美国留学

Zhang Yan：中国科学院的院士，Tsinghua University的人工智能学院荣誉院长和中国人工智能领域的主要创始人。

2024年教育家

他是中国人工智能的主要创始人，并在40岁以后越过边界进入了“无人土地”。他在人工智能领域发表了中国的第一篇论文，赢得了中国这个领域的第一个国际重要奖，也是中国人工智能领域中国科学院的第一个院士。他已经任教了60多年，并培训了近90名博士学位学生生活在同一个家庭中。他在人工智能的冬天幸存下来，而他种植的“ Tsinghua团队”成为了中国人工智能发展的骨干。

在2024年底，一方面，AI巨人急于释放“颠覆性”进步，例如“ AI教母” Li Feifei发行了AI模型，该模型可以产生3D场景，并带有图片；另一方面，国内大型模型市场在下半年很冷。在热和冷两极分化之间的“ AI战争”中，Tsinghua大学人工智能研究所的中国科学院和荣誉院长张拜一直保持自己的决心。他既不对技术进步过于乐观，也不像某些人一样诽谤大型模型。早在两年前，当人们沉迷于大型模型的“扩展定律”时，张Yan指出，Chatgpt只是迈向通用人工智能（AGI）的第一步，下一步就是与环境互动。他认为，AI的发展必须深入了解真正的三维世界。这是Zhang Yan做出的另一个技术预测。在89岁那年，他说的很清楚，有一个快速而亲密的思考，并迅速而紧密地提出了他的观点。用不到几句话，您可以感受到渗透他的强烈信心。作为中国人工智能领域的创始人之一，他的四代学生在中国组成了——“ Tsinghua团队”，其中一些学生已成为国内大型模型世界中的重要力量。在经历了40多年来的人工智能的起伏之后，张比安总是反对潮流，并与其他人做出了不同但正确的选择。他是天才吗？他的技术见解从何而来？我们如何找到人工智能的真正方向？

“问题已经解决，我还需要做什么？” Zhang Yan的首选发生在1978年。Tsinghua大学调整了一些系，张Yan的电子部（以前是自动控制部门）更改为计算机技术和应用程序部。最初从事自动控制研究的老师面临两个选择：留在计算机部门，或者去新成立的自动化部门。他选择了前者。许多老师建议他：该国将来应该大力发展行业，自动化是最有前途的方向之一。 “在自动化领域，您手中的主要工具是PID（工业控制系统中使用最广泛的控制器）。花一两年后放弃并不可惜。”张Yan回忆说：“有人说，如果您扔掉所有的知识，您剩下什么？我说，仍然有头。”在计算机系统中的“只有头”的情况下，张Yan遇到了找到具有潜力的新方向的第一个任务。他阅读了外国学术期刊，发现许多美国大学在计算机系有指导：人工智能。 “那时，我对什么人工智能并不特别清楚，但是这对我来说是极具吸引力的，因为这个领域充满了未知数。AI在国际上已经在国际上发展了大约20年，许多原则很难解释。这正是我使用的地方。如果解决了所有问题，我还需要做什么？”张比安说。由于历史原因，张Yan的一代学者错过了从事研究的黄金时代。在43岁那年，他决定从头开始。下定决心不仅需要勇气，而且需要强大的自信心。他于1935年出生于福建的一个知识分子家庭，在小学到中学的任何考试和比赛中排名第一。 1953年，他被数学，物理和化学方面的分数全部分数录取到Tsinghua University的电气工程系，后来被转移到自动控制部门。数学是张Yan最好的主题。在阅读了大量人工智能文献之后，他敏锐地发现，大多数AI研究都没有使用任何数学工具，“这意味着许多未解决的问题都有机会以数学方式解决它们。” 1984年，当时在Anhui大学任教的Zhang Yan和他的弟弟Zhang Ling共同发表了中国AI领域的第一篇论文，发表在《 AI国际顶级国际杂志》上。本文研究了数学理论来解决机器人的运动计划问题，也就是说，当机器人手臂抓住对象时，如何避免通过更好的线条绕过障碍物。那是1980年代，由象征主义代表的第一代人工智能处于低位。象征主义者认为，人类认知和思维的基本单位是象征。为了模拟人类的智能行为，计算机需要首先将知识作为符号表示，然后通过诸如推理之类的规则操作符号，并最终形成答案。张扬说：“这是基于知识驱动的核心。”符号AI的开拓者最初希望开发一种通用方法，但很快就会遇到失败。因此，他们取得了领先，并提出了“专家系统”，该系统将知识范围缩小到特定领域，但这很难促进和提升到理论。 1980年，作为改革并开放后，作为国外最早来访的学者之一，张比亚（Zhang Biao）来到伊利诺伊大学伊利诺伊大学的美国伊利诺伊大学进行研究。他发现，AI专业的许多医生在选择论文主题方面遇到了困难。 “很长一段时间以来，我找不到一个好话题，或者我找到了一个我多年来无法通过的话题，所以我不得不放弃一半。”张比安没有受到影响。 “我不在乎低潮或高潮，只需确保可以做到这一点。”这是典型的张bin式答案。实际上，自1978年夏天以来，他开始研究机器人运动计划。在海外旅行的第二年，他投资了中国AI领域的第一篇论文。他和张文提出，将机器人臂所在的几何空间简化为拓扑空间，“这成为一个纯粹的数学问题”。

