“一個依靠別人來獲得基礎科學知識的國家，無論其機械技能如何，其工業進步都將步履緩慢，在世界貿易中的競爭力也會非常弱。”
范內瓦·布什
1944年末，在第二次世界大戰即將結束之際，一封特殊的信，從白宮寄往華盛頓特區西北區P街1530號。
這封信出自時任美國總統富蘭克林·羅斯福之手，而收信人，則是首位美國總統科學顧問、工程師，也是當時美國科學研究與發展辦公室的負責人——范內瓦·布什（Vannevar Bush）。
在信中，羅斯福向布什博士提出了4個問題，要求布什博士研究如何將戰爭時期的科研結果及經驗應用在未來的和平時期里，思考政府在當下及未來該如何與其他社會組織合作，以增進國民健康、增加新的就業機會、提高國民生活水準。
經過長達8個月的研究，1945年7月25日，由布什博士與其他科學家、學者組成的四個顧問委員會協助下，提交了《科學：無盡的前沿》報告（下文統稱“報告”）。報告中提出“要重視不以應用為目的的基礎研究，面向長遠，逐步擺脫對歐洲基礎科學研究的依賴”的核心理念，主張“政府、工業和學術研究可以在合作中取得比在孤立中更大的成就”。
這正是該報告引起人們高度關注的原因。因為在此之前，政府與科學的關系是不明確的，也談不上“國家的科學政策”之言。范內瓦·布什把發展科學技術作為美國戰后建設的核心任務提出，為美國此后幾十年的科學發展奠定了底層基礎，成為美國科技政策的藍圖和里程碑，后來的阿波羅登月計劃、人類基因組計劃無不受益于此。
它還導致了現代美國研究型大學、國家科學基金會的發展，以及政府對科學研究資助的增加——從20世紀40年代到60年代增加了10倍以上。包括當今蓬勃向上的如谷歌、蘋果、亞馬遜等科技巨擎延續十幾年的指數型增長曲線，屢屢擊破了均值回歸的物理學定律，其源頭亦受益于該報告提出后美國所奠定的科學技術基礎。
今年5月份美國兩黨議員提出《無盡前沿法案》，以76年前的這份報告為基礎，在基礎科研的基礎上，強調了加強創新技術方面的領導地位。新的法案提議在未來五年內投入1000億美元，主要用于在人工智能等十個關鍵技術領域的投資。該法案還對任何參與過中國等國資助項目的學者作出明確的限制。由此可見，在基礎科學和關鍵技術領域的世界競爭格局，將會風起云涌，而我國科技工作者于此的認知、投入和實操對于國家的未來會更為急迫和重要。
以史為鏡，可以知興替。但同樣的，歷經了漫長的76載，在了解了我們從事的職業所遵循的基本原則和賴以支撐的政策后，我們更應該思考的是：這份報告是否依然適合當今時代？今天的發展是否已經對科學研究和技術創新的政策有了更新的要求？企業又能否做基礎科學研究？帶著這些問題，CSDN記者在《科學：無盡的前沿》正式再版之前，對話阿里巴巴集團副總裁、達摩院城市大腦實驗室負責人華先勝。
“70多年前的報告，今天依舊振聾發聵。“華先勝在為該書撰寫的讀書報告中寫道，青年科研工作者，對于今天國際國內的學術研究氛圍和形式，我們并沒有多少人認真探究過它的起源和初心。但是，如果我們能對此有所了解，就能夠更清楚地分析其中的利弊，從而更充分地利用科研環境提供的支持，減少可能產生的弊端。
回到眼前，不難發現，如今所處的社會已經逐步從信息化時代逐步過渡到智能化時代，大數據、人工智能、5G等技術正在蓬勃發展，深入千家萬戶改變著人們的衣食住行。我們嘗試著從人工智能技術著眼，跟隨華先勝探尋基礎科學與應用科學之間的千絲萬縷。
作為達摩院城市大腦“背后的男人”，華先勝被業界公認為“視覺識別和視覺搜索領域的國際級權威學者”。他此前曾提出過“無行業不AI”的說法，而在對話中，他也對這個說法做出了更詳盡的解讀。
