第179章 答辯（一）
第179章 答辯（一）
答辯當日，學校的一間大型會議室里，一般都是給院長們開會的時候用的，這次為了周昀的博士答辯，早早就空了出來。
幾位受邀前來的頂尖學者陸續抵達，被鄧永華恭敬地引入這間會議室稍作休息。
陳國棟院士依舊是那副不苟言笑的模樣，坐下後便從公文包里拿出了列印好的論文稿，上面已然布滿了密密麻麻的批註。
他簡單與鄧永華和老院士寒暄了幾句，目光便再次落回論文上，手指無意識地輕敲著桌面，仿佛在腦中預演著待會兒的提問。
不多時，吳立民教授也到了，他倒是笑容可掬，與老院士和鄧永華熱情地打著招呼，眼神自然地落到了周昀身上，為了答辯，周的特地搞了一件西裝，平時他都不穿這些，主要是穿著不舒服，他沒有尋常學生面臨重大場合時的緊張不安，只是平靜地看著窗外，直到感受到目光，才轉過身，禮貌地向各位老師點頭致意。
最後到場的是吳思源院士，他的到來讓在場的幾位理論計算機學者都有些意外，吳思源院士精神矍鑠，與老院士顯然是舊識，兩人握手寒暄了幾句，他的目光隨即帶著濃厚的好奇投向了周昀。
「老夥計，你這位徒孫，可是把我計算神經科學領域的一些猜想，用工程化的手段給實現了，我今天可是帶著一大堆問題來的。」吳思源笑著對老院士說道。
老院士呵呵一笑：「儘管問，年輕人就是需要磨礪。」
時間一到，眾人移步至隔壁布置好的答辯會場，橢圓形的長桌一側，坐著由陳國棟院士、吳立民教授、吳思源院士以及本校另外兩位資深教授組成的答辯委員會，鄧永華和老院士則坐在旁聽席首位，除此之外，還有學院的各位老師們。
周昀獨自坐在另一側，面前放著筆記本電腦和簡單的講稿。
「尊敬的各位答辯委員會老師，各位老師，上午好。我的博士論文題目是《NDN的輕量化與可擴展性研究》。」
他身後的投影屏上亮起了論文的標題頁。
「NDN架構，以其仿生特性和在複雜任務中展現出的動態結構演化能力、卓越適應性以及組合泛化潛力，自提出以來，引起了學術界和工業界的廣泛關注。」周昀語速不快「然而，一個優秀的架構，其價值不僅在於理論的先進性，更在於其能否被廣泛理解、便捷使用，並最終形成一個繁榮的生態，目前的NDN，正面臨著推廣和落地的三大挑戰。」
他切換幻燈片，屏幕上列出了三個清晰的要點：「第一，理論門檻高。其核心的動態生長與知識沉積機制，涉及複雜的數學基礎和計算理論，對研究者構成了較高的認知負荷。」
「第二，實現依賴強。目前高效的NDN實現，嚴重依賴Aetos平台，這無形中設立了極高的硬體和平台門檻，限制了其普及範圍。」
「第三，也是我認為最關鍵的一點，生態工具鏈的缺失。我缺乏易於上手的訓練框架、缺乏直觀的調試與分析工具、也缺乏能夠降低啟動成本的預訓練模型。這導致研究和應用NDN的成本極其高昂，阻礙了社區的形成和創新活力的進發。」
周昀停頓了一下，然後繼續說道：「因此，我的研究工作，核心目標並非對NDN架構本身進行根本性的理論革新，因為我認為它的理論基礎已經足夠堅實。我的目標，是將其的使用門檻降低，鋪一條讓更多研究者能夠輕鬆踏上NDN研究之路的道路，搭一座連接NDN先進理念與廣泛工程實踐之間的橋樑，具體體現在四個主要的成果上。」
他操作電腦，屏幕上出現了第一個核心成果的圖示。
「第一個成果，是輕量級NDN核心庫——Lite—NDNCore。」圖示上展示了模塊化的設計理念和簡潔的API接口。
「我的目標是，將複雜的動態生長過程，封裝成一系列直觀的生長策略」模塊，比如，基於梯度的局部生長」、基於注意力的全局連接」等。」
周的調出了一段簡短的代碼示例：「研究者現在無需深入理解底層所有的數學細節，只需通過幾行像這樣的代碼，配置參數，選擇或組合策略模塊，就能快速搭建起一個可用的NDN實驗模型......」
介紹完核心庫，他切換到下一個成果。
「第二個成果，旨在打破平台的枷鎖。我設計並實現了NDN虛擬中間表示編譯器NDN—VIRBeta版。」屏幕上展示了將動態NDN計算圖編譯成標準框架靜態計算圖序列的流程。
「它的作用，類似於一個翻譯官」。它將NDN獨特的計算圖，翻譯成PyTorch、TensorFlow等主流框架能夠識別和執行的靜態計算圖序列..
