对话33岁人大AI学院博导:用AI发现物理学规律,成果登Nature子刊( 二 )

助理教授、博导 , 并在麻省理工学院兼职研究员至今 , 今年夏天 , 孙浩选择回到祖国 。
“国内的科研环境比以前变得好很多了 。 ”孙浩提到国内在政策、经费等各种科研支持力度上显著加强 , 长远来看 , 他对中国的科研发展更有信心 。
在和院长文继荣教授打一通长达1个多小时的电话后 , 他当即决定加入刚刚创立两年的一所年轻AI学院——中国人民大学高瓴人工智能学院 。

▲高瓴人工智能楼
高瓴人工智能学院成立于2019年4月22日 , 是中国人民大学下属二级学院 , 由高瓴资本创始人兼CEO张磊捐资支持建设 , 中国工程院院士潘云鹤任学术委员会主任 , 文继荣教授任执行院长 , 教师序列实行“长聘制” 。
“我感觉文老师是非常有情怀的一个领导者 , 我觉得我应该加入这个地方 。 ”孙浩相信一个优秀的领导者对年轻人的成长有指引性作用 。 无论是锚定方向推动AI变革 , 还是推行长聘制 , 都需要有情怀 。
除了领导力外 , 孙浩还看好高瓴人工智能学院的另外三个优势:视野、制度、文化 。
在他看来 , 高瓴人工智能学院在AI发展上有超前的视野 , 并率先提出有温度的AI 。 AI不仅是工具 , 它应与人深深联系在一起 , 与法律、传播学、经济学、社会治理等各种学科结合 , 来解决现实世界中广泛的问题 。
一个地方能否吸引到有激情、有干劲的年轻学者 , 制度至关重要 , 刻板的东西会给创新形成屏障 , 而高瓴人工智能学院鼓励老师去自由探索研究方向 , 不会设置条条框框的边界 。
加入两个月以来 , 孙浩感受到学院的文化非常包容 。 学院支持教授们选择自己感兴趣的研究方向 , 对内外合作均持鼓励态度 , 研究经费也更充裕 , 如果想做某个对未来发展有益的研究 , 学院还会特殊申请一部分经费 , 来专门支持做这个方向 。
当前孙浩从事人工智能数理基础与理工交叉研究 , 包含可诠释性深度学习、知识表征与推理、物理驱动深度学习、符号强化学习与推理、数据驱动复杂动力系统建模与识别、控制方程找型、基础设施健康监测与智能化管理等方向 。
在今年9月加入人大高瓴人工智能学院后 , 孙浩迅速组建起“物理驱动人工智能”研究组 , 并于10月在国际学术顶刊Nature子刊上发表论文 。
截至目前 , 他主持或共同主持了美国科学基金等研究项目330余万美元;在国际一流SCI期刊和计算机顶会等各类刊物上共发表论文50余篇 。
三、与气象局合作 , 破解天气密码
孙浩团队推进的研究涉及物理系统、化学系统、生物系统等 , 来探索大千物理世界的各种潜在理论规律 , 用数学方式的形式描述它 。
目前孙浩、文继荣、卢志武三位教授和高泽峰博士后 , 正与中国气象局合作 , 利用风云卫星的时空高分辨率数据 , 探索特定的规律和方程 , 以期更精准地预测天气变化 。
传统气象预报方式基于数值计算 , 根据大气实际情况 , 在一定初值和边值条件下 , 求解描写天气演变过程的流体力学和热力学的方程组 , 从而预测未来一定时段的大气运动状态和天气现象 。
这存在一个问题 , 假想的数值模型与实际天气存在误差 , 可以捕捉到基本的天气规律 , 但可能对一些小概率的极端天气猝不及防 。
这些误差是怎样造成的?假想的模型 , 可能有些地方并不合理 , 或者人们没有考虑到位 。
对此 , 孙浩他们采用AI方法 , 探索与实际气象演变更契合的规律 , 尝试描绘出更好的方程组 , 实现超短时天气预报 , 并提高长期预测与极端天气预测的精准度 。
孙浩团队用AI获得的科学系统有三个目标:可诠释性、外推能力、泛化能力 , 即便从来没有见过的事件 , 系统也能做出稳定预测 。
这是相当有挑战性的方向 。 传统AI模型是黑箱子 , 但孙浩想要改变这种理念 , 希望做到“AI+小数据”依然可以得到一个非常可靠的AI模型 , 并能将一些未知的规律从小数据给提取出来 。

▲AI探索用于描述混沌动力系统的非线性常微分方程
这也是个非常振奋人心的方向 。 在科学探索和工程应用中 , 真正有价值的不是数据量多少 , 而是信息是否充分 。 有海量数据固然很好 , 但即便没有海量数据 , 依然能探索出简洁而普适的规律 。
数学是一切科学的基础 , 方程式是各种科学理论的抽象表达 , 而能描绘物理世界某种客观规律的方程式 , 往往总是奇妙的富有美感 。

推荐阅读