在上世紀50年和80年代的兩次浪潮中，由于基礎理論難以突破、技術條件不夠完善，人工智能沒有達到人們預期的成果和推進。但從2012年的開始第三波人工智能浪潮很不一樣，很大可能會改變過往的桎梏。
華先勝用“無行業不AI”來概括第三波浪潮，分為三個階段。
第一個階段從2012年開始。深度學習的出現讓過去一些難以逾越的技術障礙得到了突破，如圖像分類、圖像識別等。業界都在為這個進步而歡呼，許多人工智能相關的創業公司也如雨后春筍般冒出，大家對未來充滿樂觀，“沒有一個行業不受AI的影響和改變”，這是第一階段的“無行業不AI”，更多是對未來的展望和預測。
但華先勝認為，人工智能技術雖然有了進展，可還有很多局限，他提出AI真正要廣泛應用，“無行業不AI”需要進入第二個階段：“如果AI技術不深入行業、解決行業的核心問題，就沒有AI的真正落地”。
當大家真正開始將人工智能技術應用到行業的時候，才發現真的不好做。首先，技術人才無法對各個領域都了如指掌，但必須要深入行業的數據、深入行業的流程才能把AI用到重要的地方，讓AI不僅是“錦上添花”，更是“雪中送炭”；其次是“人才集中化”。相關人才大部分集中在大型互聯網企業和初創公司、學校里。這種情況帶來的問題就是：在技術深入行業的時候很難規模化。
第三個階段，屬于技術和應用深度結合，華先勝沿用了“無行業不AI”，但有了全新內涵：“需要行業的深度參與，甚至行業做主導，才能帶來人工智能真正在各行業的遍地開花，重點是要結果。”
在這個階段，行業內的科技公司或行業本身會去推動人工智能技術落地，并且，不一定是人工智能領域非常精通的專家才能做到這件事，可能會是應用方面的專家，他們在人工智能技術專家做出來的工具、平臺上做創新，這樣的模式才可能實現真正各行各業的規模化落地。
這對人工智能專家從業者而言其實是提出了更高的要求。他們要把人工智能的基礎能力、工具平臺做得更好，才能讓行業里的IT人員、行業專家在此基礎上做出貼近行業的創新創意。
華先勝認為，在這個階段，不僅要關注在算法的研發上，還要集中精力把基礎的AI能力、平臺工具等能力做好，才能賦能到各行各業中去，讓行業專家深度參與做創新，這可能是更有效的方式。
從人工智能至今的三次發展高潮來看，根本原因是基礎研究的突破，這是大浪的源頭。不過，基礎研究也是個長期的過程，如果我們寄希望以短期支持產生即時結果，那么它就不再是基礎研究。
企業能否做基礎科學研究？
眾所周知，達摩院是一座阿里巴巴旗下的研究機構，劍指基礎科學與創新技術研究。不過，按照報告的觀點，企業科技研發機構不適合進行基礎研究。布什博士認為，工業實驗室過多關注即時的實際目標，基本上支持的是可預測的商業性成果。
作為達摩院城市大腦實驗室負責人，并在企業科研領域有數十年的經驗，華先勝的看法有所不同，他認為就基礎科研來說，現代科技企業是非常有必要和非常好的補充力量。
華先勝表示，不可否認，企業做基礎科研是有難度的，70多年過去了，今天的企業研究院、實驗室確實仍然是以應用科學作為主要研究內容，并以中短期商業化作為其主要目的。“但是，”說到這里，華先勝話鋒一轉。“歷史上最成功的實驗室之一——貝爾實驗室就是一個企業實驗室。”
“雖然貝爾實驗室源自AT&T（美國電話電報公司）和西方電子兩家通信領域的公司，但在建立之初，貝爾實驗室便致力于數學、物理、材料學、計算機、電信技術等各方面的研究，也就是說，除了電信技術，它的重點在于基礎理論研究。”華先勝說。
