中国图象图形学学会青工委主办的“院士与青年学者面对面”活动于4月23日在湖南长沙成功举办。此次活动邀请了中国工程院院士、中国图象图形学学会（CSIG）理事长王耀南教授作为特邀嘉宾，对青年学者的发展进行面对面的指导。本次活动是中国图象图形学学会青工委新开展的一项活动，旨在为青年学者提供与顶尖科学家面对面交流的机会和平台。活动受到了广大青年学者的积极响应和参与，约40名青年学者报名参加了此次活动，青工委主任白翔、秘书长贾伟、常务副秘书长丛润民、副秘书长杨欣、许倩倩、元辉、朱磊、张鼎文、马超、胡鹏、杨鹏、沈为、赵才荣等，参加了此次活动。青工委副秘书长杨欣教授主持了会议。在与青年学者的面对面的交流活动中，王院士分享了自己多年来在图像图形学领域的研究成果和心得，向青年学者提出了宝贵的建议和指导。活动现场气氛热烈，各位参会者积极互动，获益匪浅。
Q1（征集问题）：青年学者如何成长为一个青年战略科学家?
王耀南院士：从科学研究的角度，青年科学家要有战略的、敏锐的眼光观察这个世界，第一是自然界的，第二是工程界的。自然界，就是我们从事科学研究主要是要发现自然客观规律；从事工程研究，我们要解决技术难题，特别一些卡脖子的难题。面向工程难，所以我们将科学与技术结合，就会不仅能发现自然规律，同时也能够提出这个自然规律里面的一些新的方法、技术手段来解决工程问题。这就是所谓的科学系统研究。
要做好青年战略科学家，第一步是要做好青年科学家。青年学者从大学里面学习了科学技术知识，在知识积累这个方面已经具备扎实的基础，大多拥有硕士和博士学位，他们最突出的特点就是已经完全具备独立思考、独立分析问题、独立从事研究工作的能力。其次，他们会独立地去学习，当面对技术不断更新时，他们也能够学习新技术，跟上这个时代的步伐。基于这两个特点，他们不仅掌握了学习方法，有了从事科学研究的技术，而且能够主动学习，具备消化和吸收各种新知识的能力。这就打好了要成为一个好的科学家的基础。
下一步“四个面向”——坚持面向世界科技前沿、坚持面向国民经济主战场、坚持面向国家重大需求、坚持面向人民生命健康。第一我们需要面向世界科技前沿。例如，如果你是从事医学前沿性研究，那么有很多前沿学科需要去探索，特别是医学成像，医学如何成像，以后如何精准地找准靶点，都是比较前沿的问题。再例如人工智能的发展到了今天，在人的认知能力中，感知它是最重要的，感知到的信息占到80%，那么目前很多在做的水下感知、水下探测，和空间探测有关联，和场景变化、极端物理环境变化有关联，这都是面向科技前沿的一些问题。
第二个我们可以做的方面，面向国家的重大需求，比如结合国家的重大工程，这里有很多青年科学家，可能他们不是高校和研究所的，有些可能就是大企业或者是大集团的，比如航天集团，比如科工集团，比如电子集团，还有比如我们电力集团，从事的科学研究面向国家的重大需求都比较多。简单地举一个例子，咱们的高铁已经投入使用了，但是高铁的安全运行非常需要机器视觉技术，包括红外、探测、成像，这些工程上的问题都是面向国家的重大需求。第三是面向国民经济主战场，机器视觉、图形图像，包括CT等医学影像，交通安全监控，都是需要我们去从事的面向国民经济主战场。智能制造中很多产品的质量分析，比如加工一个航空发动机的叶片，最重要的是测得到、测得准、测得精，这里面很多都是三维视觉测量和三维视觉成像，三维视觉重建技术。我们的青年科学家也可以从事这方面的研究。最后是面向人民生命健康，这也是和我们的研究联系十分紧密的。疫苗的研发、新药物的研发都需要高光谱探测技术，各种药物的成分的分析，药物成分的含量多少都可以应用光学光谱成像的光谱处理进行分析。另外现在正在做的基因筛查，还有生物医学图像等等都是面向人民生命健康所进行的技术研究。
