科学家说 | 李衍达：“别人做过的你不要做”

繁霜尽是心头血，洒向千峰秋叶丹。中国科协之声联合全国学会策划“科学家说”栏目，推出独家科学家自述，以第一视角分享科学家的成长经历和报国之路，共同感悟时代的科学家精神。本期我们跟随中国自动化学会，一起走近信号处理与智能控制科学家——李衍达。

人物简介

李衍达，信号处理与智能控制专家、中国科学院院士、清华大学教授、中国自动化学会会士、特聘顾问。曾任清华大学自动化系主任、清华大学信息科学技术学院院长，中国自动化学会第六、七、八届理事会副理事长等职，长期深耕信号处理理论、地震勘探数据处理、智能信息处理与生物信息学相关研究。

我现在脑子闲不下来，每天还在想问题。我随身带着一个笔记本，六年来断断续续记了不少东西——从古人的语录，到我对复杂系统的最新思考，都写在里面。

今年是中国自动化学会成立六十五周年。前几天，我还在学会的活动中和青年学者聊起仿生机器人和生物信息学的话题。

最近我尤其着迷的是一个问题：生物体的调控和机器的调控，底层逻辑是不是相通的？我越琢磨越觉得，信息调控才是事物运动背后的本质，至于载体是硅还是碳，是神经元还是芯片，那都是上层的东西。

这个念头一冒出来，我又忍不住把当年研究地震波、研究互联网、研究基因调控网络的经历在脑子里过了一遍——表面看是几个完全不搭界的领域，可我心里清楚，我从来就没换过赛道。

1978年清华大学赴美留学教师合影（后排右1：李衍达）

留美两年，彻底改变我的科研观

要说科研道路上的转折点，得先回到1978年。那一年，我有幸作为中国第一批赴美访问学者，前往麻省理工学院（MIT）进修。到了MIT，我被安排到奥本海姆（Alan V. Oppenheim）教授的信号处理实验室。

奥本海姆教授是数字信号处理领域的顶级专家，曾担任IEEE声学、语音与信号处理学会主席。可是对我来说，信号处理是一个完全陌生的领域——我之前搞的是电子技术和自动控制，信号处理等于要从头学起。

导师建议我先选两三门课打打基础，可我觉得，好不容易到了世界顶尖学府，光听课太亏了。我下决心要直接参与最前沿的研究。一年多的时间里，我靠自学啃下了这门学科。奥本海姆实验室最核心的工作，是利用信号中的相位来研究信息问题。我反复琢磨，终于找到了一种方法——利用相位信号来估计地震波的时延，这在当时是一个关键突破。奥本海姆教授非常肯定我的工作，还鼓励我去美国最大的测井研究中心作报告。

20世纪70年代末，李衍达与林家翘（C.C. Lin）先生在麻省理工学院

这段经历带给我的，远不止一个学术成果。它彻底改变了我的科研心态。以前我们总以为国外做什么我们就跟着做什么，能跟上步伐就不错了。到了美国我才发现，中国人完全可以在科研上做出开创性的工作。临回国时，我去请教清华老学长林家翘先生，问他对我有什么忠告。他只说了一句话：“别人做过的你不要做。”这句话影响了我一辈子——一流的科学家做的必须是开创性的工作，不是跟在别人后面修修补补。

回国后，抓住国家急需的方向

1981年回国，我首先把在MIT学到的信号处理理论与国家急需的石油勘探结合起来。我和石油工业部共同成立了石油物理研究所，开展地震勘探信号处理的研究。

我提出利用相位重构技术估计时延的新方法，还把测井信号和地震勘探信号结合起来——测井分辨率高且具有岩性信息但覆盖范围小，地震覆盖范围大但分辨率低，两者互补之后，勘探的命中率大大提高。这套方法在油田中应用效果较好。

到了90年代初，互联网开始兴起，国外叫“信息高速公路”。我敏锐地意识到这会改变世界，很快组建了小组做互联网信息处理。有人问我，你怎么老换方向？从电子技术到信号处理，从地震勘探到互联网，跨度这么大。我说这些在我看来其实都一样——因为我抓住的是信息调控这个本质。无论是地震波、网络数据还是生物信号，背后的信息处理原理是相通的。正是这种认知，让我后来能够又一次完成大的跨越。

1992年左右，李衍达带领博士生张学工、罗晖到胜利油田物探公司开展合作研究，讲解地震勘探信号的智能处理

跨进生物信息学：两届学生都吓跑了

90年代中后期，人类基因组计划即将完成的消息引起了我的注意。大量基因数据产生了，关键问题是怎么解读——从DNA序列中挖掘出与人类健康相关的信息。我立刻意识到，这对搞信息处理的人来说是一个巨大的机会。

