自1999年起，《麻省理工科技评论》每年在全球范围内从生物医药技术、能源材料、人工智能等多个前沿学科和科技领域中遴选出35岁以下对未来科技发展产生深远影响的青年科技人才-“35岁以下科技创新35人”。2017年《麻省理工科技评论》将这份最权威的榜单落地中国，旨在以全球视野挖掘最有创新能力的科技青年领军人，并为这些青年科学家搭建一个高度国际化的舞台。
为聚集全球创新人才和资源，打造创新人才高地，中关村科学城与北京清华工业开发研究院联合《麻省理工科技评论》中国，于2023年3月30日-31日在北京·海淀中关村自主创新示范区展示中心会议中心举办全球青年科技领袖峰会暨《麻省理工科技评论》“35岁以下科技创新35人”中国发布仪式。
以下为全球青年科技领袖峰会的交叉跨界板块：炉边谈话环节，由云现场整理。
黄岩： 感谢主办方的邀请，也是非常的荣幸，今天有机会跟两位学者合作，给大家一起带来接下来的环节。我们这场的主题是交叉跨界，我们3个人都有着不同的行业，也有着不同的背景，我当时读书的时候是生物工程，黄教授是深度学习、计算机视觉，曾教授专注于遥感领域，我们3个专业差距还是跨度蛮大的。
我们3个人今天的组合和今天的交叉跨界的主题，非常的契合。接下来我们3个人先分别给大家做一个自我介绍。
我是来自中关村协同创新基金，这是中关村发展集团旗下的一个以协同创新为主要特色的一家基金管理公司，目前我们的基金管理规模超过了100亿元，其中我们有一支科技成果转化基金，我们希望通过这个基金和我们的科学家们能够交个朋友，帮助科学家们创业，成为学术界和产业界之间的一道桥梁，接下来也想有请两位老师介绍一下各自的工作方向和研究领域。
黄高：各位嘉宾、各位专家大家好，我叫黄高，来自清华大学自动化系，我的研究方向是深度学习和计算机视觉，是人工智能里面比较基础和核心的几个研究方向，我在高校里面做的更偏基础的一些模型和算法，本身人工智能除了研究基础的模型算法理论之外，本身就有交叉的属性，因为人工智能本身没有一个行业，是跟各个行业结合才能赋能不同的领域，所以我之前也跟做医疗，做自动驾驶，做工业智能甚至包括做遥感的不同行业有过交叉，这是我的一个大致的背景，谢谢。
曾也鲁：大家好，我叫曾也鲁，来自中国农业大学，我的轨迹本科是博士分别在武大和中科院遥感所，其实是国内做遥感最厉害的大学和研究所，后来去了斯坦福，那边也是偏做遥感研究，但是回国去了中国农业大学，就是因为遥感是一个高度交叉的学科，又是在去年被基金委评为交叉学部的一级学科，所以自带交叉属性，我目前关注的方向其实是怎么样用卫星遥感的数据来监测地面上的每一块地，每一棵树，是一个非常有意思的研究。
因为遥感里面涉及到图像处理方面的东西，所以也和生物工程里面的医疗图片以及黄老师的深度学习里面的目标识别也是有非常大的相关性，感谢大家。
黄岩：刚刚两位老师都谈到了深度学习，前几天英伟达的创始人黄仁勋在产品发布会上说，我们现在正处于AI的iPhone时刻，生成式AI的横空出世给社会各界引发了广泛的讨论，人们惊叹于这项技术给大家带来的无所不能的体验，同时也对它给人类社会所带来的冲击感到担忧，所以今天也想请教两位老师对于这个问题有什么见解以及对二位研究的领域有着什么样的影响。
黄高：我本身是在人工智能领域，所以像ChatGPT包括现在Diffusion Model这些AIGC技术的突破或者叫飞跃，既让我们又激动也有很多焦虑，激动的是这个领域现在是完全出圈了，在座有很多非AI领域的，但是都听说过GPT，尤其是ChatGPT，在早些年可能大家也就听说过AlphaGo，但是对于其他的人工智能技术并没有那么了解，只听说这个词而已，但是现在很明显是已经出圈了。
