AI科學家眼里的青少年AI教育

謝作如 白磊

大部分孩子都有長大后成為科學家的夢。那么，人工智能科學家是如何成長的？他們在做哪些有趣的科學研究？如何成長為像他們一樣的科學家？為了讓更多的讀者了解人工智能科學家，來自溫州科技高中的特級教師謝作如特邀上海人工智能實驗室青年科學家白磊博士進行對話。白磊博士從事人工智能與地球科學領域的交叉研究工作，負責的“風烏”模型實現了10公里分辨率的全球氣象預報，是目前分辨率最高的人工智能氣象大模型。

謝作如

溫州科技高中人工智能科創中心負責人，浙江省特級教師，中國電子學會現代教育技術分會副主任委員，上海人工智能實驗室XEdu項目負責人，OpenHydra項目發起人。

白磊

上海人工智能實驗室青年科學家，新南威爾士大學博士，悉尼大學博士后研究員，曾獲2022年世界人工智能大會云帆獎、2020年新南威爾士大學工程研究卓越獎、2019年谷歌博士獎學金等。

科研與成長經歷

謝作如：隨著生成式人工智能的發展，中小學AI教育再次引發熱議。感謝白磊博士在百忙之中接受邀請，聊一聊“青少年AI教育”這一熱點話題。首先，請簡要介紹一下您在上海人工智能實驗室的工作以及研究成果。

白磊：感謝謝老師邀請。我在實驗室主要負責人工智能與地球科學領域的交叉研究工作，開發人工智能算法來對圍繞咱們地球的大氣、海洋、地質等圈層建模，從而實現對地球系統的實時高分辨率監測和面向不同時空尺度的高精度高效率預報，并進一步服務氣象預報、海洋預報、能源預測與平衡等國家和社會需求。我最近的研究成果是“風烏”氣象大模型系列，2023年4月我們聯合中科大、上交大、南信大、上海中心氣象臺等高校和機構發布了“風烏”氣象大模型，首次將全球中期氣象預報的可用時效提高到10.75天，模型實驗部署于國家氣象中心、上海市氣象局、香港天文臺等機構，助力我國的氣象預報。今年3月，我們又發布了“風烏”GHR版本，首次利用人工智能算法實現了10公里分辨率的全球氣象預報，是目前分辨率最高的人工智能氣象大模型。

謝作如：能否介紹一下您的求學經歷，您的成長經歷與現在從事的科研工作有什么聯系？

白磊：我博士就讀于新南威爾士大學，當時的主要研究方向是時空預測學習，通過開發人工智能算法實現對不同地理位置上持續收集的多維時間序列流進行預測。博士畢業后，我在悉尼大學進行博士后研究，主要探索大規模通用預訓練技術。這些工作為我探索人工智能驅動的地球科學提供了很好的支撐，因為地球科學領域的大部分數據類型都是多源的時空數據，而且數據規模很大，我之前的研究經歷剛好可以滿足這方面的需求。

謝作如：您在中小學是否接觸過科研工作？或者說，在中小學階段有哪些經歷對您現在從事的工作產生影響？

白磊：我在中小學階段沒有接觸過科研工作。至于說有聯系的經歷，我想首先是整個中小學的學習生活培養了我求知和比較樂觀的精神，這是從事科研工作必需具備的。做科研工作需要對這個世界或者所做的事情時刻保有好奇心和求知心，希望把一件事弄明白或者做好，然后才能全身心地投入精力去做。同時，科研工作的日常又往往是充滿了失敗的，絕大多數的科研成果應該都是在無數的失敗嘗試后取得的，因此需要科研工作者自身有樂觀的精神，不斷失敗，不斷嘗試。

做科研工作需要對這個世界或者所做的事情時刻保有好奇心和求知心，希望把一件事弄明白或者做好，然后才能全身心地投入精力去做。

AI4S：人工智能如何賦能科學研究

謝作如：我是在2023年通過新聞才了解到實驗室有個“風烏”大模型團隊，并在預報方面實現了重大突破?！帮L烏”取名自秦漢時期的“相風銅烏”，這是世界上最早的測風設備，僅從名字看就很有文化的傳承感。您負責的“風烏”大模型是如何實現準確預報天氣的？ 在哪些方面進行了突破？

白磊：“風烏”基于人工智能方法開發，借助神經網絡在建模非線性關系方面的優勢和大模型海量參數帶來的強大擬合能力，可以更好地從歷史大氣數據中總結出大氣系統的底層規律。從人工智能具體方法來說，“風烏”具有三個方面的創新：一是提出基于多模態大模型思想的Transformer網絡設計來表征多種多樣的大氣變量，實現對全球高分辨率高維大氣數據的高效建模；二是提出新的優化目標，針對不同區域不同大氣變量高度耦合但分布差異大的問題，提出不確定性損失函數，通過學習自動調整不同位置不同變量的優化權重，提高網絡優化效果；三是針對長期預測這一難題專門設計方法，針對全球中期預報的長時序生成問題，提出“緩存回放”策略，使模型有意識地處理誤差累積問題，在有限硬件的基礎上間接實現了對長期預測誤差的優化，顯著降低了模型的長期預測誤差。實驗結果表明，“風烏”的10天預報誤差比此前DeepMind發布的GraphCast模型降低10.87%，在“風烏”報告的880個預測指標中，有80%的準確性高于GraphCast。

