声音

吴朝晖

中国科学院院士

浙江大学校长

社会主义现代化需要发挥研究生教育作为最高学历教育的独特功能，只有加快发展新时代卓越的研究生教育，才能支撑我国更多市场主体抢占产业链高端，才能更大程度为地解放和发展社会生产力提供有力的智力支持。当前研究生教育的主要问题之一就是教育的高端供给无法满足国家的多元需求。要解决这一供需矛盾，着力点在于凸显研究生教育服务国家发展的属性，遵循“以服务为宗旨、在贡献中发展”的教育理念，围绕社会主义现代化建设需求和经济社会高质量发展趋势，进一步优化研究生培养结构，分类培养研究生，推动研究生教育实现数量与质量相统一。

围绕国家发展需求调整培养方向。我们应进一步解决研究生培养供给侧与需求侧错位等问题，及时回应经济社会转型升级、科技产业变革和知识大融通要求，从区域、产业、学科等不同维度完善研究生培养的动态调整机制。面向粤港澳大湾区、共同富裕示范区等国家战略，优化研究生培养布局。

推动学科与专业一体化发展。我们应突出学科方向、科研方向与专业方向的一致性，建立健全学科分类发展机制，科学设置与调整学科及专业类别，打造“有进有出”的学科体系，形成综合交叉的一流学科体系。

优化研究生培养结构。我们应选择办学条件好、培养能力强的高水平研究型大学，先行先试自主确定硕博招生比例，激发研究型大学提升研究生教育质量的积极性主动性。

骆清铭

中国科学院院士

海南大学校长

对脑科学研究来讲，认识脑、理解脑是基础。当然，对于认识脑，不同的科学家、不同的实验室可能会选择不同的路径，我自己坚持这样一个观点——脑联接图谱是认识脑的基础。如果脑中神经元究竟是怎样联接的都搞不清楚，就谈认识脑、理解脑，我觉得不太靠谱。

我经常会把神经网络比喻成电路。电路里有电容、电阻、电感等基本元器件，这些基本元器件先组成基本电路，很多个基本电路再组成集成电路，就像神经网络有小环路与大环路一样。我们知道，基本电路和集成电路在功能上有很大差别。那么脑内的神经网络是不是也是如此——小环路与大环路间天差地别？

另外，以电阻为例，电路中可能有10欧姆的电阻，也可能有1000欧姆的电阻，电阻值不同让其承担了不同的功能。脑内的神经元会不会也是这样——同一类型的神经元会有不同的使命？

我们尚未知晓这些问题的答案。但我认为，可以通过研究神经元的联接图谱为理解脑提供一些重要知识。

2020年，蒲慕明院士带我们申请了“全脑介观神经联接图谱”大科学计划，希望发挥中国在非人灵长类研究领域和全脑介观神经联接图谱成像检测技术方面的优势，通过广泛的国内外合作，率先测绘出非人灵长类的脑图谱，为理解脑、解析脑作出贡献。待技术成熟后，我们可以再尝试针对特定人脑脑区的联接图谱进行研究。

李国杰

中国工程院院士

中国科学院大学计算机与控制学院院长

2016年，DeepMind公司的人工智能程序AlphaGo战胜了人类围棋冠军，引起了全世界的轰动。2020年11月30日，DeepMind公司的另一个人工智能程序AlphaFold 2在蛋白质结构预测大赛CASP 14中，对大部分蛋白质结构的预测与真实结构只差一个原子的宽度，达到了人类利用冷冻电子显微镜等复杂仪器观察预测的水平，这是蛋白质结构预测史无前例的巨大进步。这一重大成果并没有引起媒体和广大民众的关注，但生物领域的科学家反应强烈。

AlphaFold团队是一个典型的跨学科合作团队，在《自然》发表此重大成果的论文作者有34位，其中19位并列第一作者，包括机器学习、语音和计算机视觉、自然语言处理、分子动力学、生命科学、高能物理、量子化学等领域的知名学者。AlphaFold并没有提出新的科学原理，而是研究已知原理的相互组合涌现出的大量新奇结构、特性和行为，把对结构的认知抽象成各种模式的自动化识别和匹配，本质上是一种集成式的工程科学技术。过去生物学家只是把人工智能当成众多的辅助工具之一，AlphaFold的成功改变了生物学家的看法，证明了工程科学技术不只是工具，也不仅仅是基础研究成果的应用，而是在基础研究中可以发挥巨大作用的重要组成部分。

目前，我国的大学和企业的人工智能实验室大多遇到“顶天顶不了、立地又落不下去”的困境，希望人工智能界的学者认真总结经验教训，在研究方向选择上多费点心思，争取获得让人眼睛一亮的重大成果。

邓中翰

中国工程院院士

数字多媒体芯片技术 国家重点实验室主任

后摩尔时代，智能摩尔技术路线具有现实意义，它可以帮助数字时代AI技术全面创新发展，为AI技术的发展提供新的思路与方向。

据世界经济论坛发布的人工智能技术发展时间表来看，从2020年致力于让人工智能在世界扑克比赛中获胜为发展目标，到2059年展望人工智能可以开展数学研究，人工智能处于不断发展之中，人们对于人工智能的功能与需求也在不断增大。与此同时，数据总量也在不断增长，据2016—2020年全球新增数据总量统计，2020年全球新增数据总量达到50.5ZB，其中物联网新增数据总量达到33ZB。近两年来，每年新增视频数据占物联网数据总量的84%，冗杂而又大量的数据给人工智能的发展带来了不利影响，数据的处理与加工成为亟待解决的问题。

在我看来，数字时代AI技术存在一些悖论，其中大数据悖论最引人关注与深思，而关于这些问题的思考会影响到未来人工智能发展的道路。我认为，未来人工智能应该致力于以处理数据更加高效、推理更加可信、能耗更加节省、系统更加安全为发展目标，打造一个智能、减碳、安全的生存发展环境，避免数据过剩带来一系列耗能问题。“智能摩尔”技术路线是一个潜在的可行性技术路线，它使用多核异构智能处理技术，可以满足AI系统对算法、算力、安全、成本、功耗和尺寸的需求，同时通过架构上的自主创新可以使得AI技术发展更为全面，有利于数字时代AI技术全新发展，达到新的发展高度。