聲音

吳朝暉

中國科學院院士

浙江大學校長

社會主義現代化需要發揮研究生教育作為最高學歷教育的獨特功能，只有加快發展新時代卓越的研究生教育，才能支撐我國更多市場主體搶占產業鏈高端，才能更大程度為地解放和發展社會生產力提供有力的智力支持。當前研究生教育的主要問題之一就是教育的高端供給無法滿足國家的多元需求。要解決這一供需矛盾，著力點在于凸顯研究生教育服務國家發展的屬性，遵循“以服務為宗旨、在貢獻中發展”的教育理念，圍繞社會主義現代化建設需求和經濟社會高質量發展趨勢，進一步優化研究生培養結構，分類培養研究生，推動研究生教育實現數量與質量相統一。

圍繞國家發展需求調整培養方向。我們應進一步解決研究生培養供給側與需求側錯位等問題，及時回應經濟社會轉型升級、科技產業變革和知識大融通要求，從區域、產業、學科等不同維度完善研究生培養的動態調整機制。面向粵港澳大灣區、共同富裕示范區等國家戰略，優化研究生培養布局。

推動學科與專業一體化發展。我們應突出學科方向、科研方向與專業方向的一致性，建立健全學科分類發展機制，科學設置與調整學科及專業類別，打造“有進有出”的學科體系，形成綜合交叉的一流學科體系。

優化研究生培養結構。我們應選擇辦學條件好、培養能力強的高水平研究型大學，先行先試自主確定碩博招生比例，激發研究型大學提升研究生教育質量的積極性主動性。

駱清銘

中國科學院院士

海南大學校長

對腦科學研究來講，認識腦、理解腦是基礎。當然，對于認識腦，不同的科學家、不同的實驗室可能會選擇不同的路徑，我自己堅持這樣一個觀點——腦聯接圖譜是認識腦的基礎。如果腦中神經元究竟是怎樣聯接的都搞不清楚，就談認識腦、理解腦，我覺得不太靠譜。

我經常會把神經網絡比喻成電路。電路里有電容、電阻、電感等基本元器件，這些基本元器件先組成基本電路，很多個基本電路再組成集成電路，就像神經網絡有小環路與大環路一樣。我們知道，基本電路和集成電路在功能上有很大差別。那么腦內的神經網絡是不是也是如此——小環路與大環路間天差地別？

另外，以電阻為例，電路中可能有10歐姆的電阻，也可能有1000歐姆的電阻，電阻值不同讓其承擔了不同的功能。腦內的神經元會不會也是這樣——同一類型的神經元會有不同的使命？

我們尚未知曉這些問題的答案。但我認為，可以通過研究神經元的聯接圖譜為理解腦提供一些重要知識。

2020年，蒲慕明院士帶我們申請了“全腦介觀神經聯接圖譜”大科學計劃，希望發揮中國在非人靈長類研究領域和全腦介觀神經聯接圖譜成像檢測技術方面的優勢，通過廣泛的國內外合作，率先測繪出非人靈長類的腦圖譜，為理解腦、解析腦作出貢獻。待技術成熟后，我們可以再嘗試針對特定人腦腦區的聯接圖譜進行研究。

李國杰

中國工程院院士

中國科學院大學計算機與控制學院院長

2016年，DeepMind公司的人工智能程序AlphaGo戰勝了人類圍棋冠軍，引起了全世界的轟動。2020年11月30日，DeepMind公司的另一個人工智能程序AlphaFold 2在蛋白質結構預測大賽CASP 14中，對大部分蛋白質結構的預測與真實結構只差一個原子的寬度，達到了人類利用冷凍電子顯微鏡等復雜儀器觀察預測的水平，這是蛋白質結構預測史無前例的巨大進步。這一重大成果并沒有引起媒體和廣大民眾的關注，但生物領域的科學家反應強烈。

AlphaFold團隊是一個典型的跨學科合作團隊，在《自然》發表此重大成果的論文作者有34位，其中19位并列第一作者，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、量子化學等領域的知名學者。AlphaFold并沒有提出新的科學原理，而是研究已知原理的相互組合涌現出的大量新奇結構、特性和行為，把對結構的認知抽象成各種模式的自動化識別和匹配，本質上是一種集成式的工程科學技術。過去生物學家只是把人工智能當成眾多的輔助工具之一，AlphaFold的成功改變了生物學家的看法，證明了工程科學技術不只是工具，也不僅僅是基礎研究成果的應用，而是在基礎研究中可以發揮巨大作用的重要組成部分。

目前，我國的大學和企業的人工智能實驗室大多遇到“頂天頂不了、立地又落不下去”的困境，希望人工智能界的學者認真總結經驗教訓，在研究方向選擇上多費點心思，爭取獲得讓人眼睛一亮的重大成果。

鄧中翰

中國工程院院士

數字多媒體芯片技術 國家重點實驗室主任

后摩爾時代，智能摩爾技術路線具有現實意義，它可以幫助數字時代AI技術全面創新發展，為AI技術的發展提供新的思路與方向。

據世界經濟論壇發布的人工智能技術發展時間表來看，從2020年致力于讓人工智能在世界撲克比賽中獲勝為發展目標，到2059年展望人工智能可以開展數學研究，人工智能處于不斷發展之中，人們對于人工智能的功能與需求也在不斷增大。與此同時，數據總量也在不斷增長，據2016—2020年全球新增數據總量統計，2020年全球新增數據總量達到50.5ZB，其中物聯網新增數據總量達到33ZB。近兩年來，每年新增視頻數據占物聯網數據總量的84%，冗雜而又大量的數據給人工智能的發展帶來了不利影響，數據的處理與加工成為亟待解決的問題。

在我看來，數字時代AI技術存在一些悖論，其中大數據悖論最引人關注與深思，而關于這些問題的思考會影響到未來人工智能發展的道路。我認為，未來人工智能應該致力于以處理數據更加高效、推理更加可信、能耗更加節省、系統更加安全為發展目標，打造一個智能、減碳、安全的生存發展環境，避免數據過剩帶來一系列耗能問題。“智能摩爾”技術路線是一個潛在的可行性技術路線，它使用多核異構智能處理技術，可以滿足AI系統對算法、算力、安全、成本、功耗和尺寸的需求，同時通過架構上的自主創新可以使得AI技術發展更為全面，有利于數字時代AI技術全新發展，達到新的發展高度。