钟祥马兵在11月7日举行的“数智未来新突破”世界顶尖科学家科学圆桌π上，不同国籍、不同研究领域的科学家在这个时空里链接成了一个圆。

　　“圆桌”上，他们的灵感时不时被另一位科学家的发言“点亮”；“圆桌”外，他们早已是相互认识的“同路人”。一场热烈的讨论背后，是一个方兴未艾的数字时代徐徐启幕的信号。

　　“AI仿佛可以和任何东西结合在一起。”2004年美国总统科学、数学和工程指导卓越奖得主兰诺·布鲁姆的感受正在变成现实。在她看来，人工智能好像是一个智慧的“集合器”，除了把视觉、语言、图像等加入人工智能，神经网络、认知科学、脑科学也在逐渐与人工智能相融合。这些学科交叉，能互相给予启发。

　　首届世界顶尖科学家协会奖得主、美国计算机科学与统计学专家迈克尔•I•乔丹认为，未来20年，人工智能（AI）的进化和发展可能会进一步聚焦在与人的结合上。在医药领域，通过对数据的智能分析，AI将辅助医生进行诊断决策和治疗，而这一尝试已经在癌症治疗方面有所进展。

　　在商业领域，AI能够帮助消费者更便捷地找到商品和服务，也能使商家更精准地瞄准需求和消费者。据此，AI能够产生长尾效应，更平等地满足每个人的个性化需求。

　　清华大学软件学院长聘副教授、机器学习研究组负责人龙明盛正在研究如何让AI更准确地预测天气，目前他仍在为如何获得一个精准的AI模型而苦恼。

　　“现在的AI是不可解读的，我尝试把人类的知识引入AI，比如逻辑学，我的目标是让AI获得更大的应用场景。”浙江大学求是特聘教授、浙江大学上海高等研究院常务副院长吴飞说。

　　短短两个小时的讨论，提到的AI应用不下数十个。正如1986年图灵奖得主约翰·霍普克罗夫特所说：“现在，一个欣欣向荣的信息时代启幕了。”

　　“噢，这是个好想法。”在听到乔丹说到一群人的活动也可以当做一个智能体来研究时，布鲁姆立刻回应了他。在她看来，科学最理想的状态就是一群不同背景的人围绕着一个主题展开研究，并乐在其中。

　　科学队伍永远欢迎年轻人，但科学不仅是年轻人的运动。年近80的布鲁姆已退休多年，五年前，她开始涉足一个从未进入过的全新领域，“如果有人来叫我去打高尔夫，我根本没功夫去，我每天都有做不完的课题。”她说。

　　敖平毕业于北京大学物理系，做过拓扑学和量子科学研究，20多年前他把目光投向了量化生物学。他说：“乔丹教授点燃了我，我想将进化生物学的相关变量放到一个简单优美的公式集中，然后我就去做了。”

　　乔丹说，AI正在向复杂系统发展，多学科背景的科学家正是这个领域所需要的。他将自己的成功一部分归功于自身“丰富多彩”的经历：30岁之前，他参加过分子生物学、统计物理学、经济学、控制理论、语言学和运筹学的项目，最终决定深耕智能科学和统计研究领域。他还喜欢从世界各地观察值得研究的现象，许多研究灵感就来自真实世界。

　　“约翰，你还记得我吗，我们在上海交大有过几次碰面。”上海交通大学特聘教授、上海大学特聘教授敖平一开口，就和主持人约翰·霍普克罗夫特打起了招呼。83岁的约翰立即回应：“当然，我们的办公室在同一幢大楼。”

　　布鲁姆和乔丹早就相识，今年乔丹获得首届顶科协奖“智能科学或数学奖”时，布鲁姆特意送上了祝福。1979年，布鲁姆首次来到上海交大和清华大学，看到的是只有寥寥数台电脑的机房，学生中也几乎没人学过计算机。现在她的学生里有不少中国人，家中摆放着一堆来自中国的“伴手礼”。

　　龙明盛在美国加州大学伯克利分校求学时，乔丹正是他的导师，在那里他学习了怎样解读大数据。2016年入职清华大学后，因为乔丹是清华大学卓越访问学者的关系，他每年仍能听到大学课堂里“导师”的讲课，其中包括一门概率发现的课程。

　　“当我和一些企业家聊天，发现他们对预测体系中的错误率很感兴趣，我想这个可能是人工智能研究中缺失的一环。”龙明盛说，从此，他“很幸运”地找到了持续至今的研究方向，即如何在动态环境中利用机器学习。

　　首届世界顶尖科学家协会奖得主、美国计算机科学与统计学专家迈克尔·I·乔丹不是一个埋头做研究的人，他有许多灵感来自我们生活的真实世界。

　　他坦言：“我喜欢周游世界，当我看到有意思的现象时，我会思考它发生的逻辑，并从数学、统计学、博弈论等角度寻找更好的解决办法。”

　　10多年前，乔丹在中国注意到了支付宝的二维码支付方式，于是和阿里巴巴有了一些接触，并做了些研究。他觉得这背后不是纯计算机科学或经济学的问题，而是一个学科交叉的新的计算方式。“这不仅仅是支付的事，它将创造两个群体——支付方群体和收费方群体，如果你把他们当成一个整体研究，那会是一件很有意思的事。”

　　乔丹思考问题的方式里透露着浓重的博弈论色彩，这或许与他从事了15年以上的数学研究有关。在寻找解决方案时，他的第一选择不是“最优”，而是“平衡”。当看到美国食品药品监督管理局（FDA）和药厂在数据披露方面的“囚徒困境”时，他提出应设计更好的激励方式让药厂自愿提供更多数据，“未来，让用户愿意提供数据是企业的必修课”。

　　我们是要更像人类的AI，还是让AI更好地辅助人类？在乔丹眼中，所有人工智能领域的科学家都应回头思考AI的定义，从而决定自己要走哪条路。AI有其擅长的领域，比如人类不可能预测几百万个蛋白质折叠结构；但AI也有它不擅长的地方，比如人与人的链接永远不可能被两个数学意义上的点给取代。

　　乔丹喜欢读很多书，非常健谈。他喜欢抬头观察这个世界，看别人怎么做。他一直在思考如何让AI成为人类最好的工具，而不是取代人。