中国工业与应用数学学会顾问委员会委员、大数据与人工智能专业委员会主任徐宗本院士近日在《中国科学:信息科学》上发表重要文章《人工智能的10个重大数理基础问题》。(徐宗本.人工智能的10个重大数理基础问题.中国科学-信息科学, 2021, 51(12): 1967–1978)
作为新一代信息技术的代表,人工智能(artificial intelligence, AI)已经广泛应用于科学、社会、经济、管理的方方面面,已经成为创新驱动发展的核心驱动力之一。 然而,就其技术发展而言,人工智能还只是突破了从"不可用"到"可以用"的技术拐点,从"可以用"到"很好用""用得好"还存在诸多技术瓶颈,正呼唤重大技术变革。
技术变革的先导是理论创新,即基础研究。它是指对事物本质和规律的科学化探寻和揭示,是启发、促动技术变革的激发源和理论依据。理论创新既应包括对原有理论体系或框架的新突破、对原有理论和方法的新修正和新发展,也包括对理论禁区和未知领域的新探索。该文主要关注人工智能技术发展当前亟待解决的重大数理基础问题。
为什么要特别关注AI的数理基础问题呢?这是因为当前人工智能技术和发展主要是靠"算例、算法、算力"所驱动的,其基础是数据,其核心是算法,这二者都深刻地以数学为基础。数学主要提供所研究问题的形式化手段、模型化工具和科学化语言。没有形式化就没有程式化和计算机化,没有模型化就没有定量化和知识化,没有科学化就没有系统化和现代化。所以,数学在科学技术中具有独特的作用和价值。对人工智能而言,数学不仅仅是工具,还是技术内涵本身,而且常常也是最能体现本质、原始创新的部分。美国国家研究委员会的报告所说的"进入高技术时代,我们也就进入了数学技术的时代",尼克松科学顾问艾德华·大卫(David Edwards)所说的"很少人认识到当今如此被广泛称颂的高技术在本质上是一种数学技术"大概都指这一道理。
该文提出并阐述人工智能研究与应用中亟待解决的10个重大数理基础问题:
(1) 大数据的统计学基础;
(2) 大数据计算的基础算法;
(3) 数据空间的结构与特性;
(4) 深度学习的数学机理;
(5) 非正规约束下的最优输运;
(6) 如何学习学习方法论;
(7) 如何突破机器学习的先验假设;
(8) 机器学习的自动化;
(9) 知识推理与数据学习的融合;
(10) 智能寻优与人工智能芯片问题。
该文主要内容转载自"中国科学信息科学"微信公众号(scis1950)