访谈/播客

图灵奖得主 Jeff Ullman 的 π Day 寄语：AI、科学与发现的新纪元

Happy π Day from Jeff Ullman: AI, Science, and the Next Era of Discovery

访谈/播客🎤 嘉宾 Jeff Ullman（Jeffrey D. Ullman，斯坦福大学名誉教授、2020年图灵奖得主）；主持人 Chuck（SAIR 访谈主持）⏱ 17:43👁 NA

▶ 在 YouTube 观看

图灵奖得主 Jeff Ullman 在 π Day 接受访谈，从工业革命与编程史的视角探讨 AI 如何重塑科学、就业与人类社会，并对 AGI 的近期可行性表达审慎乐观。

核心要点

AI 扩展科学的瓶颈是一条完整的依赖链：从芯片制造、数据中心建设与供电，到 agent 构建、数据获取、错误规避与安全护栏（guardrails）。
AI 只是工具，下一代科学家最重要的仍是掌握所在领域的根本概念；Ullman 把 AI 理解为'聪明的算法'，目的是高效解决问题而非模仿人类思维。
以工业革命与编程史为类比：自动化短期内减少所需人手，但长期会催生更多应用与新岗位，代价是人们一生中可能需多次再培训。
对'科学发现走向开放与全民化'持保留态度：重大科学突破仍需领域深度知识，趋势反而可能是小团队借助 AI 完成更多工作。
AGI 近期既不会到来、也不一定需要全新科学突破——通用工具回答具体问题的历史会延续，但具备'独立思考/自由意志'的智能可能需要全新东西。
Ullman 设想 AI 让人类工作时间从 40 小时进一步降到约 20 小时，腾出更多闲暇并由此创造体验类新职业。

分章详解

π Day 开场与 Ullman 的'祈祷文'

Ullman 分享了一个 π Day 习惯：背诵一句小'祈祷文'——'How I wish I could recollect of circle round the exact relation Archimedes unwound'。
这是一句记忆 π 的助记口诀：每个单词的字母数依次对应 π 的各位数字（3.14159265358979），并致敬阿基米德（Archimedes）。
Ullman 让主持人自行揣摩其玄机，以轻松方式开场。

扩展 AI 用于复杂科研的关键挑战

Ullman 认为挑战不是孤立的，而是一条'需求链'：更高效更快地制造芯片，建设并为数据中心供电。
进入软件层面后，挑战在于如何构建 agent、如何为特定目的的 agent 找到所需数据、如何避免错误。
强调要设置护栏（guardrails），防止 agent 做出本不该做的事；他指出虽未出现'天塌下来'式的灾难，但确已发生因滥用 agent 造成死亡的事件。

下一代科学家最重要的技能

Ullman 认为这一点变化没有人们想象的大：AI 是工具，做物理仍须掌握描述世界的基本概念与模型。
未来成就会以多种方式用到 AI（机器学习、构建 agent 解决问题），每个人都需懂得如何有效使用计算机。
他给出个人定义：AI 本质上是'聪明的算法'，多数工具并非为模仿人类思维而设计，而是为高效解决问题。
提到自己曾培养过包括 Google 联合创始人 Sergey Brin 在内的众多杰出毕业生。

社会如何适应 AI 的高速发展

以工业革命纺织业为例：手工纺纱织布被机器取代后，所需工人大减，少数人转为照看、上油、调试机器，但产量大增。
他坦言那段历史并不美好——工人被无情抛弃、缺乏社会保障；但最终因布料更多，制衣、销售、运输等环节又吸纳了就业，整体就业'近似不变'，只是人们须学习新技能。
以编程史佐证：Fortran 等高级语言出现后程序员更高产、单位任务所需人手减少，但计算机应用因此经济可行地扩张，程序员数量反而大涨。
Python/R 等丰富库让人调用函数而非自己写代码，同样没有让程序员失业，反而做得更多；他以'秘书打字'被淘汰为例说明岗位会变迁，并希望转型能温和进行，但承认人们一生或需多次再培训。

科学发现会变得更开放、更集体吗

Ullman 表示'并不信服'：虽有 SETI、Folding@home 这类组织大量个人或其电脑协同攻关的先例。
但他不认为高中生能用 agent 搞清暗物质是什么，或让人随意厘清通向智人（Homo sapiens）的精确物种链——做出真正贡献仍须领域细节知识。
他认为趋势可能相反：类比软件工程从'分层程序员金字塔'走向'一名程序员 + Claude 等工具完成大量底层任务'，科学也可能由软件承担部分工作，从而不再需要庞大团队。