此时，他决定改用AI以来不到三年。张Yan成为世界上最早提议使用数学模型解决AI问题的学者之一。 “研究工作等同于进行解剖。解剖学必须用快刀进行。先进的数学工具是快刀。”张Yan相信：“只要可以使用数学工具，就可以推动研究（人工智能）。”

“雪山或狗”在2002年，元金岛也是西安电子科学技术大学计算机系的大三学生，一年级是一年级。他想在Tsinghua大学申请直接博士学位。 “我咨询了我的哥哥，他说您可以开始与Tsinghua大学计算机系中最著名的老师联系。”当时，张Yan是Tsinghua计算机系中中国科学院的唯一院士。以前，Yuan Jinhui曾阅读过关于张Yan和Zhang Ling共同撰写的关于人工神经网络的专着。他的第一个反应是“两位作者的名字非常独特”，“书中有许多数学理论”。这本书于1990年代出版，当时人工神经网络是AI中的一个非常利基领域。 Yuan Jinhui说：“ Zhang Yan和老师Zhang Ling研究了利基方向的利基理论部分，当时非常罕见且先进。”在发现这种象征主义很难理解之后，AI研究人员逐渐改变了他们的思维，并开发了新的连通性学校，也就是说，通过建立人脑神经元之间的“刺激反应”联系来传递信息。这所学校的代表性成就是人工神经网络。但是，早期的人造神经网络只是较浅的神经网络，很难解决更复杂的实际问题。结果，连通性在开始后不久就陷入了一个槽，只有少数人认为这条道路是正确的，包括杰弗里·辛顿（Jeffrey Hinton），包括2024年诺贝尔物理学奖的获奖者杨·克洛恩（Yang Likun），“卷积神经网络的父亲”和Zhang Yan。在1990年代，张Yan和Zhang Ling联手发表了许多关于神经网络理论的论文。从1980年代后期开始，国内AI开发在低时期迎来了。当时，张比亚（Zhang Biao）选择了一条更务实的途径：进行重要的国家研究项目。但是他没有放弃当时似乎不太可能有希望的理论研究。 “在Tsinghua关于人工智能学科的理论研究团队中，基本上，其中一半正在做象征主义，一半正在做人造神经网络，人工神经网络和深度学*彼此相符。当深度学*的时代真正到来时，我们将立即将大部分部队转向我们的大部分部队进行深入的学*。”张比安说。 2012年，深度卷积神经网络Alexnet在ImageNet（世界上最大的图像数据集）竞赛中闻名。从那时起，基于深层神经网络的深度学*就完全出现了。张Yan说：“这是第二代人工智能，以数据为核心。”他指出，与早期的神经网络相比，深度神经网络“深度深度”，即，在中间网络中的层数增加之后，性能*变化。您只需输入大量原始数据即可“自学”。他最初很兴奋，但后来他开始思考：深度学*的边界在哪里？ Tsinghua University计算机科学技术系教授，人工智能研究所副校长，是Zhang Bian的学生。 “在2013年左右，这是最深刻学*的时刻。许多激进的观点认为，在三到五年内自动驾驶等复杂情况下，AI可能是大规模生产的，但是张Yan是中国最早公开谈论深神经网络缺陷的专家之一。”朱·朱尼（Zhu Jun）告诉《中国新闻周刊》，“他目前已经快80岁了。”深度学*的关键弱点是很容易被欺骗。张Yan的团队发现，深神经网络的图像识别非常脆弱。一张带有白雪皑皑的山脉的图片，只要增加了一点“噪音”，“自学”之后的AI就会将其视为狗。这个问题绝不是“雪山或狗”那么简单，但是指出了一个困扰张比安多年来的更大问题：深度学*在哪里？他很早就意识到深度学*具有基本缺陷，例如莫名其妙和鲁棒性（系统的抗干扰能力差）。自2016年以来，他一直对“新一代AI”提出了自己的看法，并于2020年《迈向第三代人工智能》发表了论文。

