中國在AI for Science的基礎(chǔ)還非常的薄弱，且非短期內(nèi)可以提升，需要有一個長期性的計劃，也需要有足夠的金錢投入和人才隊(duì)伍建設(shè)。 本篇作者褚學(xué)森，中國船舶科學(xué)研究中心、深海技術(shù)科學(xué)太湖實(shí)驗(yàn)室 研究員；新興技術(shù)研究室AI方向牽頭人；AICA首席AI架構(gòu)師培養(yǎng)計劃第四期學(xué)員。在今天的「AI先行者」分享中，他將和大家聊聊自己對于AI for Science的理解和感悟。 中國船舶科學(xué)研究中心、深海技術(shù)科學(xué)太湖實(shí)驗(yàn)室，是赫赫有名的“蛟龍?zhí)枴薄ⅰ皧^斗者號”的研發(fā)單位。我從大學(xué)畢業(yè)加入至今已快20年，目前在新興技術(shù)研究室擔(dān)任AI方向牽頭人。結(jié)合近幾年在AI for Science科研前沿領(lǐng)域的探索，分享一些個人的觀察和思考，希望幫助中國AI產(chǎn)業(yè)應(yīng)用走得更快些。

中國AI發(fā)展不能“偏科”

我在2021年參加了深度學(xué)習(xí)技術(shù)及應(yīng)用國家工程研究中心聯(lián)合百度舉辦的AICA首席AI架構(gòu)師第四期的培訓(xùn)，可謂眼界大開。課程覆蓋面廣，授課老師都是一線大拿，唯一的遺憾是授課的時間比較短，對我們深入了解和學(xué)習(xí)還是不夠，希望將來有更深度、更長時間的學(xué)習(xí)。 我們搞船舶的，具體說是用超級計算機(jī)搞仿真模擬，在AICA學(xué)員中會感到有一點(diǎn)點(diǎn)“寂寞”，有類似感覺的，可能還有搞石油的、搞海洋監(jiān)測的。 因?yàn)槲铱吹?0%的學(xué)員都是集中在CV（計算機(jī)視覺）和NLP（自然語言處理）方向，而像我們這樣的研究所，比較集中在AI for Science和AI for Product兩大類。前者，是通過AI提升科研技術(shù)手段創(chuàng)新，如提升試驗(yàn)手段、實(shí)驗(yàn)?zāi)芰?、仿真能力等；后者是通過AI實(shí)現(xiàn)產(chǎn)品智能化，如智能船舶、無人船自動駕駛、輔助決策，這些方面我們都已經(jīng)有了一些積累。 我必須坦率地說，如果百度在通用AI的實(shí)踐上代表中國的最高水平的話， 那反映出一個現(xiàn)狀就是，中國在AI for Science的基礎(chǔ)還非常的薄弱，且非短期內(nèi)可以提升，需要有一個長期性的計劃，也需要有足夠的金錢投入和人才隊(duì)伍建設(shè)。

生成式大模型

一半海水一半火焰

我當(dāng)時AICA培訓(xùn)結(jié)業(yè)的時候，ChatGPT這波還沒有起來，現(xiàn)在非常熱，我也專門講一下我的一些感受。 對于普通人來說，ChatGPT似乎是一夜之間冒出來的，改變了游戲規(guī)則。但事實(shí)上不是的，它依托的深度學(xué)習(xí)和大模型的技術(shù)底座一直有在發(fā)展，只是因?yàn)檎眠@一次和chat模式結(jié)合，使得普通人能夠用自然語言去體驗(yàn)AI的能力和魅力，它就一夜成名了。這讓我不由感概，很多大事看似由一個細(xì)節(jié)或偶然推動的，但背后有其必然。