「」
周昀坦誠地說道，「但它成功地證明了，NDN已經可以脫離特定平台運行。這為NDN進入更廣闊的軟硬體生態，邁出了關鍵的第一步。」
台下，陳國棟院士看著VIR的編譯流程圖，微微頷首。
緊接著，周的展示了第三個成果，「理解與調試動態模型一直是個難題。為此，我開發了NDN—Vis可視化工具。」
「最後，」周昀切換到最後一組成果，「為了推動公平比較和降低啟動成本，我構建了NDN—Bench標準化評測套件，並發布了首批預訓練種子」模型。」
「NDN—Bench提供了自動化的評測腳本，確保不同NDN變體能在同一標準下進行比較......
」
將自己的成果介紹完了之後，他微微鞠躬：「我的介紹到此結束，謝謝各位老師，請各位老師提問。」
在他微微鞠躬後，會場內出現了短暫的寂靜，但是沒過多久坐在答辯委員會主席位置的陳國棟院士率先拿起了話筒，他面前攤開的論文稿上，密密麻麻的批註，讓一旁的鄧永華看了都呼吸一滯。
「周昀，你在論文第三章提出了NDN—VIR的形式化模型，用動態圖序列的有限狀態自動機來近似模擬NDN理論上無限的生長潛力。這是一個巧妙的工程折中。但我的問題是，」
他略微停頓，看向周昀：「你如何從理論上嚴格證明，或者至少界定，這種近似在任意符合你定義規則的生長策略下，其信息損失的上界？
更具體地說，在什麼必要條件下，你的VIR編譯過程不會從根本上扭曲NDN架構原本希望表達的動態語義，從而保證編譯後模型的有效性？」
問題極其尖銳，這正是陳院士的風格—不問你做成了什麼，先問你憑什麼能做成，以及可能在哪裡會失敗。
周昀雖然之前沒預料到這個問題，不過他也並不慌亂，他操作電腦，迅速調出了一頁之前展示時略過的附錄圖表，上面布滿了複雜的數學符號和收斂曲線。
「陳院士，您的問題非常深刻，首先，我必須承認，絕對的無損編譯在理論上是不可能的，因為動態圖的無限可能性本身就無法被有限的靜態序列完全捕獲。因此，我的證明思路並非追求完美，而是追求有界且可控的近似」。」
他指向圖表上的關鍵曲線和公式：「我引入了兩個核心的度量指標：生長穩定性」和語義連續性」。
通過理論分析，我發現，當NDN所採用的生長策略滿足局部Lipschitz連續」的溫和條件，並且生長步長被約束在一個合理的範圍內時，VIR編譯所帶來的語義漂移是可控的，我證明了，其誤差上界與生長步長及網絡當前複雜度呈多項式關係，而非可能導致災難性後果的指數級爆炸。」
他進一步操作，調出了數據界面：「具體的證明過程，論文附錄A有詳細闡述。
更重要的是，我通過在NDN—Bench上對十七種具有代表性的生長策略進行大規模實驗驗證，數據表明，在實際應用中，這種理論上的誤差上界是寬鬆的，絕大多數合規策略下的語義損失遠低於可感知的閾值。本質上，我是用工程實踐中的可控誤差」，換取了理論上的不可計算性」，這對於推動NDN的實際應用和生態發展，是一個必要且可行的妥協。」
陳國棟院士凝神看著屏幕上的數據和公式，手指在論文的批註上輕輕滑動，片刻後，他抬起眼，看著周昀，緩緩點了點頭，沒有再追問，只是在筆記本上記錄了什麼，第一個問題就算是過去了。
緊接著，吳立民教授提問，他臉上帶著慣有的笑容，問題卻同樣綿里藏針：「周昀，你的工作非常出色，尤其是Lite—NDNCore，將複雜性封裝得很好，極大地降低了使用門檻。