他提出，第一代和第二代人工智能只能从一侧模拟人类的智能行为。为了建立一个更全面地反映人类智能行为的AI，需要组合知识驱动和数据驱动的AI。

Chatgpt于2022年11月30日打开“黑匣子”，正式揭幕。以前，根本无法想象AI模型可能变得如此庞大。张扬说：“绝大多数AI研究人员都非常震惊。” Yuan Jinhui指出，Chatgpt的诞生使人工智能进入了完全不同的发展阶段。模型变得更大后，人们突然发现过去几年无法解决的问题可以以统一的方式解决。 “这是一场工业革命级的技术革命。”像过去一样，张Yan对问题的看法与其他问题不同。他说，大多数人都将chatgpt理解为“大数据+深度学*”。实际上，它的真正突破是自然语言文本中的首先。 Chatgpt不仅仅是将文本作为数据处理，例如第二代AI，而是将文本视为知识（内容）。 “真正的转换只有在机器可以从大量数据中获取知识时才会发生。因此，Chatgpt能力的强度来自两个点：一个是大型模型；另一个是大文本。”可以说，Chatgpt是张Yan预测的第三代人工智能的原型，但远非足够。张Yan指出，Chatgpt打破了这样的局限性，即AI的前两代只能在有限的领域完成有限的任务，这为建立统一的人工智能理论提供了重要的机会，“这是实现第三代人工智能的关键。”到目前为止，人类一直在使机器通过模拟与人类的行为相似，但是大型模型仍然是一个“黑匣子”，这正是张Yan认为AI理论可能会通过接下来打破的地方。 “我们需要清楚地分析大型模型的内部机制，并剖析复杂系统行为背后的内部逻辑。谁能做到这一点？我说至少需要第二个爱因斯坦。”在张比安（Zhang bian）的倡议上，2018年，图瓦大学（Tsinghua University）与朱·朱（Zhu Jun）担任研究中心主任，建立了人工智能研究所基础理论研究中心。当被问及做出理论突破有多么困难时，他引用了一个句子：“当您提出一个问题时，这可能与解决问题相去甚远。”这是张Yan最常说的句子。他认为，中国学生有很强的解决问题的能力，但他们缺乏提出问题的能力。因此，在培养学生时，张·贝（Zhang Bei）非常重视培训学生的“提出问题的能力”。自2003年以来，Yuan Jinhui就一直在张比亚（Zhang Biao）学*博士学位。与某些导师不同，他们会出于“易于产生结果”或“项目需求”等原因将博士主题分配给学生，张比亚（Zhang Biao）总是要求学生自己寻求问题，鼓励每个人独立探索独立的土地。张比亚强调，学生必须具有批判性的精神，敢于质疑现有的成就。 “许多在中国培训的学生只知道标准答案。我经常说，如果您不害怕坏主意，那么您害怕没有任何想法。”