对于我们而言，这一次确实是一个非常大跨越，而且也颠覆了本身我们很多人工智能研究者的一些以前的认知，我就说三个点。
第一，对常识的学习，以前我们的大数据范式下能收集很多的数据，能让它学会我们给它打的标签，在视觉里面能做目标识别，在语言里面可能能做文本的情感分类，做检索等等，但是超出范围之外的一般都做不好，但是现在可以看到ChatGPT有很强的尝试，比如说有一个线的风筝，把线剪断，它会掉下来，但是如果线牵着气球，把它剪掉，它会飞到天上去，像这些常识现在ChatGPT可以做到了，这个在放到半年之前我们都觉得这是一个很难做的事情。
为什么之前大家跟人工智能打交道经常会觉得是人工弱智，因为我们觉得它应该做到的事情，比如说常识它做不到，以前做医疗诊断，准确率很高，但是医生经常会冒一句为什么这么简单的CT、X光，医生明明很容易做对的，但是AI做错了，就是之前产生不信任的问题，但是现在在大模型、大数据带来的预训练的范式训练出来的模型能够把常识做好了，这个对于我们整个AI是一个非常大的跨越，能解决我们对AI可信的问题以及在很多场景应用落地的问题。
第二个点是AI创作能力，我们很早之前说AI能取代很多重复性的工作，低端的工作，现在我们发现AI很擅长做有创意的工作，我们给它任意的指令都能生成各种有创意的，我们人类都想不到的创意图像也好、视频也好，文本也好，而且很多时候都是朝着人类想象的。
第三个点就是现在有一个时髦的词叫做涌现，这也是我们之前在研究机器学习也好，研究深度学习也好，我们之前很少关注的一个事情，以前我们总觉得数据从十万到一百万到几百万每次多提供一些数据，这个模型能高一点点，基本上这个过程是可以预见的，我们大概知道模型增大多少参数，数据增加多少，性能会有多大的提升，基本上还是可预测的，基本上是一个对数曲线，但是现在这些语言大模型会出现一个所谓的涌现的现象。
原来在100亿的规模做不到的事情突然到了某一个临界点一下就会了，从原来的0分我们做GPT做了很多语言的测试，让它做题，很多时候之前一个能力就没有，但是到了一个节点之后突然就有了，这个现象是我们现在还没法儿理解的，但是确实给我们带来了很大的想象空间，这个模型会不会再增加它的数据，增加它的参数，可能很多能力突然就会了，这是我们可能会有很大的想象空间，另一方面确实给我们带来了很多的焦虑，所以昨天有很多科学家说我们要停止半年大模型的研究，我们来思考一下它可能会对社会产生哪些冲击，我们自身感觉现在确实是在一个变革的节点，作为自己研究的话这几天天天都在思考，下一步能做什么东西，是不是自己做AI的饭碗都被端了，都有可能。
曾也鲁：这个问题确实最近非常热，从我的观察来看，尤其是ChatGPT和AI这种，对于我们遥感方向的研究来看，有两点是比较有意思的，第一点是我们对大数据的处理和这方面更加得心应手了，而且精度更高了，因为遥感从它出生那天起自带大数据属性，因为观测的是整个地球的数据，而且它的历史数据从1972年美国第一颗陆地卫星上天开始到现在已经有50多年了，所以它的数据量非常大，从这么大的数据量里面提取我们想要的信息，在以往来说是非常困难，有时候靠人海战术，很多人拿眼睛去观察里面的目标还有通过不同波段的组合来识别，这样的话就导致工作量非常大，但是有了AI之后，能够很快的学习人的识别能力，比如说2020年《Nature》的十大进展里面有一个是它用遥感数据提取了地面上的每一棵树，每一棵树在地面上是非常小，在整个这么大的范围能够提取出来，就是用AI学习了人的提取树的能力，从而知道了那片区域有多少棵树，因为这个树跟我们的双碳碳源和碳汇里面的碳汇就是植物的固碳是它非常重要的一部分，所以通过这样的方式就可以看到除了人类活动所排放的碳以外，对于人类的三北防护林这样的工程能够抵消掉多少部分的人类活动的排放，这个非常重要。
