令人震撼!!陈琳关于学术发展趋势的精彩演讲

令人震撼!!陈琳关于学术发展趋势的精彩演讲

令人震撼!!陈琳关于学术发展趋势的精彩演讲

（根据录音整理，未经本人审阅）
　　
　　谢谢各位光临今天的讲座。首先我想恭喜各位，尤其是各位年轻的学生。我今天要讲的内容可能会对你的未来，（无论你将来做不作学术），会对你的未来产生影响。一个演讲改变了一个年轻人未来的生活和事业轨迹，这在历史上一直是有先例的。
　　
　　很多年前，有一个叫沈元的学者在福建福州的一所中学演讲时提到‘歌德巴赫猜想’，他的演讲影响一个中学生的未来，这个当时的中学生就是后来我们所熟知的数学家陈景润。我相信并希望各位同学能从我的今天的演讲中得到启发，重新调整未来的发展方向，把自己培养成为比陈景润更伟大的，对人类的科学文化作出更杰出贡献的学者。
　　
　　现在你们可能很少听到有人象我这样讲话了，就是鼓励你们成为学者。现在外面的人到大学来演讲，大都是讲怎么创业致富，什么全球化, wto商机，奥运商机等等，或者预测经济发展未来，大谈楼市，股市走向等。 我不会讲这些内容，因为这些内容你们可以各种报纸杂志网站上看到。今天我要讲的内容没有在任何地方出现过，是我个人的一些心得，我讲的是人类学术发展的未来趋势。这个题目听起来很大，但它却是各位青年学生所应该关注的。因为未来其实并不遥远。
　　
　　大家知道，人类的学术领域在第一级层次上大致可以分为文科和理科。工农医还有管理法律等是二级层次的，从一级衍生出来的。理科包括数学物理化学生物天文地质等。我们通常说的文科可以再分为人文科学和社会科学。人文科学包括艺术，哲学，历史，语言学等等， 而社会科学包括经济学，社会学，政治学，人类学，心理学，传媒学等等。
　　
　　我讲的第一个论点是文科和理科的界限最近二三十年正在不断消失。大概可以这么讲，一门学科之所以是文科，是因为它还处在发展的初步阶段。随着学科的深入发展，必然会有数学进入，这样就变成理科。
　　
　　比如经济学，一直到四五十年前，经济学都是所谓的文科，由文字表述的，基本上没有数学。马克思，亚当斯密，凯恩斯的著作基本上都是文字表述。1960年中期，有一个叫莫顿的年轻人从哥伦比亚大学应用数学专业毕业时，对经济学感兴趣，就申请了一批美国大学经济系读博士，除了麻省理工学院外，所有的学校都据了他，不是他不优秀，而是这些经济系的教授们不知道招一个数学硕士做什么。只有麻省理工独具慧眼，录取了莫顿.。大家可能知道这个莫顿, 在三十年后的1997年获得诺贝尔经济奖。今天，经济学已经高度理科化，现在没有相当的数学能力是没法读正经的经济学。我这里有一本经济理论杂志，里面的文章就像数学论文。还有这本是金融学杂志，也基本是复杂的数学表述。
　　
　　我提请各位关注的是，不但经济金融是这样，几乎所有的人文科学和社会科学都朝这个方向发展，就是变得越来越数学化。不同的起步有早有晚。
　　
　　我印象中经济金融心理学这多年来在中国也是同时作为文科和理科招生的。下面讲的是依然作为文科招生的学科，比如社会学，政治学，语言学，传媒学，历史学等。实际上，这些人文社会学科，在前面加上数学（mathematical），计算（computational）或者数量(quantitative)等定语，都是有意义的。比如数学语言学，数量史学, 数学社会学，数量政治学，数学人类学，数学心理学，等等，都是有意义的、目前正在国际上蓬勃发展的学科。
　　
　　我们来看一些具体的例子，看我手头的一些杂志。这本是数学心理学杂志，这里还有一本是数学和统计心理学杂志。这是数学社会学杂志，在美国已经有几十年的历史。 这是数学组织学杂志，组织学是社会学的一个分支，商学院里教这门课程，大的商学院还可能有组织行为系，组织学是企业管理的理论基础。这本是欧洲的杂志，叫数学社会科学，1980年创刊的，比社会学广泛，还包括经济学等。这是数学人类学和文化理论杂志，里面有大量的数学模拟文章，包括文化演化模型的模拟等。这是计算语言学杂志，里面的文章应用大量来自计算机科学和技术，相当复杂。这个杂志从1974年开始就有了。还有两个是相对发展比较晚的学科，数量史学和数量传媒学。这是关于数量史学的介绍，里面有讲到历史混沌理论的模拟，是复杂性理论的应用。这本是数量传媒学。
