CI856K01(CI856K01)(CI856K01)

CI856K01(CI856K01)(CI856K01)

任正非先生在最近的发言中强调了华为在基础理论研究领域的投入，包括引进“天才”的少年这个话题，其实，回顾科技的发展史，你不得不感慨于过去那些伟大的科学家在基础理论方面的研究为我们今天奠定的坚实基础，今天，我们研究的人工智能、数据驱动的分析，我们回顾历史发现维纳、香农、图灵这些人为我们所奠定的基础，而引力波在2015年被验证，而这离爱因斯坦的相对论已经过去了100年了。而我们享用的是前人的福利。

基础建模

基础理论往往是我们工程应用的“Why“的问题，根源性问题，很多研究，如果缺乏根源性的设计，如物理的建模，那么，我们就很难去进行虚拟测试验证。

在很长一段时间里，我总觉得管理学界的很多模型在实践中，总是会被认为是空洞的，大家不相信理论，因为，我们的理论脱离了实践，我们在过去都是研究别人基础之上的模型，但，我们并不在知道模型在构建的过程中发生了哪些问题，它具有哪些适用性，因为哪些场景曾经被修改过，诸如此类，一个模型的成熟过程，我们没有了解，而直接得到别人验证过的模型。

数学的基石

欧几里德的《几何原理》是全球发行量仅次于圣经的科技教材，在过去的时代，我们依赖它解决太多的日常计算问题，比如河流泛滥后的土地如何重新分配，大量的大型建筑的构图计算，我们去看牛顿和莱布尼兹为了解决动态过程中的变力的运动学、动力学、流体力学等计算而发明了微积分，而爱因斯坦相对论则构建在黎曼几何的基础上，机器学习的重要理论基础马尔科诺夫过程建立在柯尔哥莫诺夫1931年所写的《概率与数理统计》，今天的人工智能都建立在过往的数学基础上。

我们日常的PLC的逻辑处理都是来自离散数学处理，而流程中的很多控制基于微积分，而为了解微分方程，我们需要用到拉普拉斯变换，机器人技术则采用了欧拉-拉格朗日方程，CNC则是插补问题，其实都是数学，包括我们在运动控制上说机械冲击小，也是曲线的阶次较高，更为光滑的曲线，到了今天我们讨论边缘计算的优化问题，可以采用的各种算法如蚁群算法、梯度算法、遗传算法都是来自于数学，而针对机器学习的各种应用如监督学习采用的朴素贝叶斯、随机梯度、支持向量机SVM,神经网络集成学习，包括非监督学习的K-Means、近邻算法、高斯混合模型等等，都是建立在数学的基础上。

就像徐匡迪院士所说，人工智能的基石在数学，其核心关键是算法，可是我们有多少数学家投身进取？

哲学的根基

哲学总是被低估其价值，因为“我们总是认为那是虚幻的”，不能给我们什么现实意义的帮助，因为，就眼前的解决问题而言，哲学几乎没有什么价值和意义，然而，它却构成了整个科技的底线思维的基础，

科学研究运动，寻求解决良方，而哲学则追求目的和评价与协调，即，科学赋予我们知识，而哲学赐予我们智慧，包括逻辑、美学、伦理，逻辑学是包括了方法论的基础，如演绎与归纳、假设与实验、分析与综合等思维方法，都是构建我们的基础研究的思维体系。

今天，资本的力量是追求眼前的，甚至是追求利益而忽视人的生存健康的，摧残我们身体、制造焦虑、引发人们之间的争斗、造成资源的浪费（像ofo、Mobike…）,追求极端快速的资本回报，然而快速退出留下一地鸡毛，多少在资本的催生下的所谓“创新”刺激了人们的欲望，而导致内部的矛盾、破坏了信任、隐藏了不安全，最终自身也随着资本的推出，内部的矛盾而烟消云散，资本赚了，然而，这个产业并非就真的得到了发展。

资本应该得到平衡，发挥它的杠杆效用，真正帮助产业发展，相对而言，产业资本更了解自身的规律，能够具有一定的发展支撑，任何时候，我们都会有这样那样的问题，然而，平衡这些需要智慧—这些来自于哲学，即，选择的智慧。

教育：不仅是知识的传递

人们总把社会问题归为教育问题，而教育又会把问题归于社会问题，因为社会浮躁因此传染了大学教育，而另一方面，社会的急功近利也影响了大学的教育，就像你觉得创新设计很重要，但是，企业没有时间等待你基础研发的长周期投入，因此，你培养所谓的建模仿真根本没有用，因此，在任何时候，这些都是相互的。

我们要有更多的系统性思维、批判性思维、创造性思维的训练，在创新领域，很多时候我们经常会感慨于不仅是在科技领域，连《中国好声音》、《爸爸去哪儿》这种节目都是需要引入版权的，包括在运动健身领域的产品设计，有一次和健身房的销售谈到这个话题，居然发现原来在这类产品上，也是国外引进的多，其实，这个时候，我们就会发现“规范与标准“本身也是一个创新的基础，基于系统思维，全面解构问题，并搭建一个完整、高效运行的管理系统，本身也是这类创新的特征。