刚刚过去的那个周末，是西湖大学本科生书院最热闹的时候。从上海、江苏、广东以及浙江各地市奔赴而来的考生，汇聚云谷，参加2025年西湖大学本科生招生复试。

三天两晚，这是一场考试，也是一次“双向奔赴”。不止西湖“看”学生，学生也在“看”西湖。

从踏进大门的那一刻，食堂、餐厅、宿舍，他们好奇地打量每一个地方；志愿者、学长、考官，偶遇的每一个人，都可能成为他们爱上西湖的理由。

而考场之外“火花四射”的地方，莫过于湖心追光之旅师生见面分享会的最后30分钟。

近距离站在学生面前的，是来自四个学院的四位科学家：理学院天文学讲席教授毛淑德，工学院人工智能讲席教授金耀初，生命科学学院PI闫浈，以及医学院PI陈冲。

前两位在领域内赫赫有名。

毛淑德是普林斯顿大学天体物理博士，曾在美国和英国工作17年，担任过中国科学院国家天文台星系宇宙学部主任、清华大学天体物理中心主任等职，是西湖大学引力天体物理实验室负责人；金耀初是欧洲科学院院士、国际电气和电子工程师协会会士（IEEE Fellow），曾任芬兰科学院与芬兰国家创新局“芬兰杰出教授”、德国联邦教育与研究部“洪堡人工智能教席教授”，是西湖大学“可信与通用人工智能实验室”负责人。

后两位是冉冉升起的学术新星。

闫浈先后在清华大学、普林斯顿大学进行博士后研究，获得American Heart Association美国心脏协会博士后奖学金支持，长期从事跨膜运输蛋白的结构与功能研究；陈冲从温医大、上交大一路到斯坦福学习、研究，专注于麻醉与疼痛神经生物学。

初次见面，一方兴致勃勃、知无不言；一方初生牛犊，敢问敢答。

话筒中传出的声音还稍显青涩，但内容却让在场很多人大吃一惊：这，真的是高中生的提问吗？

而最后一问，相信所有人都记忆深刻。

从左至右：毛淑德、金耀初、闫浈、陈冲

问：我有两个问题：第一，现在医疗与AI的结合日益密切，如果一个AI模型发生了误诊，责任应该由在旁边监督的医生承担，还是开发这个AI模型的人承担？第二，现在有很多基于人类基因库开展的精准医疗，难免会涉及到AI对于“我”的基因的分析。如何面对AI分析基因所带来的伦理问题？

金耀初：这一波人工智能的发展非常快，使得它的应用深入到了几乎所有领域，包括健康医疗这一块。你提的这两个问题非常重要，都涉及到人工智能的风险与治理。

首先，如果AI模型发生了误诊该由谁承担责任，需要几方一起协调？原则上人工智能模型的开发者、使用者以及管理方都有责任，而关键在于如何尽量减少风险的发生。所以，在人工智能的研究及应用中，一方面需要研发新的技术减小人工智能的风险，尽量避免发生大的错误。另一方面，管理部门需要出台相应法规，规范人工智能技术的开发与使用。

与第二个问题相关的是如何保护数据隐私的问题。一方面，（开发医疗人工智能技术）希望能用到很多数据，这样开发出来的模型会更好；另一方面，很多数据含有敏感信息的，尤其像个人基因信息，如何来保护这些数据的隐私，确保既能克服数据孤岛问题，又能保护数据的隐私与安全。所以，人工智能治理也与法规有关，除了在人工智能模型的开发、使用方面外，还得有相应的法规来确定出了问题由谁负责。这是我的理解。

金耀初

问：我们目前看到的爆火AI有一个特点就是非具身人工智能，无论是生成文字、图像或是视频。但上世纪的科幻文学去想象未来的AI时，或许都会去想象一个机器人。目前爆火的这些AI里没有比较强的具身智能，不可否认，具身智能的发展在目前是弱于非具身人工智能发展的。产生这些差别的原因是什么？非具身人工智能的发展有哪些东西可以为具身智能的发展做一些借鉴？

