令人震撼!!陈琳关于学术发展趋势的精彩演讲
（根据录音整理，未经本人审阅）
谢谢各位光临今天的讲座。首先我想恭喜各位，尤其是各位年轻的学生。我今天要讲的内容可能会对你的未来，（无论你将来做不作学术），会对你的未来产生影响。一个演讲改变了一个年轻人未来的生活和事业轨迹，这在历史上一直是有先例的。
很多年前，有一个叫沈元的学者在福建福州的一所中学演讲时提到‘歌德巴赫猜想’，他的演讲影响一个中学生的未来，这个当时的中学生就是后来我们所熟知的数学家陈景润。我相信并希望各位同学能从我的今天的演讲中得到启发，重新调整未来的发展方向，把自己培养成为比陈景润更伟大的，对人类的科学文化作出更杰出贡献的学者。
现在你们可能很少听到有人象我这样讲话了，就是鼓励你们成为学者。现在外面的人到大学来演讲，大都是讲怎么创业致富，什么全球化, wto商机，奥运商机等等，或者预测经济发展未来，大谈楼市，股市走向等。 我不会讲这些内容，因为这些内容你们可以各种报纸杂志网站上看到。今天我要讲的内容没有在任何地方出现过，是我个人的一些心得，我讲的是人类学术发展的未来趋势。这个题目听起来很大，但它却是各位青年学生所应该关注的。因为未来其实并不遥远。
大家知道，人类的学术领域在第一级层次上大致可以分为文科和理科。工农医还有管理法律等是二级层次的，从一级衍生出来的。理科包括数学物理化学生物天文地质等。我们通常说的文科可以再分为人文科学和社会科学。人文科学包括艺术，哲学，历史，语言学等等， 而社会科学包括经济学，社会学，政治学，人类学，心理学，传媒学等等。
我讲的第一个论点是文科和理科的界限最近二三十年正在不断消失。大概可以这么讲，一门学科之所以是文科，是因为它还处在发展的初步阶段。随着学科的深入发展，必然会有数学进入，这样就变成理科。
比如经济学，一直到四五十年前，经济学都是所谓的文科，由文字表述的，基本上没有数学。马克思，亚当斯密，凯恩斯的著作基本上都是文字表述。1960年中期，有一个叫莫顿的年轻人从哥伦比亚大学应用数学专业毕业时，对经济学感兴趣，就申请了一批美国大学经济系读博士，除了麻省理工学院外，所有的学校都据了他，不是他不优秀，而是这些经济系的教授们不知道招一个数学硕士做什么。只有麻省理工独具慧眼，录取了莫顿.。大家可能知道这个莫顿, 在三十年后的1997年获得诺贝尔经济奖。今天，经济学已经高度理科化，现在没有相当的数学能力是没法读正经的经济学。我这里有一本经济理论杂志，里面的文章就像数学论文。还有这本是金融学杂志，也基本是复杂的数学表述。
我提请各位关注的是，不但经济金融是这样，几乎所有的人文科学和社会科学都朝这个方向发展，就是变得越来越数学化。不同的起步有早有晚。
我印象中经济金融心理学这多年来在中国也是同时作为文科和理科招生的。下面讲的是依然作为文科招生的学科，比如社会学，政治学，语言学，传媒学，历史学等。实际上，这些人文社会学科，在前面加上数学（mathematical），计算（computational）或者数量(quantitative)等定语，都是有意义的。比如数学语言学，数量史学, 数学社会学，数量政治学，数学人类学，数学心理学，等等，都是有意义的、目前正在国际上蓬勃发展的学科。
我们来看一些具体的例子，看我手头的一些杂志。这本是数学心理学杂志，这里还有一本是数学和统计心理学杂志。这是数学社会学杂志，在美国已经有几十年的历史。这是数学组织学杂志，组织学是社会学的一个分支，商学院里教这门课程，大的商学院还可能有组织行为系，组织学是企业管理的理论基础。这本是欧洲的杂志，叫数学社会科学，1980年创刊的，比社会学广泛，还包括经济学等。这是数学人类学和文化理论杂志，里面有大量的数学模拟文章，包括文化演化模型的模拟等。这是计算语言学杂志，里面的文章应用大量来自计算机科学和技术，相当复杂。这个杂志从1974年开始就有了。还有两个是相对发展比较晚的学科，数量史学和数量传媒学。这是关于数量史学的介绍，里面有讲到历史混沌理论的模拟，是复杂性理论的应用。这本是数量传媒学。
细心的同学可能会注意到我还没有谈到人文里面的一个重要部分，艺术。艺术也不例外。我就讲一下美术和绘画。美术是我最喜欢的话题。三十岁以前，我差不多每天都在画画。这幅画是俄罗斯画家列宾的杰作‘伏尔加和的纤夫’，我年幼时非常着迷这副油画。你很难想象这副画跟数学有什么。它不象经济金融那样，本来就有许多数据。这幅油画看上去没有任何数字，除非你在谈论它的长宽尺度。更看不出来它跟数学有什么联系。现在我把它在Matlab里读一下，你可以看到输出的是一个三维数字矩阵。这副画就是这个矩阵。矩阵里每个数字表示一个Pixl上的颜色的灰度，三层矩阵代表三原色。矩阵大家都熟悉的，你们在大一线性代数课程里都学过。 但是关于这张画或其它图像处理所涉及的数学远远比线性代数要广泛深入复杂的多。 这本书的书名叫，是一个法国学者写的，讲得是图像的处理。数字图像，也就是这个三维矩阵，它涉及的技术非常广泛深入。笼统地讲，图像处理应用到现代抽象几何学, 拓扑学，信号抽样理论、统计信号处理方法、小波变换理论、分形方法、偏微分方程、数学形态学、马尔可夫场理论、蒙特卡罗模拟等等。
学术界曾经把数量史学，数学社会学，数量语言学等称为交叉学科。我认为这种说法是不妥的，容易误导学生，交叉学科，顾名思义就是派生的，边缘的、非主流的，这种说法是不妥的。它们不是边缘的，而是正统的，是主流的，是学科发展到一定程度后的一种必然状态。可以相信，随着时间的推移，这些学科都会变得越来越数学化，越来越理科。理科和文科的传统界限将不复存在。就像我们现在不把数学经济或者数学金融叫做交叉学科一样， 我们也不能把数量社会学，数量政治学，计算组织学等有数学、计算、数量作定语的这些人文社会科学看成另类。
各位已经看到，数学已经或者正在渗透到人文社会科学和艺术的各个领域。我要讲的是，数学的进入不是目的，不是一种时髦，而是一个过程，是一个先进的方法论对这些传统学科渗透的过程。这个方法论，就是目前科学和工程中广泛使用的研究方法论。
简单地讲，这个方法论的基本意思是这样的。从观测到的实际现象数据出发，抽象出概念，提出假设，建立模型，建立数学关系或者方程，然后求解，接着把计算结果与观测数据比较，看看符合的怎么样，然后反馈回来，进一步修改有关假定和建立方程，再求解再比较。不断反馈不断完善，接近真理。这是研究方法论是人类在过去的几百年里在工程技术和自然科学中的成功的有效的研究模式。现在西方学术界有人在研究这种模式是否是唯一的。可能不是，他们认为星外文明可能有不同的研究模式去探索真理。 是什么模式？这不是我们今天要的讲的问题。我要说的，这个方法论已经越来越多的被传统的文科领域所采用，这就出现了学科越来越数学化的趋势。
前不久，有人问杨振宁，中国人未来可能在什么领域内获得诺贝尔奖，据说杨振宁回答说，会有人的数学奖。我想可能是转达有误，大家知道诺贝尔奖是没有数学奖的。我想杨振宁的意思是数学家可能得奖。大家知道去年诺贝尔经济奖得主就是两个数学家，从本科到博士一直在读数学。现在如果一个16岁的年轻人问你大学读什么专业好，我想最好的回答是数学。读了四年大学以后，20岁毕业再转任何专业都好办。这里说的是从事学术生涯。
我讲的第二个论点或者第二项事实是：人类的学术发展到今天，许多传统的关于学术能力和职业技能的观念已经或者正在被颠覆。
