文|《中国科学报》见习记者 赵婉婷

在体育界，迈克尔·乔丹是公认的伟大篮球球员；在机器学习领域，也有一个同名的闪耀存在，他被广泛认为是学科先驱之一。前不久，他又多了一个新身份：中国科学院外籍院士。

迈克尔·欧文·乔丹（Michael I. Jordan）现任美国加州大学伯克利分校电子工程与计算机科学系、统计学系杰出冠名教授，同时任北京大学、清华大学名誉教授。他曾获首届世界顶尖科学家协会奖，摘得约翰·冯·诺依曼奖等多项国际顶级荣誉，当选美国国家科学院、工程院、艺术与科学学院三院院士，并于2025年11月当选中国科学院外籍院士。

在本科期间，乔丹学习的是心理学专业，对大脑如何工作的思考最终将他引入算法的探索道路。深耕机器学习与统计推理领域40余年，乔丹还与产业界建立了广泛的合作。除了参与创办多家公司，他还曾任支付宝、亚马逊的科学顾问。

“我对任何事物都感到好奇，尤其对不确定性感兴趣。”无论是基础研究还是产业应用，这位跨界教授都秉持着为新问题出新点子的想法，从现实生活中寻找真问题，探索能够解决问题的新技术。

在近日举办的第十届世界华人数学家大会（ICCM）上，乔丹受邀作题为《人工智能的集体经济学视角》的报告。在接受《中国科学报》采访时，他鼓励下一代带着好奇心，运用数学思想去做全新的事情。

乔丹 图源：ICCM 2025

在理论与应用间“横跳”

《中国科学报》：当人们看到你的名字时，可能首先会想到迈克尔·乔丹。乔丹在篮球方面极具天赋，你认为自己在机器学习和数学方面具有天赋吗？

乔丹：

我所做的事情范围非常广泛。我思考如何从数据中学习并做出决策，如何在人与人、推荐系统、商业和医疗保健之间交流知识，如何面向现实世界问题利用数据进行预测并做出更好决策，这并不需要天赋异禀或特殊才能。

我相信篮球运动员有一定身体天赋，但他们也一定进行了大量练习。这也是我所做的。我花了很多时间学习各种东西，直到今天，我仍在学习。所以我并非天才，但我一直努力工作。

我想和年轻人说，不要把像我这样的人视为“特例”，我和其他人没什么两样。如果日复一日地花10年时间去做一件事，任何人都可能做到。

《中国科学报》：你本科阶段学的是心理学，你是如何走上数学和机器学习之路的？

乔丹：

对我来说，心理学涉及大脑如何工作——我们如何思考、记忆、感知，这些是值得探讨的有趣问题。然而，心智存在于复杂的大脑中，我们很难对其进行探究，也很难真正理解它如何体现在大脑的物理基质中，在这方面取得进展需要很长时间。

但我仍然为这些话题着迷。我开始思考类似的问题：如何做出好的决策？如何应对不确定性？如何处理与他人的互动？描述数据需要用到哪些数学知识？如何交易数据并使其可靠……

这指向了最终的问题——需要哪些算法提供支持？因此，我的路径开始朝着计算机科学，以及任何能实现特定功能的有趣算法方向发展。我意识到，智能可以无处不在，不一定只存在于大脑中。

《中国科学报》：这样的智能也面向应用？

乔丹：

我认为应用的定义有些狭隘。许多数学问题都源于对实际问题的思考。比如，数学家高斯就对天文学和机械问题感兴趣。所以在某些方面，数学是面向应用的，但纯理论与应用之间的界限并不清晰。

在我的职业生涯中，我在两者之间“横跳”。不过我始终寻找新问题，并思考如何以一种简洁、有趣的方式来解决这些问题，然后不断探索。

《中国科学报》：你是如何意识到机器学习和统计学之间的紧密联系的？

乔丹：

“学习”意味着要做一些以前从未见过的、与众不同的事情。试想你正在对一个陌生人进行预测：这个人是朋友还是敌人？在学习系统中所做的所有决策都基于统计方法进行分析，所以“学习”在一定程度上是统计学问题。

