來源：zhihu
編輯：yaxin、su
中國霸榜AI期刊論文發表，論文引用量「首超」美國！
然而，中國工程院院士李國杰卻戳著國內AI研究的脊梁骨說「頂不了天、落不了地」。
近日，如何看待「李國杰院士發文稱國內 AI 研究頂不了天、落不了地」這一話題引起網友熱議。
簡短8個字，卻值得每個人深思...
中國霸榜AI期刊論文發表，引用量「首超」美國
在人工智能研究領域，中國正超越美國。
根據斯坦福大學的一份報告顯示，2020年，中國在學術期刊上有關AI的論文引用率占比為20.7%，美國為19.8%，這是中國首次超過美國。
另有數據顯示，自2012年以來，中國的AI論文數量為24萬篇，美國則為15萬篇，中國壓倒性地多于美國。
特別是在「圖像識別和生成」方面，中國取得優異的研究成果。
李國杰院士在文中指出，近3年，國內學者發表了大量人工智能論文，申請幾萬件專利。
這些AI在北京冬奧會、城市大腦等應用場景和抗擊新冠取得了顯著成效，同時催生了一些人工智能獨角獸企業，取得的「成績可圈可點」。
「總的來講，我們的研究多數是技術驅動、論文導向，目標導向和問題導向的研究較少。」
國內AI研究「頂不了天，落不了地」
這8個字是李國杰院士對國內AI研究的總體評價。
那問題到底出在哪兒呢？
首先，在科研課題選擇上，「我們與一流科學家的差距之一是選擇可突破的重大科學問題的眼光不夠敏銳。
布局的科研項目要么是增量式的技術改進，要么是幾十年都難以突破的理想型目標。」
總之，科學家目光不夠敏銳，科研項目難以實現「質變」。
就拿AlphaFold 2的例子來說，DeepMind團隊10年前就開始關注「蛋白質折疊」，而國內研究并未將這一方向列入新一代人工智能重大科技項目。
至于當下值得關注的研究方向，李院士認為，人工智能應重點關注涉及經濟發展的重大問題。
比如，「用機器學習的方法全自動地做集成電路的前端和后端設計有可能十年左右取得突破。」
如果能成功，集成電路人才缺口難題將得到解決，而2020年，集成電路人才缺口超過了30萬。
為何人工智能學者視野不夠超前？李院士認為問題出在對人工智能這門學科的認識上。
學者們「大多盯住了『像人』這個原則，以『像不像人』作為目標。」
比如，2017年，沙特阿拉伯授予香港漢森機器人公司開發的機器人索菲亞公民身份，使其成為首個獲得公民身份的機器人。
今年6月，清華大學宣布機器人華智冰入學清華計算機系。
而虛擬人華智冰本身只是技術上的集合，和以前最大的差距大概就是長了一張「美女臉」。
李院士認為，沒必要把電子線路構成的機器做成與人一樣。研究人員應當努力擺脫『模仿人』、『替代人』的思想束縛。
AlphaFold的另一個啟示則是：科研第五范式的雛形已經出現。
「基于最基礎科學原理的機器學習需要人類多領域科學家的智慧和機器『智能』有機融合」
也就是說，AI研究要取得重大突破，應當依賴于跨學科科研人員的緊密合作。
AlphaFold團隊人員就來自不同領域，包括機器學習、語音和計算機視覺、自然語言處理、分子動力學、生命科學、高能物理、量子化學。
最后，李院士指出了將工程科學技術應用到基礎研究中的重要性。
畢竟，AlphaFold也沒有提出新的科學原理，其本質也只是一種集成式的工程科學技術。
網友：聽君一席話，如聽一席話
李國杰院士這篇文章從DeepMind的人工智能程序AlphaFold引入，討論了國內AI研究的問題。
最后以分析DeepMind的研究團隊結尾，指出了科研范式的轉向。
網友表示，「聽君一席話 如聽一席話」。
還有網友指責，李院士的文章凈是在夸AlphaFold，6次DeepMind，13次AlphaFold。
「為什么會這樣，后浪想都懶得想。規矩是誰在定的呢？方向是誰在拿呢？資源是誰在配置呢？」
「一邊喊口號『年輕人要沉得住氣，十年磨一劍』，一邊考核『三五年沒成果，淘汰出局了』。得好好探討一下游戲規則才行。」
細想，為什么國內各個領域都極其缺少從0到1的原創性工作。
最直接的原因就是，學術評價體系不合理！
它過分看重文章數目、IF、citation 等表面化、指標化的東西。
最最根本的原因便是，各行各業都在「內卷」，科研不可能例外。
進而導致，科研人員績效壓力大，短期需要出成果；科研項目在原有研究基礎上創新，不敢開天辟地。
這8個字「頂不了天、落不了地」，你認為該怎么解？
免責聲明：本文版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請第一時間告知，我們將根據您提供的證明材料確認版權并按國家標準支付稿酬或立即刪除內容！本文內容為原作者觀點，并不代表本公眾號贊同其觀點和對其真實性負責。
為您發布產品，請點擊“閱讀原文”