但我想問一個關於代價或者說潛在風險的問題。你將NDN降維」了，讓它變得更友好」的同時，是否也在某種程度上，限制了它最核心的動態演化能力？你提供的這些便捷模塊和預設策略，會不會像一副腳手架」，雖然幫助初學者快速上手，但也無形中框定了他們的思維，讓他們只在你的框架內打轉，從而可能錯過了NDN架構本身所蘊含的、更具顛覆性和想像力的生長模式？」
作為計算機領域的專家，NDN他肯定是研究過的，所以自然也有著自己的理解。
周昀認真聽完，略微思考了幾秒，「吳教授，您指出的風險確實存在，任何形式的抽象和封裝，都必然伴隨著一部分靈活性的損失。這是工程化不可避免的代價。」
但他話鋒隨即一轉，充滿了自信：「然而，我在設計Lite—NDNCore之初，就意識到了這一點，我的核心理念是提供基礎構建塊，而非設定不可逾越的邊界」。」他切換演示界面，展示了核心庫底層高度模塊化和可擴展的接口設計文檔。
「我所提供的生長策略」模塊，是作為示例和起點，而非唯一選擇，開發者完全可以基於我定義的一組核心原語和擴展接口，自定義任何他們能夠想像到的生長策略，無論其多麼激進或非常規，只要該策略能夠通過這些原語表達和實現。我的目標是降低入門和驗證想法的門檻，而不是封死探索的天花板。」
他看向吳立民教授，「事實上，我希望通過NDN—Bench評測體系和開源社區，鼓勵並吸引研究者們提出、實現並分享更多樣、更顛覆性的生長策略，我提供的，是樂高積木的標準接口和基礎顆粒，至於最終搭建出城堡、飛船還是完全超乎想像的東西，完全取決於使用者的創造力。」
吳立民教授臉上的笑容更深了，眼中閃過一絲讚賞：「哦？自定義策略開放的底層接口我明白了。
看來我的擔心是多餘的，你這套東西，更像是一個開放的遊樂場」規則，很好！」
隨後，吳思源院士拿起了話筒，他的問題角度截然不同，「周昀，我從計算神經科學的角度來看，你的NDN架構在生長」和沉積」的抽象上，與我大腦神經發育過程中的突觸發生、修剪以及經驗依賴的可塑性，有著非常有趣的形似性，我的問題是，在你目前構建的模型和大量的實驗與觀察中，是否發現了一些與生物神經網絡發育過程中類似的、具有一定普適性的規律」或原則」？
比如，是否存在某種在多種任務下都表現優異的最優生長曲線」？或者，反過來，你的模型及其演化過程，能否為我理解大腦發育的某些核心原則，提供新的計算視角或可驗證的假設？」
這個問題瞬間將答辯的視野從計算機領域拉到了交叉學科的前沿。
周昀組織了一下語言，「吳院士，感謝您從生命科學的角度提出這個深刻的問題，首先，我必須強調，目前階段，NDN與生物神經網絡的形似」遠多於神似」，我確實觀察到了一些有趣的現象，例如，在多個持續學習任務中，最終表現更魯棒、泛化能力更強的模型，其生長曲線往往遵循一個先快速探索、後緩慢優化、最終趨於相對穩定的模式，這與生物大腦在發育早期突觸大量形成後期基於經驗進行修剪優化的宏觀特徵，有表面上的相似性。
答辯當日，學校的一間大型會議室里，一般都是給院長們開會的時候用的，這次為了周昀的博士答辯，早早就空了出來。
幾位受邀前來的頂尖學者陸續抵達，被鄧永華恭敬地引入這間會議室稍作休息。
陳國棟院士依舊是那副不苟言笑的模樣，坐下後便從公文包里拿出了列印好的論文稿，上面已然布滿了密密麻麻的批註。
他簡單與鄧永華和老院士寒暄了幾句，目光便再次落回論文上，手指無意識地輕敲著桌面，仿佛在腦中預演著待會兒的提問。