当计算机科学与统计思维相结合，在更大规模上构建新算法，就孕育了机器学习，二者密不可分。

乔丹 图源：ICCM 2025

针对问题，应对挑战

《中国科学报》：2025年，你当选为中国科学院外籍院士，你与中国开展了哪些印象深刻的合作？

乔丹：

我与中国有长久的合作，例如与清华大学龙明盛教授的愉快合作。他对气象学有浓厚的兴趣，例如预测强风暴。一场暴雨来袭可能会引发洪水，甚至导致很多人死亡。所以，如果能提前一小时或两小时预测降雨的时间、地点、严重程度，就可以在混乱发生前疏散城镇居民。

明盛来伯克利时，我们一起研究了机器学习。三年前，我们在《自然》杂志上发表了一篇预测暴雨的论文。据我了解，中国的气象部门目前正在使用明盛开发的工具。

这就是我非常想做的一类事情，即针对一个有力的问题，应对技术挑战、数学挑战。这并非一夕之功，明盛已经工作了至少10年。我很荣幸帮上了一点忙。

《中国科学报》：你不仅在学术研究方面取得诸多进展，还与产业界建立了广泛的联络和合作。请你简单介绍一下。

乔丹：

在过去30年里，我参与了三家公司的工作，其中两家是独角兽企业，估值超过十亿美元。

在中国，我担任蚂蚁集团科学顾问委员会主席。支付宝不仅成为了一个支付系统，还成为一种包含商家和消费者的市场建设系统，其中一些功能设计也反映了我的想法。我从中学到了很多，我也相信我能够为此作出贡献。

乔丹 图源：ICCM 2025

《中国科学报》：基于你的经验，产业发展与科学研究是否脱节？

乔丹：

我认为根本不存在脱节。我与伯克利的同事成立了多个公司，这样的产业发展恰恰来源于学术研究。同样，大多数大语言模型（LLM）背后的机制都是由学术研究人员开发的。

但目前的问题在于，我们所拥有的知识和技术，与我们试图解决的问题之间存在脱节。如果人们的注意力集中在制造通用人工智能（AGI）以及与LLM相关的商业模式，就忽视了那些真正重要的实际问题，如改善医疗体系、让交通运行得更好、减缓气候变化等。

《中国科学报》：可否说数学在解决实际问题方面十分重要？

乔丹：

从学术精神出发，任何对算法、数学感兴趣的人，面对全新的数学挑战，都大有可为。

“带着好奇心，运用数学思想去做全新的事情”

《中国科学报》：你如何看待中国人工智能领域近年的发展，有哪些优势和不足？

乔丹：

我二三十年前第一次来中国时，中国学生非常小心谨慎，他们只是照着老师说的做。后来，中国的创业精神蓬勃发展，很多年轻人创办了公司，这是中国实力的一部分。

在最新一波LLM浪潮中，许多国家并没有采用开源模式，我觉得这是个坏主意，他们可能因此失败。而中国一直更加注重开源，这与20年前相比是一个彻底的转变，填补了此前的空白。

但中国有时不太关注影响力、创造力、新想法，更关注奖项、分数、发表文章数量等。中国的年轻教授不仅必须发表一定数量的文章，还要做很多其他事情，这对我来说有些陌生。在我的世界里很简单——“你非常棒，我们想聘请你”。我觉得中国需要进一步培养解决真正问题的技能。

《中国科学报》：在数学和人工智能领域，如何培养上述解决问题的技能及创造力？

乔丹：

扎实的数学教育永远是个好主意。此外，让学生思考现实世界的系统如何被构建也很重要。

第一台计算机由约翰·冯·诺伊曼在上世纪40年代开发。他是一位世界级的数学家，如今却很少看到有数学家认为自己能做类似的事。

在我看来，我们给学生设定的目标不是去赢得菲尔兹奖，也不是去攻克40年甚至几百年都没人能解决的极其复杂的问题。这些当然都是了不起的成就，但我们更应鼓励他们不断学习，带着好奇心，运用数学思想去做全新的事情。

为促进这一点，我们应在良好的数学教育的基础上再增加一些内容。例如，我在伯克利开设的一门新课，就融合了统计学、计算机科学和微观经济学。

《中国科学报》：你对青年学子还有哪些建议？

乔丹：

学习如何与他人合作、如何与他人互动，而不仅仅是一个人坐在那里解决问题。另外，无论是在学习还是创业中，多尝试一些事情，并经历一些失败。中国学生绝对富有创造力和雄心壮志。

（本报见习记者江庆龄对本文亦有贡献）