一是让我们对大数据的处理更加得心应手，精度更高了，第二个有可能让我们对遥感的应用来说，有可能能够从2B慢慢的到2C，为什么这么说呢？因为遥感数据早期来说，它还是带有一些门槛的，大家能够自己去下载数据，然后处理，得到想要的信息，这样的能力还是有一定的要求。
除了做这方面高校研究所比较少，但是现在遥感通过我们的观察，已经在国家各大部委得到了很广泛的应用。比如说像自然资源部、生态环境部、应急管理部、交通运输部、农业农村部，因为它们都要跟很多地球表面上的信息打交道，这样就会导致我们以前的部位或者下属事业单位他们没有招聘这样的专职人员。
但是，因为现在有了遥感，尤其是有了AI之后，能把前期的一些数据处理过程变的更加的简单，可能最后就像ChatGPT一样，我们只关注重庆的某一个区域，比如说火灾情况，过火了多少面积，造成了多少房屋的烧毁，影响了多长时间，这样我们就很方便的去调用微信数据，能够得到我们想要的结果，所以我们觉得这有可能也是一次遥感从2B或者2G到2C的一个机会，这就是我的一个观察。
黄岩：我观察到我们这个AI技术在商业方面的应用，在我们国内已经经历了十个年头了，我想问一下黄教授，我们这一次生成式AI技术突飞猛进，会给我们带来哪些新的创业机会？
黄高：这个问题对我有点难度，我一直没有特别认真的想过创业的问题，但是AI在我们学术界背后，它的技术是扩散模型，以及是叫对抗神经网络，对抗神经网络发展了几年之后有一个瓶颈期，然后从大概一两年前diffusion model火了之后，它生成的图象质量有一个特别大的飞升，我很早之前做对抗网络，大家就在描绘一个愿景，比如说影片的制作，甚至一些游戏里面内容的创作，当时大家一直在构想。
但是，对抗网络它能生成的图象可能也就250×250或者512×512这种像素的级别，现在diffusion model出来之后，可能能做到4K甚至更高清。到了这么高质量，有可能在影片制作、动画制作甚至在一些游戏里面，这些人物形象、场景的构建，有可能也会发生比较大的价值，以前可能停留在设想里面，可能真的能够变成现实，尤其是现在元宇宙这么火，它也能在内容生成方面还是能发挥很大的空间。
黄岩石：刚才曾教授也介绍了，说遥感是一门跨学科的学问，而且跟应用结合的非常紧密。所以也想请教一下曾教授，在遥感领域我们目前有哪些让人眼前一亮的新技术，让哪些让人充满期待的新场景？
曾也鲁：这个问题需要对这个领域非常留心的观察，可能才有一些发现。新技术和新场景从我目前的观察来看，比如像我们这个专业，它在2018年科创板第一批上市的时候，有一个是我们这个专业的公司，就是我的一个师兄现在市值也上100多亿以上了，这个场景其实因为随着卫星的分辨率越来越高，以前有的不能做的事，现在能做了。