比如历史学。过去历史学家的重要技能之一是做索引分类，以便需要时能够迅速地从浩瀚的文献大海主提取相关的文献。现在看来这套技能可能过时了。历史学家研究某个问题，借助搜索引擎，比如google可以很快地找到许多相关的文献。根据这些文献就可以很快组织成具有特定历史视角的文章。以后历史学的研究可能不再走旁征博引，引经据典这条路了。博学强记也不再被认为是历史学家的优秀素质。这几千年历史研究的基本方法，现在过时了。以后的研究怎么做，这是一个问题？现在有西方学者用‘基于主体建模’的方法，这是一套很深奥的模拟技术，（对人文社会科学研究者来说），来研究历史问题，尤其人类的演化历史（ 应该属于人类学的研究范畴）。我前面提到的数量史学杂志里就有许多这样的文章。这是一条研究历史的新工具，新技能。
再比如说，外语翻译。几十年来，外语都是中国大学里的一个热门专业。但这个专业所学的笔译和口译等技能正在受到机器翻译的挑战。机器翻译软件（我指的是英汉互译）现在还很不完善，但是充满了希望。现在的机器翻译经常把整个句子搞错。但是译对的句子，还有许多短语，词组的翻译还是很地道的。许多机器翻译的结果，改一改，是不错的。学外语的学生，如果没有海外生活经验，有可能译不出那样地道的外语。可以相信，一、二十年后机器翻译软件，随着智能计算机的发展，会充分完善起来。那时候笔译和口译这两个职业的出路可能是个问题。可以预计，二、三十年后，外语，尤其是外语翻译不再是一个热门专业，甚至不再是一个大学的专业，当然外国文学和文学史专业还会有。
再比如说数学。同学们都上过微积分了吗？好。是不是曾经花很多时间手算微分积分？清华大学过去有个教授叫赵访熊。他的一件轶事曾经在学生中广泛流传，说的是他读微积分时，做了一万道微积分习题。他读书的那个三、四十年代，一直到二、三十年前的八、九十年代，手算微积分都是科学家和工程师的重要基本功之一。即时有了积分表，还是要靠手算做些变换。八十年代中后期出现了mathematica，maple等软件，可以算符号微积分。使得手算微积分的这一曾经很重要的技能，基本上过时了。不但微积分，线性代数、常微分方程和偏微分方程等公共数学专业课程的许多计算也都可以由电脑软件解决。
再说一个我自己经历的例子，画画。我很小的时候曾经帮企业画广告，那是很大幅的宣传画，要搭梯子爬上去画。那么大的画，大概有十几平米到几十平米那么大，当时只能由人工画，用感光纸放大或者当时的印刷术都无法生产那么大的画。画画当时被认为是很好的职业技能。现在，不是现在，应该已经有一、二十年了，这套技能完全过时。随着数字图像技术的出现，再大的画都可以印出来，叫做喷画。喷画比人工画的好，由于是数字图像，丝毫不差。
最后，我讲一个大家可能熟悉的例子。我记得我90年代中期回国时，看到很多写字楼里的白领在学五笔输入。这种技能很快就过时了，几年后出现了很便捷的拼音输入法。现在甚至连拼音都不要了，直接通过口述输入。这在90年代中期是无法想象的。五笔输入技能早已过时，我希望在座的各位小时候没有浪费时间或者金钱去学五笔输入。
可以举出更多的例子，但前面的例子已经说明了一个很重要的现象：即人类的学术版图和研究模式已经悄悄地发生了巨大的变化。这种变化的一个重要结果是：学术能力和职业技能正在被重新界定。曾经是很重要的学术能力和职业技能，现在可能已经不再重要；曾经被人忽视的能力和技能，却可能在未来会变得重要。这种已经发生的变化和未来可能发生的变化，会影响到每个人，不论你做不做学术，你别无选择。你所能做的只有去认识它，适应它。我今天正是帮各位认识学术领域正在发生的变化和未来趋势。我必须提请各位注意的是，这种变化并没有停止，而是正在加剧。随着时间的推移，越来越多的传统意义下的能力或技能会以越来越快的速度被淘汰。
我们稍微想象一下，这个趋势的进一步发展会可能有什么样的结果。我估计再过二、三十年，甚至更早，随着智能计算机的成熟，你们现在大部分的作业，数学的，计算机的，物理的，化学的，经济的，等等都可以直接输入计算机，获得答案。本科生的作业是这样，小学生和中学生的作业更是这样。现在的计算机做不到这点，因为现在的计算机没有智能，读不懂你的作业。老师布置的作业，必须把它破解到一定程度，才可以用电脑求解。但是未来的智能计算机可以直接破解各种问题，给出答案。这不是科学幻想，这是很快就会到来的现实。
不但大中小学生的作业，就是现在白领的大部分工作也可以由计算机直接完成。比如，现在一个证券公司研究部的经理让一个分析师写一份关于某只股票或者某个行业的分析。这个分析师通常会去寻找数据、下载数据，然后调出相关软件处理数据，进行统计分析，获得一些统计量和图表， 最后写一份报告，用通俗的文字解释这些数据和图表的涵义等等。
这件事情，现在必须由分析师来做，因为它的许多环节必须有人工做。但是二、三十年后，甚至是一、二十年后，经理可以让直接智能计算机做同样的事情。一旦计算机会做，它可能做的比人工的更快、更好。比如，智能电脑可以在有限的时间尝试运用更多不同的统计模型做分析比较。那时侯，这个证券分析师的专业技能整个作废，包括他的统计知识和金融知识。证券公司请这个分析师有什么用？
智能计算机的研究开发现在正在加速。国际上一些大的公司都在研发智能计算机。比尔盖茨曾经在公开讲话中多次提到这件事。我估计二、三十年内这项技术可能会成熟。硬件上，它可能会建立在量子计算机或者神经计算机的基础上，软件就是人工智能。人工智能经过四、五十年的发展，正在酝酿着重大的突破。现在美国，欧洲的英国、德国等，亚洲的日、韩都在埋头研究人工智能。
那时候一个巨大的问题就是：学校教什么？学生学什么？公司招的人应具有什么样的职业能力？具有什么能力的人才是未来学术界或职场的佼佼者？这个问题，无论是个人，还是公司，还是政府，都要关注。当一个年轻人在准备他未来的职业时， 当一个公司在研究竞争策略时，当一个政府在考虑国家科学技术发展规划时，都要面对这个问题。 如果现在不开始关注这位问题，以后就可能措手不及。因为未来即将来临。各位应该怎么做？我不知道。但我接下来要说的第三个论点也许对各位有点启发。
我前面讲过，数学正在大规模地进入包括人文社会科学在内的所有学术领域，但是我讲的第三论点是数学能力本身并不是最重要的，最重要的是用数学解决来自各种领域的具体问题的能力。这种能力就是能从具体问题、从实际观察中抽象出数学概念，建立起数学方程，把一个看上去没有数学的问题变成一个数学问题。为什么? 因为根据几百年来人类科学探索的经验，数学是非常犀利的工具，能够深入地揭示变量之间的关系和事物的发展规律，数学的这个能力是文字思辨远远达不到的。
我们可以把这种能力叫做建模能力。这种能力将来可能变得日益重要。这里讲的‘建模’跟人们通常讲的‘建模’不尽相同。通常讲的建模，包括各种建模比赛中的‘建模’，基本上是运筹学的问题，这是对建模的狭义理解。运筹学中的建模问题往往比较简单，许多问题都有现在的套路可解。我们这里讲的建模要困难的多。比如，你不妨想象一下，怎么样在图像处理中运用数学，它怎么会跟偏微分方程联系起来？你还可以在想一下，怎样为人的行为建模？这将涉及到什么数学？是否需要创立新的数学？
请我举例澄清一下数学能力和建模能力的区别。Black-scholes-merton得诺贝尔经济奖并不仅仅是因为他们数学能力好，会解偏微分方程，而是因为他们金融建模能力强，能够应用来自金融学的推理，成功的推导出决定期权价格的偏微分方程，也就是black-scholes 方程。
