“欠缺邏輯”的諾獎得主：我有更好的直覺
(資料圖片僅供參考)
作為喬治·帕里西（Giorgio Parisi）的第一個博士生，張翼成至今也無法跟上導師的思維，盡管他自1981年跟隨帕里西學習和工作有累計達8年的時間。 74歲的帕里西因發(fā)現(xiàn)了從原子到行星尺度的物理系統(tǒng)紊亂和波動的相互作用，而獲得2021年諾貝爾物理學獎。他的研究足夠復雜：從基本粒子物理學到機器學習，從自旋玻璃到水的沸騰，從股市到天氣，從設計實驗探究鳥群飛行規(guī)律到如何更高效烹飪意大利面。 現(xiàn)在擔任瑞士大數(shù)據(jù)與網(wǎng)絡科學中心主任的張翼成評價說，帕里西開創(chuàng)了復雜性科學的研究并使其成熟起來，而這次他獲得諾獎，意味著復雜性科學從此登堂入室，不再是邊緣化的角色。 喬治·帕里西
復雜性科學與此前伽利略、牛頓以來的還原主義理念截然相反：后者盡力在簡化自然現(xiàn)象，用一個公式來理解世界，而帕里西要理解現(xiàn)實中的復雜問題。 那么，包羅萬象、隨心所欲跨界馳騁的帕里西究竟是個什么樣的科學家？ 對科學問題的直覺，是帕里西最與眾不同之處，他的思維是噴發(fā)出來的。 在張翼成的回憶中，帕里西的創(chuàng)造常常是即興的、毫無準備的。 二人共事的經(jīng)典鏡頭是，兩人在共進午餐或咖啡廳聊天，每當感到帕里西的思維火花要噴射，張翼成就趕快抓紙來記錄，回去再仔細琢磨、消化。張翼成的成名作，后來開辟界面動力學標度新研究領域的KPZ（Kardar-Parisi-Zhang）方程就是這么來的。 這個與KPZ方程密切相關的手跡寫于1985年7月15日，張翼成保存至今。張翼成供圖 帕里西本人也試圖闡明自己的思維方式。他在接受《中國科學報》采訪時，舉了個例子：一個朋友問他某些數(shù)量之間是否有關系，他很快給出了一個證明，然而朋友看不懂，只有再三要求他給出詳細證明過程，最終才理解了這個結論。帕里西說，“我有那個明確的答案，而并不明白為什么，只有通過努力，我才能解釋為什么?！?中國科學院理論物理研究所研究員金瑜亮曾在帕里西課題組做過一年博士后，他對帕里西的思維方式同樣感同身受。他對《中國科學報》分析說，大多數(shù)科學家的思維方式是線性的，就是從已知的、已有的困難出發(fā)來找到解決方案，而帕里西在看到步驟A和B后，就跳過中間步驟直接到Z了，這就讓其他人覺得帕里西欠缺邏輯。 在帕里西看來，一些細節(jié)不是特別重要，他會跳過這些細節(jié)，關注到問題的本質。 令人震驚的是，帕里西最終總是對的。金瑜亮說，他往往能夠在具體推導和演算之前就猜到答案，從而給人以天才的觀感，或許是因為他大量的知識儲備，從而給人他大腦運算太快的錯覺。 在其著作《隨椋鳥飛行》一書中，帕里西專門談到了直覺和靈感（無意識）。他說，就像在藝術和許多其他人類活動中一樣，直覺在科學領域也是頭等重要的，然后才是準確性。他引用了意大利諺語“夜晚給人靈感”，來給自己的工作方式做注解。 喬治·帕里西的著作《隨椋鳥飛行》中文版
帕里西還是一個對中國特別感興趣的人。1979年，他在法國遇到了正在巴黎訪問的中科院理論物理研究所吳詠時（現(xiàn)美國猶他大學物理系教授），他表示對中國文化非常感興趣，希望能夠有機會去中國訪問。于是帕里西在1980年4月來到中國，逗留了兩個月，期間還與吳詠時合作完成了一篇在諾獎座談會上被提及的論文，后者于1981年發(fā)表在《中國科學》上。 張翼成說，為了那次來中國，帕里西還專門學了一年中文。帕里西說自己達到“能夠閱讀幾百個字文章的程度”。在接受《中國科學報》在線視頻專訪時，在帕里西書房掛著一副中國書法作品，甚是醒目。 