比如说像碳汇这块，现在有点类似于一个圈地运动，比如说我国的中西部地区有广袤的森林，这样的森林就在以往在碳汇方面的价值并没有得到认证，但是现在随着卫星传感技术的发展，它能很准确的探测到里面每一棵树是什么时候种的，种了多少年，固碳能力有多大，这样就有可能对中西部地区的自然资源资产进行一个定量化的评估，从而能够拿到碳交易市场上面去，这个时候就有可能有一些高排放的企业，比如说像钢铁厂这些他们就需要买这样的配额，弥补他们碳的排放。
但是，这样的方式就需要很准确的碳汇量化评估，因为以前遥感数据没有那么清楚，相当于看一片树看到的不是每一棵树，看到的是森林，现在你能看到每一棵树了，这样就能够有这样的基础设施，从我的观察来看最终就像百度地图或者Google地图一样，你圈出一片地是你的，你把它提交上去之后，最后它的价值能够通过遥感的方式得到认证，相当于你能获取那一部分的收益，这样对我国中西部地区真正从事这方面的人，也是一种鼓励，因为以前那个东西不那么值钱，现在值钱了，你如果做了这个东西，相当于能够补偿一部分，也是一种东部到西部的反哺。
另外一块，类似于像我国新疆农业设施的滴灌摄食，我们引进了以色列的技术，从漫灌到喷灌到滴灌，已经把水滴的很准确了，把水滴到植物根部去，因为新疆那个地方特别的缺水。
但是，到底滴多少，我们以前类似于是陆军，我们布设了很多的物联网传感器，但是在整个广袤的新疆这个是很困难的，不可能每个地快都去布设。但是如果我们有遥感的方式，我们能对10×10米这样的一个网格，能对这个植物的蓄水状况进行一个很准确的评估，这样我们就相当于给那个滴灌设施安装上了一个大脑，让它知道滴灌多少。这样情况下，我们能很大程度上节省新疆的水资源，这样也是一种对社会的经济价值或者是生态价值，这是我之前观察到的两个。
当然还有一些，比如说遥感它本身是脱胎于美国还有欧洲这边的军方，它监测其实是地面上的很多目标，地面上的湖泊、高山甚至海洋上的舰船，还有油轮，石油的船发生了泄露，这个污染有多大，垃圾有多大，整个地面上的东西都是属于遥感能够探测到的，这样的信息其实也非常需要，对本行业的一种商业认知，再跟遥感技术结合起来，一起才能发挥很大的价值，光靠遥感自己一个孤零零的技术，没有找到场景的，其实还是需要跟行业的结合，这是我的一个观察。
黄岩：AI技术也好，遥感技术也好，垂直场景的应用是非常丰富的，今天时间有限，两位老师也是抛砖引玉，后会有时间专门向两位老师探讨。
今天我们这场主题是交叉跨界，所以我们假设临时给二位老师组成一个团队，合作一个项目，有哪些切入点可以进行合作呢？
黄高：我觉得我们两个要合作，基本是无缝衔接，本身我之前也做过遥感图象处理，遥感采集的数据量特别大，比如说要分析地面的目标，尤其是要精确到每一棵树，靠人去看肯定是看不过来的。AI的技术，比如说图象目标识别的技术，你给多少T的数据，它都能很快的帮你去，前提是先把这个模型训练好以后，帮你去数多少棵树，去看地面的这些森林植被面积的变化，都可以靠AI去自动化。
从后面遥感图象处理，这个跟AI是无缝衔接的，而且已经做了一些年了。可能在前期数据采集方面是不是能够把AI技术用进来，这个可能是值得去探讨的，可以听听曾老师的观念。
曾也鲁：这其实是非常实时的，因为我跟黄老师其实之前并没有语音的聊过任何东西也没有交流过，所以今天其实是一个非常真实的场景，黄老师刚刚提到的第二点，数据的获取方面，除了遥感的数据之外我们还会有无人机的数据，有地面的无限充放器网络的数据，有摄像头的数据，这样的话多元的数据，黄老师这边深度学习的一些框架能够对这种多元数据有一个很好的识别功能，这个是其中一种，另外一种是我们所研究的范围和尺度。
