菲尔兹奖数学家丘成桐：人工智能中的数学理论尚无很大突破

正文

请到「今天看啥」查看全文

对于第二种解决方法，丘成桐进一步解释，这就是利用数学发展出来的方法，现在这方面研究重要的有人工智能和大数据。 当前，人工智能已经从一种刚开始的理念，慢慢转化为可应用的基础，基于互联网技术带来的大数据，利用深度学习的标准算法来处理数据，同时辅助以超级计算机跟云计算的强大计算力，但其中数学理论没有什么很大的突破。

“中国的人口规模是发展人工智能的优势，在应用人工智能技术方面已经有了很多优秀的工作，发表的论文甚至比美国还要多，在世界前沿水平。 但是在基础理论和算法创新方面跟美国、英国还有一段距离。 要在人工智能领域领先，基础学问一定要突破，一定要将数学跟有关的学问一同发展，才能够真真正正领先突破。 ”丘成桐称。

丘成桐表示，因为人工智能对大数据处理的本质上是数学中的统计学，然而目前还没有完备的数学理论用以支持大数据分析的结果。 很多数学方法还是过渡依赖于经验的总结，而非真正来自内在的数学结构。 这也导致当下人工智能在处理大数据问题时还需要大量的人力和算力，甚至需要超级计算机的协助。 由于缺乏数学理论的支持，很多大数据分析的结果只适用于特定环境，缺乏迁移性。 大数据还缺乏有效的算法，经典计算机的算法还不能直接用到大数据中。 这是我们需要了解的很重要的一个问题。

他表示，广为流传的深度学习有很多不足的地方，依赖很多大样本，同时解释很性差，容易受到欺骗。 当前没有更好的算法来替代，解决这些问题要对相关数学理论进行深入研究，了解大数据里面的数学结构和原理，目前人工智能由于计算器速度限制，只能采取多层状结构解决问题，基于简单数学分析，无法有效找出最优解，在可见的未来，如何提升量子计算机的硬件，发展更有效的数学算法，让量子人工智能与量子深度学习变成实用工具，实在有赖于基础科学和数学的深度结合。

丘成桐进一步解释，机器学习和人工智能先进的计算方法已经在零售和娱乐领域带来了显著的突破，这些方法也可能对医学和卫生保健产生深远的影响。 全球的卫生保健系统包括美国和中国，都着手将临床信息数字化。 可是，对如何分析和应用这些信息却还没有很好的策略。 未来十年，数据科学和人工智能对医学的贡献就可能超过其他所有技术的总和，人工智能和数据科学的医学研究变成医学和卫生保健的一个新领域。

请到「今天看啥」查看全文