「人工智慧的基石是數學，沒有數學基礎科學的支援，人工智慧很難行穩至遠。」
在中國科學院院士、西安交通大學教授徐宗本看來，目前人工智慧所面臨的一些基礎問題，其本質是來自數學的挑戰。
近日，由聯合國教科文組織和中國工程院聯合主辦的以「大資料與知識服務」為主題的聯合國教科文組織國際工程科技知識中心2019國際高階研討會上，徐宗本在題為《ai與數學：融通共進》的主題報告上如是說。
數學家眼裡的人工智慧是什麼？
徐宗本給出的答案簡潔明瞭：當下主要指機器學習。
如果給這個名詞賦予乙個說明，他認為這是人或者智慧型體，通過與環境的互動來提公升自身行為和解決問題能力的智慧型化操作。「機器學習是把這種智慧型形式化為數學公式，轉換成計算機可以操作的演算法和軟體。」
進一步說，人工智慧實際上是乙個將數學、演算法理論和工程實踐緊密結合的領域。將其扒開來看，就是演算法，也就是數學、概率論、統計學、各種數學理論的體現。
不過徐宗本認為，作為人工智慧基石的數學，還存在五大核心問題待解，而這也是制約人工智慧進一步發展的「絆腳石」。
第一是大資料的統計學基礎
徐宗本認為，人工智慧和大資料是一對孿生姐妹。人工智慧更多指應用模式，強調與領域知識的結合。大資料是最底層的資訊科技，強調機器和機器、機器與人之間的內容互動與理解。但是當前，分析大資料的統計學基礎面臨顛覆，應用於複雜大資料分析的極限理論、統計推斷方法、真偽判定等數學基礎都尚未完全建立起來。
第二是大資料計算基礎演算法
一般而言，理解和分析大資料都是通過資料處理或資料分析來實現的，而無論是資料處理還是資料分析最終都化歸到求解一系列基本的數學問題，像線性方程組求解、圖計算、最優化計算、高維積分等。不過，這些看似早已解決的問題在大資料情形下卻成了「攔路虎」。
為此，他以旅遊為例，打了乙個生動的比方來解釋這種挑戰。「比如從西安到北京，怎麼走最近？過去地圖解析度不高，根據普通的地圖可以獲取基本的路線。但現在大資料背景下地圖的解析度越來越高，不可能一次就給你涵蓋西安至北京之間全部城市與道路的資料，只能一次一次地分別給其中某些城市之間的道路資訊。如何在西安就知道到達北京需要多少時間，怎樣走最近？要帶多少錢？現在的機器還回答不了這些問題。這就是由於分布式圖資訊環境下圖計算基礎演算法沒有解決的原因。」
第三是深度學習的數學理論
徐宗本認為，這個問題在當下尤為關鍵。新一輪的人工智慧多以深度學習為基本模型，然而深度學習的設計基礎在哪？什麼樣的結構決定了什麼樣的效能？能不能有台勞公式和富里埃級數這樣的數學表示理論？這些基本的理論問題還沒有解決。正是這個原因，現在的人工智慧還得靠「人工」來換「智慧型「，這也是造成當下「人工智慧=人工+智慧型」的緣由。
第四是非常規約束下的最優輸運
人工智慧的很多問題都可歸納為兩個領域資料打通問題，即讓兩個物件在滿足某乙個特定的不變數情況下互相轉移。「比如中英文互譯，它就是在保持語義的情況下將中文資料轉換成英文資料。」
如果應用到現實，徐宗本暢想，將醫院的ct和核磁共振影象相互轉移或能很好地解決醫療診斷的資訊不足問題。「因為照的是同乙個人，這裡人就是不變數。要解決這些問題，建立特定約束下如何實現最優傳輸的數學理論與方法是基本的。」
第五是關於學習方**的建模與函式空間上的學習理論
徐宗本表示，研究生階段學到的機器學習理論，需上公升到學習方**學習的階段。
「從數學上說，無論函式空間上的學習理論怎麼建立，本質是要適應不同的任務。由於任務本身是函式，是無窮的，那麼就需要把過去機器學習中對樣本、資料的選擇、泛化，推廣到對任務的選擇、泛化上去。」
如果辯證地看待數學和人工智慧的關係，相輔相成可能是其最好的詮釋。徐宗本表示，不僅數學可為人工智慧提供基礎，人工智慧也為數學研究提供新的方**。
「比如解偏微分方程，過去人們可能會使用計算機，現在用人工智慧可以做的更好。」 他認為，讓數學中的模型方法與人工智慧的資料方法結合，可將機器的深度學習應用得更加精明。
面對如今發展如火如荼的人工智慧產業，這位院士也給出了自己對從業者的希冀。
「人工智慧想要做得好，要靠數學問題尤其是演算法的解決。」徐宗本再次強調，從業者應潛心從基礎研究抓起，使我國的應用場景優勢真正轉化為技術優勢和產業優勢。
人工智慧的盡頭是人工？
人工智慧的盡頭是人工？除了定期上街執勤需要外，乙個深層次的原因是，人工智慧並不能百分之百包打天下。更極端情況下，人工智慧的盡頭可能是人工。何出此言呢?其一原因是人工智慧演算法的評價準則。這裡談論兩個指標，漏檢率和誤報率。第乙個指標，漏檢率是指本應發現卻未被演算法發現的問題，俗稱假陰性。以交通違章為例...
知道什麼是人工智慧正規化，普及人工智慧的應用。
雖然在過去的十年裡，我們似乎已經取得了長足的進步，從研究的角度來看確實如此，但人工智慧在企業中的應用仍然比較低。根據一些研究，只有20 左右的公司在嘗試使用人工智慧。大多數公司才開始涉足人工智慧。新的資訊時代，很大程度上依賴於知識，而我們目前缺少很多專家。圍繞著人工智慧有很多恐懼和炒作，為了了解什麼...
人工智慧是藥物研發的未來？
雷鋒網按 開發新藥是是一項漫長而且低效率的工作。資料顯示，所有進入臨床試驗階段的藥物，只有不到12 的藥品最終能夠上市銷售，而且一款新藥的平均研發成本高達26億美金。藥物研發人員需要對各種不同的化合物以及化學物質進行測試，這個試驗過程中的錯誤嘗試耗費了太多的時間和金錢。由於需要測試的分子太多，研發人...