不多時，吳立民教授也到了，他倒是笑容可掬，與老院士和鄧永華熱情地打著招呼，眼神自然地落到了周昀身上，為了答辯，周的特地搞了一件西裝，平時他都不穿這些，主要是穿著不舒服，他沒有尋常學生面臨重大場合時的緊張不安，只是平靜地看著窗外，直到感受到目光，才轉過身，禮貌地向各位老師點頭致意。
最後到場的是吳思源院士，他的到來讓在場的幾位理論計算機學者都有些意外，吳思源院士精神矍鑠，與老院士顯然是舊識，兩人握手寒暄了幾句，他的目光隨即帶著濃厚的好奇投向了周昀。
「老夥計，你這位徒孫，可是把我計算神經科學領域的一些猜想，用工程化的手段給實現了，我今天可是帶著一大堆問題來的。」吳思源笑著對老院士說道。
老院士呵呵一笑：「儘管問，年輕人就是需要磨礪。」
時間一到，眾人移步至隔壁布置好的答辯會場，橢圓形的長桌一側，坐著由陳國棟院士、吳立民教授、吳思源院士以及本校另外兩位資深教授組成的答辯委員會，鄧永華和老院士則坐在旁聽席首位，除此之外，還有學院的各位老師們。
周昀獨自坐在另一側，面前放著筆記本電腦和簡單的講稿。
「尊敬的各位答辯委員會老師，各位老師，上午好。我的博士論文題目是《NDN的輕量化與可擴展性研究》。」
他身後的投影屏上亮起了論文的標題頁。
「NDN架構，以其仿生特性和在複雜任務中展現出的動態結構演化能力、卓越適應性以及組合泛化潛力，自提出以來，引起了學術界和工業界的廣泛關注。」周昀語速不快「然而，一個優秀的架構，其價值不僅在於理論的先進性，更在於其能否被廣泛理解、便捷使用，並最終形成一個繁榮的生態，目前的NDN，正面臨著推廣和落地的三大挑戰。」
他切換幻燈片，屏幕上列出了三個清晰的要點：「第一，理論門檻高。其核心的動態生長與知識沉積機制，涉及複雜的數學基礎和計算理論，對研究者構成了較高的認知負荷。」
「第二，實現依賴強。目前高效的NDN實現，嚴重依賴Aetos平台，這無形中設立了極高的硬體和平台門檻，限制了其普及範圍。」
「第三，也是我認為最關鍵的一點，生態工具鏈的缺失。我缺乏易於上手的訓練框架、缺乏直觀的調試與分析工具、也缺乏能夠降低啟動成本的預訓練模型。這導致研究和應用NDN的成本極其高昂，阻礙了社區的形成和創新活力的進發。」
周昀停頓了一下，然後繼續說道：「因此，我的研究工作，核心目標並非對NDN架構本身進行根本性的理論革新，因為我認為它的理論基礎已經足夠堅實。我的目標，是將其的使用門檻降低，鋪一條讓更多研究者能夠輕鬆踏上NDN研究之路的道路，搭一座連接NDN先進理念與廣泛工程實踐之間的橋樑，具體體現在四個主要的成果上。」
他操作電腦，屏幕上出現了第一個核心成果的圖示。
「第一個成果，是輕量級NDN核心庫——Lite—NDNCore。」圖示上展示了模塊化的設計理念和簡潔的API接口。
「我的目標是，將複雜的動態生長過程，封裝成一系列直觀的生長策略」模塊，比如，基於梯度的局部生長」、基於注意力的全局連接」等。」
周的調出了一段簡短的代碼示例：「研究者現在無需深入理解底層所有的數學細節，只需通過幾行像這樣的代碼，配置參數，選擇或組合策略模塊，就能快速搭建起一個可用的NDN實驗模型......」
介紹完核心庫，他切換到下一個成果。
「第二個成果，旨在打破平台的枷鎖。我設計並實現了NDN虛擬中間表示編譯器NDN—VIRBeta版。」屏幕上展示了將動態NDN計算圖編譯成標準框架靜態計算圖序列的流程。
「它的作用，類似於一個翻譯官」。它將NDN獨特的計算圖，翻譯成PyTorch、TensorFlow等主流框架能夠識別和執行的靜態計算圖序列..
