“发掘从事由好奇心驱动的研究的基础研究者并给予持续支持最为重要。那正是能够带来重大突破的关键所在。”
今年7月在加拿大多伦多采访被称为深度学习“宗师”的多伦多大学名誉教授杰弗里·辛顿时,问到加拿大成为人工智能(AI)强国的原因,他毫不犹豫地举出“由好奇心驱动的研究”和政府的持续支持。许多人认为加拿大是在国家层面着眼于成为AI强国而集中培育,但事实上是因为不论主题如何都尊重研究者的好奇心,于是萌发了众多种子,其中为AI研究开花提供了土壤。
辛顿教授本人就是这一成果。在以“符号主义人工智能”路径为主流的学界,辛顿教授长期处于非主流。仅凭“AI能否像人脑一样被训练”这一好奇心,辛顿教授没有选择众人共同的路径,而是专注于基于深层神经网络的深度学习这一口井,坚持了30多年。出生于英国的他经过美国后定居加拿大,也是因为那里能够支持他的研究。
上月,尹锡悦总统访问加拿大多伦多会见了辛顿教授。尹总统称,此行是为了听取加拿大的成功因素以及关于如何提升韩国技术实力的意见。之后总统室通过吹风会表示:“加拿大政府即使在AI寒冬期也持续支持该领域研究,从而引领了深度学习技术开发”,“据斯坦福AI指数,韩国竞争力排名第6位,期待今后能跃升为三大强国。”
访问加拿大仅一个月后的28日,在尹总统主持的首次国家科学技术咨询会议上,AI被选为12大国家技术之一,并公布了要在5年内将国内AI市场扩大三倍的蓝图。这是令人欣喜的消息。会议还提出了在国家层面鼓励AI研究、支持基础研究者的支援规模和推进方向。详细路线图将于12月公布,但有一点格外引人注目,即将启动利用AI解决科学或产业界难题的“AI难题解决超大型项目”。这是通过AI解决缩短农产品新品种开发周期、开发高性能电池材料(电解质)等课题的项目。
基础研究与应用研究可以同时进行,也可以先有基础研究再延伸为应用研究。重要的是无论哪一方,研究者的好奇心都必须成为动力。辛顿教授说,当年研究深度学习时,他从未想象过深度学习会被如此应用。他只是被“能否像人脑一样训练AI”的好奇心所牵引。他集大成的深度学习被广泛应用于疾病诊断、为保护海洋生物而侦测非法捕捞,乃至为提高农作物产量而定制施肥,但这都是当时未曾预料的成果。目前辛顿教授已开始研究寻找为深度学习模型带来巨大成就的反向传播算法的替代方案。这同样出于想更了解大脑的好奇心。
自称不太懂政策的辛顿教授嘱托了一点。他警示道:“对政界或政策负责人而言,说正在投资具体项目要容易得多,但必须警惕走轻松的路”,“以目标为中心的项目最终很可能出不了成果。”他以日本第五代计算机项目为例。1982年日本政府以1000亿日元规模雄心勃勃启动的超现代中央处理器(CPU)项目最终以失败告终。辛顿教授的建议是,在政府的具体目标之外,同样重要的是找到平衡点,为研究者发挥好奇心留出空间。






