聚焦人工智能技术前沿与治理 中外专家学者国际论坛建言献策******

　　中新网北京12月5日电 (记者 孙自法)2021人工智能合作与治理国际论坛“人工智能技术前沿与治理”主论坛，12月5日在清华大学以线上线下结合方式举行，中外人工智能(AI)领域专家学者聚焦人工智能技术前沿与治理这一主题，发表主旨演讲建言献策，并深入研讨交流。

　　美国国家科学院院士、美国艺术与科学院院士、约翰·贝茨·克拉克奖得主、斯坦福大学商学院技术经济学教授、以人为本人工智能研究所副所长苏珊·阿西(Susan Athey)认为，大学在指导人工智能创新方面可以发挥优先引导的关键作用。由于私营部门的技术人员缺乏伦理、哲学方面的训练，难以开发出具有可解释性的算法框架，深化这类研究能够在人工智能治理的问题识别、建立开发实践框架、提供指引等方面发挥重要作用。此外，由于数据可以带来巨大的规模效应，当前“软件即服务”的平台经济模式已非常普及。人工智能和数据需求可能带来“伪”市场集中，因此，未来对“机器换人”的预测非常具有挑战性，需要重新关注和思考人工智能如何用于应对老龄化等公共管理问题，使基于人工智能的公共服务变得更加高效。

　　国际人工智能协会前主席、清华大学人工智能国际治理研究院学术委员约兰达·吉尔(Yolanda Gil)指出，由于人类对智能机制认知不足、智能行为本身的复杂性、观测手段的有限性以及个体知识、职业、信仰、文化背景等的差异性，导致当前人工智能研究中面临着一系列挑战，因此，需要加强人工智能基础研究工作，这需要跨领域、跨学科的共同努力。当前，理解人工智能机理和构建人工智能世界模型是人工智能研究面临的两大挑战。一方面，理解人工智能机理需要构架“感知-思考-行动”的智能模型，加强对大脑思维机理的理解，建议借鉴神经科学研究联合体的有益经验，建立全球性的人工智能研究数据库，形成全球共享的研究社区。另一方面，构建人工智能世界模型则需要建立在人类经验、社会习俗、专业技能的基础上，建议建立类似于自由协作式的知识库，通过全民民众参与，推动知识在全球层面共享。

　　中国科学院院士、清华大学人工智能研究院名誉院长、清华大学人工智能国际治理研究院学术委员张钹表示，由于深度学习等算法存在不可解释性，导致前两代人工智能算法存在着公平性、安全性问题和不可靠、不可信等缺陷。发展第三代人工智能关键在于发展可解释的、鲁棒的人工智能理论和方法，开发安全、可信、可靠、可扩展的人工智能技术，以“数据驱动+知识驱动”构建支持可解释的人工智能算法的深度学习平台，赋能人工智能安全与防御优化。从数据中真正获取智能要靠知识的帮助与引导，并需要政策法规对数据使用的正确规范，充分利用知识、数据、算法和算力四个要素结合，推动人工智能的创新发展。

　　中国工程院院士、北京大学信息科学技术学院院长、鹏城实验室主任、清华大学人工智能国际治理研究院学术委员高文认为，当前人工智能发展处于新一代人工智能向强人工智能发展的关键阶段，至2030年，中国人工智能发展总体要达到世界领先水平。从战略问题看，中美欧三方在人工智能人才、研究、开发、应用、硬件、数据等方面竞争激烈，当前中国人工智能发展在战略政策、数据资源、应用场景、潜力人才方面具有优势，而在基础理论、原创算法、关键部件、国际平台、高级人才等方面还存在短板。从战术问题看，人工智能2.0需采用基于大数据的统计AI解决大规模AI应用需求，鼓励各种可能的强人工智能探索，“可解释机器学习+推理”和“仿生系统+AI大算力”是可能的技术路线图；在安全问题层面，强人工智能的安全风险主要来源于模型的不可解释性、算法和硬件的不可靠性和自主意识的不可控性，人工智能2.0应采用DPI与“防水堡技术”解决数据安全与隐私保护，重视探索人工智能伦理问题，并基于“理论-技术研究-应用”的阶段性采取不同的风险防范策略。

　　美国国家工程院外籍院士、英国皇家工程院外籍院士、清华大学高等研究院双聘教授沈向洋表示，AI已经应用于生活和工作的方方面面，目前甚至在法律上也具有一定的应用，比如美国已经有很多法庭用机器学习和人工智能方法帮助判刑，包括决定刑期这样非常重要的问题。但是我们还无法理解一些AI决策的缘由。未来发展过程中我们不能只看见AI决策的“黑箱”，应该打开“黑箱”，探究和理解其中的具体内容和因果关系，我们一定要做可解释性的AI。同时，他提到负责任的AI应具备公平性、可靠性、隐私性、包容性、透明性和责任性的特点，作为新兴领域，还需要向其他领域学习，从而更好的服务于人类。