「」
周昀坦誠地說道，「但它成功地證明了，NDN已經可以脫離特定平台運行。這為NDN進入更廣闊的軟硬體生態，邁出了關鍵的第一步。」
台下，陳國棟院士看著VIR的編譯流程圖，微微頷首。
緊接著，周的展示了第三個成果，「理解與調試動態模型一直是個難題。為此，我開發了NDN—Vis可視化工具。」
「最後，」周昀切換到最後一組成果，「為了推動公平比較和降低啟動成本，我構建了NDN—Bench標準化評測套件，並發布了首批預訓練種子」模型。」
「NDN—Bench提供了自動化的評測腳本，確保不同NDN變體能在同一標準下進行比較......
」
將自己的成果介紹完了之後，他微微鞠躬：「我的介紹到此結束，謝謝各位老師，請各位老師提問。」
在他微微鞠躬後，會場內出現了短暫的寂靜，但是沒過多久坐在答辯委員會主席位置的陳國棟院士率先拿起了話筒，他面前攤開的論文稿上，密密麻麻的批註，讓一旁的鄧永華看了都呼吸一滯。
「周昀，你在論文第三章提出了NDN—VIR的形式化模型，用動態圖序列的有限狀態自動機來近似模擬NDN理論上無限的生長潛力。這是一個巧妙的工程折中。但我的問題是，」
他略微停頓，看向周昀：「你如何從理論上嚴格證明，或者至少界定，這種近似在任意符合你定義規則的生長策略下，其信息損失的上界？
更具體地說，在什麼必要條件下，你的VIR編譯過程不會從根本上扭曲NDN架構原本希望表達的動態語義，從而保證編譯後模型的有效性？」
問題極其尖銳，這正是陳院士的風格—不問你做成了什麼，先問你憑什麼能做成，以及可能在哪裡會失敗。
周昀雖然之前沒預料到這個問題，不過他也並不慌亂，他操作電腦，迅速調出了一頁之前展示時略過的附錄圖表，上面布滿了複雜的數學符號和收斂曲線。
「陳院士，您的問題非常深刻，首先，我必須承認，絕對的無損編譯在理論上是不可能的，因為動態圖的無限可能性本身就無法被有限的靜態序列完全捕獲。因此，我的證明思路並非追求完美，而是追求有界且可控的近似」。」
他指向圖表上的關鍵曲線和公式：「我引入了兩個核心的度量指標：生長穩定性」和語義連續性」。
通過理論分析，我發現，當NDN所採用的生長策略滿足局部Lipschitz連續」的溫和條件，並且生長步長被約束在一個合理的範圍內時，VIR編譯所帶來的語義漂移是可控的，我證明了，其誤差上界與生長步長及網絡當前複雜度呈多項式關係，而非可能導致災難性後果的指數級爆炸。」
他進一步操作，調出了數據界面：「具體的證明過程，論文附錄A有詳細闡述。
更重要的是，我通過在NDN—Bench上對十七種具有代表性的生長策略進行大規模實驗驗證，數據表明，在實際應用中，這種理論上的誤差上界是寬鬆的，絕大多數合規策略下的語義損失遠低於可感知的閾值。本質上，我是用工程實踐中的可控誤差」，換取了理論上的不可計算性」，這對於推動NDN的實際應用和生態發展，是一個必要且可行的妥協。」
陳國棟院士凝神看著屏幕上的數據和公式，手指在論文的批註上輕輕滑動，片刻後，他抬起眼，看著周昀，緩緩點了點頭，沒有再追問，只是在筆記本上記錄了什麼，第一個問題就算是過去了。