“首先有正确的理解，然后是正确的判断”

2016年，元金（Yuan Jinhui）决定采取绝望的举动。他离开了微软研究所开始一家业务，他选择的轨道是AI基础设施（AI Infra），这是AI模型的“操作系统”。 “我的理念是，该模型在将来肯定会变得很大。在它变得更大之后，现有的深度学*框架将很难承担。由Google和Amazon等主要制造商设计的基础体系结构不准备为大型模型做好准备。如果您打算提前将AI Ini Inifra布置在将来会有商机。”他解释说。 Yuan Jinhui的“高级”想法可以追溯到早期的后代时代。 2008年，张比亚（Zhang Biao）认为，计算机和脑科学的交汇处具有巨大的潜力，提出了计算神经科学的方向，并邀请了相关的海外专家加入Tsinghua大学作为教授指导学生。 Yuan Jinhui是受益者之一。几年后，神经网络变得流行，他从脑科学的角度下意识地思考：“即使深度学*是一个万亿级的参数，也从人类脑神经元的规模上存在一个数量级的差距。人工神经网络必须在未来变得非常大，才能真正具有接近人类的智慧。”一些顶级科学家似乎在牙科塔以外的商业世界中遭受了损失，但是张Yan是另一种选择。许多受访者提到他在业务方面具有敏锐的视野。 2024年，国内AI球员从“精炼大型模型”的热潮中醒来，并开始转向申请，张比亚（Zhang Biao）两年前期望这种情况。 “国内公司无法赚钱。只有通过申请才能生存。但这也是中国大型模型公司面临的最大挑战。当大型模型还不成熟时，他们将应用它们，而70-80的公司可能会跌倒。”他分析了。张比安为什么总是做出正确的选择？ “答案非常简单。您必须首先有正确的理解，然后才能做出正确的判断。”他说：“这是仔细考虑的。我很难说服自己相信某个结论。我会不断地问关于自己的问题，然后弄清楚，直到我完全弄清楚。”在Chatgpt出生后，有些人认为Agi可以立即实现，但张Yan非常保守。他认为，有必要研究AI大型模型的基本逻辑，尝试不同的问题并测试机器的功能界限。朱·朱朱（Zhu Jun）指出，在大型模型的开发的所有阶段，张比安总是可以迅速找到一些最合适，最聪明的例子来评估模型的弱点。根本原因是他对AI系统本身具有非常深刻的思想和见解。张Yan设计了一个这样的问题：“我向东走，向右手方向转了90，一个人朝我走去。我在左手方向上看到了他的一个长身影。早晨，中午还是下午？” GPT-4O（GPT-4的升级版本）无法正确回答。 Openai于2024年9月发布的新一代推理模型O1正确地回答了：这是早晨。张比安发现，两者的参数和数据之间没有明显的差异，差距来自“思考链”技术。 “ O1在此问题上的逻辑分析链非常详细，结果是逐步得出的。” AI领域最严重的变化集中在十多年中，所有这些发生在张Yan 77岁之后。朱·朱尼（Zhu Jun）说，张白（Zhang bai）的自我报道非常高，好奇心和好奇心，已经90岁了，并且每天仍在阅读最新的外国论文。 “他是我在学*能力方面见过的最令人难以置信的人之一。最尖端的模型甚至比我们更好。”许多学生认为Zhang Yan是一个天才。张Yan说，先天智商确定一个人可以达到的高度，但最终达到的实际高度取决于努力的程度。大型模型中有一个神奇的现象，称为“出现”，这意味着，当模型量表增加到某个临界点时，性能会突然显着改善，甚至是一些不可预测的能力，例如真实的智能。

“那么，你认为你是个天才吗？” “我从6岁起就每天都在学*，无论一个人多么愚蠢，他都学会了聪明。”这是天才的“出现”。发表于2025.1.6常规发行1171 《中国新闻周刊》杂志标题：Zhang bian：“天才”记者的选择：Huo Siyi编辑：DU WEI