用小波“压缩”世界，从一道波纹到一张图片：专访2026世界顶尖科学家奖“智能科学或数学奖”获奖者英格丽·多贝西教授

世界顶尖科学家奖由上海世界顶尖科学家发展基金会发起并承办，红杉中国独家奖金捐赠，上海临港科技创新发展基金会提供支持。该奖旨在表彰和支持世界各地杰出的研究人员和技术先锋对科学的贡献，选拔并支持全球最优秀的青年学者，构建“顶尖科学家＋顶尖青年科学家”对话协作、协同发展的双奖格局，以期支持全球科技进步，为上海高质量打造国际科技创新中心再添新动能。

奖项下设三项子奖项，分别为“智能科学或数学奖”、“生命科学或医学奖”、“青年科学家奖”。

英格丽·多贝西（Ingrid DAUBECHIES），杜克大学詹姆斯・B・杜克杰出数学荣休教授，荣获2026年世界顶尖科学家奖“智能科学或数学奖”。她创建的“多贝西小波”（Daubechies wavelets）给图像压缩与信号处理领域带来了根本性变革。从影院里的高清电影、医学MRI核磁共振图像到博物馆的古画修复，她的数学公式静静守护并服务着人类社会的日常与文明。在这篇深度访谈中，多贝西教授以极其率真、幽默且富有激情的语言，分享了她对小波变换、现代AI算力瓶颈、数学教育本质以及青年学者科研心态的深刻洞见。

一、获奖感受： "在以往较少获得顶级大奖认可的领域设立此类奖项，是一项极其出色的倡议"

问：对于本次荣获 2026 世界顶尖科学家奖“智能科学或数学奖”，您有什么特别的获奖感受？

英格丽·多贝西教授：这完全是个巨大的惊喜！我甚至不知道自己被提名了，简直不敢相信，感到无比震撼，到现在还没缓过神来。我非常激动。在以往较少获得顶级大奖认可的领域设立此类奖项是一项极其出色的倡议，组委会正在努力提升其全球影响力，我非常乐意为此尽一份力。

二、 突破·解密：“我绝不敢声称是我引发了小波革命”

问：您创建的“多贝西小波”从根本上变革了图像压缩与信号处理。如果用最通俗的比喻向非数学专业的大众解释，您发现的这套数学工具到底为现实世界解决了什么难题？

英格丽·多贝西教授：它解决了 JPEG 2000 标准征集时提出的难题，即图像压缩能够随着信道带宽降低而实现“平滑降级（graceful degradation）”，这是老版 JPEG 标准做不到的。有趣的是，当时内存很贵，但很快变得非常便宜，所以手机等消费电子产品因为内存便宜至今还在沿用老版 JPEG。现在内存又开始变贵了，未来会不会改变？我完全不知道，毕竟我不懂这些市场力量！但在电影院（影院里的电影就是用 JPEG 2000 逐帧压缩的）和一些医疗应用中，它产生了巨大影响。

如果要解释它的原理：在老版 JPEG 标准中，图像通常被划分为小正方形，每个小正方形被分解为基础构建块，而每一个基础构建块都会布满整个方块，它们有的振荡幅度更大，有的更小，但全部单元的尺寸都是相同的。

而小波变换没有固定的尺度，对平缓变化的背景采用极宽的构建块，对边缘等局部细节采用微小的构建块，并配有高效算法。

不过我必须补充的是，小波变换是许多领域思想交融与众人努力的结晶，我只是运气好，在正确的时间和地点，带着合适的背景，看到了有限长度滤波器（finite length filters）的重要性——它能将所有这些数学构想付诸实现。我绝不敢声称是我引发了小波革命，当归功于我的成果超出实际所做时，我总会感到有些尴尬。

三、攻克难点： "为什么不把小波变换后的数据，直接喂给网络？"

问：如今像 Sora 和 DALL-E 这样的生成式 AI 模型风靡全球，但它们消耗了海量数据、算力和能源。像小波分析这样的经典数学工具将如何帮助打破这些瓶颈？

英格丽·多贝西教授：现代 AI 网络中存在大量的冗余。冗余是件好事，因为它允许模型选择在哪个方向上进行参数化。既然冗余很有用，我们为什么不直接把原始图像和小波变换后的数据一起喂给网络呢？事实表明，神经网络在初始层确实会计算类似于小波变换的东西。如果我们预先直接提供这些变换数据，网络就不用在初始层浪费能量去重复计算，从而可以将主要计算精力集中在分析和训练等核心任务上。

