機(jī)理就好了。但其實(shí)我們也受限于目前醫(yī)學(xué)的觀測手段及發(fā)展程度。所以現(xiàn)在我們在彼此合作中，慢慢會發(fā)現(xiàn)大家能做的事其實(shí)就慢慢往中間走。 現(xiàn)在，單一領(lǐng)域的課題成果很難再上 Nature、Science 了，而交叉領(lǐng)域的文章越來越多。有的內(nèi)容噱頭很大，但如果真的去看他的技術(shù)，其實(shí)會發(fā)現(xiàn)最后也是妥協(xié)的結(jié)果。有一些研究課題只是淺嘗輒止，我覺得這是目前學(xué)術(shù)界在交叉學(xué)科發(fā)展上的大趨勢。但這也是一件好事，因?yàn)橐郧翱赡軟]有人來做這件事。

齊鵬：如何看待交叉學(xué)科的發(fā)展與產(chǎn)業(yè)需求的關(guān)系？

鄧?yán)冢簭奈业慕嵌葋碇v，為什么最近幾年對于交叉學(xué)科的市場需求越來越多？其實(shí)我同意袁老師剛剛提到一句話，我們已經(jīng)很難在單一學(xué)科的框架下來突破和提升。我本身是做儀器設(shè)備和芯片系統(tǒng)的，如果按照原來的思路去做的話，已經(jīng)很難再去優(yōu)化整個系統(tǒng)的性能。 我給大家舉兩個例子。 第一個，以前的流式細(xì)胞儀，傳統(tǒng)上，會使用高幀率的相機(jī)抓拍變化比較快的細(xì)胞，或者細(xì)胞的變形去分析。但是如果還想整體提高的話，也很難再使用更高幀率的相機(jī)。要么提升系統(tǒng)的復(fù)雜度，要么把算法搞得很復(fù)雜，但是整體都比較難。 但最近的研究中我們發(fā)現(xiàn)，也許可以借鑒像青蛙一樣的仿視網(wǎng)膜傳感器。它不是整張圖像曝光，而是一個像素點(diǎn)一個像素點(diǎn)地曝光。雖然整體的背景可能不能拍得那么細(xì)，但是它的速度很快。那種場景沒有我們做圖像探測那么復(fù)雜，所以其實(shí)也是相當(dāng)于一種市場需求驅(qū)動的多學(xué)科的應(yīng)用。 第二個例子。手機(jī)做圖像處理現(xiàn)在是一個很簡單的功能，以前可能大家覺得把圖像處理機(jī)器學(xué)習(xí)的算法寫上代碼編譯進(jìn)手機(jī)里，不就可以了嗎？其實(shí)以前是可以的，但為什么在這種市場需求存在、并且以前單一學(xué)科就可以解決的情況下，現(xiàn)在大家卻發(fā)現(xiàn)很難了呢？ 是因?yàn)樵谖覀冞@個時代，從智能手機(jī)出現(xiàn)開始，很多系統(tǒng)里面的數(shù)據(jù)量跟以前不是一個量級的，模型復(fù)雜度跟以前也不是一個量級的。再按照以前那樣寫進(jìn)去，運(yùn)行會特別慢，就會發(fā)現(xiàn)除了做硬件還要做模型、算法的研究和編譯。所以雖然需求還是一樣的，但已經(jīng)不能再使用以前那種單一傳統(tǒng)的方法，因?yàn)槲覀兠媾R的數(shù)據(jù)和模型復(fù)雜都變了。 現(xiàn)在很多藥物仿真也是一樣的。因?yàn)?AI 模型進(jìn)來之后，我們會發(fā)現(xiàn)用傳統(tǒng)的超算或者 CPU 還是不夠快，所以現(xiàn)在很多人會搞專用的硬件、專用的芯片來搭系統(tǒng)，去做這些事情。

