令人震撼!!陳琳關於學術發展趨勢的精彩演講

令人震撼!!陳琳關於學術發展趨勢的精彩演講

令人震撼!!陳琳關於學術發展趨勢的精彩演講

（根據錄音整理，未經本人審閱）
　　
　　謝謝各位光臨今天的講座。首先我想恭喜各位，尤其是各位年輕的學生。我今天要講的內容可能會對你的未來，（無論你將來做不作學術），會對你的未來產生影響。一個演講改變了一個年輕人未來的生活和事業軌跡，這在曆史上一直是有先例的。
　　
　　很多年前，有一個叫沈元的學者在福建福州的一所中學演講時提到‘歌德巴赫猜想’，他的演講影響一個中學生的未來，這個當時的中學生就是後來我們所熟知的數學家陳景潤。我相信並希望各位同學能從我的今天的演講中得到啟發，重新調整未來的發展方向，把自己培養成為比陳景潤更偉大的，對人類的科學文化作出更傑出貢獻的學者。
　　
　　現在你們可能很少聽到有人象我這樣講話了，就是鼓勵你們成為學者。現在外麵的人到大學來演講，大都是講怎麽創業致富，什麽全球化, wto商機，奧運商機等等，或者預測經濟發展未來，大談樓市，股市走向等。 我不會講這些內容，因為這些內容你們可以各種報紙雜誌網站上看到。今天我要講的內容沒有在任何地方出現過，是我個人的一些心得，我講的是人類學術發展的未來趨勢。這個題目聽起來很大，但它卻是各位青年學生所應該關注的。因為未來其實並不遙遠。
　　
　　大家知道，人類的學術領域在第一級層次上大致可以分為文科和理科。工農醫還有管理法律等是二級層次的，從一級衍生出來的。理科包括數學物理化學生物天文地質等。我們通常說的文科可以再分為人文科學和社會科學。人文科學包括藝術，哲學，曆史，語言學等等， 而社會科學包括經濟學，社會學，政治學，人類學，心理學，傳媒學等等。
　　
　　我講的第一個論點是文科和理科的界限最近二三十年正在不斷消失。大概可以這麽講，一門學科之所以是文科，是因為它還處在發展的初步階段。隨著學科的深入發展，必然會有數學進入，這樣就變成理科。
　　
　　比如經濟學，一直到四五十年前，經濟學都是所謂的文科，由文字表述的，基本上沒有數學。馬克思，亞當斯密，凱恩斯的著作基本上都是文字表述。1960年中期，有一個叫莫頓的年輕人從哥倫比亞大學應用數學專業畢業時，對經濟學感興趣，就申請了一批美國大學經濟係讀博士，除了麻省理工學院外，所有的學校都據了他，不是他不優秀，而是這些經濟係的教授們不知道招一個數學碩士做什麽。隻有麻省理工獨具慧眼，錄取了莫頓.。大家可能知道這個莫頓, 在三十年後的1997年獲得諾貝爾經濟獎。今天，經濟學已經高度理科化，現在沒有相當的數學能力是沒法讀正經的經濟學。我這裏有一本經濟理論雜誌，裏麵的文章就像數學論文。還有這本是金融學雜誌，也基本是複雜的數學表述。
　　
　　我提請各位關注的是，不但經濟金融是這樣，幾乎所有的人文科學和社會科學都朝這個方向發展，就是變得越來越數學化。不同的起步有早有晚。
　　
　　我印象中經濟金融心理學這多年來在中國也是同時作為文科和理科招生的。下麵講的是依然作為文科招生的學科，比如社會學，政治學，語言學，傳媒學，曆史學等。實際上，這些人文社會學科，在前麵加上數學（mathematical），計算（computational）或者數量(quantitative)等定語，都是有意義的。比如數學語言學，數量史學, 數學社會學，數量政治學，數學人類學，數學心理學，等等，都是有意義的、目前正在國際上蓬勃發展的學科。
　　