緊接著，吳立民教授提問，他臉上帶著慣有的笑容，問題卻同樣綿里藏針：「周昀，你的工作非常出色，尤其是Lite—NDNCore，將複雜性封裝得很好，極大地降低了使用門檻。
但我想問一個關於代價或者說潛在風險的問題。你將NDN降維」了，讓它變得更友好」的同時，是否也在某種程度上，限制了它最核心的動態演化能力？你提供的這些便捷模塊和預設策略，會不會像一副腳手架」，雖然幫助初學者快速上手，但也無形中框定了他們的思維，讓他們只在你的框架內打轉，從而可能錯過了NDN架構本身所蘊含的、更具顛覆性和想像力的生長模式？」
作為計算機領域的專家，NDN他肯定是研究過的，所以自然也有著自己的理解。
周昀認真聽完，略微思考了幾秒，「吳教授，您指出的風險確實存在，任何形式的抽象和封裝，都必然伴隨著一部分靈活性的損失。這是工程化不可避免的代價。」
但他話鋒隨即一轉，充滿了自信：「然而，我在設計Lite—NDNCore之初，就意識到了這一點，我的核心理念是提供基礎構建塊，而非設定不可逾越的邊界」。」他切換演示界面，展示了核心庫底層高度模塊化和可擴展的接口設計文檔。
「我所提供的生長策略」模塊，是作為示例和起點，而非唯一選擇，開發者完全可以基於我定義的一組核心原語和擴展接口，自定義任何他們能夠想像到的生長策略，無論其多麼激進或非常規，只要該策略能夠通過這些原語表達和實現。我的目標是降低入門和驗證想法的門檻，而不是封死探索的天花板。」
他看向吳立民教授，「事實上，我希望通過NDN—Bench評測體系和開源社區，鼓勵並吸引研究者們提出、實現並分享更多樣、更顛覆性的生長策略，我提供的，是樂高積木的標準接口和基礎顆粒，至於最終搭建出城堡、飛船還是完全超乎想像的東西，完全取決於使用者的創造力。」
吳立民教授臉上的笑容更深了，眼中閃過一絲讚賞：「哦？自定義策略開放的底層接口我明白了。
看來我的擔心是多餘的，你這套東西，更像是一個開放的遊樂場」規則，很好！」
隨後，吳思源院士拿起了話筒，他的問題角度截然不同，「周昀，我從計算神經科學的角度來看，你的NDN架構在生長」和沉積」的抽象上，與我大腦神經發育過程中的突觸發生、修剪以及經驗依賴的可塑性，有著非常有趣的形似性，我的問題是，在你目前構建的模型和大量的實驗與觀察中，是否發現了一些與生物神經網絡發育過程中類似的、具有一定普適性的規律」或原則」？
比如，是否存在某種在多種任務下都表現優異的最優生長曲線」？或者，反過來，你的模型及其演化過程，能否為我理解大腦發育的某些核心原則，提供新的計算視角或可驗證的假設？」
這個問題瞬間將答辯的視野從計算機領域拉到了交叉學科的前沿。
周昀組織了一下語言，「吳院士，感謝您從生命科學的角度提出這個深刻的問題，首先，我必須強調，目前階段，NDN與生物神經網絡的形似」遠多於神似」，我確實觀察到了一些有趣的現象，例如，在多個持續學習任務中，最終表現更魯棒、泛化能力更強的模型，其生長曲線往往遵循一個先快速探索、後緩慢優化、最終趨於相對穩定的模式，這與生物大腦在發育早期突觸大量形成後期基於經驗進行修剪優化的宏觀特徵，有表面上的相似性。