创新的冷与热

刘卓军

创新，尤其是技术创新总要有一个过程。若创新获得成功，这个过程就会以创新成果得以呈现而告一段落或结束。当创新成果还有进一步完善的空间时，这个过程就很可能要持续下去，进入下一个甚或下下一个阶段。当然，创新的努力也有可能失败，需要正确对待，情形明朗时必须果断止损，终止相应的过程。

通常，创新过程在开始时，或许已经有了很周全的规划和方案，或许有的也仅仅是兴趣及好奇心，甚或是一时兴起或受到其他因素的影响而启动。总之，创新过程非常复杂，不确定性很大，充满挑战，随着创新工作的深入展开，方案调整和路线更改是常有的事。从成果价值和影响程度来看，创新有大小之分，其意义当然也有所不同。但有一点是一样的、根本的，即创新要以（取得）发现为核心和基础，实现由发现到（获得）应用成果的转移和转化。其中，重大发现往往需要进行相当长的基础研究，包括概念形成和澄清，原理解释和分析，模型设计和构建等内容。一项创新成果，有关的基础研究越扎实，前期的相关积累越丰富，就越不容易被超越，其创新影响的范围就越大、时间越持久。

当然，创新的努力也有可能失败，需要正确对待，情形明朗时必须果断止损，终止相应的过程。

单纯依靠灵感、金点子和好主意是不够的。牛顿看到苹果落地导致了他发现万有引力定律的故事并不能屏蔽掉牛顿在对开普勒基于历史观测数据得到的经验发现做出深入思考并借助他自己发明的微积分方法进行分析推导所付出艰苦努力的事实。可以说，没有长期的观察和分析，没有微积分这一有力的工具，苹果落地是砸不出万有引力定律的，而且事实上这一定律的发现也绝不完全是牛顿一人的功劳。不管怎么说，（重大）创新发明是推动社会进步的重要力量，所以社会高度重视创新也是一种必然。但这里也要正视一个问题，即创新的冷与热的问题。

社会可以表现出对于创新的热的一面，就像赛场上的啦啦队一样，对创新者，对创新成果的取得给予鼓与呼。不过也要有个度，比如在实事求是方面就不能打折扣。从另一方面看，参与创新的团队及其成员对于创新却应坚持冷的态度。创新者当然需要有激情，所谓的冷是要有冷静的心态、理性的作风和勇于坐冷板凳的精神。谈论冷，并不排斥对热点问题的追逐。对此，可以品味一下人工智能这个到目前为止仍然很热的题目。

人工智能当然不仅仅是像1956年达特茅斯一次小型研讨会上首次提出了一个概念和词汇那样简单，它经历了跌宕起伏的发展，是一个必将持续发展的科学、技术和工程领域。由于能下（围）棋、能认人、能对话、开车等，人工智能得到了一般民众的高度关注和更热情的期盼。与此同时，与之相关联的（人工）神经网络技术和深度学习方法也受到了研究人员和工程技术人员的高度追捧。不妨回顾一下，这类技术和方法的最初成果从正式在文献上发表到现在已经走过了近80年的歷程。智能是什么，智能可不可以模拟，可不可以创造？这类问题是人类不可能不关注的基本问题。

1943年，神经生物学家麦卡洛克和自学成才的数学家皮茨发表了把数学方法融入神经元系统的划时代的文章，然而，在当时沿着这个方向做下去并没有形成热点，一切都在探索。

1950年，还在哈佛大学读本科的马文·明斯基和他的同窗迪安·艾德蒙兹建立了第一个神经网络计算机，他们使用了3000个真空管和B-24轰炸机上多余的自动驾驶装置，搭建了可模拟40个神经元的网络。这个取名为SNARC的系统，其目的是学习如何穿越迷宫。后来，明斯基进入普林斯顿大学深造，先学物理后改修数学，更深入地研究神经网络和脑模型问题。1954年，当他要博士毕业时，答辩委员会有人质疑，他的工作是否可以看成是数学研究？伟大的冯·诺伊曼表了态，他说，现在不是，将来会是！

这就是创新中的冷与热。热的时候，追逐不算大本事，冷的时候坚持才能成就大事业。后来，明斯基在1969年，成为了人工智能研究领域第一个获得图灵奖的人。悲情的是，这一年，麦卡洛克和皮茨都谢世了。更为悲情的是，明斯基由于对神经网络研究的态度转变，打击了这个方向的发展。再一次，在“寒冬”季节里出现了勇士，包括辛顿等人的坚持和努力，使得基于神经网络的深度学习模型和方法有了新的发展。冷与热再次发生了变化。难道，我们不应从中获得什么启发吗？