大家应该注意到，第三代人工智能我们是把知识放在第一位，数据放在第二，算法放在第三位，算力放在最后，这个排序是经过仔细琢磨，不是随便排的。主要是强调“知识”在发展人工智能中的重要性。

网络时代数据量指数增长，计算机处理数据的能力远比人类强，所以将知识处理与数据处理结合起来，可以发挥人类与机器的共同作用。

最后，解决了资源问题，现在要回到利用资源的方法，即需要有好的算法。目前针对数据的算法比较多，知识处理的算法则很少，所以在我们研究院专门成立了一个叫知识智能的研究中心，就是想通过它加强处理知识的研究。目前在我国研究知识驱动方法的人很少，是我们的短板。以2018年国际人工智能联合大会(IJCAI)上发表的主要论文来看，与机器学习有关的论文，中国人发表的论文占70%左右，而与知识处理有关的论文，几乎没有我们的文章。我们建立的通用知识库也远比美国少。

基础科研需要全社会的生态

怎么解决短板和差距？就得从基础科研下功夫，不能急功近利，只往好发表论文的方向做文章，难的不好发文章的领域就不去下苦功夫。产生这个现象的一个重要原因就是我们还没有建立起全社会的生态。

好几年前我们曾经讨论过清华的博士培养要不要学外国一流大学搞高淘汰率？利用高淘汰率迫使学生去做高风险创新性大的课题。你不做这类课题，就不让你毕业，这样博士生的水平不就提高了吗。

我们讨论的结果是，我国目前还不具备这个条件。记得我曾举过我在美国伊利诺伊香槟分校（UIUC）访问时见过的一个例子。有位博士生做了8年，没有毕业，高高兴兴找工作去了，竟然还有很多企业抢着要。我就问企业招聘人员，为什么抢着给offer？

人家说因为他有8年的工作经验了，这就是需要的社会生态，社会对“失败者”的宽容和理解。

设想一下一位清华博士生不能毕业被淘汰了，会是什么后果？首先他因此不容易找到工作，至少不容易找到“好工作”，不仅他本人有压力，他的父母甚至爷爷奶奶也不能接受，说明我们中国还没发展出这样的社会生态和共识。

我常常说，科学研究是富国的事情、是富人的事情。最早的科学家是什么人？要么贵族，要么神父，吃饱饭没事干了，才去搞科学研究，完全是兴趣导向的。出不出成果都不影响生活。

穷国或者穷人搞科学研究，避免不了要讲效益。

但是实事求是讲，我们现在有条件考虑这个问题了，这么大的国家，支持很少一部分人探索无人区，不急于求成还是值得的。

“馊主意”也比没主意好

我常常给学生开玩笑说，我不怕馊主意就怕大家没主意。

因为没主意就等于0，没有任何东西。而“馊主意”？如果有些合理成分，那怕0.1合理，自然比“0”主意好。即使“馊主意”不合理，比如是个“负值”，总之有个值，我们可以从中汲取教训，也比没主意强。我们现在的问题是，要求大家都要发表“正确”（共识）的好意见，不大允许发表“不正确”（没有共识）的“馊”意见。

清华目前培养的学生（包括博士生）个个都很优秀，平均水平很高，与国际一流大学，如MIT等学校的水平差不多。差距在于我们的最高水平与国际差距很大，即缺乏出类拔萃的人才。我们教师队伍也存在类似现象，即平均水平不错，但缺乏国际级的大师。

科学研究的水平往往取决于它的最高水平，跟木桶效应正好相反。

所以问题就变成了：我们为什么出不了最高水平？

这个问题往深了讲是另一个话题，今天不展开了。

当然这个问题也不能操之过急，跟我们国家的发展阶段有关系，需要有个过程，需要我们国家实现全面的现代化。

基础科研不光要允许失败，还要经得起失败

对学生的培养来讲，提出问题能力比解决问题能力的培养更加重要。

我们之前人才培养不足的地方是，只重视培养解决问题的能力。

我们培养博士生，主要要求他们独立提出一个具有挑战性的问题，然后去解决这个问题，这样才算完成博士生的培养。问题的挑战性越大，完成博士论文的水平越可能高，但风险也越大。目前大多数学生都愿意做风险低的课题，当然完成的论文质量就不会很高

产生这个现象主要原因是，担心一旦失败了后果很严重，就再也爬不起来了。

换句话讲，我们还没有建立起一个“经得起失败”的完善科研生态系统，让“失败者”在失败之后还能够有重新爬起来继续前进的机会，有了这种生态，才会有更多的人去闯无人区，参与风险和困难很大的问题的探索。【转自：量子位 QbitAI · 头条号】