每个青年才俊要贴合实际背景，深耕一个领域。在大模型网络架构流行的关口下，不是要比较中间重复性的处理技术，而是要突破，拔高自己的水平，做真正解决“四个面向”所涉及的真正落地的研究。深入到某一个领域，带着问题去做研究。模型架构好了，创新就在于前端和后端。前端创新，信息是如何产生、图像是怎么成像的；后端应用牵引，如何将机器学习图像处理的方法应用到实际场景中去。
科学研究，首先有需求问题导向牵引，目标任务明确以后，在完成目标的过程中，对碰到的具有挑战性的难题和科学问题要学会提炼。科学问题包括两个方面，一是面向科技前沿可以提炼科学问题，另一方面则是面向工程实际应用可以提炼技术挑战性问题。提炼出科学问题之后，就可以学习新的方法、新的技术来解决所提出的问题，最后经过实验测试和评估进行实际应用。
总结说来，第一步，成为一个青年科学家，以项目驱动，以科学问题驱动，以解决实际问题来立下我们的科研成果，解决我们的问题，最后取得成效。在对某个领域已经了解得比较深入，已经自己完成了科学研究项目的基础上，再努力成为一个青年战略科学家。最要紧的一点就是从基层的科研再上一个台阶，从原有的感性认识从事的科学研究，提炼出大的科学问题，找出有规律性的东西，提出更好的方法。其次，作为青年战略科学家，要提出在实践中解决问题的方向。战略科学家最重要的就是方向，研究方向非常重要，要能够具有预测未来的作用，要具备预测未来和掌握未来的研究方向，就要进行多学科交叉，学习其他学科，不能局限在技术专家的层面上。
成为青年科学家之后和其他学科交叉，同时善于归纳总结，发现问题，提炼问题，找出未来需要研究的东西，才能真正成为一个青年战略科学家。
Q2（北京邮电大学邓伟洪）：青年科学家如何平衡论文发表的压力和实际落地的需求?
王耀南院士：这个问题是中国青年战略科学家难出来的痛点，现在的青年学者工作负担比较重，面临着考核指标、论文、项目等多方面压力，在这种情况下，每个人需要自己把握好一个战略定力，对自己要有一个规划。
就国内现状而言，许多年轻人尤其是青年博士毕业之后参加工作，会有各种各样的“杂事”使其没办法静下来做研究，我的建议是在原有的基础上，先确定一个应用方向。我们首先要定位准，我们是在工科，工科要解决好论文和项目的问题。毕业之后成为老师，还是要以项目牵引，无论是小项目还是大项目——大项目就分解成一个个小任务，都要保持在一个领域中，盯准一个方向、一个应用领域，把原有的技术知识充分地发挥出来，然后再吸纳一些新技术，解决好当前的项目，发一些有代表性的、高质量的论文。
发表论文不必追求数量，要落脚在解决提出的问题。以做机器人为例，机器人图像问题很多，我确定方向是要将它应用到医疗机器人中，而医疗机器人在手术过程中会面临众多复杂的场景，比如肝胆的成像和脾脏的成像就截然不同，那么当下就专注于肝胆成像的问题。当成功处理一个问题，得到了好的效果，就可以进行论文写作，论文与科研便能够两者兼顾。与我的学生交流过程中，我认为最好是白天搞科研，晚上写论文或者星期六写论文。这样下来，不急不赶，做的就是一条线，既能够把实际问题的项目做好，也能通过做好的项目，有好的东西可以交流，写成论文。
发论文不是看论文、盯论文来发的，是真正地把自己的东西做好，达到了目标的效果再去发。我们发的论文常常是应用场景比较新的，其他人不太会用到这个新的场景中来，但是我们一直在其中做，就会一直在这个场景占主导地位。以我们做的药品质量检测机器人为例，我们首先只是做最简单可见光视觉检测机器人，完成了发到IEEE TIM期刊上，然后做到高光谱高速检测算法时，模型就稍微复杂一些，涉及建模和视觉三维成像，文章被IEEE TPAMI期刊录用。同时我们研发的药品检测机器人也得到了上市企业的实际应用。这种论文就不跟风，能够保持长期性。
Q3（武汉大学陈翠群）：如何应对博士后工作中的“内卷”带来的焦虑以及在这种情况下如何更好地规划长远的职业目标?