黄老师最近做过目标识别，如果我们真正探测美国和巴西的它的大豆或者玉米的面积长势和产量，如果能够把这个方面通过目标识别的方式结合起来，就有可能对粮食的价格有一个比较重要的参考，比如说期货，尤其在作物还没有收获的时候，这样通过遥感的监测能够识别出哪些是种的大豆，它的面积是多大，有没有受到干旱，有没有受到病虫害，这样的话就能够对期货这边提供一些资讯信息，这样应该也能产生相应的价值，这是我的一点观察。
黄岩：今天真的是非常即兴的回答，之前没有碰过，二位不谋而合，接下来我们再回归二位的本行业，我们注意到国内的一些院校现在对学科交叉融合已经进行了一些尝试，如果要把这项工作深入稳定的推进下去，学校、院系应该采取哪些措施，二位有什么建议？
曾也鲁：真是非常巧合，因为就在前天，最近研究生正在进行复试，前两天刚好知道了一个结果，我们学院报上去一个交叉学科，和另外两所院校，一所植物保护学院的杰青和一位工学院刚引进的教授，我们三个人联合组了一个队就是交叉学科的队，这个队伍相当于报森去研究生单独的获批指标已经获批了，如果是从学校学院的角度来支持这个事情的话。
第一可能需要在人员的配备上有这样人的支撑，因为现在的招生指标非常紧缺，而且我们给定的研究生他的题目是确定的，就是做交叉学科的事，其它的单个方向不允许，而且他的培养过程像开题、中期、考核，后面的结题都需要三位老师共同参与的，投入人肯定是一个方面。
另外一个方面会以一些经费的方式，相当于这个涉及到经费的配比，以往大家是以院为单位，大家各分各的，现在比如说学院或者是某些事业单位这样的部门有一些经费是需要两个或者三个不同学科一起申请的，就是从项目经费上这个是目前能够一下子能看的着的，同时也有这样的认识。
如果真正做这样的交叉，必须在两个或者三个领域，各自都是非常顶尖的学者，这样的话才是真正把这个交叉做到位，不然的话如果是为了交叉而交叉，有可能还不如自己本身精力也有限，还不如自己只钻研自己本身的专业，这是我自己的期望。
黄高：首先我觉得曾老实说的非常好，我也很赞同，我就补充一点，除了刚刚说的人员、资金方面，政策方面也需要有一些配套的支持。
比如说一个很现实的问题，我跟曾老师合作，我们俩都有贡献，谁是通讯作者，我们的学生参与的话谁是第一作者，现在的评价体系里面比如说学生在毕业的时候我们可以共同第一作者，但是可能他只认排在前面的，通讯作者也是只认排在前面的那一个，所以这种情况下，其实很不友好，对于交叉合作。
我们一起合作，大家都有贡献，确实两方面做交叉的话，少了一方都不行，但是如果评价体系里边只认可其中一个，那这个合作因为老师也有职称的压力，学生也有毕业的压力，所以是一个很现实的问题，我觉得这方面能够解决好的话其实对于促进交叉研究也是很重要的。
黄岩：时间原因，非常感谢两位老师今天给我们带来的分享，也希望大家能够从中有所收获，谢谢两位老师。
主持人：感谢三位嘉宾的精彩分享，自此，我们这一阶段的炉边对话就已经结束了，的确科技创新是一段很漫长的路，从科学到技术到商品到产业到资本，从一个科学的突破到一个技术的发展到商品化、产业化、资本化可能真的需要很长一段路要走，今天希望大家能够汲取到力量的同时，我们所有的青年科学家们能够在各自的领域继续努力，能够创造出改变世界的新科技和带来科技的突破，从而改变世界、改变未来。
今天我们的峰会第一天的活动到这里基本结束了，明天还有第二天峰会的活动，期待大家能够参与明天的活动，明天还有相关的专家会给大家带来分享，也是非常值得期待的，明天见各位。