飛槳科學(xué)計算

對于生成式大模型的能力，我第一時間體驗(yàn)了。如果要打個比喻，它的出現(xiàn)有點(diǎn)像當(dāng)年智能手機(jī)顛覆功能手機(jī)，是很多要素綜合的結(jié)果，例如從按鍵變成觸摸屏、從3G進(jìn)入4G、開放的操作系統(tǒng)、大量自由開發(fā)者應(yīng)用涌現(xiàn)等等。 但這些因素中誰是主因呢？我覺得是“智能操作系統(tǒng)”，智能操作系統(tǒng)提供了手機(jī)應(yīng)用可隨意擴(kuò)展和萬眾參與開發(fā)的技術(shù)底座，改變了手機(jī)生態(tài)，ChatGPT帶來的也是操作系統(tǒng)級的變化，它打開了普通人與智能大模型的交互大門，也證實(shí)了通用人工智能的可行性。 我對ChatGPT的體驗(yàn)主要是“文科”方面的。我也體驗(yàn)了很多大模型，特別是百度的文心一言，可以說是國內(nèi)最好的。我認(rèn)為，如果有人專攻和科研結(jié)合的生成式能力，比如論文的檢索、查詢、提煉、寫作輔助，再比如工作協(xié)同、圖片生成等領(lǐng)域，應(yīng)該是比較快的能產(chǎn)生一些成果的，所以它很熱。 但也有冷的一面，我必須強(qiáng)調(diào)的是，目前我學(xué)習(xí)和在工作中應(yīng)用AI已經(jīng)快5年的時間了，我的一個比較樸素的判斷是，無論是以前的大模型，還是現(xiàn)在這一波生成式浪潮，短期內(nèi)還不會出現(xiàn)特別適應(yīng)于我們船舶行業(yè)的通用深度學(xué)習(xí)算法和模型。 因?yàn)橥ㄓ冒娴腁I工具還無法處理特定的工程問題，不同的應(yīng)用模式，需要不同的機(jī)器學(xué)習(xí)算法和針對特定問題的進(jìn)一步細(xì)化，比如要做流體力學(xué)的方向，盡管有了一些嘗試性案例，但我覺得它們還過于簡單，要真正應(yīng)用到工程，必須有真正深入我們這個行業(yè)的人一起才能做出來的。所以最后，我們這個AI組，還是要做很多通用化之外的行業(yè)二次開發(fā)，不然就解決不了具體的困難。 當(dāng)然，短期內(nèi)不能，不代表以后不能。我相信隨著我們對AI領(lǐng)域的持續(xù)深耕，也會有持續(xù)的突破。 其實(shí)，我們已經(jīng)開始走在這條路上了，比如有一個重點(diǎn)方向——“船舶知識大腦”，就是基于知識圖譜和大模型。通過學(xué)習(xí)我們也了解到，百度的文心大模型 和其背后的知識圖譜、知識增強(qiáng)等技術(shù)密不可分。我們相信繼續(xù)深入了解百度“文心+飛槳”的產(chǎn)業(yè)實(shí)踐，對提升我們在知識領(lǐng)域的能力會是非常有借鑒作用的，我們也希望持續(xù)和百度在這方面保持合作和探索上的協(xié)作。