鄧岳：我認(rèn)為現(xiàn)在的交叉學(xué)科和產(chǎn)業(yè)化還有一個比較大的鴻溝。在學(xué)術(shù)上，我們可以接受這種前沿性，因?yàn)橛袊液突鹞闹С?。但是真正在做產(chǎn)業(yè)化的同時，其實(shí)更多的時候考慮的是成本。 所以我覺得，現(xiàn)在我們做交叉研究有點(diǎn)像前段時間華為所講的，我們是要產(chǎn)生一些捅破天的技術(shù)，比如說真正改變下一個時代的技術(shù)，比如吳老師的納米機(jī)器人或者鄧?yán)蠋煹念惸X芯片，是真的改變原來的架構(gòu)，重新書寫一片天地的技術(shù)；但目前來說，就我看到的，在產(chǎn)業(yè)化這個方面更多的還是會受到成本以及穩(wěn)定性的約束。因?yàn)楫a(chǎn)業(yè)化是要批量生產(chǎn)，它會追求成品率和成本的控制。我們現(xiàn)在更多的是 POC （Proof of Concept）。 但我覺得有一個領(lǐng)域是可以產(chǎn)業(yè)化的，比如我們北航做的軍工企業(yè)，因?yàn)樗遣挥嫵杀镜摹Ｎ抑灰a(chǎn)出一個有效、有用、且穩(wěn)定的就可以。但如果是面向民用，比如我們手機(jī)要用一個AI芯片，那肯定還會有更多需要考慮因素的了。 真正產(chǎn)業(yè)化未來還是有很多路要走的。但總之，我覺得是前景是美好的。

齊鵬：如何看待把某個領(lǐng)域的研究做深入，與交叉學(xué)科本身需要橫向發(fā)展之間的關(guān)系？

鄧岳：我認(rèn)為交叉學(xué)科是門檻很高的領(lǐng)域。需要我們給他一個好的定義。一個好的定義，我可能會更偏向它的科學(xué)性和前沿性。也就是說這項(xiàng)技術(shù)本身是否能夠真的在未來帶來質(zhì)的改變。 比如說最近很熱的量子技術(shù)。如果量子計算機(jī)真的實(shí)現(xiàn)了，那將完全重新書寫 AI 技術(shù)的體系結(jié)構(gòu)?；蛘咴蠋熗ㄟ^計算藥學(xué)研制出的新藥，吳老師用納米機(jī)器人直接可以送到病灶上……等等，這種利國利民、真正會產(chǎn)生重大突破的、具有科學(xué)性的交叉，我認(rèn)為才是真正有意義的交叉學(xué)科。

鄧?yán)冢何矣X得交叉這個詞本身褒貶義不明確。最近我感到比較困惑的是，以前會覺得自己什么都懂。但最近就不太愿意說自己是做交叉學(xué)科的，因?yàn)橛械娜耍绕涫悄昙o(jì)大一點(diǎn)的老師，會不知道我的主業(yè)是什么，感覺什么都做，但是什么都做不好。 我不能評價別人好或者不好，我覺得學(xué)術(shù)多樣性本身是挺好的事情。如果當(dāng)前的工作方式對你的研究有幫助，比如你覺得目前的課題需要懂很多不同領(lǐng)域的技術(shù)，那就堅持去做交叉學(xué)科；比如你想深耕某個學(xué)科領(lǐng)域，并且做出成果，我覺得這樣也很好。 但我覺得現(xiàn)在跟以前不一樣的一點(diǎn)在于，盡管我們在深耕自己的領(lǐng)域，但還是要清楚目前這個領(lǐng)域內(nèi)，到底有哪些學(xué)科。以及在整個體系內(nèi)，這些學(xué)科的發(fā)展瓶頸有哪些。現(xiàn)在會更強(qiáng)調(diào)一個整體的系統(tǒng)性發(fā)展水平和實(shí)力。比如說類腦計算是一個很復(fù)雜的學(xué)科，但總會有人說類腦計算的發(fā)展沒有人工智能好。這其中有很多方面原因，就像在 2013 年左右，大家想做一個很大的卷積神經(jīng)網(wǎng)絡(luò)來做醫(yī)療，但是當(dāng)年的 GPU 跑不動。所以我覺得交叉學(xué)科的發(fā)展，如果對整個生態(tài)的發(fā)展有促進(jìn)作用，我覺得就可以。

吳志光：我覺得交叉學(xué)科的發(fā)展，很大程度上是由于原來的單一學(xué)科解決不了一些問題，現(xiàn)在通過合作，希望實(shí)現(xiàn)最終成果的突破。另外我覺得我們對待新興學(xué)科的出現(xiàn)，更多還是應(yīng)該給予鼓勵和理解，要辯證地來看。 袁曙光：我特別同意吳老師的觀點(diǎn)，如果是做一些交叉學(xué)科的課題，它應(yīng)當(dāng)在學(xué)科交叉之后，解決某些單一學(xué)科解決不了的問題，或者是說提高之前單一學(xué)科的研究效率。 這一點(diǎn)是我個人體會比較深的。在生物計算制藥領(lǐng)域，現(xiàn)在人工智能和制藥兩個領(lǐng)域都發(fā)展得很好，如果兩個學(xué)科進(jìn)行交叉，那可以接觸到的資源也是比較多的。但其實(shí)到最后，不是所有人都具備這樣一個多學(xué)科高度融合的能力，即使早期從不同渠道拿到了很多資源，但最后可能并沒有做出非常突破性的工作，也沒有像我們所預(yù)期的那樣，在短期之內(nèi)通過高度交叉的學(xué)科達(dá)到新藥研發(fā)的目的。 我覺得其實(shí)在很多交叉學(xué)科自己構(gòu)建的體系里，并沒有真正的把各個學(xué)科有機(jī)融合，發(fā)揮最大的功效，這是我的一點(diǎn)感悟。