　　我們來看一些具體的例子，看我手頭的一些雜誌。這本是數學心理學雜誌，這裏還有一本是數學和統計心理學雜誌。這是數學社會學雜誌，在美國已經有幾十年的曆史。 這是數學組織學雜誌，組織學是社會學的一個分支，商學院裏教這門課程，大的商學院還可能有組織行為係，組織學是企業管理的理論基礎。這本是歐洲的雜誌，叫數學社會科學，1980年創刊的，比社會學廣泛，還包括經濟學等。這是數學人類學和文化理論雜誌，裏麵有大量的數學模擬文章，包括文化演化模型的模擬等。這是計算語言學雜誌，裏麵的文章應用大量來自計算機科學和技術，相當複雜。這個雜誌從1974年開始就有了。還有兩個是相對發展比較晚的學科，數量史學和數量傳媒學。這是關於數量史學的介紹，裏麵有講到曆史混沌理論的模擬，是複雜性理論的應用。這本是數量傳媒學。
　　
　　細心的同學可能會注意到我還沒有談到人文裏麵的一個重要部分，藝術。藝術也不例外。我就講一下美術和繪畫。美術是我最喜歡的話題。三十歲以前，我差不多每天都在畫畫。這幅畫是俄羅斯畫家列賓的傑作‘伏爾加和的纖夫’，我年幼時非常著迷這副油畫。你很難想象這副畫跟數學有什麽。它不象經濟金融那樣，本來就有許多數據。這幅油畫看上去沒有任何數字，除非你在談論它的長寬尺度。更看不出來它跟數學有什麽聯係。現在我把它在Matlab裏讀一下，你可以看到輸出的是一個三維數字矩陣。這副畫就是這個矩陣。矩陣裏每個數字表示一個Pixl上的顏色的灰度，三層矩陣代表三原色。矩陣大家都熟悉的，你們在大一線性代數課程裏都學過。 但是關於這張畫或其它圖像處理所涉及的數學遠遠比線性代數要廣泛深入複雜的多。 這本書的書名叫，是一個法國學者寫的，講得是圖像的處理。數字圖像，也就是這個三維矩陣，它涉及的技術非常廣泛深入。籠統地講，圖像處理應用到現代抽象幾何學, 拓撲學，信號抽樣理論、統計信號處理方法、小波變換理論、分形方法、偏微分方程、數學形態學、馬爾可夫場理論、蒙特卡羅模擬等等。
　　
　　學術界曾經把數量史學，數學社會學，數量語言學等稱為交叉學科。我認為這種說法是不妥的，容易誤導學生，交叉學科，顧名思義就是派生的，邊緣的、非主流的，這種說法是不妥的。它們不是邊緣的，而是正統的，是主流的，是學科發展到一定程度後的一種必然狀態。可以相信，隨著時間的推移，這些學科都會變得越來越數學化，越來越理科。理科和文科的傳統界限將不複存在。就像我們現在不把數學經濟或者數學金融叫做交叉學科一樣， 我們也不能把數量社會學，數量政治學，計算組織學等有數學、計算、數量作定語的這些人文社會科學看成另類。
　　
　　各位已經看到，數學已經或者正在滲透到人文社會科學和藝術的各個領域。我要講的是，數學的進入不是目的，不是一種時髦，而是一個過程，是一個先進的方法論對這些傳統學科滲透的過程。這個方法論，就是目前科學和工程中廣泛使用的研究方法論。
　　
　　簡單地講，這個方法論的基本意思是這樣的。從觀測到的實際現象數據出發，抽象出概念，提出假設，建立模型，建立數學關係或者方程，然後求解，接著把計算結果與觀測數據比較，看看符合的怎麽樣，然後反饋回來，進一步修改有關假定和建立方程，再求解再比較。不斷反饋不斷完善，接近真理。這是研究方法論是人類在過去的幾百年裏在工程技術和自然科學中的成功的有效的研究模式。現在西方學術界有人在研究這種模式是否是唯一的。可能不是，他們認為星外文明可能有不同的研究模式去探索真理。 是什麽模式？這不是我們今天要的講的問題。我要說的，這個方法論已經越來越多的被傳統的文科領域所采用，這就出現了學科越來越數學化的趨勢。