所有来自具体学科的方程，它们的推导都可以看成是建模。它们的推导都不是来自数学，不是靠形式逻辑，而是根据各个学科的具体推理。各位熟悉的牛顿方程，不是从数学推导来的，是牛顿根据物理观测，猜出来的。麦克斯韦方程，是根据电磁场互相转换的试验，猜出来的。爱因斯坦的广义相对论引力场方程是从引力与加速度的等效原理推导出来的。许许多多的方程都是这样来的。牛顿，麦克斯韦，爱因斯坦以及black-scholes-merton等等大学者都是建模高手。但他们的数学能力并不一定都很好。希维波特，就是搞泛函的那个德国数学家，曾经说过：哥廷根街上的小孩都比爱因斯坦更懂得高维几何。
为了使各位对我所说的数学能力和建模能力的区别有更具体的认识，我想请各位同学拿出笔和纸做个简单的练习。大概需要5到10分钟时间。老师们就不用做了。准备好了吗？好的。现在我叙述问题：中国人说“站的高看的远”。 站在100米高处比站在10米高处看的远。请问，在离地面1公里的高处，最远能看多远？假设地球是个完美、表面平滑的，半径是6450公里的球体。都听清楚了吗？好。现在开始做。
（间隔约8分钟）
好了，差不多了。各位认为自己已经做出来了的，请举手。有五位，不错。请你把画的图翻过来让我看看？很好。谢谢。应该是对的。
答案是这样的，我先画个图，再写下方程。就什么都清楚了。现在回到我的论点。这个问题的解可以简单地分为建模部分和计算部分。画出这张图，写下这个方程属于建模部分。解出这个方程，属于计算部分。我相信所有的同学都会做计算部分，但是只有五个同学会做建模部分。计算的能力不是最重要，因为人人都会。从供求关系看，人人都会的技能肯定价值不高。建模能力很重要，因为会的人少。
其它学术的问题也一样。会做计算，会解数学方程并不是最重要，最重要的是能够根据具体问题的考虑，引入数学，写出方程。这个建模能力，目前的计算机也不会。在智能计算机成熟之前，计算机都不会做。在未来的二三十年，也就是智能计算机出现之前，什么学术能力重要？ 就是计算机还不会做的。什么能力已经不重要， 就是计算机会做的。
我想再举一个好玩点的例子。有一个讲相声的老前辈叫做侯宝林。他有一段相声也是一个有关计算能力和建模能力的例子。那段相声大概是这样的。侯宝林说：我上了五年小学，三年初中，一共上三、五十五，十五年的学。他的搭档说：不对啊？怎么是十五年？ 应该是五加三，上了八年学。侯宝林说：是用加法啊？我以为是乘法。我说我数学不好嘛。
知道这个问题是用加法而不是乘法很重要，会不会做加法和乘法并不重要。老早的时候，就是计算器还没出现的时侯，会做加法和乘法很重要。我上小学时，整天都在做几位数到几位数的加减乘除，当时是有必要的。但对现在小学生来说，已经不重要了。这就是为什么美国的小学不要求学生背诵乘法表，它们把乘法表贴在墙上，学生考试甚至可以用计算器。
各位知道，有一种说法说中国学生数学好。这个说法需要认真研究。这数学好，是指计算能力好？还是指解决问题能力好（即建模能力好）？根据我的经验，可能是计算能力好。上面讲的‘站得高看得远’的问题，我过去几年在不少国家讲课时，都让学生做过。他们做的不比中国学生差。其中俄罗斯，乌克兰，伊朗，黎巴嫩，印度等国的学生做的可能比中国学生还好。
如果中国学生数学好，指的是，算数或者解方程的能力好，而不是解决问题的能力好，那我们的中小学数学教育是到了该反思的时候了。算的又快又好曾经是一项令人骄傲的技能，但现在已经没有多少价值了，以后就更没有价值。
最后，我还是再讲一些人和事来结束我的演讲。麻省理工学院的教授萨默顺曾经称莫顿（就是我前面提到的莫顿）为金融学的牛顿。是的，金融学的牛顿已经出现，而且就在金融学的牛顿出现后不久，金融学发生了革命性的变化。但是人文社会科学的许多领域的牛顿还没有出现。许多社会科学的领域，有的虽然与人类的历史一样古老，但它们还处于原始的发展阶段，即观察、积累阶段。这些社会科学将来会作为真正的科学发展起来，这有待于像牛顿那样的学术巨人的出现，为这些学科奠基。这可能是你们这一代人的机会。要为这些学科奠基，必须有很强的建模能力，像牛顿、麦克斯韦、爱因斯坦、 black－scholes－merton那样，也要像从事数字图像研究的那些学者那样，能够在看上去没有数学的地方看到数学的用武之地。
麦克斯韦曾经很羡慕牛顿，甚至有点嫉妒。麦克斯韦说，像牛顿那样可以为学科体系奠基的机会是很少的。牛顿为近代数学和物理奠了基。麦克斯韦没有这样的机会，因为他比牛顿晚生多年，错过了为数学物理奠基的时代。我想如果麦克斯韦生活在今天，他可能会发现为人文社会科学奠基的机会依然存在。麦克斯韦如果有知的话，可能会很羡慕各位，你们生活在又一个人类为学术奠基的时代，生活在又一个人类学术版图重整的时代。我希望你们中间的佼佼者，可能成为政治学、人类学、语言学、社会学、心理学和其它人文社会学领域的牛顿，为国家、为民族争光。谢谢各位！下面我接受提问。请大家畅所欲言。好，这位，请说。
特别精彩：陈琳谈郎咸平、学术和自己（摘录）
（学生）问：郎咸平是不是最有天才的经济学家？
（陈琳）答：郎咸平是金融学术界最后一批可以靠初级计量技术（线性回归）谋生的人。那是二十多年前的事。在这之后，金融学界进来了一批非常聪明的人，主要是有数学和物理背景的人，就是所谓的火箭科学家，他们的加入迅速提升了金融学研究的技术含量，初级计量线性回归等技术迅速被淘汰。现在的学生如果再用郎咸平那套技术作研究是无法出文章无法发表的。郎咸平很聪明，知道这一点，所以这十几年来他从不谈学术，只做通俗讲座。
郎咸平是不是天才的经济学家？我不知道。听说他当年申请美国留学时，除了沃顿商学院外其它学校都拒了他。作为一个对比。我当年申请美国留学时，从哈佛往下数，哈佛斯坦福耶鲁，选了前十名。这十所大学全部要了我。
（学生）问：您刚才说，现在学生无法再用初级计量技术做研究，那请问现在应该用什么技术？
答：最新的、前沿的研究技术正在不断涌现。有很多技术可以学习。你只要掌握一些最新技术就可以进入学术前沿。学术研究，简单地说，就是用某种技术解决某个问题。技术和问题都有新旧之分。这样就有四种组合：新技术新问题，新技术老问题，老技术新问题，老技术老问题。郎咸平的那些研究工作属于老技术老问题。能用新技术做新问题最好，但很难。我建议各位尝试新技术老问题。理由如下，一是中国学生数学好，在学技术上有优势。二，由于是老问题，其意义是公认的，没有争议。举个例子。Black-Scholes1973年所做的欧式期权定价就是属于新技术老问题的范畴。偏微分方程在当时是新技术，期权定价问题在他们之前有不少人做过。
时到今日，偏微分方程也成为很老的技术。整个所谓基于方程建模的技术已经逐渐退出学术界。我个人感觉代表未来的研究技术是所谓基于主体建模。这项建模技术过去十几来在西方已经进入经济金融管理和其它社会科学的各个领域，但我国的学者对此还相当陌生。我明年夏天还要回来讲这门课。希望到时候能再见到各位。
问：您当年联系美国大学时被十所顶尖大学录取，这很罕见。能请您介绍一下您的优势和经验吗？
答：我想，可能跟两个事实有关。一是我在大二时，对相对论发生兴趣，就找书来看，看不懂。于是就从头开始读物理，就按顺序把普通物理四大力学等教科书全看了，三个月后读完了物理专业的全部课程，参加诺贝尔奖得主丁肇中研究生的选拔考试，名列前茅。
之后，我觉得意犹未尽，又花三个月时间读完了理论物理博士生的全部课程。这是大二时的事情。另外一件事我在上大学之前，是靠画画谋生。各位有熟悉画画的吗？没人举手。这个也正常。画画的人一般书都读的不太好。画画是分门别类的。分为国画和油画。国画分为山水、人物、花鸟，油画分为肖像和风景。一般画家只做一种，比如齐白石作写意花鸟，周思聪国画人物， 莫奈油画风景等等。我当时是初生牛犊，全部都做。我想大概这两项事实给管招生的教授留下了深刻印象。