齊鵬：如果你是做人工智能研究的，你覺得人工智能這項(xiàng)技術(shù)應(yīng)該怎么樣去跟別的學(xué)科交叉？如果你不是做人工智能的，你希望人工智能技術(shù)跟你這個領(lǐng)域去怎么樣去交叉？

袁曙光：人工智能應(yīng)用到新藥創(chuàng)新，并不是一個新鮮事，30年前這個概念就已經(jīng)提出來，當(dāng)時我們是叫 “定量藥效構(gòu)成關(guān)系”，它是用線性回歸的方式來做小分子的一些性質(zhì)預(yù)測。但在30年前，因?yàn)楹芏嗫陀^因素的局限性：一是數(shù)據(jù)量積累少，二是計算機(jī)硬件也跟不上，因此并沒有今天這么火熱。 但是隨著數(shù)據(jù)量的積累和數(shù)據(jù)庫的完善，以及像英偉達(dá)GPU硬件的發(fā)展等，已經(jīng)實(shí)現(xiàn)了能在普通的個人電腦上處理大樣本量和高數(shù)據(jù)，這個時候AI應(yīng)用到新藥研發(fā)上，就比較現(xiàn)實(shí)一些了。 但實(shí)際上，我們在真正從事醫(yī)療行業(yè)研究的時候發(fā)現(xiàn)，AI其實(shí)并不是一個萬能鑰匙，什么問題都能解決，它更多的是幫助解決某個環(huán)節(jié)上的問題。因?yàn)樵谖覀兩锘瘜W(xué)領(lǐng)域，從AI預(yù)測的準(zhǔn)確性角度看，它在預(yù)測二分類，比如像有還是沒有，準(zhǔn)確率基本可以達(dá)到80%甚至90%以上，但是在預(yù)測具體數(shù)值到底是0.1還是0.2的時候，它的準(zhǔn)確率可能只有30%或者40%。 同時，AI 其實(shí)只是生物計算應(yīng)用到新藥研發(fā)中非常小的一塊。很多新藥研發(fā)是通過其他計算方法比如分子力學(xué)等計算方法實(shí)現(xiàn)的。

吳智光：因?yàn)槲也皇亲鯝I的，所以對AI的概念沒有一個絕對的理解。我的研究領(lǐng)域是微納機(jī)器人，因?yàn)樗袡C(jī)器人，它跟機(jī)器之間最大的區(qū)別就是它要有自己的智能。比如現(xiàn)在，我們做一個微納機(jī)器人，很容易做到通過我們的儀器操控來實(shí)現(xiàn)上下左右的走，但是如果讓他自己去完成一些任務(wù)比如自己走一個迷宮，那就需要比較智能化的解決方式了。 我們非常希望做的事情就是能不能通過 AI 來設(shè)計一些新的納米機(jī)器人，這些機(jī)器人能達(dá)到我們想要的意圖？目前看起來好像還是挑戰(zhàn)比較大的。 鄧?yán)冢汉孟窠鼛啄暧幸痪湓捊小叭f物皆可AI”，大家之所以會這么認(rèn)為其實(shí)還是產(chǎn)生了一個錯覺，覺得只要是需要根據(jù)數(shù)據(jù)做決策的場景，都可以建個模型用AI試試結(jié)果就出來了。但其實(shí)真正想做好AI 的人，會從應(yīng)用角度考慮，會看市場的痛點(diǎn)和產(chǎn)業(yè)鏈的需求，會希望自己的 AI 模型能真正解決問題。 從另外一個角度來說，我覺得 AI 另外一個很重要的點(diǎn)是要好用，可能你看別人說好，用得好，拿到自己的領(lǐng)域發(fā)現(xiàn)其實(shí)并沒有那么穩(wěn)定可靠，所以希望還是對自己好用才更重要吧。

