清华大学航天航空学院：庄茁 由小川 刘彬 柳占立 高原科学创新和工程进步需要打开学科围墙和拓展专业空间作为专业人士，经常会被问及归属的学科和从事的专业。什么是学科？学科是指科学领域的专门分类，具有相对独立的知识体系。什么是专业？专业是指专门从事某种学业或职业。偏于专而非宽。人类所有的知识曾被划分为五大门类：自然科学，农业科学，医药科学，工程与技术科学，人文与社会科学。我国高等学校本科教育的学科设置划分为13个科学门类：哲学、经济学、法学、教育学、文学、历史学、理学、工学、农学、医学、军事学、管理学和艺术学，其中工学涵盖的学科数量最多。学科包含专业，例如我们所在的力学一级学科，包含固体力学、流体力学、动力学与控制、工程力学、生物力学等二级学科，有时称其为专业。研究者常常感到有一道无形的围墙立于不同学科之间，专业之间亦是如此。当申请自然科学基金，科学技术奖励和人才奖项时，往往按照学科被分门别类地归属到一定的评审范围。然而，科学现象的发现和工程问题的提出不分学科。只有交叉和融合，才能揭示其中的复杂机理。科学的发展需要具有多学科综合知识的科学研究和工程技术人员合作。科学创新和工程进步对新型人才的需求使我们感受到必须打开学科围墙，拓展专业空间。这对高等院校人才培养体系的传统专业划分提出了挑战。以力学应用于石油工程问题为例，在我国能源需求关注的页岩气高效开采中，页岩气开采的主要工艺过程是水平钻井和水力压裂。黄克智院士领导清华大学力学团队，正是应用力学家在20世纪的两个主要贡献：断裂力学和有限元方法，使得力学学科进入了石油工程学科领域，进而固体力学和流体力学专业拓展到非常规油气工程专业，揭示了页岩水力压裂的体积改造缝网形成机理。力学成为指导页岩气高效开采的主角。以基础科学研究为例，在宇宙中，有明物质也有暗物质，有硬物质也有软物质。软物质（soft matter）是指处于固体和理想流体之间的复杂态物质，一般由大分子或者基团组成，如聚合物、胶体、液晶、膜、泡沫、颗粒物质、生命体等。这些物质与传统的固体、液体和气体相比，除了柔软性和复杂性之外，还具有对外界微小激励的敏感性。软物质科学涉及到力学、材料、物理、化学、医学、生物等多个领域，被认为是新时代的科学，近年来得到了国际上的普遍重视。软物质与传统固体和流体一样在各个领域具有广泛的应用，例如智能机器人、柔性电子器件、医疗健康设备、航空航天和生物工程等。软物质科学拓展了学科领域，柔性电子器件是其有代表性的研究方向。通过美国材料科学家罗格斯（Rogers）等人的合作，利用非常柔软的硅橡胶材料和坚硬的硅材料有机结合，创造出具有广泛应用前景的柔性电子器件，开辟了电子、材料与力学的结合，产生学科交叉，拓展了专业空间。由电子学主导，力学保驾护航,力学拓展到电子学、材料学和生物学科领域所产生的软物质力学，是一种非固体、非流体的力学，打开了原有力学学科围墙，拓展了力学专业空间。人工智能引领产业革命和社会变革在日新月异的科技发展时代，随着互联网、大数据、云计算和物联网等技术不断发展，人工智能正引发科学突破的链式反应，引领新一轮科技革命和产业变革，从而将加速培育经济发展新动能并塑造新型产业体系，对未来人类的生活方式甚至社会结构产生深远影响。不仅仅学科的围墙在坍塌，职业的围墙也在坍塌，与此同时生活的空间在不断拓展。“我消灭你，与你无关”（小说《三体》）。手机拍照质量的提升使小型数码相机退出市场，叫外卖使方便面滞销，移动支付使得超市付款台旁边货架上的口香糖无人问津，共享单车造成修车生意萧条，网络实名制铁路售票和医院挂号清退了倒票和倒号的黄牛党，支付宝和微信交易量的增加大大减少了纸币的需求量，从而扒手失业，干掉扒手的竟然不是警察。