　　中国工程院外籍院士、清华大学智能产业研究院院长、人工智能国际治理研究院学术委员张亚勤指出，“碳中和”是人类能源结构的又一次变革。“碳中和”既是可持续发展的必然选择，又是产业结构调整和发展的重大机遇。企业在“碳中和”背景下都面临转型增效的压力。人工智能+物联网是智联网，智联网可以赋能绿色计算，助力“碳中和”。智联网助力“碳中和”主要包括三个环节：首先，由数据驱动和人工智能优化引擎来实现智能决策。其次，多参数全链系统配置优化。最后，通过多源多维异构感知融合实现智能感知。智联网可用于能源融合、降低ICT产业的碳排放和推动新兴产业发展等。他还介绍了智联网赋能的绿色计算平台的框架，该平台包括人工智能驱动节能减排和高能效人工智能系统，应用路径包括绿色园区和工业节能。

　　2021人工智能合作与治理国际论坛由清华大学主办，清华大学人工智能国际治理研究院承办，国际支持机构为联合国开发计划署。论坛为期两天，设有三场主论坛、一场特别论坛和七场专题论坛。“人工智能技术前沿与治理”主论坛由清华大学计算机科学与技术系教授、人工智能研究院常务副院长孙茂松主持。(完)

静心探索重要的基础科学问题不求“短平快”70后物理学家翁红明******

　　翁红明在讲解电子运输理论。

　　田春璐摄

　　人物简介：

　　翁红明，1977年出生，现为中国科学院物理研究所凝聚态理论与材料计算实验室研究员、博士生导师。主要致力于凝聚态物理计算方法和程序的开发以及新奇量子现象的计算研究，成果入选2015年度中国科学十大进展、英国物理学会《物理世界》2015年度十大突破、美国物理学会《物理评论》系列期刊创刊125周年纪念文集等。

　　在中科院物理研究所（以下简称“物理所”）的年轻人里，研究员翁红明是小有名气的一位。就在刚刚过去的2022年，他因在数学物理学领域的杰出贡献，获得第四届“科学探索奖”。

　　在国际计算凝聚态物理研究领域，翁红明成果颇丰。其中最为人称道的，是他和同事们合作首次在固体中观测到外尔费米子和三重简并费米子的准粒子。这是国际上物理学研究的重要科学突破，对拓扑电子学和量子计算机等颠覆性技术的诞生具有非常重要的意义。

　　自由思考、厚积薄发，真正对人类文明有所贡献

　　1928年，英国物理学家保罗·狄拉克提出了描述相对论电子态的狄拉克方程。1929年，德国科学家赫尔曼·外尔指出，当质量为零时，狄拉克方程描述的是一对重叠的具有相反手性的新粒子，即外尔费米子。这种神奇的粒子带有电荷，却不具有质量，因而具有确定的手性（指一个物体不能与其镜像相重合，如我们的双手，左手与右手互成镜像，但不能重合）。

　　但是80多年过去了，科学家们一直没有能够在实验中观测到外尔费米子。直到2015年1月初，中科院物理所方忠研究员带领的研究组与普林斯顿大学研究小组合作，从理论上预言了在以砷化钽为代表的一批材料中存在着外尔费米子。此后，这个理论预言经过实验得到了进一步验证。

　　在研究过程中，翁红明发挥了至关重要的作用。他从发表于1965年的一篇实验文献中受到启发，并通过第一性原理计算，初步认定砷化钽晶体等同结构家族材料可能是无需进行调控的、本征的外尔半金属。这类材料能够合成，没有磁性，没有中心对称，是实验制备、检测都非常便捷的绝佳材料。

　　翁红明说：“这一发现的难度在于，从众多材料中找到合适的对象犹如大海捞针，必须对外尔费米子和材料物理特性都有相当认识才行。”

　　在外尔费米子被发现的一年后，翁红明和同事们又进一步“预言”：在一类具有碳化钨晶体结构的材料中存在三重简并的电子态。

　　2017年6月，这个新预言被实验证实，三重简并费米子被首次观测到。这是物理所科研团队继拓扑绝缘体、量子反常霍尔效应、外尔费米子之后，在拓扑物态研究领域取得的又一次重要突破，引起国际物理学界广泛关注。

　　成绩源于多年的深耕积累。翁红明很享受在物理所工作的经历：“这无关荣誉，我找到了更感兴趣、更加深入的研究领域和方向。”