　　
　　细心的同学可能会注意到我还没有谈到人文里面的一个重要部分，艺术。艺术也不例外。我就讲一下美术和绘画。美术是我最喜欢的话题。三十岁以前，我差不多每天都在画画。这幅画是俄罗斯画家列宾的杰作‘伏尔加和的纤夫’，我年幼时非常着迷这副油画。你很难想象这副画跟数学有什么。它不象经济金融那样，本来就有许多数据。这幅油画看上去没有任何数字，除非你在谈论它的长宽尺度。更看不出来它跟数学有什么联系。现在我把它在Matlab里读一下，你可以看到输出的是一个三维数字矩阵。这副画就是这个矩阵。矩阵里每个数字表示一个Pixl上的颜色的灰度，三层矩阵代表三原色。矩阵大家都熟悉的，你们在大一线性代数课程里都学过。 但是关于这张画或其它图像处理所涉及的数学远远比线性代数要广泛深入复杂的多。 这本书的书名叫，是一个法国学者写的，讲得是图像的处理。数字图像，也就是这个三维矩阵，它涉及的技术非常广泛深入。笼统地讲，图像处理应用到现代抽象几何学, 拓扑学，信号抽样理论、统计信号处理方法、小波变换理论、分形方法、偏微分方程、数学形态学、马尔可夫场理论、蒙特卡罗模拟等等。
　　
　　学术界曾经把数量史学，数学社会学，数量语言学等称为交叉学科。我认为这种说法是不妥的，容易误导学生，交叉学科，顾名思义就是派生的，边缘的、非主流的，这种说法是不妥的。它们不是边缘的，而是正统的，是主流的，是学科发展到一定程度后的一种必然状态。可以相信，随着时间的推移，这些学科都会变得越来越数学化，越来越理科。理科和文科的传统界限将不复存在。就像我们现在不把数学经济或者数学金融叫做交叉学科一样， 我们也不能把数量社会学，数量政治学，计算组织学等有数学、计算、数量作定语的这些人文社会科学看成另类。
　　
　　各位已经看到，数学已经或者正在渗透到人文社会科学和艺术的各个领域。我要讲的是，数学的进入不是目的，不是一种时髦，而是一个过程，是一个先进的方法论对这些传统学科渗透的过程。这个方法论，就是目前科学和工程中广泛使用的研究方法论。
　　
　　简单地讲，这个方法论的基本意思是这样的。从观测到的实际现象数据出发，抽象出概念，提出假设，建立模型，建立数学关系或者方程，然后求解，接着把计算结果与观测数据比较，看看符合的怎么样，然后反馈回来，进一步修改有关假定和建立方程，再求解再比较。不断反馈不断完善，接近真理。这是研究方法论是人类在过去的几百年里在工程技术和自然科学中的成功的有效的研究模式。现在西方学术界有人在研究这种模式是否是唯一的。可能不是，他们认为星外文明可能有不同的研究模式去探索真理。 是什么模式？这不是我们今天要的讲的问题。我要说的，这个方法论已经越来越多的被传统的文科领域所采用，这就出现了学科越来越数学化的趋势。
　　
　　前不久，有人问杨振宁，中国人未来可能在什么领域内获得诺贝尔奖，据说杨振宁回答说，会有人的数学奖。我想可能是转达有误，大家知道诺贝尔奖是没有数学奖的。我想杨振宁的意思是数学家可能得奖。大家知道去年诺贝尔经济奖得主就是两个数学家，从本科到博士一直在读数学。现在如果一个16岁的年轻人问你大学读什么专业好，我想最好的回答是数学。读了四年大学以后，20岁毕业再转任何专业都好办。这里说的是从事学术生涯。 
　　
　　
　　
　　陈琳关于学术发展趋势的精彩演讲（续）
　　（根据三年前的录音整理，未经本人审阅）
　　
　　我讲的第二个论点或者第二项事实是：人类的学术发展到今天，许多传统的关于 学术能力和职业技能的观念已经或者正在被颠覆。 
　　
　　比如历史学。过去历史学家的重要技能之一是做索引分类， 以便需要时能够迅速地从浩瀚的文献大海主提取相关的文献。现在看来这套技能可能过时了。历史 学家研究某个问题，借助搜索引擎， 比如google可以很快地找到许多相关的文献。根据这些文献就可以很快组织成具有特定历史视角的文章。 以后历史学的研究可能不再走旁征博引，引经据典这条路了。 博学强记也不再被认为是历史学家的 优秀素质。 这几千年历史研究的基本方法，现在过时了。以后的研究怎么做，这是一个问题？ 现在有西方学者用 ‘基于主体建模’ 的方法，这是一套很深奥的模拟技术，（对人文社会科学研究者来说），来研究历史问题， 尤其人类的演化历史（ 应该属于人类学的研究范畴）。我前面提到的数量史学杂志里就有许多这样的文章。这是一条研究历史的新工具，新技能。
