8月16日，2023未来科学大奖获奖名单公布后，未来科学论坛在第一时间连线数学与计算机科学奖获奖者何恺明、任少卿、张祥雨。

Q：获奖后有什么感想想跟大家分享？

A：非常荣幸能获得未来科学大奖。

首先，感谢团队，没有大家共同的努力，这项工作是难以完成的。感谢微软亚洲研究院创造和培养了这个团队的环境，使我们能做出影响重大的工作。

其次，我们的团队非常的年轻，包含了80后和90后的成员，可能是未来科学大奖创立至今最年轻的获奖者。感谢该奖项对于年轻人的肯定和认可。希望这个奖项能够激励更多的年轻人投身到科学领域当中。

Q：请用通俗易懂的语言简单介绍一下获奖工作。

A：我们的社会正在经历一次巨大的人工智能革命。这次革命的核心是一种称为人工神经网络和深度学习的技术。其核心思想，是通过组合许多简单的函数模块，来实现复杂的功能。通常我们把堆叠这些模块的数量称为神经网络的深度。

理想上来说，如果我们组合更多的模块，建立更深的神经网络，我们的模型应该可以获得更强大的性能。但传统的神经网络却没有这样的表现。这次获奖的工作，即深度残差网络或ResNet，能够使更深的神经网络变得更好，而且获得前所未有的性能。

Q：在此研究上获得了什么样的突破？

A：在我们的工作之前，神经网络的深度大约在20层，继续增加深度会使其准确率显著下降。我们的工作使神经网络能够轻松地增加至上百层甚至数百层。这些非常深的神经网络可以用来表达极其复杂的数据和变换，而这样的能力是传统的方法和传统的神经网络难以获得的。

Q：这些突破的意义或影响力是什么？

A：非常深的神经网络具有前所未有的强大的表达能力。配合大量的数据，这些神经网络可以让科学家去挑战一些之前非常困难的问题。

例如现在大家很熟悉的ChatGPT，其模型的深度大约是400层。这样的网络能够表达极其复杂的人类语言数据，从而使ChatGPT获得惊人的表现。

前几年大家熟悉的AlphaGo围棋系统，在80层的ResNet的帮助下，可以通过自学就击败顶尖的人类棋手。之前与柯洁对弈的AlphaGo Zero系统，其核心模型就是一个ResNet。

在生物学领域，两年前的AlphaFold系统实现了蛋白质结构预测的重大突破。这个系统是一个约200层的深度神经网络。

如果没有ResNet或深度残差学习，这些非常深的神经网络是难以实现的。包括ChatGPT，AlphaGo Zero, 和AlphaFold这样的重大突破，可能就不会发生了。

Q：在这项获奖工作的研究过程中，你们经历过哪些挑战，有过失败吗？

A：我们的团队从2012年开始研究神经网络和深度学习。当时深度学习的革命才刚开始，这个方向面临着许多质疑和挑战。我们经历了头两年的铺垫和摸索，也走了很多弯路，可能有90%的尝试都是失败的。这些失败让我们一直在改进我们对于问题的认识和理解，并且让我们确信“深度”这一个概念是这次深度学习革命的核心。

在那以后，我们朝着“网络变深”这个方向进行研究，也做了不少的尝试。我们一些早期的工作可以帮助网络从10层进步到20层，但却仍然不能达到我们的期望。直到最后我们做出了ResNet。

可以说，整个探索研究过程都是处在失败和挫折中的。这并不局限于ResNet这个工作。我们所有的研究工作也大致是这个状态。

Q：你们的科研影响力巨大，获奖工作的这篇论文是AI领域引用数目最多的之一，请分享成功的主要因素。

A：一项工作的成功有偶然的因素，也有可控的部分。这里只能谈谈我们可以控制的部分。一项好的工作是一个不断迭代的过程，包括了从观察，到假设，到验证，再到重新观察这样的一个科学方法的循环。希望这样的过程能贯穿在我们的科研过程当中。

Q：很多青少年希望能以后为科学、社会、人类做出贡献，能否给青少年一些建议？

A：“好奇心”是科学探索的重要动力。好奇心会驱使科研人员尝试各种事情和寻找各种答案，例如“为什么事情是这样发生的？”，“如果我们这么做，会怎么样？”，“如果我们不这么做，又会怎么样？”。好奇心的满足将会是充满挫折的科研路上的重要回报。希望年轻的科学家们能够一直保持好奇心。