但跨学科真不容易。我先动员我的研究生转向生物信息学，第一届学生去听了生物学和遗传学的课，回来就说太难了，放弃了。第二届同样没人愿意做。两届都失败了。但我没有放弃，第三届终于有一个叫卢欣的学生做进去了，研究成果发表在了很好的期刊上，这才把我们这个方向打开了局面。

2007年，李衍达作关于生物信息学发展挑战的报告

我们做的生物信息学，不是简单地给生物学家做个数据库或比对工具。我的想法更深一层：DNA如何变成一个活的生物体？这个过程就是解读生命本质的关键。如果能把这个问题搞清楚，人类健康和疾病的许多问题就迎刃而解了。

我很快意识到，生物体的调控过程和我们熟悉的信息反馈控制，本质上是一样的。维纳在《控制论》的副标题就写了“动物和机器中的控制与通信”。生物调控是个复杂的网络——DNA、RNA、蛋白质互相调控，所有细胞之间都有通信。怎样把这个调控网络变成可计算、可分析、可预测的模型，是我们面临的核心挑战。

有意思的是，在研究生物调控时我发现，生物用的调控手段和我们搞自动控制的人熟悉的很不一样。机器控制往往是脉冲控制，输入一个脉冲，输出一个脉冲，或者输入一个电位，输出一个电位。但生物呢？它是浓度控制——输进去一个浓度，出来还是一个浓度。浓度控制有个好处，中间少了几个分子、多了几个分子没关系，而且可以多种浓度混合起来，参与调控的分量特别多。这就解释了为什么生物调控比机器控制要灵活得多。原理虽然一样，表现形式不同。这个发现对我启发很大，也让我现在琢磨仿生学时有了新的视角。

从根本规律看机器与生命

最近我在笔记本上反复推敲一个结论：如果机器和生物的调控规律在本质上一致，那么机器通过“进化”也可以发展出某种智能。从根本规律上看，人和机器没有区别——不是上层载体没区别，而是底层原理、机制、机理是一致的。如果这个成立，那就会带来很多问题。最根本的一个：人工智能会不会危害人类？答案是可能的，因为机器可以像生物一样在信息调控的层面上不断“进化”。这就是当前争论的核心。

可我觉得，正因为我们搞清楚了信息调控是本质，我们反而有办法去引导、去规范。信息处理的过程是生物过程的本质，物质载体倒不是本质——是信息的流动和调控决定了生物的特性。所以，抓住信息的调控，就是抓住了生命的内在问题。我最近和自动化所的青年学者王建聊到这个，他做仿生机器人，我建议他不要只模仿外形和动作，要从生物的控制器入手，研究它内部的调控机理，这样仿生才能做到点子上。

研究生首先要研究人生

我在清华教了六十年书，对育人有一个始终坚持的说法：研究生首先要研究人生，然后才是研究学问。

一个人的品格决定了人生的道路。我跟学生们讲，你们要学知识，更要学学识；要学前人的经验，更要学习前人的品格和志向。要有理想，要有远大的目标，还要有为实现目标不懈奋斗的韧劲。失败是常有的事，可我对失败的态度跟别人不一样——别人沮丧，我却觉得换个方向、换个办法再试就是了。我的笔记本第一页写的，是怀念一位同事陈星弼院士。他历经坎坷又很倔强，我和他惺惺相惜。我想用他的故事告诉大家，做研究不怕失败，坚持下去才能成功。

对现在的青年学者，我最想叮嘱两点：第一，保持好奇心。好奇心才是科学发展的根本动力。第二，要有韧劲，选定方向就不怕困难。我今天还能保持思考的状态，靠的就是这两样东西。

与自动化学会同行六十五年

今年是中国自动化学会成立六十五周年。这个学会有光荣的历史，钱学森先生、钟士模先生等老一辈科学家创立了它，推动了我国航天事业、工业装备自动化的发展，也推动了人工智能和信息处理的发展。连我从事的生物信息学，实际上也是从自动控制发展出来的——用控制调控原理来解释生命过程，这不就是生物信息学的内涵吗？

科技发展越来越快，人工智能与生物的结合正把我们带入一个全新的阶段。从健康医疗到社会生活，方方面面都在被深刻改变。我们要迎接这个变化，敢于在变革中开创新路。我最近还在想，浓度控制和脉冲控制能不能融合起来，为新一代智能系统提供新的架构？这个想法还不成熟，但我会继续想下去，也希望能和年轻人一起探讨。

归根到底，科研的本质是创新。从五十多年前我在MIT建立自信，到后来一次次跨领域尝试，再到今天思考机器与生命的共通规律——我始终没有离开这个核心。“别人做过的你不要做”，这句话我记了一辈子，也实践了一辈子。

（本文根据李衍达院士口述整理，并参考了相关公开报道）

来源：中国科协之声微信公众号