　　
　　前不久，有人問楊振寧，中國人未來可能在什麽領域內獲得諾貝爾獎，據說楊振寧回答說，會有人的數學獎。我想可能是轉達有誤，大家知道諾貝爾獎是沒有數學獎的。我想楊振寧的意思是數學家可能得獎。大家知道去年諾貝爾經濟獎得主就是兩個數學家，從本科到博士一直在讀數學。現在如果一個16歲的年輕人問你大學讀什麽專業好，我想最好的回答是數學。讀了四年大學以後，20歲畢業再轉任何專業都好辦。這裏說的是從事學術生涯。 
　　
　　
　　
　　陳琳關於學術發展趨勢的精彩演講（續）
　　（根據三年前的錄音整理，未經本人審閱）
　　
　　我講的第二個論點或者第二項事實是：人類的學術發展到今天，許多傳統的關於 學術能力和職業技能的觀念已經或者正在被顛覆。 
　　
　　比如曆史學。過去曆史學家的重要技能之一是做索引分類， 以便需要時能夠迅速地從浩瀚的文獻大海主提取相關的文獻。現在看來這套技能可能過時了。曆史 學家研究某個問題，借助搜索引擎， 比如google可以很快地找到許多相關的文獻。根據這些文獻就可以很快組織成具有特定曆史視角的文章。 以後曆史學的研究可能不再走旁征博引，引經據典這條路了。 博學強記也不再被認為是曆史學家的 優秀素質。 這幾千年曆史研究的基本方法，現在過時了。以後的研究怎麽做，這是一個問題？ 現在有西方學者用 ‘基於主體建模’ 的方法，這是一套很深奧的模擬技術，（對人文社會科學研究者來說），來研究曆史問題， 尤其人類的演化曆史（ 應該屬於人類學的研究範疇）。我前麵提到的數量史學雜誌裏就有許多這樣的文章。這是一條研究曆史的新工具，新技能。
　　
　　再比如說， 外語翻譯。幾十年來，外語都是中國大學裏的一個熱門專業。但這個專業所學的筆譯和口譯等技能正在受到機器翻譯的挑戰。機器翻譯軟件（我指的是英漢互譯）現在還很不完善，但是充滿了希望。現在的機器翻譯經常把整個句子搞錯。 但是譯對的句子，還有許多短語，詞組的翻譯還是很地道的。許多機器 翻譯的結果， 改一改， 是不錯的。學外語的學生， 如果沒有海外生活經驗， 有可能譯不出那樣地道的外語。可以相信，一、二十年後機器翻譯軟件，隨著智能計算機的發展，會充分完善起來。那時候筆譯和口譯這兩個職業的出路可能是個問題。可以預計，二、三十年後，外語，尤其是外語翻譯不再是一個熱門專業 ， 甚至不再是一個大學的專業，當然外國文學和文學史專業還會有。
　　
　　再比如說數學。 同學們都上過微積分了嗎？好。 是不是曾經花很多時間手算微分積分？清華大學過去有個教授叫趙訪熊。他的一件軼事曾經在學生中廣泛流傳，說的是他讀微積分時，做了一萬道微積分習題。 他讀書的那個三、四十年代，一直到二、三十年前的八、九十年代，手算微積分都是科學家和工程師的重要基本功之一。即時有了積分表， 還是要靠手算做些變換。 八十年代中後期出現了mathematica， maple等軟件， 可以算符號微積分。使得手算微積分的這一曾經很重要的技能，基本上過時了。不但微積分，線性代數、常微分方程和偏微分方程等公共數學專業課程的許多計算也都可以由電腦軟件解決。
　　
　　再說一個我自己經曆的例子，畫畫。我很小的時候曾經幫企業畫廣告， 那是很大幅的宣傳畫， 要搭梯子爬上去畫。那麽大的畫，大概有十幾平米到幾十平米那麽大， 當時隻能由人工畫， 用感光紙放大或者當時的印刷術都無法生產那麽大的畫。 畫畫當時被認為是很好的職業技能。現在，不是現在，應該已經有一、二十年了 ， 這套技能完全過時。隨著數字圖像技術的出現，再大的畫都可以印出來，叫做噴畫。噴畫比人工畫的好，由於是數字圖像，絲毫不差。