要繼續(xù)馬拉松式的投入

我已經(jīng)工作20年了，但還在攻讀清華大學(xué)的計算機(jī)工程博士學(xué)位，因?yàn)殡m然我們的行業(yè)如計算流體很多年前就開始應(yīng)用計算機(jī)，后面用了很多年的超算，但行業(yè)內(nèi)主流方法還是比較古老的。如果說的具體一點(diǎn)，它是在上個世紀(jì)70年代的時候發(fā)展起來的，針對的是當(dāng)時數(shù)據(jù)少、算力也很薄弱的狀態(tài)，用有限的條件得到一個比較宏觀的最優(yōu)解，這樣的算法不是專門針對當(dāng)前大數(shù)據(jù)、高算力情形設(shè)計，無法有效拓展。 但是，現(xiàn)在的算法、算力和方法論體系都有了巨大進(jìn)步，我們不能再用上個世紀(jì)的體系，這可能也是單位將AI作為一個方向建設(shè)，并且讓我來牽頭的緣故。 在我看來，AI for Science非常有前途，它不是一個應(yīng)用或一個算法，它是從科學(xué)的最底層規(guī)律出發(fā)，讓bottom up的純數(shù)據(jù)驅(qū)動方式，逐漸轉(zhuǎn)向與物理模型相融合的階段。 說的再通俗一點(diǎn)，我從事的是AI for CFD方面的攻關(guān)，屬于科學(xué)智能的范疇。就是用AI去學(xué)習(xí)科學(xué)原理，然后得到模型，進(jìn)而去解決實(shí)際的問題。比如，AlphaFold2對蛋白質(zhì)折疊結(jié)構(gòu)的預(yù)測，為這個困擾生物學(xué)界 50 余年的難題提供了革命性手段。 從這個角度去看，AI for Science在國際上已經(jīng)如火如荼的搞起來了，國際上較領(lǐng)先的是DeepMind和Nvidia等。但坦率來說他們目前也還處于人才培育階段，少部分有代表性的國際成功案例，沒到適用大規(guī)模商業(yè)應(yīng)用程度，還是以不惜代價的資金投入做出來的。 但盡管如此，人家并沒有因?yàn)槎唐谛б娌幻黠@而減少支持，ChatGPT出來之前，也沒人說得清OpenAI堅(jiān)持的大模型是否值得投入。這也提醒我們，尖端科研的過程就是你追我趕，現(xiàn)在我們不占有優(yōu)勢，如果沒有持續(xù)投入的決心，就會落后。 舉個例子，戈登貝爾獎是高性能計算領(lǐng)域的諾貝爾獎，2016 年、2017年都是我國拿到的戈登貝爾獎，2018年是兩個美國團(tuán)隊(duì)拿到的獎，他們的成就都是基于當(dāng)時世界排名第一的Summit系統(tǒng)上，那里面很多應(yīng)用都已經(jīng)是面向人工智能的；后來尤其像DeepMind，每年都會出類似AI爆品的東西，整個科學(xué)界對AI 活躍度就帶上來了，這值得我們關(guān)注。 AI的頂級研發(fā)非常非常的花錢，我們需要集中力量辦大事。當(dāng)百度2021年開始設(shè)計飛槳科學(xué)計算套件PaddleScience（賽槳），布局AI for Science生態(tài)，我們第一時間參與了相關(guān)共建開發(fā)工作，支撐完成了基于PINNs方法的方腔流、圓柱繞流等應(yīng)用案例，為PaddleScience的1.0版發(fā)布奠定了基礎(chǔ)。合作過程雙方都是自愿投入，后來我們和百度一起申請一個國家級別的基金，結(jié)果過會的時候就被pass掉了。否掉的原因不是說項(xiàng)目不好，而是評審者認(rèn)為，你和企業(yè)合作，企業(yè)就會有投入啊，為什么還要來跟那么多嗷嗷待哺的項(xiàng)目搶基金。 這是一個很典型的現(xiàn)象，我們國家用在AI底層研發(fā)、AI for Science、包括工業(yè)軟件方面投入了很多經(jīng)費(fèi)，但是各個口子都在做，有點(diǎn)雨露均沾的味道，彼此之間又有很大的隔閡，沒有真正做到力往一處使，真正發(fā)揮舉國體制的優(yōu)勢。當(dāng)然，二十大提出了創(chuàng)新總方針，很多問題會在以后被重視起來，但我覺得我們要消融來自社會各界的研究機(jī)構(gòu)、高科技公司、高校之間的“隱形”的墻，真正做到力出一孔，這恐怕是一個長期的問題。以百度這樣的高科技公司主導(dǎo)開源模式，共建生態(tài)，不失為一個有效途徑。

中國造船工業(yè)如何應(yīng)對“卡脖子”