此情绵绵（代序） 陈琳博士 此情绵绵( 代序)
当美国首都华盛顿依然为残雪所覆盖时，中国的北京已经是杨絮满天的早春。一九九四年的春暖花开时节，我公务回到了阔别六年多的北京。一天晚上我到位于西郊的解放军艺术学院看望过去的两位英语学生，红和珊。久别重逢，我们在她俩的集体宿舍里聊到通宵, 谈得很开心。红问我，“老师，你大概很久没有这么开心了吧？”是的，我真得很久没有这么开心，没有这么捧腹大笑。
谈到我的母校时，伶牙利齿的红说：“哈佛真是有名啊，能在那里读几年书，我死了都行。”我说：“幸亏哈佛没有戏剧表演专业”。珊在一旁付和道：“老师，你快给我们讲讲哈佛的事吧。”
我跟她们讲了很多哈佛的事。告诉她们在哈佛餐厅晚餐有五种冰激淋可供挑选，把爱吃甜食的两个女孩说的心驰神往。
当我即将告辞时，红取出古筝，我预感到离别的缠绵和艰辛就要到来。红拨动琴弦，一串熟悉的音符缓缓流出。《何日君再来》，那并不是最喜爱的古筝曲，然而此时此刻，红演奏此曲子的寓意和寄托明白无误。音乐的微妙在于它比赤裸裸的语言更能表达出那种让语言感到苍白无助的情感。这种情感撞击我的心扉，热泪盈眶。
两位从事艺术的中国女孩也向往哈佛，我为母校骄傲，也萌生写这样一本书的最初愿望，写写哈佛的事，为我的这俩位学生，也为有兴趣留学美国哈佛、斯坦福或其它大学的弟弟妹妹们。
再见到红和珊是一九九五年的一个冬日。那天傍晚，她俩冒着三九严寒，在北京的交通高峰期驱车两小时从西郊白石桥来王府井看我。正在王府饭店大堂等候的我，看到风尘仆仆，却依旧优雅美丽的她俩步入饭店大门时，一阵欣喜，一阵激动，赶紧迎上去，紧紧拥抱她们良久。那时，我感到我真的很喜欢她们，很爱她们。真想为她们作些什么。
真正开始动笔写，只是几个月前的事。去年夏天，人民出版社副主任王寅生在一次聚会中建议我把在斯坦福和哈佛读书的经历写下来，并表示书写好后，将由人民出版社或作家出版社出版。他对我说：你的书会很畅销的，因为它将反映一个明显地不同于纽约的北京人和东京的上海人的留美学人的生活。他对我有信心促成了我下笔的决心。
时至今日，红和珊已先后出嫁。远隔重洋，加上我掉失了她们的呼机号码；而且，北京的电话号码也改了；我常常在外奔波。由于这种种原因，我没有及时给她们送去结婚礼物。为此我一直感到不安。更使我感到深深内疚和悔恨的是，我终于不能如她们所愿，娶她们中的一人为妻。现谨以此书献给她们，红和珊，也献上我永远的祝福。
这大半年来，这本书的书稿在电脑的硬盘里，跟随我走遍散落在东西南北四个半球上的多个城市：华盛顿，纽约，瑞士巴塞尔，巴黎，新加坡，悉尼，北京，上海，南京，大连，武汉，成都等地。它是在旅途的颠簸和工作的间隙中完成的。时间和空间上的跳跃起伏也在书中留下了种种痕迹。华盛顿的清逸构成了书的基调；纽约的喧闹参入了生气；巴黎的浪漫注入了柔情；巴塞尔的古色赋于它以雅致；新加坡的炎热带来了躁动；悉尼的大海让它辽阔；对故乡中国的深深眷念赋予它赤子真情。
仿佛是上苍的恩赐，我曾有幸在美国东西部这两所最负盛名的大学里度过了生命中最美好的五六年时光。有时候我觉得红讲的真对，有了那一段时光，可以死无遗憾。
谁说求学时代只是被动地学习，获得立身之道以进入社会。我相信，学校岁月可以作为人生中美好的篇章而独立存在。当我在旅途中，在远离母校的地球的某个地方，打开电脑续写书稿时，常常利用远程联网浏览哈佛和斯坦福的网页。每当首页上那些对我已经很熟悉的母校风光缓缓出现在屏幕上时，我依然象见到久违的朋友一样激动不已。
这几年我回中国时，常在在商店、办公楼和酒店里看到一些少男少女在上班。他们做着接电话打开水端盘子看柜台扫房间的工作，单调重复，周而复始。我感到他们是在浪费青春。黄金岁月豆蔻年华的他们不应该成为早九晚五的上班族，而应该在学校里度过。在课堂里听教授讲课；在图书馆的书海里遨游；在运动场上龙腾虎跃；在校园幽静的林间小路上漫步；在食堂改成的舞厅里欢歌起舞；在室友一大堆的宿舍里高谈阔论。如果我的这本小书能够重新唤起那些过早离开学校的弟弟妹妹们对校园生活的向往，不管是美国的大学还是中国的大学，不管是大专、本科还是研究生院，则我多少个日日夜夜的挑灯笔耕算是有了收获。
正是由于这个基本想法，这本书虽然题为《斯坦福·哈佛·华尔街·华盛顿》，但它着重的是这两所大学。关于华尔街和华盛顿，书中只写我求学期间在这两地工作和实习的一些经历。虽然我毕业后重返华盛顿和华尔街，但这之后的所见所闻之丰富已不是这本书所能涵盖的。
当这本书终于即将脱稿时，我为难起来，是为了不久前的一件事。
那天去朋友家看幻灯演示，所放的幻灯是朋友夫妇在欧洲旅游时所摄得的近百张照片。每张幻灯片都有他们俩在，有全身，有半身，有大有小，身旁身后是欧洲名胜风光。我觉得很好。可是，离开朋友家的路上，同去观看幻灯的一人对我说，那些幻灯没意思，每张都有主人在，遮住了风光，不知道他们是请我去看欧洲风光照片还是看他们二位的尊容。他的话，使我暗吃一惊。心想，这应该是事先可预期的。如果你只想看看风光，你可到图书馆看很多印制精美、摄影优秀的欧洲风光画册，大可不必跑去看幻灯。朋友夫妇的照片之所以有意思，正是由于他们的身影，这使得照片变得独一无二，为风光摄影所不能取代。
这本书也一样，处处有作者的身影和足迹。它只写与作者的生活、学习、工作、感受有关的人、事和景。它不是留学指导，不是美国大学生存手册，不是人物传记，不是旅行随笔，也不是投资指南，炒股速成。如果读者只想了解斯坦福、哈佛、纽约、华尔街、华盛顿、以色列、美国的教育界、美国的金融界、美国的艺术界，或者书中提到的多位总统、学者、名人的话，则有很多书籍会提供更详细的介绍。
陈琳
一九九八年六月脱稿于美国佛罗里达
==================================
你根本看懂陈琳的文章。学术数学化是学术界的趋势， 不是陈琳的主张。陈琳是把这个趋势告诉年轻学生， 让他们对这个趋势有正确的认识， 然后选择未来的发展方向。这很有必要。
很多人对这个趋势不清楚，但陈琳清楚， 因为他比较博学， 对许多领域有了解。看见树木也看见森林。所以他最有资格谈论这个问题。
作者：jinbeer 回复日期：2009-05-15 21:47:16
看了半天，不知道干嘛。一个既精通数学又精通绘画的人，怎么说起话来既不深入又没文采
----------
没文采？ 也许是的。÷
但说不深入， 就大错特错了。陈教授的讲话不但深入，而且渊博，
你要是没有相当水平，根本理解不了。
你先告诉我，
站在一公里高能看多远？
作者：奖金基金 回复日期：2009-05-29 11:18:12
他这些话应该跟哈佛的学生讲， 而不是中国大学的学生讲。
中国学生没这志向。
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
有些话有意思。
有些观点不能苟同，主要是“人文科学的数学化趋势”（其实对“人文‘科学’”的说法都不喜欢）。
在分析方面，任何学科都可以用数学的方法加以研究，得出些有意思甚至创造性的发现，这没跑的。
所谓“新技术老问题”方法的研究会逐渐变成用计算机处理不同对象的体力活，适合没有原创能力的研究者。当然，这份工作也是需要不少专业知识为基础的。如果能站上“数学XX之父/母”的位子也说明是够聪明够勤力的人哈~
但是综合、创造方面，我认为，基本上包含以人的灵感、天赋为必要条件的东西，数学是无力的。