　　
　　最後，我講一個大家可能熟悉的例子。我記得我90年代中期回國時， 看到很多寫字樓裏的白領在學五筆輸入。 這種技能很快就過時了， 幾年後出現了很便捷的 拚音輸入法。現在甚至連拚音都不要了，直接通過口述輸入。這在90年代中期是 無法想象的。五筆輸入技能早已過時， 我希望在座的各位小時候沒有浪費時間或者金錢去學五筆輸入。
　　
　　可以舉出更多的例子，但前麵的例子已經說明了一個很重要的現象： 即人類的學術版圖和研究模式已經悄悄地發生了巨大的變化。 這種變化的一個重要結果是： 學術能力和職業技能正在被重新界定。 曾經是很重要的學術能力和職業技能， 現在可能已經不再重要； 曾經被人忽視的能力和技能，卻可能在未來會變得重要。 這種已經發生的變化和未來可能發生的變化，會影響到每個人，不論你做不做學術， 你別無選擇。 你所能做的隻有去認識它，適應它。 我今天正是幫各位認識學術領域正在發生的變化和未來趨勢。 我必須提請各位注意的是， 這種變化並沒有停止，而是正在加劇。 隨著時間的推移，越來越多的傳統意義下的能力或技能會以越來越快的速度被淘汰。 
　　
　　我們稍微想象一下， 這個趨勢的進一步發展會可能有什麽樣的結果。 我估計再過二、三十年，甚至更早，隨著智能計算機的成熟，你們現在大部分的作業， 數學的，計算機的，物理的，化學的，經濟的，等等都可以直接輸入計算機，獲得答案。 本科生的作業是這樣， 小學生和中學生的作業更是這樣。 現在的計算機做不到這點，因為現在的計算機沒有智能，讀不懂你的作業。老師布置的作業，必須把它破解到一定程度，才可以用電腦求解。但是未來的智能計算機可以直接破解各種問題，給出答案。這不是科學幻想，這是很快就會到來的現實。
　　
　　不但大中小學生的作業，就是現在白領的大部分工作也可以由計算機直接完成。 比如，現在一個證券公司研究部的經理讓一個分析師寫一份關於某隻股票或者某個行業的分析。 這個分析師通常會去尋找數據、下載數據，然後調出相關軟件處理數據，進行統計分析，獲得一些統計量和圖表， 最後寫一份報告， 用通俗的文字解釋這些數據和圖表的涵義等等。
　　
　　這件事情，現在必須由分析師來做，因為它的許多環節必須有人工做。 但是二、三十年後，甚至是一、二十年後，經理可以讓直接智能計算機做同樣的事情。 一旦計算機會做，它可能做的比人工的更快、更好。比如，智能電腦可以在有限的時間嚐試運用更多不同的統計模型做分析比較。 那時侯，這個證券分析師的專業技能整個作廢， 包括他的統計知識和金融知識。證券公司請這個分析師有什麽用？
　　
　　智能計算機的研究開發現在正在加速。 國際上一些大的公司都在研發智能計算機。比爾蓋茨曾經在公開講話中多次提到這件事。我估計二、三十年內這項技術可能會成熟。硬件上，它可能會建立在量子計算機或者神經計算機的基礎上，軟件就是人工智能。人工智能經過四、五十年的發展，正在醞釀著重大的突破。現在美國， 歐洲的英國、德國等， 亞洲的日、韓都在埋頭研究人工智能。
　　