　　
　　再比如说， 外语翻译。几十年来，外语都是中国大学里的一个热门专业。但这个专业所学的笔译和口译等技能正在受到机器翻译的挑战。机器翻译软件（我指的是英汉互译）现在还很不完善，但是充满了希望。现在的机器翻译经常把整个句子搞错。 但是译对的句子，还有许多短语，词组的翻译还是很地道的。许多机器 翻译的结果， 改一改， 是不错的。学外语的学生， 如果没有海外生活经验， 有可能译不出那样地道的外语。可以相信，一、二十年后机器翻译软件，随着智能计算机的发展，会充分完善起来。那时候笔译和口译这两个职业的出路可能是个问题。可以预计，二、三十年后，外语，尤其是外语翻译不再是一个热门专业 ， 甚至不再是一个大学的专业，当然外国文学和文学史专业还会有。
　　
　　再比如说数学。 同学们都上过微积分了吗？好。 是不是曾经花很多时间手算微分积分？清华大学过去有个教授叫赵访熊。他的一件轶事曾经在学生中广泛流传，说的是他读微积分时，做了一万道微积分习题。 他读书的那个三、四十年代，一直到二、三十年前的八、九十年代，手算微积分都是科学家和工程师的重要基本功之一。即时有了积分表， 还是要靠手算做些变换。 八十年代中后期出现了mathematica， maple等软件， 可以算符号微积分。使得手算微积分的这一曾经很重要的技能，基本上过时了。不但微积分，线性代数、常微分方程和偏微分方程等公共数学专业课程的许多计算也都可以由电脑软件解决。
　　
　　再说一个我自己经历的例子，画画。我很小的时候曾经帮企业画广告， 那是很大幅的宣传画， 要搭梯子爬上去画。那么大的画，大概有十几平米到几十平米那么大， 当时只能由人工画， 用感光纸放大或者当时的印刷术都无法生产那么大的画。 画画当时被认为是很好的职业技能。现在，不是现在，应该已经有一、二十年了 ， 这套技能完全过时。随着数字图像技术的出现，再大的画都可以印出来，叫做喷画。喷画比人工画的好，由于是数字图像，丝毫不差。
　　
　　最后，我讲一个大家可能熟悉的例子。我记得我90年代中期回国时， 看到很多写字楼里的白领在学五笔输入。 这种技能很快就过时了， 几年后出现了很便捷的 拼音输入法。现在甚至连拼音都不要了，直接通过口述输入。这在90年代中期是 无法想象的。五笔输入技能早已过时， 我希望在座的各位小时候没有浪费时间或者金钱去学五笔输入。
　　
　　可以举出更多的例子，但前面的例子已经说明了一个很重要的现象： 即人类的学术版图和研究模式已经悄悄地发生了巨大的变化。 这种变化的一个重要结果是： 学术能力和职业技能正在被重新界定。 曾经是很重要的学术能力和职业技能， 现在可能已经不再重要； 曾经被人忽视的能力和技能，却可能在未来会变得重要。 这种已经发生的变化和未来可能发生的变化，会影响到每个人，不论你做不做学术， 你别无选择。 你所能做的只有去认识它，适应它。 我今天正是帮各位认识学术领域正在发生的变化和未来趋势。 我必须提请各位注意的是， 这种变化并没有停止，而是正在加剧。 随着时间的推移，越来越多的传统意义下的能力或技能会以越来越快的速度被淘汰。 
　　
　　我们稍微想象一下， 这个趋势的进一步发展会可能有什么样的结果。 我估计再过二、三十年，甚至更早，随着智能计算机的成熟，你们现在大部分的作业， 数学的，计算机的，物理的，化学的，经济的，等等都可以直接输入计算机，获得答案。 本科生的作业是这样， 小学生和中学生的作业更是这样。 现在的计算机做不到这点，因为现在的计算机没有智能，读不懂你的作业。老师布置的作业，必须把它破解到一定程度，才可以用电脑求解。但是未来的智能计算机可以直接破解各种问题，给出答案。这不是科学幻想，这是很快就会到来的现实。
　　