金耀初：第三波人工智能非常火，从ChatGPT开始，到SORA，或是几年之前人工智能战胜韩国的六段围棋选手，所有这些事情都让人们感到非常震惊。目前大部分爆火的人工智能技术是生成式模型，如文字生成、图像生成、视频生成等。这些生成模型之所以大家觉得特别好，是因为像图像生成，像就行了；或是语言生成，只要符合人的表达习惯和逻辑就可以了。但还有很多人工智能的技术，比如另一类判别式模型，目前还没有生成式模型那么爆火。

问题是，大模型是不是未来人工智能唯一通向AGI（通用人工智能）的途径？我个人认为不是。首先，目前的离身大模型都是靠喂数据的，就像人只有一个孤立的大脑一样，拼命地进行填鸭式教育，到某个时候，数据（可能）都用完了，好的数据都没了。这时候，离身大模型就不再具备进一步学习的能力。同时，对于一些垂直领域，不像通用大模型一样，数据都是开源的；垂直领域用到的数据大都是私有数据，数据量也没有那么多。其次，我们人类之所以这么聪明，肯定不是纯粹靠填鸭式的学习知识而变得那么聪明的，而是要主动地跟世界，跟其他人进行主动的交互。具身智能具有跟世界交互的能力，所以是解决现在大模型困境的非常好的出路。

现在具身智能还没有那么爆火的原因是，它要解决的任务，如机器人操作、轨迹规划等，其难度远远高于纯粹的记忆任务。爆火的生成式模型是学了大量知识之后的一种记忆和模仿，是从一个序列到另外一个序列的联想。如果只要求教它（相对简单的）任务A，就让它完成任务A，具身智能也可以做到，但具身智能的最终目的是希望它要有很强的泛化能力，能完成新的、它没有学过的任务，这样就会变得更加困难。其中有很多原因：第一，用于具身智能的训练数据并不像网上的开源数据那样易于获得，而是需要从具体的场景中去收集数据，这就比较困难。第二，现在具身智能算法的泛化能力还没有完全解决，我实验室现在也在开展这方面的研究。

我个人认为，具身智能一定是人工智能未来的发展方向，特别是类脑的具身智能。目前的大模型如Transformer与人脑的工作机制还有很大的差别。我们希望，当智能系统有了感知、推理和行为能力之后，如果再将更多的大脑工作机制融入具身智能系统，它能够在不远的未来获得自主学习的能力，能更好地完成更复杂的任务以及不同的任务，它一定也能爆火起来。

问：我做到过一个题目，问GWAS（全基因组关联分析）有什么用？答案是可以探索外星生命。这在目前生物学与天文学的交叉领域有实际应用吗？真的是去看有没有外星生命，还是有更加切实一点的应用？

毛淑德：我刚才说西湖大学天文系的研究方向包括暗物质、暗能量以及极端天体物理，还有一个方向是系外行星与地外生命。我们最近招聘了一个系外行星和天体生物学的教授就是研究这个的，他从物理、天文、化学的角度来研究生命起源的可能性——例如，这么多的化学反应当中，为什么碳是最重要的？是否存在硅基生命？他从基本的天体物理和物理原则的角度出发去研究生命可能的出现。另外，天文学领域中，韦布望远镜也在积极搜寻生命迹象。最近有一个新闻，剑桥大学的一位教授在一个氢海洋的系外行星当中找到一种生命存在的迹象。

从天文生物学领域去研究生命，有一个好处就是可以加深我们对生命多样性的了解。比如刚开始人类只了解一个行星系统，就是太阳系，很多性质我们认为是普遍现象。后来，随着近 6000 多颗系外行星的发现，我们意识到几乎每一颗恒星周围都存在系外行星，并且很多的性质与太阳系不一样。所以有时候当你只有一个样本时，有些理论是钻到牛角尖上的。如果地外生命给我们研究提供一个统计样本，我们就更容易理解生命到底是怎么出现的。

另外在座的同学有没有想过：生命一定是地球上起源的吗？其实有些天文学家提出过一个概念，其实古希腊学者也意识到，生命有可能是在其他星球上先出现，然后传播到地球上的。这种假说完全是有可能的，所以天文学与生物学、化学、地理等学科的交叉研究具有深远意义。