貝爾實驗室成立于1925年，也就是說，在布什博士寫這篇報告的時候，貝爾實驗室已經存在并有了不少卓越的成果，在此后更是碩果累累（如晶體管、太陽能電池、第一顆通信衛星、發現宇宙微波背景輻射、UNIX和C語言等）。“大概這就是布什所說的‘例外’情況吧。”華先勝笑道。
然而，在輝煌了70年之后，20世紀末，貝爾實驗室風光不再，資金和自由研發環境的變化是公認的主要原因。這實質上也間接印證了布什對基礎科研的組織形式的信念——沒有績效考核、沒有結果檢查、沒有進展匯報、沒有各種束縛的自由研究促成了諸多重大發現。
那么，在今天的環境下，企業又是否能夠承擔部分的基礎科研呢？華先勝認為，從經濟實力和人才儲備上看，今天的大型企業具備這一點條件，也有不少企業具備足夠的社會責任感和使命感。在應用科學的創新研發方面，企業確實有得天獨厚的優勢，但企業實驗室對基礎科研的規律和認知，以及組織機構的設置，可能需要更多的時間來交學費。
過分強調商業化，有可能會帶偏基礎研究的方向，甚至會帶偏從基礎研究到應用研究、從應用研究到直接為大眾帶來福祉的技術、產品的整個路徑。所以如果企業想要做基礎研究，應該要將基礎研究從應用研究、技術創新中剝離出來，由相關領域的真正的基礎科研專家來帶領，哪怕不是像貝爾實驗室那樣進行很廣泛的基礎科研，而是在有限選擇的領域開展自由的研究，也不是不可能的事情。而且，利用基礎研究推動應用研究，以產生利國利民的成果、產品，企業有更大的便利和優勢。
對于企業去做基礎研究的路徑，華先勝則認為，資金和人才是核心問題。首先要基礎科研領域的專家來帶領，其次是要有足夠的資金投入，最后是要建立合理的制度。該機構如何設置、資金如何使用、決策由誰來做、人才如何激勵和培養是關鍵所在。至于該機構是誰資助的、放在哪里，都不見得是最核心的問題。這當中的規律，實際上都可以借鑒報告中的想法。
未來，學習可能成為真正的快樂
在所有可以使用‘科學’一次來指稱的領域，人都是其唯一限制因素。我們在某個方向上的進步快慢，皆取決于從事該工作的真正一流人才的數量……所以歸根結底，這個國家科學的未來取決于我們的基本教育政策。
哈佛大學校長 柯南特
在報告中，布什博士用了整整一個篇目來講述了科學人才的革新。基礎科學乃至整個科學體系要想得到長足發展，關于人才的教育和發掘是必須重點關注的一頁。
但如果把目光放到當今的學生當中，我們可能會發現，“不想學、學不懂、沒興趣”才是人才培養路上的洪水猛獸。
對于教育問題，華先勝曾在TEDxHaiDianEDU演講中表示道：“人類教育在數百年間，形式沒有任何開創性的改變，一刀切的單一培養模式與培養體系，忽視人格心智成長等弊端越來越明顯”。他認為，教育的核心就是以最短的時間學到最多的能力，而不僅僅只是知識，還可以包括創新的能力、獨立思考的能力、批判性思維等跳出知識框架的能力。但今天的教育更重于知識，輕于能力，這是當今全世界教育的整體局面，也就是“規模化教育”。
規模化教育大概來自于400年前，這是一個非常偉大的創舉，“學校”的出現讓許多人得到好的教育，在時代的大背景之下已經是最優選了。但這種方式同時也犧牲了“個性化”——每個個體的能力、優勢不一樣，規模化教育是否能夠滿足未來的人才需求？這是今天打下的一個問號。
“未來技術再往前發展的話，我覺得這一點是有可能會被改變的。”華先勝說。當下已經有人在規模化教育的前提下去做相關的嘗試了，比如通過把題目和學生答題的答案數字化，來獲知每個學生不同的擅長科目，再根據這些結果做教育方式上的輕微調整。