　　自由思考、厚积薄发，一直是翁红明喜欢的学术氛围。他所追求的不是多发表文章，而是能攀登科学高峰，真正对人类文明有所贡献。

　　科研仅靠一个人或一个小组的力量是不够的

　　作为理论物理学家，翁红明专攻量子材料的计算和设计。

　　物理学通常分成两大类，即理论物理和实验物理。理论物理通过理论推导和公式推算得出的结论被称为“预言”，“预言”必须通过实验验证才能成为国际公认的科学事实。

　　在翁红明看来，他接连获得的几次重大发现，都离不开与同事们的通力合作。这，也是他做科研一直特别重视的一点。

　　“理论预言、样品制备和实验观测，这三个环节缺一个都不行。”翁红明说，“在当今科学领域细分程度非常高的情况下，科研仅靠一个人或一个小组的力量是不够的。当有重要任务目标时，我们几个小组紧密合作，在理论、样品、实验等环节实现了环环相扣、无缝对接。”

　　在许多人的想象中，理论物理学家的工作，就是每天独自埋头在稿纸堆里计算推演，然后坐着冥思苦想、灵光乍现。

　　但翁红明认为，计算推演的确要做，思考分析也不可少，但和同行们的交流也非常重要。他每天上班的第一件事就是查看和了解国际上最新的科研进展，然后分析、思考、计算，再把自己的想法跟同事们交流。“很多时候，我的一些想法，或者说突然的一些灵感，其实都是在思考、交流和工作过程当中产生的。”

　　“发现三重简并费米子”这一成果，就源于翁红明和石友国、钱天两位同事一次喝咖啡时的思想碰撞。

　　物理所的咖啡厅在学术界享有盛誉，不但因为咖啡好喝，也因为常有科研人员汇聚在此畅聊科学、各抒己见，聊着聊着，灵感经常“火花四射”。

　　和大家一样，翁红明、石友国和钱天工作之余也喜欢在咖啡厅一聚。翁红明有什么新想法会第一时间告诉他俩；石友国和钱天在实验过程中有什么新发现或疑惑，也会第一时间反馈给翁红明。

　　“闲聊中就能交换信息，我们的交流是完全敞开的，毫无保留地让大家知道彼此做了什么。”翁红明说。

　　翁红明告诉记者，在科研道路上，自己非常珍视的成功秘诀有两个，一个是注意总结和积累，另一个就是跟别人多交流。

　　“目前我努力发展基于大数据和人工智能的凝聚态物质科学研究，其实也是基于这两点考虑，因为所有人的知识积累都体现在这些数据当中。”翁红明说。

　　做研究应该抓住一些更新奇、更本质的问题

　　1977年，翁红明出生在江苏泰兴一户普通人家。他的父母都是农民，家里还有一个姐姐。

　　初中开始，翁红明第一次接触到物理，从此便沉迷其中。“物理让我对周围的世界有了更深入的了解和认识。”翁红明说。

　　兴趣是最好的老师。对物理的热爱，指引着翁红明叩开了物理科学的大门。

　　1996年，翁红明参加高考。在填报志愿时，他毫不犹豫地将所有的志愿都填上了物理。最终，他如愿被南京大学物理系录取。

　　南京大学的物理系在凝聚态物理领域积淀很深。翁红明在这一领域进行相关知识的学习与研究，一学就是9年，直到博士毕业。毕业后，他去了日本的东北大学金属材料研究所做博士后研究，主要研究各种材料的导电性质。

　　到日本一年半后，翁红明萌生了转换研究方向的想法。

　　“我想要转到计算方法和程序的发展上，这是凝聚态物理领域中一个最基础也是最具有核心竞争力的方向。”翁红明说，“如果想要在这个领域有长远发展，就要在这个方向上有一定的积累。”在他看来，静下心来探索重要的基础科学问题，要比做一些“短平快”研究更有意义。

　　想归想，但真正下定决心，翁红明也经过了一番纠结。

　　他坦言：“当转到一个更基础的方向，也意味着你在未来的几年甚至是更长的时间里都需要耐得住坐冷板凳。所以必须做好思想准备，去做一些积累性的工作。”

　　2008年，翁红明的人生又有了一次重大转折。

　　那一年，物理研究所研究员、博士生导师方忠到日本访问交流，翁红明跟他进行了深入的交谈和讨论。

　　翁红明告诉记者：“他跟我介绍了当时做的一项很有意思的工作。虽然我那时并没有很深刻的理解，却受到很大的启发——做研究应该抓住一些更新奇、更本质的问题。”

　　在方忠的影响下，2010年，翁红明决定回到国内，入职物理研究所，成为方忠团队的一名成员。

　　翁红明说：“每个人在一生当中可能会跟很多人交往交谈，但在人生重要转折时刻能够给你启发的却不多。能有这样的机遇去跟方忠老师交流并受到启发，我觉得这是非常宝贵和幸运的。”

　　在新的一年里，翁红明说自己有很多研究工作要做，尤其是如何在拓扑电子学器件研究方面取得突破，促使拓扑电子态理论变成可落地应用的技术。而这，需要跟器件和应用等方向的研究人员进行交流和讨论。

　　翁红明相信，拓扑时代的黎明时分正在临近。（记者 吴月辉）