这能让网络以更低的工作强度、能耗以及冷却水耗完成优化——请注意，水资源将是一个重大问题，因为发电冷却需要消耗大量的水。此外，许多数学家也在努力搞懂神经网络成功的内部机制，一旦我们真正理解了事物的本质，就能将其应用到更广阔的天地。

四、 实际意义："数学无处不在，它是人类的本能"

问：每当人们在智能手机上发送照片、医生读取 MRI 图像，或是博物馆修复古代杰作时，您的数学公式都在后台发挥作用。得知自己的方程式既服务于数十亿人的日常，又在守护人类文化遗产时，您有什么感受？

英格丽·多贝西教授：我认为数学无处不在，每个人时刻都在运用数学思维，这是一种属于人类本能的东西。我们在幼儿成长阶段就在不断发现数学原理——我们在思考中建立推导捷径，意识到“我用这种方法解决了那个问题，或许也能将这种推理用在别处”，这种将某一领域的推理迁移应用到别处的行为，本质上就是做数学。

当我在压缩图像中通过某些痕迹辨认出它使用了小波技术时，我总会会心一笑。但我并不觉得那是“我的专属”；我只会想：“噢，小波——这个我曾参与其中的成果在这里被应用了”。我为人类所成就的一切感到自豪，我为所有智力结晶以及人类的独创性与创造力感到无比振奋，这正是我生活的动力所在！

五、产业化与教育： "只教格律，教不出真正的诗歌"

问：许多人觉得纯数学过于抽象，很难在工程与行业应用中直接落地。您认为推动基础数学成果走向实际产业化的最关键一步是什么？

英格丽·多贝西教授：每当有人告诉我他们在学校数学不好时，我总感到非常遗憾，甚至想向他们抱歉：“很遗憾你当时没有遇到一位好老师”。因为许多没有受过严格数学训练、也不热爱数学的人，为了找一份工作去教数学，纯粹靠死记硬背公式和考试技巧来教，这非常枯燥。

这就好比教诗歌——在充满诗歌底蕴的中国文化里，想象一下如果教诗歌只教让诗句听起来押韵的格律规则，诗歌就会变得极其无趣，完全偏离了本质！诗歌真正想要的是与我们的灵魂产生共鸣；如果只学会解题技巧，写出来的只是符合规则的东西，根本不是真正的数学。

数学绝不是一项“观赏性运动”！它就像参与体育运动一样：能达到奥运水平的人极少，但大多数人都能享受脑力锻炼和思考带来的愉悦，这种愉悦感正是构成我们人性的一部分。

六、传承·启智： “数学的精髓在于亲自实践”

问：为了鼓励年轻学者探索基础数学或计算科学等 10 年后依然有价值的研究方向，您有些什么建议？

英格丽·多贝西教授：我常对学生说：我学过的每一门数学知识，后来都派上了用场。当有访问学者来教非常抽象的代数拓扑时，只要学生感兴趣且时间允许，我都鼓励他们去学，因为新的想法往往源于不同思维流派的碰撞（如调和分析与数论中的朗兰兹纲领）。

如果你想真正提升数学能力，就必须亲自动手做，数学不是观赏性运动！现在有人说 AI 能解决重大数学难题了，但解决难题只是衡量我们理解能力的尺度；数学的精髓在于亲自实践、深化理解和建立新的联系。如果只是把问题丢给 AI 得到一个“是”或“否”的结论，这并不能教会我们任何实质性的知识。

七、科学接龙： "太酷了，让我们一起合作做点酷炫的事吧！"

问：作为“科学接龙”的一部分，如果请您向其他获奖科学家抛出一个开放性数学猜想或科学未解之谜，您会问什么？

英格丽·多贝西教授：当然有经典的黎曼猜想等。人们之所以想解决这些难题，并不是因为结果本身，而是因为它们与数学的许多方面有着深刻联系，解决它们需要全新的根本性理念与联系。

我做科研时从来不是出于“要做出重大影响”的动机。当年研究小波时，我们心态非常纯粹：“太酷了，让我们一起合作做点酷炫的事吧！” 我也鼓励年轻人寻找合作机会，共同创造酷炫的成果，并认真对待数学这一磨砺逻辑思维的绝佳工具。