諾獎得主菲利普·安德森說過一句話：“多即不同”，就是說一個系統(tǒng)的成分數(shù)量增加，不僅決定了系統(tǒng)的量變，還決定了其質變。這句話也適用于ChatGPT的機器學習，甚至人類學習。是這樣嗎？ 過去35年間，我研究了機器學習，而沒有詳細研究近日的新進展，但我讀了一些科技論文，理解了ChatGPT在做什么。 關于ChatGPT，有一點很有趣，人們所說的大型語言模型（Large Language Model，簡寫為LLM）能夠學習很多文本，像人類一樣說話，但目前沒有任何內(nèi)在的方法來檢查它所做事情的可靠性。 我的意思是，目前發(fā)生的一切完全是被“虛構”出來的，就像一個高中生在被老師提問時，他不知道答案，卻“發(fā)明”出了正確答案。比如，我問朋友：如果想寫一篇關于意大利詩人的論文，應該讀哪些書？他給了我一個書單，但書單里的這些書都不存在。大型語言模型的問題與之類似，在這個模型中，只有對語言的理解，沒有任何試圖對現(xiàn)實的理解。 當然，ChatGPT對許多任務有用。假如你寫了一篇非常長的東西，你想對這篇論文有一個總結，你可以問ChatGPT，我認為它會總結得非常好。里面可能會有一些理解錯誤，但會非常好。 因此ChatGPT可以有效地避免重復性任務，但目前它仍然距離類似智能的東西很遙遠。它可以重復已被發(fā)現(xiàn)的東西，以一種有趣的方式整合并重復，但它沒有更深層的智能行為。 你能描述一下人工智能的未來嗎？會不會像科幻電影里的那樣？ 我認為預測未來是很困難的事。理解當下已經(jīng)很難了，預測未來更難。 人工智能系統(tǒng)將把我們從某種重復性的工作中解放出來。自動翻譯是非常好的東西，但仍然會犯一點錯，質量不如人工翻譯——人能更深地理解文本，因此給出更好的翻譯。但如果你只是想讀中文文章或報紙，或者你想理解德語科技論文，可以用翻譯軟件。 然而，如果想真正深入理解一篇原創(chuàng)文獻，比如要想知道某種藥物對某一類型的癌癥有什么影響，你最好去自己閱讀原始論文，而不是去看ChatGPT的總結。因此，就像自動駕駛汽車一樣，人工智能還有很長的路要走。 在疫情之前，人們說自動駕駛可以在2020年實現(xiàn)，但到今天自動駕駛還未實現(xiàn)。如果你不想發(fā)生事故，如果你想擁有絕對可靠的自動駕駛，就需要建立在對現(xiàn)實理解的基礎上，所以它進展緩慢。 30年前出現(xiàn)了可以做代數(shù)運算的程序，如a加b的平方，等等，而且可以做很長的運算。這是一個美妙的工具，你可以在上面做很多事情，但它無法獨立證明一個新的定理。 因此，目前而言，距離它具備一些創(chuàng)造性的行為還很遙遠。 你在書中多次提到“直覺”和“隱喻”。那么，有哪些和你風格類似（善用直覺和隱喻）的科學家？ 我認為所有的科學家都有一定程度的直覺；當然，好的科學家比一般的科學家有更好的直覺。 一個好的數(shù)學家，在證明某個定理之前就能感知它是真的還是假的，雖然有時會犯錯，但我認為這種能力是很重要的。典型的研究包括假設一些東西，并試圖證明你的假設是正確的。 如果你是一個非常好的科學家，你會做出一些好的假設，然后去證明是或不是。 舉個例子，大概幾個月或一年前，一個朋友問，某些數(shù)量之間是否有關系，我寫了公式并給出簡短的證明。我的朋友說，不對，證明應該更長。我思考后給出一個更長的證明。我的朋友又說，證明應該更長。我想了一個小時，又給了他一個證明，這次是對的。 也就是說，我有那個明確的答案，但并不明白為什么，只有通過努力，我才能解釋為什么。 當然，很多時候你的想法（直覺）可能是錯誤的——你認為它是對的，你努力去證明，結果卻是致命錯誤。但有時候你能猜到一些正確的東西，這很重要。 