论文链接：

http://scis.scichina.com/cn/2021/SSI-2021-0254.pdf

本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.

总结：上述10个人工智能重大数理基础问题已在国内外引起高度关注, 例如, 问题(1)和 (10)已作为国家自然科学基金委重大项目立项研究, 问题(2), (4), (5),(8)已作为科技部变革性技术关键科学问题和数学与数学应用重大专项立项研究. 对于这些问题的研究, 国内外不同领域也已经正在取得重要进展. 例如, 统计学界近年来有关高维、稀疏、分布式统计方面的研究取得了突破性进展;数学界有关深度学习泛化性、深度学习与微分方程数值解的关联性等方面取得了重要进展; 机器学习界在突破机器学习先验假设、开拓新的学习范式上取得了持续的重要进展;人工智能领军企业在突破应用系统和研发AI芯片方面也取得了重大进展. 但是, 必须注意到, 所有这些进展都还远远没有解决所提出的AI数理基础问题. 解决这些重大的数理基础问题构成了人工智能未来发展的驱动力和重要前沿领域.

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