开幕式上的一场对谈引人注目——前微软执行总裁、美国国家工程院外籍院士沈向洋,对话清华大学丘成桐数学科学中心主任、菲尔兹奖首位华人得主丘成桐。
提到数学大师丘成桐,他27岁时因证明了卡拉比猜想一举成名,33岁就获得了世界数学最高奖项菲尔兹奖,也是首位获得该奖项的华人。《纽约时报》曾盛赞他为“数学之王”。国际数学大师辛格曾说:“即便是在哈佛,丘成桐一个人就是一个数学系!”今年4月,丘成桐离开哈佛回国,全职任教于清华大学。
培养中国新一代的数学人才的路径。
前微软执行总裁、美国国家工程院外籍院士沈向洋(图右)
清华大学丘成桐数学科学中心主任、菲尔兹奖首位华人得主丘成桐(图左)
以下是现场对话实录:
丘成桐:这是一个很有趣的问题,也是世界所有数学家都关注的(话题)。
数学是一个很有趣的科学,它研究很多奥秘,但是从数学家眼中看来,所谓大自然,包括我们看到的物质世界、宇宙、银河系,也包括社会、经济上所有产生的事,所以数学家眼中的大自然是无所不在、无所没有的。所以我觉得,世界一流的数学,一定要能够看到这些学问的前景,同时覆盖面很大;数学家看到的数学要画一个大幅图画,这个图画包括刚才讲的种种不同的现象。
什么叫一流的数学?就像中文讲的“画龙点睛”,谁能够将眼睛点出来,就能够看到更远更广大所谓的自然界,那就是一流的数学。
丘成桐:他们都是伟大的数学家。一个是从数理逻辑慢慢向计算方面去研究,引进了很多重要的观念,包括图灵测试、图灵机器等种种大观念。冯·诺依曼也是从数论的观点出发,有点不一样,但也同样重要,他引进了“博弈论”。
丘成桐:这个工作是我跟我的学生一同去探索的,当时我们发掘几十年前做的工作,对数学有一定的贡献。其实这个数学问题,差不多是两百年前由一位法国数学家开始的。他就是考虑,两个概率分布用什么样最好的方法将它对比和比较起来,从比较中找到很多人工智能有兴趣的问题,图像处理等重要的问题,都可以从中发掘。其中一位意大利数学家,也对这方面有很重要的贡献,可见数学家殊途同归,能够用不同的方法对人工智能有很重要的贡献。
沈向洋:您讲的太有道理了,几百年前就提出了数学问题,您几十年前就解这个数学问题。事实上,这些年来也把这些方法做到计算机图形学中,比如说显卡的技术来做这件事,大家终于认识到数学公式的有效,而且最近你也把它用到了「人脸生成」这类大家更加熟悉的人工智能工作,像大家今天在大屏幕上看到的生成出来的人脸,都是用AEOT这个模型产生的,而且可以看到越来越真实,越来越栩栩如生,真的非常了不起。
我想多说一点个人认识。最近大数据、大模型真正能够把自然语言处理和计算机视觉统一的非常好,这是一个著名的杂志最近的一个书面图像,给了一个提示,如果从低角度往上拍,一个女宇航员在火星拍的一张照片,可以看到结果是非常震撼的。但是我想回应您,如果做得好,其实发现他们是用对了一个数学模型,后面的数学做对了,才会做的比较快,我觉得他们应该学习您的方法,未来的工作可能会做的更加好。
丘成桐:人工智能对数学有很重要的帮助。数学家有很多重要的问题,我们其实都不是很肯定的。
举例来说,数学家一个很出名的问题,就是有限群分类的问题。有限分类由很多数学家共同合作完成,但是整篇文章有几千页纸的证明,100页的证明还可以勉强的念完,但是几千页纸的证明很难完成,我想人工智能可以有很大的帮忙,帮我们了解这个证明有没有缺憾,只是逻辑上收集不同资料和程序的问题,我想是可以了解的。
但是我觉得从参照数学来讲,人工智能应当有很好的用处。300年来数学家产生了不少数学,同时很多是很重要的命题,举例来说,莱昂哈德·欧拉是200年前的一位大数学家,他写了一千篇文章,我们真正了解的文章大概有一百多篇,但是欧拉基本上每篇文章都有很重要的开场性的看法,而现代人只了解他的一小部分,我想人工智能应当想办法将他了解的多一点。
我为什么这样讲?因为欧拉的文章大部分是用拉丁文写的。同时很多伟大的学者的文章都是用德文写的,我希望人工智能能够将历史上最重要的文章进行系统化消化,让更多人能够了解。同时我们要知道,这一百多年来,所有重要学科的突破,就是从大学问家、科学家了解不同的学科,让它迸发出来新的火花,产生新的学问。
丘成桐:从历史上看,伟大的数学家基本上都是10岁、11岁的时候开始发力,对数学产生兴趣,所以我期望我在国内能够从很年轻的小孩子开始培养他们对数学的兴趣。期望他们对数学这个学科能够产生真正的兴趣,参照生命科学有浓厚的推动力。
沈向洋:您不仅是一位伟大的数学家,而且您的中文造诣和历史功底都非常深,在您培养这批孩子的过程中,您也在思考专才和通才,不要只是会考试的学生,而是真正的理解数学和喜欢数学,你也分享一下培养人才的体会,特别是怎么样学贯中西。
我带着学生们看了很多中国辉煌的历史,比如说我们去了西安,看了汉唐、秦朝的历史,也看了阴山文化,我期望他们知道中华人民共和国是伟大的,我们有五千年的历史,值得我们骄傲。
谢谢丘先生。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。