謝作如：近幾年，AI for Science（科學智能，也稱AI4S）成為備受關注的科研領域。我在很多新聞中看到這樣一句話——新一代人工智能技術推動科研范式變革。什么是“科研范式”？它又是如何因為人工智能而發生變革？請您結合典型的案例介紹一下。

白磊：關于“科研范式”可能不同的研究者有不同的理解，在我看來，科研范式指的是大部分科研工作者采用的研究方法、研究路徑。我個人認為科研范式的核心是由觀測數據和建模方法兩部分組成，在以前可獲得觀測數據非常有限的情況下，主流的建模方法需要基于定性推論或者數理模擬的方法進行，在準確性或者效率上往往不盡如人意，而且由于需要具備非常強的專家知識，往往發展緩慢?；谌斯ぶ悄艿目蒲蟹妒?，建立在過去科學發展所積累的海量觀測數據的基礎上。由于數據的日益豐富和人工智能方法的相對成熟，科研工作者們有機會利用人工智能自動地對科學數據進行處理、建模，從而發現規律進行預測?；谌斯ぶ悄艿目蒲蟹妒揭呀浽诘鞍踪|折疊（如AlphaFold）和氣象預報（如風烏）等非常核心的科研任務上取得了成功。

人工智能對中小學教育的影響

謝作如：我記得數學家萊布尼茨曾說過，讓一些杰出的人才像奴隸般地把時間浪費在計算上是不值得的。因此，才有一批科學家前赴后繼，最終發明了計算機。在我上學的時候，數學教材中還有“珠算”“對數表”之類的學習內容。隨著計算機的普及，這些內容慢慢被取消了。從您的角度看，隨著人工智能的發展，中小學的哪些學習內容可能會隨之發生變化呢？

白磊：這個問題很好。前兩天我剛好看到美國有大學教授在呼吁“人工智能時代需要加強數學的教育”，并得到了Sam Altman、Elon Musk的支持，這說明世界上已經有許多人意識到隨著人工智能的發展，我們現有的教育體系也會有相應的變化。第一，人工智能的概念和計算機科學的基礎會進入到中小學的教育中，讓同學們可以更早了解計算機和人工智能技術的工作原理，并且能夠做一些簡單的編程實踐使用人工智能工具。第二，數學理論依舊非常重要，并且為了適應計算機和人工智能技術進入中小學教育，可能需要有一些針對性的調整。第三，培養學生文學性、藝術性、創造性的能力會更加重要。隨著人工智能的發展，隨著一些重復性的工作被AI所替代，對人類藝術性和創造性的要求會更高。

謝作如：面對人工智能的快速發展，有些人很焦慮，認為要早點學習不能輸在起跑線上，也有人表示完全躺平，認為人工智能不過是“紙老虎”，只要學好數理化，打好基礎就行。對此您是怎么看的？

白磊：我想這種態度的差別對于任何新生的技術或者事物都是一樣的。一方面，對于新的技術，我們永遠都應該保持一種好奇心和開放性的心態，多去了解它、認識它、學習它，并使用它好的一面。另一方面，無論技術如何變化，扎實的數理基礎、獨立的思考能力、出色的批判精神、優秀的創造思維都應該是一個人從小學開始培養并在后續的學習中持續提高的，它們是我們的基礎能力，也是我們快速學習與接納新技術的基礎。

謝作如：由于生成式人工智能的快速發展，有人認為中小學生只要會用人工智能（大模型）即可，會用引導詞即可，甚至有人提出最重要的學科是語文，會準確描述即可。對于這些觀點，您是如何評價的？

白磊：在前面的回答中我已經強調了文化和藝術在未來中小學教育中的重要性。此外，我想再補充兩個角度來說明人工智能時代其他學科的重要性。第一個角度，當前的生成式人工智能或者說大模型還沒有達到所謂的通用人工智能的程度。盡管它已經在對話、文獻處理、編程、視頻創作等非常多的任務上展現出了卓越的性能和提高潛力，但是它還不能完美地完成這些任務。在面對一些極端樣本的時候，人工智能經常會犯錯或者性能往往表現不佳。因此，我們還需要不斷地開發更強大的人工智能模型、更強大的計算設備來進一步推動人工智能技術的發展，這需要我們的教育系統從中小學階段就開始培養學生的數理基礎、創造性思維等。第二個角度，現實世界中的許多挑戰往往需要構建復雜的大規模系統來解決，人工智能技術目前還只是系統中的一環，無法形成完成自主運行的體系，如如何自主地設計一個航天飛機、如何構建一個完全自主運行的能源系統、如何模擬地球系統的運行進而預測天氣和地震等。這些系統是我們社會日常運行的基礎，也需要從小開始培養各種不同學科的高端人才來完成。