令人震撼!!陈琳关于学术发展趋势的精彩演讲
（根据录音整理，未经本人审阅）
谢谢各位光临今天的讲座。首先我想恭喜各位，尤其是各位年轻的学生。我今天要讲的内容可能会对你的未来，（无论你将来做不作学术），会对你的未来产生影响。一个演讲改变了一个年轻人未来的生活和事业轨迹，这在历史上一直是有先例的。
很多年前，有一个叫沈元的学者在福建福州的一所中学演讲时提到‘歌德巴赫猜想’，他的演讲影响一个中学生的未来，这个当时的中学生就是后来我们所熟知的数学家陈景润。我相信并希望各位同学能从我的今天的演讲中得到启发，重新调整未来的发展方向，把自己培养成为比陈景润更伟大的，对人类的科学文化作出更杰出贡献的学者。
现在你们可能很少听到有人象我这样讲话了，就是鼓励你们成为学者。现在外面的人到大学来演讲，大都是讲怎么创业致富，什么全球化, wto商机，奥运商机等等，或者预测经济发展未来，大谈楼市，股市走向等。 我不会讲这些内容，因为这些内容你们可以各种报纸杂志网站上看到。今天我要讲的内容没有在任何地方出现过，是我个人的一些心得，我讲的是人类学术发展的未来趋势。这个题目听起来很大，但它却是各位青年学生所应该关注的。因为未来其实并不遥远。
大家知道，人类的学术领域在第一级层次上大致可以分为文科和理科。工农医还有管理法律等是二级层次的，从一级衍生出来的。理科包括数学物理化学生物天文地质等。我们通常说的文科可以再分为人文科学和社会科学。人文科学包括艺术，哲学，历史，语言学等等， 而社会科学包括经济学，社会学，政治学，人类学，心理学，传媒学等等。
我讲的第一个论点是文科和理科的界限最近二三十年正在不断消失。大概可以这么讲，一门学科之所以是文科，是因为它还处在发展的初步阶段。随着学科的深入发展，必然会有数学进入，这样就变成理科。
比如经济学，一直到四五十年前，经济学都是所谓的文科，由文字表述的，基本上没有数学。马克思，亚当斯密，凯恩斯的著作基本上都是文字表述。1960年中期，有一个叫莫顿的年轻人从哥伦比亚大学应用数学专业毕业时，对经济学感兴趣，就申请了一批美国大学经济系读博士，除了麻省理工学院外，所有的学校都据了他，不是他不优秀，而是这些经济系的教授们不知道招一个数学硕士做什么。只有麻省理工独具慧眼，录取了莫顿.。大家可能知道这个莫顿, 在三十年后的1997年获得诺贝尔经济奖。今天，经济学已经高度理科化，现在没有相当的数学能力是没法读正经的经济学。我这里有一本经济理论杂志，里面的文章就像数学论文。还有这本是金融学杂志，也基本是复杂的数学表述。
我提请各位关注的是，不但经济金融是这样，几乎所有的人文科学和社会科学都朝这个方向发展，就是变得越来越数学化。不同的起步有早有晚。
我印象中经济金融心理学这多年来在中国也是同时作为文科和理科招生的。下面讲的是依然作为文科招生的学科，比如社会学，政治学，语言学，传媒学，历史学等。实际上，这些人文社会学科，在前面加上数学（mathematical），计算（computational）或者数量(quantitative)等定语，都是有意义的。比如数学语言学，数量史学, 数学社会学，数量政治学，数学人类学，数学心理学，等等，都是有意义的、目前正在国际上蓬勃发展的学科。
我们来看一些具体的例子，看我手头的一些杂志。这本是数学心理学杂志，这里还有一本是数学和统计心理学杂志。这是数学社会学杂志，在美国已经有几十年的历史。这是数学组织学杂志，组织学是社会学的一个分支，商学院里教这门课程，大的商学院还可能有组织行为系，组织学是企业管理的理论基础。这本是欧洲的杂志，叫数学社会科学，1980年创刊的，比社会学广泛，还包括经济学等。这是数学人类学和文化理论杂志，里面有大量的数学模拟文章，包括文化演化模型的模拟等。这是计算语言学杂志，里面的文章应用大量来自计算机科学和技术，相当复杂。这个杂志从1974年开始就有了。还有两个是相对发展比较晚的学科，数量史学和数量传媒学。这是关于数量史学的介绍，里面有讲到历史混沌理论的模拟，是复杂性理论的应用。这本是数量传媒学。
细心的同学可能会注意到我还没有谈到人文里面的一个重要部分，艺术。艺术也不例外。我就讲一下美术和绘画。美术是我最喜欢的话题。三十岁以前，我差不多每天都在画画。这幅画是俄罗斯画家列宾的杰作‘伏尔加和的纤夫’，我年幼时非常着迷这副油画。你很难想象这副画跟数学有什么。它不象经济金融那样，本来就有许多数据。这幅油画看上去没有任何数字，除非你在谈论它的长宽尺度。更看不出来它跟数学有什么联系。现在我把它在Matlab里读一下，你可以看到输出的是一个三维数字矩阵。这副画就是这个矩阵。矩阵里每个数字表示一个Pixl上的颜色的灰度，三层矩阵代表三原色。矩阵大家都熟悉的，你们在大一线性代数课程里都学过。 但是关于这张画或其它图像处理所涉及的数学远远比线性代数要广泛深入复杂的多。 这本书的书名叫，是一个法国学者写的，讲得是图像的处理。数字图像，也就是这个三维矩阵，它涉及的技术非常广泛深入。笼统地讲，图像处理应用到现代抽象几何学, 拓扑学，信号抽样理论、统计信号处理方法、小波变换理论、分形方法、偏微分方程、数学形态学、马尔可夫场理论、蒙特卡罗模拟等等。
学术界曾经把数量史学，数学社会学，数量语言学等称为交叉学科。我认为这种说法是不妥的，容易误导学生，交叉学科，顾名思义就是派生的，边缘的、非主流的，这种说法是不妥的。它们不是边缘的，而是正统的，是主流的，是学科发展到一定程度后的一种必然状态。可以相信，随着时间的推移，这些学科都会变得越来越数学化，越来越理科。理科和文科的传统界限将不复存在。就像我们现在不把数学经济或者数学金融叫做交叉学科一样， 我们也不能把数量社会学，数量政治学，计算组织学等有数学、计算、数量作定语的这些人文社会科学看成另类。
各位已经看到，数学已经或者正在渗透到人文社会科学和艺术的各个领域。我要讲的是，数学的进入不是目的，不是一种时髦，而是一个过程，是一个先进的方法论对这些传统学科渗透的过程。这个方法论，就是目前科学和工程中广泛使用的研究方法论。
简单地讲，这个方法论的基本意思是这样的。从观测到的实际现象数据出发，抽象出概念，提出假设，建立模型，建立数学关系或者方程，然后求解，接着把计算结果与观测数据比较，看看符合的怎么样，然后反馈回来，进一步修改有关假定和建立方程，再求解再比较。不断反馈不断完善，接近真理。这是研究方法论是人类在过去的几百年里在工程技术和自然科学中的成功的有效的研究模式。现在西方学术界有人在研究这种模式是否是唯一的。可能不是，他们认为星外文明可能有不同的研究模式去探索真理。 是什么模式？这不是我们今天要的讲的问题。我要说的，这个方法论已经越来越多的被传统的文科领域所采用，这就出现了学科越来越数学化的趋势。
前不久，有人问杨振宁，中国人未来可能在什么领域内获得诺贝尔奖，据说杨振宁回答说，会有人的数学奖。我想可能是转达有误，大家知道诺贝尔奖是没有数学奖的。我想杨振宁的意思是数学家可能得奖。大家知道去年诺贝尔经济奖得主就是两个数学家，从本科到博士一直在读数学。现在如果一个16岁的年轻人问你大学读什么专业好，我想最好的回答是数学。读了四年大学以后，20岁毕业再转任何专业都好办。这里说的是从事学术生涯。
我讲的第二个论点或者第二项事实是：人类的学术发展到今天，许多传统的关于学术能力和职业技能的观念已经或者正在被颠覆。