　　那時候一個巨大的問題就是： 學校教什麽？學生學什麽？公司招的人應具有什麽樣的職業能力？具有什麽能力的人才是未來學術界或職場的佼佼者？這個問題， 無論是個人，還是公司，還是政府，都要關注。當一個年輕人在準備他未來的職業時， 當一個公司在研究競爭策略時，當一個政府在考慮國家科學技術發展規劃時，都要麵對這個問題。 如果現在不開始關注這位問題，以後就可能措手不及。 因為未來即將來臨。各位應該怎麽做？我不知道。但我接下來要說的第三個論點也許對各位有點啟發。
　　
　　我前麵講過，數學正在大規模地進入包括人文社會科學在內的所有學術領域， 但是我講的第三論點是數學能力本身並不是最重要的， 最重要的是用數學解決來自各種領域的具體問題的能力。這種能力就是能從具體問題、從實際觀察中抽象出數學概念，建立起數學方程， 把一個看上去沒有數學的問題變成一個數學問題。為什麽? 因為根據幾百年來人類科學探索的經驗， 數學是非常犀利的工具， 能夠深入地揭示變量之間的關係和事物的發展規律， 數學的這個能力是文字思辨遠遠達不到的。
　　
　　我們可以把這種能力叫做建模能力。這種能力將來可能變得日益重要。這裏講的‘建模’跟人們通常講的‘建模’不盡相同。通常講的建模，包括各種建模比賽中的‘建模’，基本上是運籌學的問題，這是對建模的狹義理解。運籌學中的建模問題往往比較簡單， 許多問題都有現在的套路可解。我們這裏講的建模要困難的多。比如，你不妨想象一下， 怎麽樣在圖像處理中運用數學， 它怎麽會跟偏微分方程聯係起來？你還可以在想一下，怎樣為人的行為建模？這將涉及到什麽數學？是否需要創立新的數學？
　　
　　請我舉例澄清一下數學能力和建模能力的區別。 Black-scholes-merton得諾貝爾經濟獎並不僅僅是因為他們數學能力好， 會解偏微分方程， 而是因為他們金融建模能力強，能夠應用來自金融學的推理， 成功的推導出決定期權價格的偏微分方程，也就是black-scholes 方程。
　　
　　所有來自具體學科的方程， 它們的推導都可以看成是建模。它們的推導都不是來自數學，不是靠形式邏輯，而是根據各個學科的具體推理。 各位熟悉的牛頓方程，不是從數學推導來的，是牛頓根據物理觀測，猜出來的。 麥克斯韋方程，是根據電磁場互相轉換的試驗，猜出來的。 愛因斯坦的廣義相對論引力場方程是從引力與加速度的等效原理推導出來的。許許多多的方程都是這樣來的。牛頓，麥克斯韋，愛因斯坦以及black-scholes-merton等等大學者都是建模高手。但他們的數學能力並不一定都很好。希維波特，就是搞泛函的那個德國數學家，曾經說過：哥廷根街上的小孩都比愛因斯坦更懂得高維幾何。
　　
　　為了使各位對我所說的數學能力和建模能力的區別有更具體的認識， 我想請各位同學拿出筆和紙做個簡單的練習。大概需要5到10分鍾時間。 老師們就不用做了。 準備好了嗎？好的。現在我敘述問題：中國人說“站的高看的遠”。 站在100米高處比站在10米高處看的遠。請問，在離地麵1公裏的高處，最遠能看多遠？假設地球是個完美、表麵平滑的，半徑是6450公裏的球體。都聽清楚了嗎？好。現在開始做。
　　（間隔約8分鍾）
　　好了，差不多了。各位認為自己已經做出來了的，請舉手。有五位，不錯。請你把畫的圖翻過來讓我看看？很好。謝謝。應該是對的。
　　
　　答案是這樣的，我先畫個圖，再寫下方程。就什麽都清楚了。現在回到我的論點。這個問題的解可以簡單地分為建模部分和計算部分。 畫出這張圖， 寫下這個方程屬於建模部分。解出這個方程，屬於計算部分。我相信所有的同學都會做計算部分，但是隻有五個同學會做建模部分。計算的能力不是最重要，因為人人都會。從供求關係看，人人都會的技能肯定價值不高。建模能力很重要， 因為會的人少。