鄧岳：我自己就是做 AI 的，但我也是從讀博士開始做 AI 的，其實(shí)并不是各種數(shù)據(jù)都做過?，F(xiàn)在有個現(xiàn)象，是個公司都說自己是做 AI 的，我在給我北航研究生上課的時候說，大家不要相信媒體上的 AI，因?yàn)槊襟w把 AI 過度神仙化導(dǎo)致它越來越被過度妖魔化了。只有知道什么是真正的AI，才能知道它能做什么，不能做什么。 現(xiàn)在我們所謂的AI，其實(shí)還是基于數(shù)據(jù)的一個統(tǒng)計模型，相當(dāng)于是統(tǒng)計學(xué)或者應(yīng)用數(shù)學(xué)的一個下游。比如谷歌的阿爾法狗為什么能起來？因?yàn)樗懔?、GPU和深度網(wǎng)絡(luò)已經(jīng)到了可以計算這么多的場景了，但其實(shí)自己看它最初的頂層架構(gòu)和算法，其實(shí)50年前可能就應(yīng)有的了。所以，這些基于統(tǒng)計的規(guī)則的算法，其實(shí)算一種數(shù)學(xué)規(guī)則上的暴力美學(xué)，并不具有人真正的智能。 所以我一直覺得現(xiàn)在的 AI 不應(yīng)該叫 Intelligent，應(yīng)該叫Machine Learning。本質(zhì)上現(xiàn)在還是一個重復(fù)學(xué)習(xí)的東西，解決問題的能力其實(shí)非常有限，創(chuàng)造性還是很差的，不能太期望于它能幫助解決所有的問題。 而 AI 在未來的一個很重要的發(fā)展趨勢，其實(shí)就是突破這種數(shù)學(xué)家眼中的 AI 架構(gòu)，去尋找一種新的架構(gòu)，解決“人到底是如何思考問題”的。

齊鵬：在未來5年，你們認(rèn)為在交叉學(xué)科的哪些領(lǐng)域會有一些比較驚人的突破？你們對這種場景有什么展望？

袁曙光：我個人還是比較看好量子計算。主要是它未來不僅僅在我們生物醫(yī)療領(lǐng)域，對我們整個生活及基礎(chǔ)資源都可以帶來一個質(zhì)的飛躍。 吳智光：我希望我們的微納機(jī)器人有一天能做成跟人的免疫系統(tǒng)一樣，隨時隨地集群在人的體內(nèi)。假設(shè)有人得了晚期的癌癥，那么由于它形成了一個自己的免疫系統(tǒng)，它就隨時隨地的可以進(jìn)行治療和控制，最后能變成一種相當(dāng)于我們感冒一樣的慢性病，或者是干脆解決他們。

鄧?yán)冢喝绻痪窒抻谧约旱念I(lǐng)域的話，從計算的角度來講，未來5年我感覺現(xiàn)在計算架構(gòu)里面的異構(gòu)計算應(yīng)該會全面鋪開。 比如大家從蘋果出的第一代處理器可以看到，里面的“一個芯片”已經(jīng)不再是嚴(yán)格意義上的以前的“一個芯片”，它實(shí)際上在一個芯片里集成了很多個領(lǐng)域的專用的芯片?？赡苡袑ｉT的圖像處理的芯片，有專門的 CPU、GPU神經(jīng)網(wǎng)絡(luò)人工智能的芯片等各個學(xué)科的專用的高效芯片，來構(gòu)建整個高效的系統(tǒng)。 同時也正是因?yàn)槟柖捎龅搅藰O限，或者像馮·諾伊曼也遇到了瓶頸，所以按照原來的那個方式來做芯片，已經(jīng)很難再去提高整體性了。從這個角度看，未來5年大家應(yīng)該會在各種計算機(jī)系統(tǒng)或者手機(jī)系統(tǒng)里面都可以看到這種架構(gòu)。 鄧岳：我個人比較看好的：一個是量子計算，還有一個就是非馮·諾伊曼體系下的新一代的架構(gòu)體系。剛剛也被袁老師和鄧?yán)蠋煻颊f了，我就投個贊成票。

-----關(guān)于題跋派TIBA Club題跋派是由《麻省理工科技評論》中國、CB Insights中國聯(lián)合發(fā)起的未來主義科技領(lǐng)袖社區(qū)，旨在聚集新興科技領(lǐng)域的創(chuàng)業(yè)者、投資人、產(chǎn)業(yè)代表，打通社交圈層，構(gòu)建科技創(chuàng)新網(wǎng)絡(luò)。

原文標(biāo)題：萬字長文剖析交叉學(xué)科技術(shù)與市場應(yīng)用潛力，量子計算或?qū)⒙氏葘?shí)現(xiàn)驚人突破 | 題跋派

文章出處：【微信公眾號：DeepTech深科技】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

責(zé)任編輯：haq