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、有耐心的環境是從跟風到領風的關鍵。

在不久前召開的全國科技創新大會上，“力爭在重要科技領域實現跨越發展”成為大家關注的話題。這無疑是中國科技事業發展的黃金時期，但是，實現跨越發展首先必須消除科研界的“零減”現象。

所謂的“零減”，是指我們科技發展距離國際最發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”現象，那么在短期內解決這一問題會很難，而且很可能錯失發展的黃金時期。

“零減”現象源于總是在跟風

人工智能的井噴狀態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，以深度網絡為核心模塊的設計理念被絕大多數從業者采納，某個領域的創新被“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級別的。所謂水漲船高，國內機器學習的大熱和這兩個原因息息相關?？梢愿?、也容易跟的現狀，造成了虛假繁榮的假象?？v觀當前的重要結果，難覓來自中國科研單位對關鍵性技術的貢獻。

比如，谷歌阿法狗挑戰人類棋手前后，國內立刻出現“我狗更可一戰”的熱鬧景象。4：1大勝之后，谷歌DeepMind團隊卻發出豪言，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出重文，宣布已經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和資源分配的管理權，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。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。已經過了學習黃金窗口的專家的知識更新滯后是這個現象的主要根源—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，創業板熱錢大量涌入的現狀，將絕大多數年富力強、無論在創新還是學習都是黃金階段的中青年技術骨干裹挾到初創公司。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

在現階段不跟不現實：大批優秀工作者在涌現之中，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，幻想短時間內有成熟的果子落地。要清楚地認識到現在的深度網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力的大數據ImageNet，優秀的訓練平臺如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、有耐心的環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、謝宇三位學者創辦的移動新媒體平臺，致力于關注科學、人文、思想。）