　　不但大中小学生的作业，就是现在白领的大部分工作也可以由计算机直接完成。 比如，现在一个证券公司研究部的经理让一个分析师写一份关于某只股票或者某个行业的分析。 这个分析师通常会去寻找数据、下载数据，然后调出相关软件处理数据，进行统计分析，获得一些统计量和图表， 最后写一份报告， 用通俗的文字解释这些数据和图表的涵义等等。
　　
　　这件事情，现在必须由分析师来做，因为它的许多环节必须有人工做。 但是二、三十年后，甚至是一、二十年后，经理可以让直接智能计算机做同样的事情。 一旦计算机会做，它可能做的比人工的更快、更好。比如，智能电脑可以在有限的时间尝试运用更多不同的统计模型做分析比较。 那时侯，这个证券分析师的专业技能整个作废， 包括他的统计知识和金融知识。证券公司请这个分析师有什么用？
　　
　　智能计算机的研究开发现在正在加速。 国际上一些大的公司都在研发智能计算机。比尔盖茨曾经在公开讲话中多次提到这件事。我估计二、三十年内这项技术可能会成熟。硬件上，它可能会建立在量子计算机或者神经计算机的基础上，软件就是人工智能。人工智能经过四、五十年的发展，正在酝酿着重大的突破。现在美国， 欧洲的英国、德国等， 亚洲的日、韩都在埋头研究人工智能。
　　
　　那时候一个巨大的问题就是： 学校教什么？学生学什么？公司招的人应具有什么样的职业能力？具有什么能力的人才是未来学术界或职场的佼佼者？这个问题， 无论是个人，还是公司，还是政府，都要关注。当一个年轻人在准备他未来的职业时， 当一个公司在研究竞争策略时，当一个政府在考虑国家科学技术发展规划时，都要面对这个问题。 如果现在不开始关注这位问题，以后就可能措手不及。 因为未来即将来临。各位应该怎么做？我不知道。但我接下来要说的第三个论点也许对各位有点启发。
　　
　　我前面讲过，数学正在大规模地进入包括人文社会科学在内的所有学术领域， 但是我讲的第三论点是数学能力本身并不是最重要的， 最重要的是用数学解决来自各种领域的具体问题的能力。这种能力就是能从具体问题、从实际观察中抽象出数学概念，建立起数学方程， 把一个看上去没有数学的问题变成一个数学问题。为什么? 因为根据几百年来人类科学探索的经验， 数学是非常犀利的工具， 能够深入地揭示变量之间的关系和事物的发展规律， 数学的这个能力是文字思辨远远达不到的。
　　
　　我们可以把这种能力叫做建模能力。这种能力将来可能变得日益重要。这里讲的‘建模’跟人们通常讲的‘建模’不尽相同。通常讲的建模，包括各种建模比赛中的‘建模’，基本上是运筹学的问题，这是对建模的狭义理解。运筹学中的建模问题往往比较简单， 许多问题都有现在的套路可解。我们这里讲的建模要困难的多。比如，你不妨想象一下， 怎么样在图像处理中运用数学， 它怎么会跟偏微分方程联系起来？你还可以在想一下，怎样为人的行为建模？这将涉及到什么数学？是否需要创立新的数学？
　　
　　请我举例澄清一下数学能力和建模能力的区别。 Black-scholes-merton得诺贝尔经济奖并不仅仅是因为他们数学能力好， 会解偏微分方程， 而是因为他们金融建模能力强，能够应用来自金融学的推理， 成功的推导出决定期权价格的偏微分方程，也就是black-scholes 方程。
　　
　　所有来自具体学科的方程， 它们的推导都可以看成是建模。它们的推导都不是来自数学，不是靠形式逻辑，而是根据各个学科的具体推理。 各位熟悉的牛顿方程，不是从数学推导来的，是牛顿根据物理观测，猜出来的。 麦克斯韦方程，是根据电磁场互相转换的试验，猜出来的。 爱因斯坦的广义相对论引力场方程是从引力与加速度的等效原理推导出来的。许许多多的方程都是这样来的。牛顿，麦克斯韦，爱因斯坦以及black-scholes-merton等等大学者都是建模高手。但他们的数学能力并不一定都很好。希维波特，就是搞泛函的那个德国数学家，曾经说过：哥廷根街上的小孩都比爱因斯坦更懂得高维几何。
　　
　　为了使各位对我所说的数学能力和建模能力的区别有更具体的认识， 我想请各位同学拿出笔和纸做个简单的练习。大概需要5到10分钟时间。 老师们就不用做了。 准备好了吗？好的。现在我叙述问题：中国人说“站的高看的远”。 站在100米高处比站在10米高处看的远。请问，在离地面1公里的高处，最远能看多远？假设地球是个完美、表面平滑的，半径是6450公里的球体。都听清楚了吗？好。现在开始做。