天文生物学的突破需要新一代跨学科人才。像我这样的只懂天文的学者存在局限。从学生开始培养，同时掌握生物学与天文学“语言”的学生才是未来的希望。在座的同学若对生物、人工智能很感兴趣，也许你们可以尝试贯通这些领域，说不定是一个新的路子，以后是非常前沿的交叉学科。

毛淑德

问：物理学上有一个特别有名的“剃刀”概念，“奥卡姆剃刀”（如无必要，勿增实体）。暗物质和暗能量是没有被观测到的，是为了解释一些天文现象所提出来的，它们会不会像以太一样被证明是不正确的？

毛淑德：对以太的探索，发现是经典物理理论的错误，而以太是不存在的。暗物质、暗能量比以太证据要多，尤其是暗物质，不仅仅是一个证据，而是有很多方面的证据支持的。它从宇宙的大尺度结构、引力透镜、旋转曲线等不同的方面都被证明了，暗物质是存在的。目前最主流的模型是冷暗物质模型，但尚未探测到暗物质粒子，而且探测灵敏度已接近极限，因此其本质仍是未解之谜。

你提的问题很尖锐，直指问题的核心——确实有可能是目前的基础理论需要革新，有可能不存在暗物质，就像以太不存在一样。有时候人生是打赌，物理学在证据不足的情况下也有打赌的成分，比如暗物质是否存在。我个人觉得暗物质是存在的，其实绝大多数的物理学家也认为暗物质是存在的。但确实有一小部分的物理学家、天文学家认为暗物质是不存在的，他们认为是基本的理论出错了。所以有时候我们也开玩笑，打赌到底谁是正确的。我觉得暗物质存在的可能性很大，不太像以太。

问：刚才闫浈老师在讲座中提到，最后去看TOC-TIC的时候，为了保证实验不出现假阳性结果，先用Tagged-TIC去拉它，再用Tagged-TOC去拉它，实际它是一个膜蛋白。莱茵衣藻是比较复杂的表膜下纤毛系统的物种，还有叶绿体比较奇怪，是大型杯状，又是单细胞生物。在这种情况下，我们做一个原位（in situ）互作，是不是不够好？为何不拿出来作为一个FRET（荧光共振能量转移）或其他角度去看其互作，以防止膜上的细胞情况对最后共定位的影响？

闫浈：看来你对生物领域有比较深的了解，你知道这是个膜蛋白以及在这个细胞当中的叶绿体的特化形状。不过这个实验的目的是纯化出TOC-TIC超级复合物，再通过结构解析去揭示其组分和机理，两种tagging的策略是为了作为相互验证，从而排除tag的潜在影响，而不仅仅是探究TOC和TIC之间的互作。现在对于膜蛋白的研究已经相对成熟，我们会用一种detergent（去垢剂），可理解为洗衣粉一样具有两亲性质的分子。它可以代替生物膜去包裹膜蛋白的疏水区域，从而使得膜蛋白在水溶液中变成可溶状态，进而方便后续实验，膜蛋白的性质一般不会受到影响。

闫浈

最后，主持人替考生们向博导问了一个大家很想问的问题：你最想要什么样的学生？请给出画像。

闫浈：我之前听过一位老师说过一句话挺有道理的，他说，我们招生的时候并不看这个学生在其他地方学了什么“三脚猫功夫”，我们关注的点是他是否“骨骼清奇”。我们关注的是你是否有学习能力，而不是你是否掌握了某些知识，因为以后你都是可以继续学习的。

金耀初：我的实验室叫可信及通用人工智能实验室。实验室的logo有八个字，所以我也用这八个字寄语大家。第一是独立，第二是开放，第三是求真，第四是创新。首先是独立，我们要有独立思考、独立做事的能力；第二是开放，我们要持一种开放、包容的态度，不要只坚持自己的看法而不愿听取别人的意见；第三是求真精神；第四是创新的勇气，特别是做科研。

毛淑德：我跟其他老师也没有太多不同的意见，我比较喜欢“脸皮厚”、“不听话”、主动性强的学生。

陈冲：做科研是非常辛苦的工作，我更期望招到一位能静下心来去钻研某一个东西，遇到困难也不会轻易放弃的学生。这样只要你有耐心，有足够的毅力，我相信你能登上科研的顶峰。最后我也祝各位考生复试顺利，期待你们能加入西湖大学，可以一起工作。

陈冲