转自：中国科学信息科学

作为新一代信息技术的代表，人工智能已经广泛应用于科学、社会、经济、管理的方方面面，已经和正在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。

本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。数学主要提供对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。

本文提出并阐述人工智能研究与应用中凾待解决的10个重大数理基础问题，包括:

 

 

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

 

 

该文将于2021年12期在《中国科学：信息科学》正式出版，敬请留意。

 

徐宗本，中国科学院院士，西安交通大学数学与统计学院教授，博士生导师。主要从事智能信息处理、机器学习、数据建模基础理论研究。

内容中包含的图片若涉及版权问题，请及时与我们联系删除