智能时代的流行做法是：我不走你的路，就能让你无路可走。由此，必然产生职业焦虑。人们预见到数年后会有很多工作岗位陆续被人工智能取代：翻译、记者、助理、保安、司机、销售、客服、交易员、会计和保姆，甚至竞技体育陪练等。对人工智能的研究超越了传统科学技术的范畴，需要人文社会科学的介入。发展人工智能需要有人类情怀和人文关怀，要特别关注社会对人工智能发展的焦虑，积极面对人工智能发展过程中的法律规范、道德伦理等方面的挑战。科学家们应对人工智能的未来保持乐观，对人类掌握自身发明创造的能力和智慧充满信心，发展出最终造福人类的人工智能技术。2017年12月成立的北京量子信息科学研究院建立了物理学和信息学的交叉学科共享空间。量子科学是当今科学皇冠上一颗熠熠生辉的明珠，量子信息科学将成为未来信息技术和整个信息产业变革的核心推动力。量子物理指数级的计算需要具有并行算法的量子计算机完成，近年来，我国有超级计算机领跑世界的优势，有量子计算原理机和量子雷达的重大突破，有量子通信卫星“千里纠缠分发”和量子通信“京沪干线”的坚实基础，在可预期的未来，人工智能和量子计算的结合有可能搭建复杂的类人脑系统。人工智能改变大学的学科体系和课程设置大学在原始创新和重要思想产出的过程中，发挥着独特的、不可替代的作用，人工智能的思想和方法也源自于大学。1956年美国达特茅斯学院的数学系助理教授约翰·麦卡锡等人发起了“达特茅斯会议”，首次使用了“人工智能”概念。在人工智能研究热潮中，国内外已形成“千帆竞发”的局面，但总体上还处于发展的初级阶段。人们对于智能的本质和机理的认识还不够深刻、不够全面，尚未形成完善的理论体系，很多基础性、共性的问题尚未找到相应的解决办法。如果没有人工智能基础研究的支撑，应用层面上的技术创新和产业创新都将是“无源之水”。因而，大学要充分发挥自身的优势，承担起人工智能基础理论创新的重任。人工智能正在改变大学的学科体系和课程设置。以我们熟悉的力学科学为例，在工科体系中的力学学科，是技术科学，也是基础研究与工程应用的桥梁，最容易与计算机技术结合。随着计算机硬件和软件技术的飞速发展，对力学专业的课程体系带来挑战。上世纪90年代前，工程力学专业研究生趋之若鹜的板壳力学，而今门可罗雀。学生不选板壳力学课程的原因不是教材和教师的匮乏，而是有限元理论和计算软件的兴起，使得偏微分方程的求解由计算机程序数值化完成，比传统方法更加准确便捷高效。随着工程中提出的多尺度和多物理场问题日益增多，需要不断改革研究生的力学课程体系，需要包含流固热耦合的力学理论和计算课程。力学学科的围墙打开了，专业的空间才能不断拓展。清华大学力学学科研究生课程体系的改革在此背景下应运而生，如增加流固耦合的计算力学课程，与人工智能和大数据结合的结构力学课程，正是反映了人工智能的时代特征。互联网+和人工智能+带来了挑战和机遇，在力学领域反映的特点是应用大数据驱动解决力学问题，特别是计算力学和实验力学问题。力学与人工智能结合形成新的力学交叉专业方向，构成互联网+和人工智能+的大数据驱动科学研究。可以预见未来的中国教育必将改变封闭的学科体系，各专业空间将不断拓展和融合。人工智能创新研究的核心是解决科学和工程问题目前在人工智能领域有种提法，认为“机器学习”是人工智能领域最能体现“智能”的专业分支。从发展历史上看，机器学习也是人工智能发展最快的分支，近年来人工智能技术的突破大都源自于此。