π Day 寄语
John Hennessy 的 π Day 祝福
Happy π Day from John Hennessy
π Day 寄语🎤 John Hennessy（约翰·轩尼诗，2017 年图灵奖得主、斯坦福大学第十任校长、Alphabet 董事长），SAIR 主持人提问⏱ 6:33👁 NA
▶ 在 YouTube 观看
图灵奖得主、RISC 架构奠基人 John Hennessy 在 SAIR π Day 特辑中畅谈数学与计算机的深层联系，以及 AI 作为科研工具的潜力与局限。
核心要点
- Hennessy 与 David Patterson 通过《计算机体系结构：量化研究方法》把计算机架构从一门「艺术」转变为以性能测量为基础的工程学科。
- 数学（统计、建模、大量仿真）是评估和构建 RISC 架构等系统的根本工具。
- 他认为 AI 是数十年来最重要的科研工具，将触及几乎所有科学领域，agentic AI 用于科学将带来变革性加速。
- 证明验证器有助于检验 AI 结果，但仍存在缺口，需要「人在回路」与擅长与 AI 协作的科学家来确保结论可靠。
- 当前与 AGI 的最大差距在于缺乏理解物理世界、包含时间观念的「世界模型」，仅靠 LLM 不足以实现跨学科推理。
- 他给热爱数学的学生的建议：在 AI 时代，除线性代数外，统计学已成为极其重要的数学分支，务必学好。
分章详解
嘉宾介绍与 π Day 开场
- 主持人称 Hennessy 为「硅谷教父」，介绍其身份：2017 年图灵奖得主、斯坦福第十任校长、Alphabet 董事长。
- 回顾其创业与科研成就：创办 MIPS Technologies 与 Atheros Communications，并与 David Patterson 共同开创 RISC 架构。
- 轻松互动：Hennessy 能背出约六位圆周率 3.14159，自称「对大多数工作来说足够了」。
- 被问最喜欢的数学常数时，他答 π、e，以及「负一的平方根」（即虚数单位 i）。
数学与计算机系统工程的深层联系
- Hennessy 指出数学是计算机科学家与工程师所有工作的根基与工具。
- 他和合作者努力把计算机架构从「艺术」转变为更像工程的学科，核心是用各类系统的性能与性能测量作为基本依据。
- 在评估系统时使用了统计学、建模，以及大量仿真，从而改变了人们思考计算机架构的方式。
AI 作为可靠科研工具的挑战
- 数学中的证明算法/证明验证器能帮助检验过去如「黑箱」般难以判断对错的 AI 工作。
- Hennessy 认为验证器帮助很大，但仍有缺口需要弥合，才能获得真正可靠、准确的科学洞见。
- 他强调仍需「人在回路」，让科学家审视 AI 结果并与之协作；未来需要能自如与 AI 共事的科学家来理解工具的含义。
AI 对科研的变革性意义
- 他称 AI 可能是数十年来最重要的科研工具，可与电子显微镜等历史性工具相比。
- AI 将触及几乎每一个科学领域。
- 随着 agentic AI（自主智能体）系统被用于科学，这将是变革性的，并加速科学发现的能力。
通往 AGI 的最大差距
- Hennessy 认为 AGI 定义本身较模糊，是一种「看到了才知道」的概念。
- 当前与真正 AGI 的最大差距是缺乏更好的「世界模型」。
- LLM 已经非常出色，但还需要理解物理世界、包含时间观念的世界模型，这对实现跨学科的广泛推理至关重要。
给热爱数学的学生的寄语
- 在 AI 时代，统计学已成为数学中极其重要的一支。
- 学生需要扎实的基础：线性代数等必不可少，但统计学今后至关重要，建议去学一些统计学。
- 以「Happy Pi Day」的互祝结束访谈。
关键引述
“我们所做的，是通过把各种系统的性能和性能测量作为根本依据，把计算机架构从一门艺术转变为更像工程的学科。（We tried to convert computer architecture from an art to something that looked more like an engineering discipline by using performance measurements as the fundamental thing.）”— John Hennessy
“AI 大概是数十年来出现的最重要的科研工具……它将触及几乎每一个科学领域。（AI is the most important scientific research tool to come along in decades... it's going to touch virtually every scientific field.）”— John Hennessy
“我们仍然需要人在回路中审视 AI 的结果并与之协作，因此需要能自如地与 AI 共事的科学家。（We're going to have to continue to have humans in the loop looking at AI results and working together.）”— John Hennessy
“要真正实现我们认可的 AGI，我们必须拥有比现在更好的世界模型——能理解物理世界、包含时间观念的模型。（To get something we really feel is AGI, we're going to have to have a better notion of world models... that understand the physical world and have a notion of time.）”— John Hennessy
“在 AI 时代，统计学已成为一门极其重要的数学分支，所以去学一些统计学吧。（In the age of AI, statistics has become an incredibly important branch of mathematics. So go take some statistics.）”— John Hennessy
术语 / 人物
John Hennessy（约翰·轩尼诗） — 计算机科学家、企业家，2017 年图灵奖得主，斯坦福大学第十任校长（2000–2016），现任 Alphabet（谷歌母公司）董事长，RISC 架构与 MIPS 的奠基者。
RISC（精简指令集计算机） — Reduced Instruction Set Computer，用更简单的指令集提升性能、降低成本与设计时间的处理器架构；如今每年生产的逾 160 亿颗微处理器中约 99% 基于该思路。
MIPS — Microprocessor without Interlocked Pipeline Stages，Hennessy 团队于斯坦福开发的 RISC 原型芯片，后创办 MIPS Computer Systems 将其商业化。
David Patterson — 加州大学伯克利分校计算机科学荣休教授，Hennessy 的长期合作者，二人共享 2017 年图灵奖并合著两部经典计算机体系结构教材。
世界模型（World Models） — 能理解物理世界、包含时间与因果观念的内部表征，Hennessy 认为这是 LLM 走向 AGI 与跨学科推理所欠缺的关键能力。
Agentic AI（智能体 AI） — 能自主规划与执行任务的 AI 系统，Hennessy 认为其用于科学研究将带来变革性的加速。
背景补充
John Hennessy 是 2017 年 ACM 图灵奖得主，与 David Patterson 共同开创了 RISC 计算机架构，奠定现代微处理器设计方法，如今每年逾 160 亿颗微处理器中约 99% 基于其思路。他曾任斯坦福大学第十任校长（2000–2016），创办了 MIPS Computer Systems 与 WiFi 先驱 Atheros Communications，并设立全球最大的全额资助研究生奖学金项目 Knight-Hennessy Scholars。他现任 Alphabet（谷歌母公司）董事长，被誉为「硅谷教父」。
适合谁看
适合关注计算机体系结构、AI 在科学研究中应用，以及对数学（尤其统计学）与计算交叉感兴趣的学生、研究者和科技从业者观看。