無論技術如何變化，扎實的數理基礎、獨立的思考能力、出色的批判精神、優秀的創造思維都應該是一個人從小學開始培養并在后續的學習中持續提高的。

中小學人工智能教育和科創活動

謝作如：有媒體稱2023年是人工智能平民化元年，因為在這一年，人工智能技術的應用越來越普及，不再是只有專業人士才能觸及的技術。但在我們教育團隊看來，僅僅應用人工智能顯然不是在培養未來的人工智能人才。為此，我們設計了相關工具，以期降低青少年學習人工智能的門檻。借助這些工具，只要打開瀏覽器，用少量的代碼就能訓練機器學習和深度學習模型，也能用收集數據→選擇SOTA模型→訓練模型的方式解決一些簡單的真實問題。但也有人認為，中小學沒有數學的基礎，即使訓練了模型也不理解底層原理，并沒有什么價值。您覺得中小學生有沒有必要經歷這種智能“從無到有”的過程？有沒有價值？

白磊：我想人工智能或者說深度學習不僅僅是一種技術，也是一種科學思維和解決問題的方式。在這種體系下面，我們嘗試開發新的算法來自動地從數據中識別規律，制訂出解決問題的方案，并通過科學可量化的評估方式來不斷改進我們的算法。雖然中小學生可能還沒有扎實的數學基礎來完全理解機器學習和深度學習模型的底層原理，但通過實踐操作，他們可以初步理解人工智能的基本概念、科學的思維方式和用人工智能解決問題的工作方式，如如何收集關于某個問題的數據、如何設計合理的評估方式來定量地評估模型的性能等。這些概念和思維方式對于做任何事情都是非常有用的。

謝作如：我曾經想根據AI4S的案例，設計一些面向中小學的案例，但最終因為這些案例都需要一定的學科背景知識，一直找不到好的方向。如果要為中小學生推薦或者設計一個人工智能的活動，您會選擇怎樣的主題？

白磊：如果單純地是為了讓中小學生更好地了解人工智能，培養他們對人工智能的興趣，我想會是關于藝術和創造性方面的活動，如利用現在的大語言模型或者多模態模型進行詩歌創作和劇本寫作、利用多模態生成大模型進行微電影的創作。這種活動本身非常有趣，需要的人工智能基礎和學科背景知識也比較少，具有非常好的普適性，可以讓更多的同學參與進來，了解人工智能技術現有的能力以及在這些任務上可能的不足。如果是希望培養同學們的人工智能技術或者是培養他們利用人工智能解決更加復雜任務的能力，那么我可能會選擇把這個活動與一個具體的課程相結合（如化學或者地理），這樣可以更好地根據這個課程的實際進度和需要來設計人工智能活動的方案。

謝作如：我一直有個困惑，同樣是“算法”一詞，計算機科學中的算法比賽和人工智能中的算法比賽考核的內容是不一樣的，如信息學競賽（ACM）和人工智能算法挑戰賽（Kaggle），需要的能力和提供的代碼幾乎是不一樣的，那二者有什么區別？

白磊：二者的區別就類似于人工智能兩種研究范式之間的區別。2019年辛頓在演講中梳理了兩種人工智能研究范式，一種是基于邏輯啟發范式，即符號主義，另一種是基于生物學啟發范式，即聯結主義。前者認為智能是人為設計出來的，而后者認為智能因學習而來。

謝作如：感謝白磊博士，我們很期待像您一樣的人工智能科學家能關注中小學教育，設計一些AI4S的案例。最后，請您用一段話來鼓勵一下正在就讀中小學的同學們吧。

白磊：親愛的弟弟妹妹們，非常羨慕你們處在這樣一個美好的、充滿無限可能的年紀，每一天都在學習新知識，探索這個世界。雖然科幻電影在說人工智能可能會掌控世界，但是希望你們不要害怕挑戰，不要畏懼困難，保持好奇，努力學習和嘗試，為你們自己和我們國家的未來打下堅實的基礎。同時，我更希望你們可以經常鍛煉身體，經常玩耍，因為樂觀的心態和強健的體魄是一切挑戰的基礎。

對話印象——

我和白磊博士平時都在上海徐匯國際傳媒港的L1大樓工作，我在12樓而白磊博士在10樓。第一次了解到白磊博士是在2022年的暑假，他做了一個關于人工智能和地球科學方向的講座。而我近幾年的研究重點就是尋找人工智能結合科創的項目，讓中小學生了解AI4S領域，有空就會去聽上海人工智能實驗室科學家的講座。當時，白博士的講座給了我很大的啟發。

《中國信息技術教育》雜志邀請我做幾期關于人工智能教育的對話，希望能邀請人工智能領域的專家，我第一時間就想到了他。這次“對話”我們是通過共享文檔軟件來展開的，我提問他回答，交流非常順暢，完稿后我們約在五樓聊天。

白博士很年輕，也很健談，知識淵博且見解獨到。關于計算機科學中的算法和人工智能的算法區別的回答解開了我的疑惑。例如，現有論文中對計算思維的界定，基本上還局限在前者，看起來需要更新觀念并加入后者的內容，才能適用于當前發展現狀，即智能計算時代。

人工智能的人才培養離不開基礎教育，期待有更多的人工智能科學家和白博士一樣，為中小學人工智能教育提供更多的智慧和力量。