比如历史学。过去历史学家的重要技能之一是做索引分类，以便需要时能够迅速地从浩瀚的文献大海主提取相关的文献。现在看来这套技能可能过时了。历史学家研究某个问题，借助搜索引擎，比如google可以很快地找到许多相关的文献。根据这些文献就可以很快组织成具有特定历史视角的文章。以后历史学的研究可能不再走旁征博引，引经据典这条路了。博学强记也不再被认为是历史学家的优秀素质。这几千年历史研究的基本方法，现在过时了。以后的研究怎么做，这是一个问题？现在有西方学者用‘基于主体建模’的方法，这是一套很深奥的模拟技术，（对人文社会科学研究者来说），来研究历史问题，尤其人类的演化历史（ 应该属于人类学的研究范畴）。我前面提到的数量史学杂志里就有许多这样的文章。这是一条研究历史的新工具，新技能。
再比如说，外语翻译。几十年来，外语都是中国大学里的一个热门专业。但这个专业所学的笔译和口译等技能正在受到机器翻译的挑战。机器翻译软件（我指的是英汉互译）现在还很不完善，但是充满了希望。现在的机器翻译经常把整个句子搞错。但是译对的句子，还有许多短语，词组的翻译还是很地道的。许多机器翻译的结果，改一改，是不错的。学外语的学生，如果没有海外生活经验，有可能译不出那样地道的外语。可以相信，一、二十年后机器翻译软件，随着智能计算机的发展，会充分完善起来。那时候笔译和口译这两个职业的出路可能是个问题。可以预计，二、三十年后，外语，尤其是外语翻译不再是一个热门专业，甚至不再是一个大学的专业，当然外国文学和文学史专业还会有。
再比如说数学。同学们都上过微积分了吗？好。是不是曾经花很多时间手算微分积分？清华大学过去有个教授叫赵访熊。他的一件轶事曾经在学生中广泛流传，说的是他读微积分时，做了一万道微积分习题。他读书的那个三、四十年代，一直到二、三十年前的八、九十年代，手算微积分都是科学家和工程师的重要基本功之一。即时有了积分表，还是要靠手算做些变换。八十年代中后期出现了mathematica，maple等软件，可以算符号微积分。使得手算微积分的这一曾经很重要的技能，基本上过时了。不但微积分，线性代数、常微分方程和偏微分方程等公共数学专业课程的许多计算也都可以由电脑软件解决。
再说一个我自己经历的例子，画画。我很小的时候曾经帮企业画广告，那是很大幅的宣传画，要搭梯子爬上去画。那么大的画，大概有十几平米到几十平米那么大，当时只能由人工画，用感光纸放大或者当时的印刷术都无法生产那么大的画。画画当时被认为是很好的职业技能。现在，不是现在，应该已经有一、二十年了，这套技能完全过时。随着数字图像技术的出现，再大的画都可以印出来，叫做喷画。喷画比人工画的好，由于是数字图像，丝毫不差。
最后，我讲一个大家可能熟悉的例子。我记得我90年代中期回国时，看到很多写字楼里的白领在学五笔输入。这种技能很快就过时了，几年后出现了很便捷的拼音输入法。现在甚至连拼音都不要了，直接通过口述输入。这在90年代中期是无法想象的。五笔输入技能早已过时，我希望在座的各位小时候没有浪费时间或者金钱去学五笔输入。
可以举出更多的例子，但前面的例子已经说明了一个很重要的现象：即人类的学术版图和研究模式已经悄悄地发生了巨大的变化。这种变化的一个重要结果是：学术能力和职业技能正在被重新界定。曾经是很重要的学术能力和职业技能，现在可能已经不再重要；曾经被人忽视的能力和技能，却可能在未来会变得重要。这种已经发生的变化和未来可能发生的变化，会影响到每个人，不论你做不做学术，你别无选择。你所能做的只有去认识它，适应它。我今天正是帮各位认识学术领域正在发生的变化和未来趋势。我必须提请各位注意的是，这种变化并没有停止，而是正在加剧。随着时间的推移，越来越多的传统意义下的能力或技能会以越来越快的速度被淘汰。
我们稍微想象一下，这个趋势的进一步发展会可能有什么样的结果。我估计再过二、三十年，甚至更早，随着智能计算机的成熟，你们现在大部分的作业，数学的，计算机的，物理的，化学的，经济的，等等都可以直接输入计算机，获得答案。本科生的作业是这样，小学生和中学生的作业更是这样。现在的计算机做不到这点，因为现在的计算机没有智能，读不懂你的作业。老师布置的作业，必须把它破解到一定程度，才可以用电脑求解。但是未来的智能计算机可以直接破解各种问题，给出答案。这不是科学幻想，这是很快就会到来的现实。
不但大中小学生的作业，就是现在白领的大部分工作也可以由计算机直接完成。比如，现在一个证券公司研究部的经理让一个分析师写一份关于某只股票或者某个行业的分析。这个分析师通常会去寻找数据、下载数据，然后调出相关软件处理数据，进行统计分析，获得一些统计量和图表， 最后写一份报告，用通俗的文字解释这些数据和图表的涵义等等。
这件事情，现在必须由分析师来做，因为它的许多环节必须有人工做。但是二、三十年后，甚至是一、二十年后，经理可以让直接智能计算机做同样的事情。一旦计算机会做，它可能做的比人工的更快、更好。比如，智能电脑可以在有限的时间尝试运用更多不同的统计模型做分析比较。那时侯，这个证券分析师的专业技能整个作废，包括他的统计知识和金融知识。证券公司请这个分析师有什么用？
智能计算机的研究开发现在正在加速。国际上一些大的公司都在研发智能计算机。比尔盖茨曾经在公开讲话中多次提到这件事。我估计二、三十年内这项技术可能会成熟。硬件上，它可能会建立在量子计算机或者神经计算机的基础上，软件就是人工智能。人工智能经过四、五十年的发展，正在酝酿着重大的突破。现在美国，欧洲的英国、德国等，亚洲的日、韩都在埋头研究人工智能。
那时候一个巨大的问题就是：学校教什么？学生学什么？公司招的人应具有什么样的职业能力？具有什么能力的人才是未来学术界或职场的佼佼者？这个问题，无论是个人，还是公司，还是政府，都要关注。当一个年轻人在准备他未来的职业时， 当一个公司在研究竞争策略时，当一个政府在考虑国家科学技术发展规划时，都要面对这个问题。 如果现在不开始关注这位问题，以后就可能措手不及。因为未来即将来临。各位应该怎么做？我不知道。但我接下来要说的第三个论点也许对各位有点启发。
我前面讲过，数学正在大规模地进入包括人文社会科学在内的所有学术领域，但是我讲的第三论点是数学能力本身并不是最重要的，最重要的是用数学解决来自各种领域的具体问题的能力。这种能力就是能从具体问题、从实际观察中抽象出数学概念，建立起数学方程，把一个看上去没有数学的问题变成一个数学问题。为什么? 因为根据几百年来人类科学探索的经验，数学是非常犀利的工具，能够深入地揭示变量之间的关系和事物的发展规律，数学的这个能力是文字思辨远远达不到的。
我们可以把这种能力叫做建模能力。这种能力将来可能变得日益重要。这里讲的‘建模’跟人们通常讲的‘建模’不尽相同。通常讲的建模，包括各种建模比赛中的‘建模’，基本上是运筹学的问题，这是对建模的狭义理解。运筹学中的建模问题往往比较简单，许多问题都有现在的套路可解。我们这里讲的建模要困难的多。比如，你不妨想象一下，怎么样在图像处理中运用数学，它怎么会跟偏微分方程联系起来？你还可以在想一下，怎样为人的行为建模？这将涉及到什么数学？是否需要创立新的数学？
请我举例澄清一下数学能力和建模能力的区别。Black-scholes-merton得诺贝尔经济奖并不仅仅是因为他们数学能力好，会解偏微分方程，而是因为他们金融建模能力强，能够应用来自金融学的推理，成功的推导出决定期权价格的偏微分方程，也就是black-scholes 方程。