机器学习致力于研究如何通过计算的手段，利用既有经验改善系统自身的性能。在计算机系统中，“经验”经常以“数据”的形式存在。因此，机器学习研究的主要内容，就是关于在计算机上从数据产生“模型”的算法，即“学习算法”。我们只要把经验数据提供给学习算法，就能基于这些数据产生一系列的模型，以指导如何面对新情况时提供准确的判断。从早期的“符号机器学习”到如今一统天下的“统计机器学习”，机器学习逐渐完成了从偏重理论模型研究到实际应用研究为主的转变。其根本原因是由于计算能力的大幅提高，使得通过统计学和大数据研究得到的成果显著，并常常远超人类通过其他现有技术积累可以达到的水平。未来的人工智能基础理论创新，很可能来自于更加基本的认知科学研究。从人类应用的角度出发，有必要把统计技术和对科学背景的深刻理解结合起来。上述观点的一个论据支撑是统计机器学习算法的前提是假设样本数据“独立同分布”。被认为代表机器学习未来的“迁移学习”，研究如何把一个预训练的模型用在相关的其他任务中，更是要求与迁移关联的双方的数据具备独立同分布的条件，这在很多科学和工程领域（尤其是力学领域）看起来是苛刻和不尽合理的。如何对数据的有效性进行验证，或是研究出能够用于“非独立”或“不同分布”的学习算法，是应用背景学科（如力学）专业人士应该深入探索的命题。近年来机器学习里面最火热的分支是“深度学习”，由于硬件性能的大幅提升，深度学习采用了复杂度更高的算法，得到了精细程度和质量更佳的结果，但同时也加重了对数据量、数据源的准确性以及运算资源的依赖，而这种依赖性严重限制了机器学习应用的场景和潜力。如何用更少的计算资源和数据样本，解决更多工程和科学中的待解谜题？这也是大家所关心和期待的人工智能基础理论创新的核心命题。迎接人工智能时代的新工科建设当前，我国高校正在加快“一流大学”和“一流学科”建设，一方面主动设置和发展一批新兴工科专业，另一方面推动现有工科专业的改革创新。新工科建设和发展以新经济、新产业为背景，需要树立创新型的“新理念”，构建新兴工科和传统工科相结合的学科专业“新结构”，探索实施工程教育人才培养的“新模式”，打造具有国际竞争力的工程教育“新质量”，建立完善中国特色工程教育的“新体系”，实现我国从工程教育大国走向强国。新工科有两层含义，一是“新的工科”，就是老工科专业里没有的专业；二是“工科的新要求”。这些新工科建设的基本思想正是弱化传统学科之间的围墙、构建新兴工科和拓展专业空间。麻省理工学院提出，工程教育应从关注当前产业界发展转向面向产业界未来发展，即面向未来的新机器与新工程体系。新机器是人造物体的统称，例如机械类、分子类、生物类、信息类的工程人造物体。新工程体系是指由新机器组成的产业体系，21世纪中期将会由物联网、自动化体系、机器人体系、智慧城市、可持续材料与能源体系、生化诊疗、大数据等组成。面向未来的新机器与新工程体系展示出高度的整合性、复杂性、连通性、自主化、可持续发展等特色。整合性指它们超越了传统工程学科隔离，对机械、信息、分子、生物、建筑、能源等进行整合；复杂性指所运用的工程技术的复杂程度不断提升；连通性指各部分是高度连通的；自主化指自主水平提升，独立于人的行为自主运作；可持续发展指与自然生态环境之间的关系。可以想象，来自传统工程教育培养的研发人员难以全面应对新工程具有的特点。人工智能的特殊性决定了其研究不能循规蹈矩、亦步亦趋。“善出奇者，无穷如天地，不竭如江河”。创新是大学的灵魂，创新在某种意义上就是最大的“出奇”。人工智能研究离不开理论创新和方法创新，但同时也与产业应用密不可分。