　　（间隔约8分钟）
　　好了，差不多了。各位认为自己已经做出来了的，请举手。有五位，不错。请你把画的图翻过来让我看看？很好。谢谢。应该是对的。
　　
　　答案是这样的，我先画个图，再写下方程。就什么都清楚了。现在回到我的论点。这个问题的解可以简单地分为建模部分和计算部分。 画出这张图， 写下这个方程属于建模部分。解出这个方程，属于计算部分。我相信所有的同学都会做计算部分，但是只有五个同学会做建模部分。计算的能力不是最重要，因为人人都会。从供求关系看，人人都会的技能肯定价值不高。建模能力很重要， 因为会的人少。
　　
　　其它学术的问题也一样。 会做计算，会解数学方程并不是最重要，最重要的是能够根据具体问题的考虑，引入数学，写出方程。 这个建模能力，目前的计算机也不会。 在智能计算机成熟之前， 计算机都不会做。 在未来的二三十年，也就是智能计算机出现之前，什么学术能力重要？ 就是计算机还不会做的。 什么能力已经不重要， 就是计算机会做的。 
　　
　　我想再举一个好玩点的例子。 有一个讲相声的老前辈叫做侯宝林。他有一段相声也是一个有关计算能力和建模能力的例子。那段相声大概是这样的。侯宝林说： 我上了五年小学，三年初中， 一共上三、五十五，十五年的学。他的搭档说：不对啊？怎么是十五年？ 应该是五加三，上了八年学。侯宝林说：是用加法啊？我以为是乘法。我说我数学不好嘛。
　　
　　知道这个问题是用加法而不是乘法很重要， 会不会做加法和乘法并不重要。 老早的时候， 就是计算器还没出现的时侯，会做加法和乘法很重要。我上小学时，整天都在做几位数到几位数的加减乘除，当时是有必要的。但对现在小学生来说，已经不重要了。这就是为什么美国的小学不要求学生背诵乘法表，它们把乘法表贴在墙上，学生考试甚至可以用计算器。
　　
　　各位知道， 有一种说法说中国学生数学好。 这个说法需要认真研究。这数学好，是指计算能力好？ 还是指解决问题能力好（即建模能力好）？根据我的经验，可能是计算能力好。上面讲的 ‘站得高看得远’ 的问题， 我过去几年在不少国家讲课时，都让学生做过。他们做的不比中国学生差。其中俄罗斯，乌克兰，伊朗，黎巴嫩，印度等国的学生做的可能比中国学生还好。
　　
　　如果中国学生数学好， 指的是，算数或者解方程的能力好，而不是解决问题的能力好，那我们的中小学数学教育是到了该反思的时候了。 算的又快又好曾经是一项令人骄傲的技能，但现在已经没有多少价值了，以后就更没有价值。
　　
　　最后，我还是再讲一些人和事来结束我的演讲。麻省理工学院的教授萨默顺曾经称莫顿（就是我前面提到的莫顿）为金融学的牛顿。 是的，金融学的牛顿已经出现，而且就在金融学的牛顿出现后不久，金融学发生了革命性的变化。 但是人文社会科学的许多领域的牛顿还没有出现。 许多社会科学的领域， 有的虽然与人类的历史一样古老，但它们还处于原始的发展阶段， 即观察、积累阶段。 这些社会科学将来会作为真正的科学发展起来，这有待于像牛顿那样的学术巨人的出现，为这些学科奠基。这可能是你们这一代人的机会。 要为这些学科奠基，必须有很强的建模能力，像牛顿、麦克斯韦、爱因斯坦、 black－scholes－merton那样，也要像从事数字图像研究的那些学者那样，能够在看上去没有数学的地方看到数学的用武之地。
　　
　　麦克斯韦曾经很羡慕牛顿， 甚至有点嫉妒。麦克斯韦说， 像牛顿那样可以为学科体系奠基的机会是很少的。牛顿为近代数学和物理奠了基。麦克斯韦没有这样的机会， 因为他比牛顿晚生多年， 错过了为数学物理奠基的时代。 我想如果麦克斯韦生活在今天， 他可能会发现为人文社会科学奠基的机会依然存在。 麦克斯韦如果有知的话， 可能会很羡慕各位， 你们生活在又一个人类为学术奠基的时代，生活在又一个人类学术版图重整的时代。 我希望你们中间的佼佼者，可能成为政治学、人类学、语言学、社会学、心理学和其它人文社会学领域的牛顿，为国家、为民族争光。谢谢各位！下面我接受提问。请大家畅所欲言。好，这位，请说。
　　（待续）