　　
　　其它學術的問題也一樣。 會做計算，會解數學方程並不是最重要，最重要的是能夠根據具體問題的考慮，引入數學，寫出方程。 這個建模能力，目前的計算機也不會。 在智能計算機成熟之前， 計算機都不會做。 在未來的二三十年，也就是智能計算機出現之前，什麽學術能力重要？ 就是計算機還不會做的。 什麽能力已經不重要， 就是計算機會做的。 
　　
　　我想再舉一個好玩點的例子。 有一個講相聲的老前輩叫做侯寶林。他有一段相聲也是一個有關計算能力和建模能力的例子。那段相聲大概是這樣的。侯寶林說： 我上了五年小學，三年初中， 一共上三、五十五，十五年的學。他的搭檔說：不對啊？怎麽是十五年？ 應該是五加三，上了八年學。侯寶林說：是用加法啊？我以為是乘法。我說我數學不好嘛。
　　
　　知道這個問題是用加法而不是乘法很重要， 會不會做加法和乘法並不重要。 老早的時候， 就是計算器還沒出現的時侯，會做加法和乘法很重要。我上小學時，整天都在做幾位數到幾位數的加減乘除，當時是有必要的。但對現在小學生來說，已經不重要了。這就是為什麽美國的小學不要求學生背誦乘法表，它們把乘法表貼在牆上，學生考試甚至可以用計算器。
　　
　　各位知道， 有一種說法說中國學生數學好。 這個說法需要認真研究。這數學好，是指計算能力好？ 還是指解決問題能力好（即建模能力好）？根據我的經驗，可能是計算能力好。上麵講的 ‘站得高看得遠’ 的問題， 我過去幾年在不少國家講課時，都讓學生做過。他們做的不比中國學生差。其中俄羅斯，烏克蘭，伊朗，黎巴嫩，印度等國的學生做的可能比中國學生還好。
　　
　　如果中國學生數學好， 指的是，算數或者解方程的能力好，而不是解決問題的能力好，那我們的中小學數學教育是到了該反思的時候了。 算的又快又好曾經是一項令人驕傲的技能，但現在已經沒有多少價值了，以後就更沒有價值。
　　
　　最後，我還是再講一些人和事來結束我的演講。麻省理工學院的教授薩默順曾經稱莫頓（就是我前麵提到的莫頓）為金融學的牛頓。 是的，金融學的牛頓已經出現，而且就在金融學的牛頓出現後不久，金融學發生了革命性的變化。 但是人文社會科學的許多領域的牛頓還沒有出現。 許多社會科學的領域， 有的雖然與人類的曆史一樣古老，但它們還處於原始的發展階段， 即觀察、積累階段。 這些社會科學將來會作為真正的科學發展起來，這有待於像牛頓那樣的學術巨人的出現，為這些學科奠基。這可能是你們這一代人的機會。 要為這些學科奠基，必須有很強的建模能力，像牛頓、麥克斯韋、愛因斯坦、 black－scholes－merton那樣，也要像從事數字圖像研究的那些學者那樣，能夠在看上去沒有數學的地方看到數學的用武之地。
　　
　　麥克斯韋曾經很羨慕牛頓， 甚至有點嫉妒。麥克斯韋說， 像牛頓那樣可以為學科體係奠基的機會是很少的。牛頓為近代數學和物理奠了基。麥克斯韋沒有這樣的機會， 因為他比牛頓晚生多年， 錯過了為數學物理奠基的時代。 我想如果麥克斯韋生活在今天， 他可能會發現為人文社會科學奠基的機會依然存在。 麥克斯韋如果有知的話， 可能會很羨慕各位， 你們生活在又一個人類為學術奠基的時代，生活在又一個人類學術版圖重整的時代。 我希望你們中間的佼佼者，可能成為政治學、人類學、語言學、社會學、心理學和其它人文社會學領域的牛頓，為國家、為民族爭光。謝謝各位！下麵我接受提問。請大家暢所欲言。好，這位，請說。
　　（待續）