應(yīng)對各類“卡脖子”是我們國家近年科技發(fā)展的焦點(diǎn)，我們船舶行業(yè)也要應(yīng)對可能的“卡脖子”問題。工業(yè)軟件就是其中一種。 你可能認(rèn)為怎么會？畢竟，2022年1-10月，我國造船業(yè)在國際市場的份額繼續(xù)穩(wěn)居世界第一，在全球18種主要船型分類中，我國有10種船型新接訂單量位居世界第一。目前，全球建造難度最高的液化天然氣船，我國承接的數(shù)量已提升至全球的近三成，創(chuàng)歷史最高水平。 但你可能不知道，從事我們這個行業(yè)，必須使用工業(yè)軟件，CFD軟件是其中一種，CFD英語全稱 (Computational Fluid Dynamics），即計算流體動力學(xué)，它是流體力學(xué)、計算數(shù)學(xué)和計算機(jī)科學(xué)結(jié)合的產(chǎn)物，是一門具有強(qiáng)大生命力的交叉科學(xué)。CFD軟件通常指商業(yè)化的CFD程序，具有良好的人機(jī)交互界面，能夠讓使用者無需精通CFD相關(guān)理論就能夠解決實(shí)際問題。這些軟件從基本物理定理出發(fā)，在很大程度上替代了耗資巨大的流體動力學(xué)實(shí)驗(yàn)設(shè)備，在科學(xué)研究和工程技術(shù)中產(chǎn)生巨大的影響，是目前國際上一個強(qiáng)有力的研究領(lǐng)域。 而目前幾乎所有主流的CFD軟件都是在歐美國家手里，包括英國的CFX和美國的Fluent， 后來CFX和Fluent都被ANSYS公司收購，成為其ANSYS系列產(chǎn)品下的流體模塊。 類似于“我不用你的芯片設(shè)計軟件，就無法又快又好的設(shè)計出芯片”這樣的問題，完全可能在我們這個行業(yè)再發(fā)生一次。

而我們除了迎頭趕上，也要彎道超車，現(xiàn)在，有AI的加入，給CFD的彎道超車提供了可能。人工智能在很多方面有優(yōu)勢，比如通過在更快的周轉(zhuǎn)時間內(nèi)為每個仿真創(chuàng)建更多設(shè)計，從而降低計算、設(shè)計程序和運(yùn)營成本。 又比如，通過在CFD過程中自動調(diào)參和提供知識庫工作流幫助來提高模擬的準(zhǔn)確性，以及創(chuàng)建生態(tài)系統(tǒng)以無縫方式模擬、預(yù)測和優(yōu)化產(chǎn)品，提高產(chǎn)品性能和效率等等。 人工智能與CFD的結(jié)合說起來很深，我只擇要說一點(diǎn)。目前這個領(lǐng)域有純數(shù)據(jù)驅(qū)動和結(jié)合先驗(yàn)知識兩類。純數(shù)據(jù)驅(qū)動方法是由已有的CV等其他領(lǐng)域方法遷移過來，這類方法最大難處在于大量的數(shù)據(jù)樣本獲取和訓(xùn)練。而融合傳統(tǒng)的方法及其他先驗(yàn)知識到神經(jīng)網(wǎng)絡(luò)訓(xùn)練中，可以有效降低對數(shù)據(jù)的需求，這是我們現(xiàn)在跟百度飛槳一起合作，在攻關(guān)的方向，但難度非常大。 這讓我很感概，還是力量不夠集中。百度作為一個通用型AI企業(yè)，已經(jīng)進(jìn)入AI世界的領(lǐng)導(dǎo)者象限，這是很值得驕傲的事情。但百度再強(qiáng)，也沒法替所有的行業(yè)分門別類的去搞專用算法。在我看來，百度是一個引領(lǐng)者的角色，但我們行業(yè)也要和百度互相奔赴，我們要輸出我們的know-how做百度的“帶路黨”，我們也需要百度的工程師真正在我們領(lǐng)域待一兩年，我們還需要充裕的資金和開放的環(huán)境， 如果這些都具備，我覺得以中國人的智慧，是能夠作出一點(diǎn)不同凡響的事情來的。

結(jié)語

說了這么多，才深切的感到，越是本身技術(shù)壁壘高的行業(yè)，通用型AI企業(yè)的賦能難度就越大。這個問題會困擾整個AI行業(yè)很多年，而在我看來，唯一的破解之道，就是培養(yǎng)跨界人才。 我記得一個故事，說有人采訪愛因斯坦，提了一個問題，說為什么牛頓經(jīng)典力學(xué)現(xiàn)在還是主流。愛因斯坦回答說，只有等那些從小就把相對論當(dāng)基礎(chǔ)常識來學(xué)習(xí)的人成長起來了，門戶之見也就自然消失了。 在這里我們也可以期待，完全從基礎(chǔ)教育開始就學(xué)習(xí)AI的這批人成長起來，會給這個世界帶來什么樣的變化。