王耀南院士：现在国家发展快，年轻人都赶上了好时代，但是同样也面临了太多的诱惑，读博士后时，各种的计划申请扰乱你的节奏。我们这一代人就是计划少了，机会少了，所以就傻乎乎的每天搞实际的，搞完之后有成果，成果得到了社会应用，我们最多就是获得国家奖，得到三个国家奖了，就申请院士，就这样一条路，不像现在的诱惑太多。
面对这种情况，首先得做减法。只看一个目标，比如在博士后期间，就希望拿青年基金，在做的过程中尽力做好，把精力更多地花在努力的过程中，多出成果多积累，至少把自己打造得更坚强、鲁棒性更强，出来之后更抗打击。目光需要放长远一些，在博士后期间和合作老师一起把科学研究做好，哪怕能够完成一个小项目，从头到尾过一遍，这才是人生中最大的收获。其次，做完之后要进行总结。
要把80%的精力投入到从事科研上去，用20%看看外面的世界。
Q4（教育部电视与图像信息研究所刘安安）：所领导的教育部电视与图像信息研究所陷入举步维艰的困境应当如何应对？
王耀南院士：该研究所涉及的网络安全和舆论安全对于国家来说都是至关重要的，尽管面临困境，还是必须生存。接下来的发展我提出两个建议，首先，研究所需要掌握好两个技术。第一是媒体舆论的搜索引擎以及安全的这些算法，研究所要自己做。第二就是好的算法要将他实现成软件。要把这两个技术作为立所的基本功。在此基础上，研究所要与大的行业形成合作，比如公安部、网络、人民网等等，要将关键核心技术赋能给他们。
资金上，可能的两个来源——首先对于研究所，政府会有一定的扶植，进行项目引导。其次，前面所说的核心关键技术赋能其他行业。真正做国家社会需要的关键技术，科研人员不用有太大的压力。
Q5（华东师范大学王妍）：大算力、大数据、大模型为特点的人工智能环境下，国内的青年学者是应该跟跑，还是应该去发展一些具有中国特色的人工智能路线
王耀南院士：目前大家正处于这样的风口，chatGPT出现后，很多人有些浮躁。实际上，大模型、大算力、大算法做出来的东西都是普遍性的，没有太多的个性。比如提问者是从事医疗图像研究的，那就应该沉到一线去，到医院与医生进行交流学习。医疗医学影像，主要是要解决未来国家大量需要的医学影像识别问题，那么研究人员就要在需要的这个地方生根，做出自己的特色，研究出来的算法和医疗影像本身它是个性化的。与此同时，也不必排斥大模型、大算力，它可以启发你，在自己的研究中将它作为辅助工具来使用。
青年学者还是要努力做好自己的研究，未来的医学诊断、诊疗都是个性化的，目前的临床上都不是精准治疗，不同的人患了感冒都是同样地吃一把药，但实际上每个人的身体、体能、机能都不同，未来医疗是需要精准的把控与个性化的治疗方案。从普遍性到个性，保持好自己的战略定力，要坚定不移地走下去，把医学图像做好，同时不妨开放学习新技术，为自己的科学研究提供工具。
Q6（南京理工大学宫辰）：研究机器学习偏理论基础方向的学者该如何更好地展示研究成果？
王耀南院士：做基础理论研究的学者最重要的其实是把模型的算法要讲清楚。算法和模型是不一样的，模型一定是要强调输入和模型的关联和关系，算法是解决里面的问题，之所以会认为研究理论基础展示比较吃亏，是因为往往只是注重其中的最优算法问题而忽略了模型架构。