目前我沒看到人工智能發(fā)展直覺的方式。如果你想擁有“直覺”，你必須有一些關于世界的、非形式化的內(nèi)在圖像，你需要根據(jù)具體情況，使用這些內(nèi)在圖像作為一個網(wǎng)絡。 很多時候你需要使用類比，將某個東西類比為其他東西，這些都與你心中對這個世界的內(nèi)在認識有關。目前AI還沒有進入這個方向。我認為這將需要大量的時間，但我很有信心，它可以朝著正確的方向發(fā)展。 而且，目前實值神經(jīng)網(wǎng)絡（Real Neural Network）中突觸的數(shù)量遠小于人腦，要想讓人工智能發(fā)展出直覺，需要大得多的突觸數(shù)量。目前我無法看到（人工智能發(fā)展直覺的方式）。 喬治·帕里西在講課。圖源：格蘭薩索科學研究所（GSSI） 你如何看待復雜性科學這門學科，這門學科應該有邊界嗎？對你來說，跨學科研究容易嗎？ 我認為復雜性科學不是一門學科，在復雜性領域不存在專家。因為每個給定的復雜性系統(tǒng)都是不同的，每個系統(tǒng)都和其他系統(tǒng)略有不同。 如果你想讓它成為一門學科，你需要以一種與之前完全不同的方式來看待系統(tǒng)。我不想給出一個方法論，但我想說，有一些關于復雜系統(tǒng)的思考方式，與過去不同。這一點非常重要。 研究復雜性系統(tǒng)的典型挑戰(zhàn)是，這個系統(tǒng)由許多個組件組成，加上非常多的組件之間相互作用，每個部分都是不同的。 這個系統(tǒng)可能是社會，可能是一個人，組件是大腦，是神經(jīng)元，如果這個組件是動物和植物，它可能是一個生態(tài)系統(tǒng)……所以復雜性非常具有普遍性，生活中處處都是復雜性系統(tǒng)的例子，我們正努力去深刻理解它。 有趣的物理學理論是否可以用來解釋社會現(xiàn)象？ 我認為應該非常謹慎地使用物理學和生物學論點來研究社會現(xiàn)象，我認為這非常困難，而且非常微妙。在某種程度上，我會避免這樣做。 當然在某些情況下，我們可以這樣做，比如，如果你想知道人們在非常密集的人群中移動的行為。 但總體而言，若要在一個更大的層面上挪用自然科學理論以理解社會現(xiàn)象，需要非常小心謹慎。因為有時候使用物理學某個參數(shù)會得出非常錯誤的結果。 我還記得50年前發(fā)生的“社會生物學”的事情——科學家們試圖用生物學的一些論據(jù)來解釋社會現(xiàn)象，但結果很危險，他們使用這些論據(jù)為極端立場辯護。 科幻作家阿西莫夫在小說中使用物理學和數(shù)學來預測社會，小說中這種能力產(chǎn)生在遙遠的未來。因此經(jīng)過漫長的時間，我們應該可以達到阿西莫夫的故事中那樣，但目前還非常不成熟。 霍金曾說，如果機器人繼續(xù)發(fā)展，可能會毀滅人類。你如何看待他的擔憂？ 我不認為AI會毀滅人類，我認為人類更有可能通過一場核戰(zhàn)爭來毀滅自己。另一個非常危險的問題是氣候變化。我們還有流行病的問題，還有資源有限的問題，我們可能在一些關鍵資源的爭奪上付出沉重代價，這也可能導致戰(zhàn)爭。 所以我認為人類最危險的事情是自我毀滅，而不是人工智能來毀滅。人工智能顯然很難毀滅人類，而且未來人們可以有不同的技術來避免這種事件的發(fā)生。 目前人工智能的一切都在我們的可控范圍內(nèi)；未來很難說，但是我認為AI毀滅人類是不可能的事情。 這看情況。我做研究都是出于好奇心，如果我看到了我好奇的東西，而且認為自己能夠解決，我就會試著朝這個方向努力。 有時我可能會犯錯，或者在最后我發(fā)現(xiàn)無法解決，但一般來講，這種情況不會發(fā)生。
標簽：
關閉