但這是非常初步的嘗試，不能真正算個性化。未來的教育其實或許可以實現“學生可以自己選擇學什么”的現象，而不是學校來做區分。從當下來看或許實現成本較高，但未來有可能可以用技術實現這種“規模化下的個性化教育”。核心在于：提升教育的效率，讓每個人更好更快地成為“人才”，更多地聚焦在能力、甚至思維方式上，而不是僅僅是集中在知識上。
華先勝認為，一個人是否能真正做好事情，知識技能是基礎，而思維方式才是決定他未來的創造力的關鍵。單純對知識的運用當然也無可厚非，也適合作用于其他同樣很重要的領域，但不見得適合做基礎科研或應用科研。而善于發現新東西、尋找新的自由度的思維方式，無論是在基礎科研還是應用科研都更有利。
在未來，人工智能、大數據等技術對教育肯定會帶來變化，過程或許比較緩慢，因為這些技術本身也是需要研究的一部分。這時候它們就不僅僅只是技術了，更是教育本身。未來，教育本身的規律、甚至是人腦的規律等等，可能都會融合在一起，形成智能化的教育，也就是“規模化的個性化教育”。
“這是我下的一個斷言，我相信會逐步地實現。”華先勝說道。“學習本身應該是一件快樂的事情，如果實現了個性化，那可能自然而然成為一件快樂的事情，因為每個人都可以學自己想要學并且適合自己學的東西。這對基礎科研的能力培養也非常重要。”或許這條路還比較長，但讓學習真正成為快樂的事情，人才的培養就不再是一個偶然事件，而是有可能批量出現優秀的人才。
科學、發展與幸福
如果人們從未去探索起源與初心，或許很難理解如今國內外對“基礎科研”所投入的大量的人力、物力和財力。
進行基礎研究并不考慮實際目的，它所產生的是一般性支持以及對自然及其規律的理解。盡管無法對任何一個問題給出完整具體的答案，但這種一般性知識提供了解答大量重要實際問題的方法。
而應用研究的功能才是提供這樣完整的答案。如果基礎科學研究長期遭到忽視，工業研發的進展也終將陷于停滯。
正如華先勝先生在《科學：無盡的前沿》的讀書報告中所說的：
每個從事科研創新工作的個體和組織，通過對報告和導讀的研讀，了解更多的背景，了解歷史的經驗和教訓，對科學的定義、科學研究的作用、科學研究的規律、科學研究的組織形式以及科研人才的發現和培養，有更深入的認知和思考，并付諸實踐和進一步探索，無疑對科學的發展，對科學與社會、國家未來以及人民福祉所起的不可替代的作用的實現，有著重要的推動作用。
華先勝其人
華先勝2001年畢業于北京大學，獲得應用數學博士學位，之后分別工作于微軟亞洲研究院，微軟美國必應搜索引擎，以及微軟美國研究院，從事多媒體、計算機視覺和機器學習方面的研發工作，是國際電氣與電子工程師協會會士（IEEE Fellow），美國計算機協會杰出科學家（ACM Distinguished Scientist）；2008年獲MIT科技評論“全球35個35歲以下杰出青年創新者”稱號（TR35）。
華先勝，阿里巴巴集團副總裁/高級研究員、達摩院城市大腦實驗室負責人
2015年4月，華先勝正式加入阿里巴巴，任搜索事業部資深總監/研究員，帶領團隊研發出大家熟悉的“拍立淘”關鍵技術；2016年加入阿里云iDST，負責云上視覺智能計算的技術研發；現任阿里巴巴集團副總裁、達摩院城市大腦實驗室負責人。他的研發興趣在大規模視覺人工智能領域，包括視覺分析、識別、搜索和挖掘的算法和系統等。華先勝在國際主流會議和期刊上發表論文200余篇，擁有專利90余項。曾擔任多個學術期刊的副主編以及ACM Multimedia等頂級學術會議的程序委員會主席，并獲得多個國際會議及期刊的最佳論文獎，曾擔任ACM Multimedia 2020年大會主席。