产业界为人工智能研究提供了丰富的真实问题、生动的应用场景和有力的大数据支持。人工智能有代表性的核心技术是机器学习与神经网络，应用条件是数据量大、逻辑清楚、规则明确，取得成效体现在避免出错，预测未来。如航空航天工程结构探伤、电子器件产品的研制，通过人工智能方法对过往数据进行统计分析，可以大幅缩短研制周期，提高市场竞争力；区域供电和空调能源的管理与控制，通过人工智能可以根据气候和负载变化动态实时调配制冷和供能策略，提高安全性，节约人力维护成本和能源消耗；医疗领域可汇集既有数据，应用图像识别、卷积神经网络预测等人工智能手段实现智能读片、手术和诊断等；教育领域可基于语音识别和自然语言处理等人工智能技术进行智能口语测评、写作批改、自适应学习等；石油天然气和冶金矿山可通过人工智能预测探明储量，优化开采手段，实现高效开采。这些应用场景由用户提供，大学应与用户紧密合作，探索人工智能更广阔的用武之地。2018年10月，浙江大学成立的交叉力学研究中心以力学为牵引，实现各学科交叉融合，孕育新的科学增长点，研究方向包括力学与人工智能交叉、力学与材料基因交叉以及力学与电子信息交叉，形成基础研究、工程应用和前沿技术三大特色。创新性和创造力多产生于学科交叉与融合。杨卫院士等的文章提出：“交叉力学应用力学的原理和方法，以新的视角阐述自然及社会。它从不界定自己的边界，永远进取；它大道至简，从而变化万千；它自我驱动，不断学习，演化出新的学科方向，例如信息动力学，生物力学等；它在交叉融合的过程中，不断丰富了对力学的认识”。近期，清华大学正式成立了人工智能研究院，及若干交叉中心，例如脑与智能（生命科学、数值计算），人工智能（计算机，数学），智能汽车（信息与汽车），就是要紧紧抓住人工智能这一信息技术发展的龙头，积极推进大跨度的学科交叉融合，积极推进大范围的技术与产业、学校与企业融合，在人工智能的基础理论和基本方法上进行源头性和颠覆性创新，为人工智能领域的中国贡献增添浓墨重彩的一笔，争取在当代科技的最新前沿做到身位领先，助力中国将未来科技发展的战略制高点牢牢抓在手中。开放合作是推动人工智能发展的必要前提。人工智能是一门奥妙无穷的学问，迄今为止人类在这个领域所取得的进步仅仅揭示了其全部奥妙的“冰山一角”。人工智能的发展，有赖于荟萃全人类的智慧，有赖于世界范围内学术界的通力合作。学科交叉，不辞众流，方为江河。任何一所大学、任何一家企业都不可能关起门来搞创新，人工智能的创新尤其如此。当前，我国《新一代人工智能发展规划》和《高等学校人工智能创新行动计划》已经发布，中国人工智能的发展已到了一个关键时期。面对这一重大历史机遇，广大科技工作者正努力发挥作用，致力于做人工智能领域的引领者。参考文献：[1]Wei yang, HongTao Wang, TieFeng Li and ShaoXing Qu, X-Mechnics-An endless frontier, Physics, Mechanics & Astronomy, Science China, 2019, 62(1):014601[2]华凌，推翻“围墙”，抢占量子信息技术制高点，北京量子信息科学研究院成立，科技日报，2017年12月26日[3]宫内谕，福田伊佐央撰文，魏俊霞、周媛翻译，人工智能进化之路，Newton科学世界，2018年9月[4]柳占立，庄茁，孟庆国，詹世革，黄克智，页岩气高效开采的力学问题与挑战，力学学报，2017，49(3): 508-516编辑：宁宁 审核：襄楠