所有来自具体学科的方程，它们的推导都可以看成是建模。它们的推导都不是来自数学，不是靠形式逻辑，而是根据各个学科的具体推理。各位熟悉的牛顿方程，不是从数学推导来的，是牛顿根据物理观测，猜出来的。麦克斯韦方程，是根据电磁场互相转换的试验，猜出来的。爱因斯坦的广义相对论引力场方程是从引力与加速度的等效原理推导出来的。许许多多的方程都是这样来的。牛顿，麦克斯韦，爱因斯坦以及black-scholes-merton等等大学者都是建模高手。但他们的数学能力并不一定都很好。希维波特，就是搞泛函的那个德国数学家，曾经说过：哥廷根街上的小孩都比爱因斯坦更懂得高维几何。
为了使各位对我所说的数学能力和建模能力的区别有更具体的认识，我想请各位同学拿出笔和纸做个简单的练习。大概需要5到10分钟时间。老师们就不用做了。准备好了吗？好的。现在我叙述问题：中国人说“站的高看的远”。 站在100米高处比站在10米高处看的远。请问，在离地面1公里的高处，最远能看多远？假设地球是个完美、表面平滑的，半径是6450公里的球体。都听清楚了吗？好。现在开始做。
（间隔约8分钟）
好了，差不多了。各位认为自己已经做出来了的，请举手。有五位，不错。请你把画的图翻过来让我看看？很好。谢谢。应该是对的。
答案是这样的，我先画个图，再写下方程。就什么都清楚了。现在回到我的论点。这个问题的解可以简单地分为建模部分和计算部分。画出这张图，写下这个方程属于建模部分。解出这个方程，属于计算部分。我相信所有的同学都会做计算部分，但是只有五个同学会做建模部分。计算的能力不是最重要，因为人人都会。从供求关系看，人人都会的技能肯定价值不高。建模能力很重要，因为会的人少。
其它学术的问题也一样。会做计算，会解数学方程并不是最重要，最重要的是能够根据具体问题的考虑，引入数学，写出方程。这个建模能力，目前的计算机也不会。在智能计算机成熟之前，计算机都不会做。在未来的二三十年，也就是智能计算机出现之前，什么学术能力重要？ 就是计算机还不会做的。什么能力已经不重要， 就是计算机会做的。
我想再举一个好玩点的例子。有一个讲相声的老前辈叫做侯宝林。他有一段相声也是一个有关计算能力和建模能力的例子。那段相声大概是这样的。侯宝林说：我上了五年小学，三年初中，一共上三、五十五，十五年的学。他的搭档说：不对啊？怎么是十五年？ 应该是五加三，上了八年学。侯宝林说：是用加法啊？我以为是乘法。我说我数学不好嘛。
知道这个问题是用加法而不是乘法很重要，会不会做加法和乘法并不重要。老早的时候，就是计算器还没出现的时侯，会做加法和乘法很重要。我上小学时，整天都在做几位数到几位数的加减乘除，当时是有必要的。但对现在小学生来说，已经不重要了。这就是为什么美国的小学不要求学生背诵乘法表，它们把乘法表贴在墙上，学生考试甚至可以用计算器。
各位知道，有一种说法说中国学生数学好。这个说法需要认真研究。这数学好，是指计算能力好？还是指解决问题能力好（即建模能力好）？根据我的经验，可能是计算能力好。上面讲的‘站得高看得远’的问题，我过去几年在不少国家讲课时，都让学生做过。他们做的不比中国学生差。其中俄罗斯，乌克兰，伊朗，黎巴嫩，印度等国的学生做的可能比中国学生还好。
如果中国学生数学好，指的是，算数或者解方程的能力好，而不是解决问题的能力好，那我们的中小学数学教育是到了该反思的时候了。算的又快又好曾经是一项令人骄傲的技能，但现在已经没有多少价值了，以后就更没有价值。
最后，我还是再讲一些人和事来结束我的演讲。麻省理工学院的教授萨默顺曾经称莫顿（就是我前面提到的莫顿）为金融学的牛顿。是的，金融学的牛顿已经出现，而且就在金融学的牛顿出现后不久，金融学发生了革命性的变化。但是人文社会科学的许多领域的牛顿还没有出现。许多社会科学的领域，有的虽然与人类的历史一样古老，但它们还处于原始的发展阶段，即观察、积累阶段。这些社会科学将来会作为真正的科学发展起来，这有待于像牛顿那样的学术巨人的出现，为这些学科奠基。这可能是你们这一代人的机会。要为这些学科奠基，必须有很强的建模能力，像牛顿、麦克斯韦、爱因斯坦、 black－scholes－merton那样，也要像从事数字图像研究的那些学者那样，能够在看上去没有数学的地方看到数学的用武之地。
麦克斯韦曾经很羡慕牛顿，甚至有点嫉妒。麦克斯韦说，像牛顿那样可以为学科体系奠基的机会是很少的。牛顿为近代数学和物理奠了基。麦克斯韦没有这样的机会，因为他比牛顿晚生多年，错过了为数学物理奠基的时代。我想如果麦克斯韦生活在今天，他可能会发现为人文社会科学奠基的机会依然存在。麦克斯韦如果有知的话，可能会很羡慕各位，你们生活在又一个人类为学术奠基的时代，生活在又一个人类学术版图重整的时代。我希望你们中间的佼佼者，可能成为政治学、人类学、语言学、社会学、心理学和其它人文社会学领域的牛顿，为国家、为民族争光。谢谢各位！下面我接受提问。请大家畅所欲言。好，这位，请说。
特别精彩：陈琳谈郎咸平、学术和自己（摘录）
（学生）问：郎咸平是不是最有天才的经济学家？
（陈琳）答：郎咸平是金融学术界最后一批可以靠初级计量技术（线性回归）谋生的人。那是二十多年前的事。在这之后，金融学界进来了一批非常聪明的人，主要是有数学和物理背景的人，就是所谓的火箭科学家，他们的加入迅速提升了金融学研究的技术含量，初级计量线性回归等技术迅速被淘汰。现在的学生如果再用郎咸平那套技术作研究是无法出文章无法发表的。郎咸平很聪明，知道这一点，所以这十几年来他从不谈学术，只做通俗讲座。
郎咸平是不是天才的经济学家？我不知道。听说他当年申请美国留学时，除了沃顿商学院外其它学校都拒了他。作为一个对比。我当年申请美国留学时，从哈佛往下数，哈佛斯坦福耶鲁，选了前十名。这十所大学全部要了我。
（学生）问：您刚才说，现在学生无法再用初级计量技术做研究，那请问现在应该用什么技术？
答：最新的、前沿的研究技术正在不断涌现。有很多技术可以学习。你只要掌握一些最新技术就可以进入学术前沿。学术研究，简单地说，就是用某种技术解决某个问题。技术和问题都有新旧之分。这样就有四种组合：新技术新问题，新技术老问题，老技术新问题，老技术老问题。郎咸平的那些研究工作属于老技术老问题。能用新技术做新问题最好，但很难。我建议各位尝试新技术老问题。理由如下，一是中国学生数学好，在学技术上有优势。二，由于是老问题，其意义是公认的，没有争议。举个例子。Black-Scholes1973年所做的欧式期权定价就是属于新技术老问题的范畴。偏微分方程在当时是新技术，期权定价问题在他们之前有不少人做过。
时到今日，偏微分方程也成为很老的技术。整个所谓基于方程建模的技术已经逐渐退出学术界。我个人感觉代表未来的研究技术是所谓基于主体建模。这项建模技术过去十几来在西方已经进入经济金融管理和其它社会科学的各个领域，但我国的学者对此还相当陌生。我明年夏天还要回来讲这门课。希望到时候能再见到各位。
问：您当年联系美国大学时被十所顶尖大学录取，这很罕见。能请您介绍一下您的优势和经验吗？
答：我想，可能跟两个事实有关。一是我在大二时，对相对论发生兴趣，就找书来看，看不懂。于是就从头开始读物理，就按顺序把普通物理四大力学等教科书全看了，三个月后读完了物理专业的全部课程，参加诺贝尔奖得主丁肇中研究生的选拔考试，名列前茅。
之后，我觉得意犹未尽，又花三个月时间读完了理论物理博士生的全部课程。这是大二时的事情。另外一件事我在上大学之前，是靠画画谋生。各位有熟悉画画的吗？没人举手。这个也正常。画画的人一般书都读的不太好。画画是分门别类的。分为国画和油画。国画分为山水、人物、花鸟，油画分为肖像和风景。一般画家只做一种，比如齐白石作写意花鸟，周思聪国画人物， 莫奈油画风景等等。我当时是初生牛犊，全部都做。我想大概这两项事实给管招生的教授留下了深刻印象。