AGI 是否近期可达

Ullman 的回答是'否与否'：AGI 既非近在咫尺，也不一定需要全新的根本性科学突破。
他用《星际迷航》作比：向往一个不必工作的世界，并借此重申社会愿景——工业革命时每周工作 60–70 小时，上世纪降到 40 小时，而 40 没什么神圣之处，未来或许每周只需 20 小时。
梳理'让人变聪明'的工具史：个人电脑（拼写纠正）、Google（在 LLM 之前就开始直接拦截常见问题并给出答案如汇率换算）、再到提炼整个网络的 LLM。
他认为达到《星际迷航》中 Data 那样'整合式智能'的水平方向上正在前进，可能是'下一代'之事；但要具备独立思考、自由意志，可能需要全新的东西。对 Data 级智能何时实现，他打趣称'少于 400 年'但'并非就在眼前'。

收尾：背诵 π 的位数

主持人最后问 Ullman 能背出多少位 π，他回答 15 位。
访谈在轻松愉快的氛围中结束，主持人致谢 Jeff，Ullman 回'Okay Chuck'。

关键引述

“对我而言，AI 其实指的是算法，是聪明的算法……我们用的多数工具并非被设计来模仿人类思维，而是被设计来高效解决问题。（AI to me actually means algorithms, clever algorithms... they're not designed to mimic human thought. They're designed to solve problems efficiently.）”— Jeff Ullman

“40 小时没有什么神奇之处……我们应当能够设想，也许每周只工作 20 小时，孩子放学回家时你可以照顾他们。（There's nothing magic about 40... maybe you spend 20 hours a week working, and you can take care of your kids when they come home from school.）”— Jeff Ullman

“我不认为高中生能用 agent 搞清楚暗物质究竟是什么……要做出真正的贡献，你仍然需要懂得一个科学领域的细节。（I don't think you're going to have high school students using agents to figure out what dark matter really is... you're still going to need to know the details of a scientific field in order to make a real contribution.）”— Jeff Ullman

“迄今为止，历史一直是：用通用工具来回答具体问题。（So far the history has been general tools used to answer specific questions.）”— Jeff Ullman

术语 / 人物

Jeff Ullman（Jeffrey D. Ullman） — 美国计算机科学家，斯坦福大学名誉教授，与 Alfred Aho 共获 2020 年图灵奖；数据库理论奠基人之一，著有'龙书'等经典教材，曾是 Google 联合创始人 Sergey Brin 的博士导师。

π Day（圆周率日） — 每年 3 月 14 日（3.14），纪念圆周率 π 的节日；SAIR 借此倡导让更多人参与科学发现。

AGI（通用人工智能） — Artificial General Intelligence，指在广泛任务上达到或超越人类水平、具备通用智能的 AI。

Guardrails（护栏） — 为 AI/agent 设置的约束机制，防止其做出有害或不被允许的行为。

SETI / Folding@home — 利用大量志愿者电脑进行分布式协同计算的科研项目（前者搜寻地外文明，后者研究蛋白质折叠），Ullman 以其作为'集体科研'的早期例子。

Data（《星际迷航》机器人） — 科幻剧《星际迷航：下一代》(TNG) 中具有整合式智能的仿生人，Ullman 用以类比'真正的 AGI'。

Sergey Brin — Google 联合创始人，Ullman 在斯坦福的博士生（未完成学位），Ullman 自谦其导师角色主要是'别挡路'。

背景补充

Jeffrey D. Ullman（生于 1942 年）是斯坦福大学 W. Ascherman 工程学名誉教授，与长期合作者 Alfred Aho 共同获得 2020 年图灵奖，以表彰其在编程语言实现的基础算法与理论，以及通过极具影响力的教材（如编译原理'龙书'、自动机理论、数据库等）培养数代计算机科学家。他被视为数据库理论的奠基人之一，曾获 Knuth 奖、IEEE von Neumann 奖章，并担任 Google 技术顾问委员会成员；其最著名的博士生是 Google 联合创始人 Sergey Brin。本视频是 SAIR（科学与 AI 研究基金会）的 π Day 系列访谈之一。

适合谁看

适合关注 AI 对科学、就业与社会长期影响的研究者、学生、政策与产业人士，以及对图灵奖得主历史视角与 AGI 判断感兴趣的科技爱好者。