一个大的网络架构，从输入层、隐藏层到输出层，模型的每一层中，输入和输出是什么关系，都应该能够用数学模型表达出来。做电子的学者更多的是在做黑箱处理，做基础研究就有数学可解释性的优势。除了模型之外，反向传播中每一层推导的表示也要表达清楚，对于一个大模型，可能计算几百个误差值出来，反传到第二层，经过这一层的迭代优化，计算出一个结果，再计算下一层，将反向传播、迭代优化的过程也清楚地展示出来，才是真正的基础研究的成果展示。
Q7（西安电子科技大学谢卫莹）：高光谱遥感图像处理的未来发展趋势
王耀南院士：高光谱最早的研究是在遥感上，遥感在过去主要是通过光和谱融合在一起，其中谱的信息很关键。对于未来发展方向，高光谱有三维信息，空间信息是图像，每一个像素点有一个对应的谱，每一个谱就能够有一个身份。高光谱成像，如果没有成像好，同一个物质可能会有两种光谱出现，这就是所谓的“同物异谱”现象，反过来，同样的光谱可能有两个相对应的物质，这都是需要去解决的问题。
解决了现有的这两个问题，下一步那就要往前面走。我们这个学会的大部分学者都是做中间的这一块，但我们要做传感器，要搞应用场景，我们要往两头走。所以要做高光谱，就要真正往科学前沿去做，可以和医学、农业或者工业结合起来，向应用方向走。
如果长期一直在中间做处理，这些算法是永远做不完的，久了学者也不会有兴趣，最多只有一个成果——就是paper，我们这里的学者研究一辈子只有厚厚的一本论文集是一件很可悲的事情。要结合应用，把自己的成果赋能给人家。我反复强调，我们学会的老师一定要往应用走，向“四个面向”的方向走。
Q8（西北工业大学王聪）：在目前重视可解释可通用的下一代人工智能方法重大研究情况的环境下，工科研究者是否有些式微，应该如何保持工科的优势？
王耀南院士：其实我们国内的很多研究机器学习的研究都很盲目，没有太多的解释性，我们要让他做到可解释性，其实它的规律找得出来，用数学的模型是能够去解释，只是大家沉不下心来。
机器学习最核心的基础是深度学习，它的架构模型还是神经网络，大家都能找出它的一点规律，但是并没有真正地了解它里面的运行过程，就是计算和过程当中的变法，只能是从背完以后的输入到输出的结果，训练完以后只管这个模型用。基金委想做到的就是可解释性，人们如果掌握了这个规律，就可以发现模型的机构，能够知道要什么样的工作解决什么样的问题，什么样的架构模型又解决什么样的问题，而不是像现在，一味的数据驱动，给它更大的数据，靠资源消耗，这就是死记硬背。其次，解释清楚之后就能够做小样本的问题。
工科的人不是数学功底差，这里的问题是一个典型的工程数学问题而不是数论那种数学理论研究的问题，只是说我们沉不下来。慢慢推导，先计算3 层、5 层，再计算10层、8 层，一直往下，迭代一次又推导一次，迭代一次推导一次，最后找一点规律出来就可以找出它的可解释性。
Q9（天津大学刘婧）：针对“主流价值观内容传播和推荐”这类具有开创性的研究课题，应该如何指导学生展开研究？
王耀南院士：咱们工科是按部就班的学科，所提及的主流价值观的内容传播和推荐这个课题涉及的领域不一样。在电子信息工程学科学生的基础上，还是要找其他学科的结合起来形成学科交叉。这种开放性的课题，对于工科的学生来说，首先是目标不确定，其次作为涉及其他领域的有挑战性的问题，学科交叉能够带来好处。