此情绵绵（代序） 陈琳博士 此情绵绵( 代序)
当美国首都华盛顿依然为残雪所覆盖时，中国的北京已经是杨絮满天的早春。一九九四年的春暖花开时节，我公务回到了阔别六年多的北京。一天晚上我到位于西郊的解放军艺术学院看望过去的两位英语学生，红和珊。久别重逢，我们在她俩的集体宿舍里聊到通宵, 谈得很开心。红问我，“老师，你大概很久没有这么开心了吧？”是的，我真得很久没有这么开心，没有这么捧腹大笑。
谈到我的母校时，伶牙利齿的红说：“哈佛真是有名啊，能在那里读几年书，我死了都行。”我说：“幸亏哈佛没有戏剧表演专业”。珊在一旁付和道：“老师，你快给我们讲讲哈佛的事吧。”
我跟她们讲了很多哈佛的事。告诉她们在哈佛餐厅晚餐有五种冰激淋可供挑选，把爱吃甜食的两个女孩说的心驰神往。
当我即将告辞时，红取出古筝，我预感到离别的缠绵和艰辛就要到来。红拨动琴弦，一串熟悉的音符缓缓流出。《何日君再来》，那并不是最喜爱的古筝曲，然而此时此刻，红演奏此曲子的寓意和寄托明白无误。音乐的微妙在于它比赤裸裸的语言更能表达出那种让语言感到苍白无助的情感。这种情感撞击我的心扉，热泪盈眶。
两位从事艺术的中国女孩也向往哈佛，我为母校骄傲，也萌生写这样一本书的最初愿望，写写哈佛的事，为我的这俩位学生，也为有兴趣留学美国哈佛、斯坦福或其它大学的弟弟妹妹们。
再见到红和珊是一九九五年的一个冬日。那天傍晚，她俩冒着三九严寒，在北京的交通高峰期驱车两小时从西郊白石桥来王府井看我。正在王府饭店大堂等候的我，看到风尘仆仆，却依旧优雅美丽的她俩步入饭店大门时，一阵欣喜，一阵激动，赶紧迎上去，紧紧拥抱她们良久。那时，我感到我真的很喜欢她们，很爱她们。真想为她们作些什么。
真正开始动笔写，只是几个月前的事。去年夏天，人民出版社副主任王寅生在一次聚会中建议我把在斯坦福和哈佛读书的经历写下来，并表示书写好后，将由人民出版社或作家出版社出版。他对我说：你的书会很畅销的，因为它将反映一个明显地不同于纽约的北京人和东京的上海人的留美学人的生活。他对我有信心促成了我下笔的决心。
时至今日，红和珊已先后出嫁。远隔重洋，加上我掉失了她们的呼机号码；而且，北京的电话号码也改了；我常常在外奔波。由于这种种原因，我没有及时给她们送去结婚礼物。为此我一直感到不安。更使我感到深深内疚和悔恨的是，我终于不能如她们所愿，娶她们中的一人为妻。现谨以此书献给她们，红和珊，也献上我永远的祝福。
这大半年来，这本书的书稿在电脑的硬盘里，跟随我走遍散落在东西南北四个半球上的多个城市：华盛顿，纽约，瑞士巴塞尔，巴黎，新加坡，悉尼，北京，上海，南京，大连，武汉，成都等地。它是在旅途的颠簸和工作的间隙中完成的。时间和空间上的跳跃起伏也在书中留下了种种痕迹。华盛顿的清逸构成了书的基调；纽约的喧闹参入了生气；巴黎的浪漫注入了柔情；巴塞尔的古色赋于它以雅致；新加坡的炎热带来了躁动；悉尼的大海让它辽阔；对故乡中国的深深眷念赋予它赤子真情。
仿佛是上苍的恩赐，我曾有幸在美国东西部这两所最负盛名的大学里度过了生命中最美好的五六年时光。有时候我觉得红讲的真对，有了那一段时光，可以死无遗憾。
谁说求学时代只是被动地学习，获得立身之道以进入社会。我相信，学校岁月可以作为人生中美好的篇章而独立存在。当我在旅途中，在远离母校的地球的某个地方，打开电脑续写书稿时，常常利用远程联网浏览哈佛和斯坦福的网页。每当首页上那些对我已经很熟悉的母校风光缓缓出现在屏幕上时，我依然象见到久违的朋友一样激动不已。
这几年我回中国时，常在在商店、办公楼和酒店里看到一些少男少女在上班。他们做着接电话打开水端盘子看柜台扫房间的工作，单调重复，周而复始。我感到他们是在浪费青春。黄金岁月豆蔻年华的他们不应该成为早九晚五的上班族，而应该在学校里度过。在课堂里听教授讲课；在图书馆的书海里遨游；在运动场上龙腾虎跃；在校园幽静的林间小路上漫步；在食堂改成的舞厅里欢歌起舞；在室友一大堆的宿舍里高谈阔论。如果我的这本小书能够重新唤起那些过早离开学校的弟弟妹妹们对校园生活的向往，不管是美国的大学还是中国的大学，不管是大专、本科还是研究生院，则我多少个日日夜夜的挑灯笔耕算是有了收获。
正是由于这个基本想法，这本书虽然题为《斯坦福·哈佛·华尔街·华盛顿》，但它着重的是这两所大学。关于华尔街和华盛顿，书中只写我求学期间在这两地工作和实习的一些经历。虽然我毕业后重返华盛顿和华尔街，但这之后的所见所闻之丰富已不是这本书所能涵盖的。
当这本书终于即将脱稿时，我为难起来，是为了不久前的一件事。
那天去朋友家看幻灯演示，所放的幻灯是朋友夫妇在欧洲旅游时所摄得的近百张照片。每张幻灯片都有他们俩在，有全身，有半身，有大有小，身旁身后是欧洲名胜风光。我觉得很好。可是，离开朋友家的路上，同去观看幻灯的一人对我说，那些幻灯没意思，每张都有主人在，遮住了风光，不知道他们是请我去看欧洲风光照片还是看他们二位的尊容。他的话，使我暗吃一惊。心想，这应该是事先可预期的。如果你只想看看风光，你可到图书馆看很多印制精美、摄影优秀的欧洲风光画册，大可不必跑去看幻灯。朋友夫妇的照片之所以有意思，正是由于他们的身影，这使得照片变得独一无二，为风光摄影所不能取代。
这本书也一样，处处有作者的身影和足迹。它只写与作者的生活、学习、工作、感受有关的人、事和景。它不是留学指导，不是美国大学生存手册，不是人物传记，不是旅行随笔，也不是投资指南，炒股速成。如果读者只想了解斯坦福、哈佛、纽约、华尔街、华盛顿、以色列、美国的教育界、美国的金融界、美国的艺术界，或者书中提到的多位总统、学者、名人的话，则有很多书籍会提供更详细的介绍。
陈琳
一九九八年六月脱稿于美国佛罗里达
==================================
你根本看懂陈琳的文章。学术数学化是学术界的趋势， 不是陈琳的主张。陈琳是把这个趋势告诉年轻学生， 让他们对这个趋势有正确的认识， 然后选择未来的发展方向。这很有必要。
很多人对这个趋势不清楚，但陈琳清楚， 因为他比较博学， 对许多领域有了解。看见树木也看见森林。所以他最有资格谈论这个问题。
作者：jinbeer 回复日期：2009-05-15 21:47:16
看了半天，不知道干嘛。一个既精通数学又精通绘画的人，怎么说起话来既不深入又没文采
----------
没文采？ 也许是的。÷
但说不深入， 就大错特错了。陈教授的讲话不但深入，而且渊博，
你要是没有相当水平，根本理解不了。
你先告诉我，
站在一公里高能看多远？
作者：奖金基金 回复日期：2009-05-29 11:18:12
他这些话应该跟哈佛的学生讲， 而不是中国大学的学生讲。
中国学生没这志向。
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
有些话有意思。
有些观点不能苟同，主要是“人文科学的数学化趋势”（其实对“人文‘科学’”的说法都不喜欢）。
在分析方面，任何学科都可以用数学的方法加以研究，得出些有意思甚至创造性的发现，这没跑的。
所谓“新技术老问题”方法的研究会逐渐变成用计算机处理不同对象的体力活，适合没有原创能力的研究者。当然，这份工作也是需要不少专业知识为基础的。如果能站上“数学XX之父/母”的位子也说明是够聪明够勤力的人哈~
但是综合、创造方面，我认为，基本上包含以人的灵感、天赋为必要条件的东西，数学是无力的。