丘成桐_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

10月17日，菲尔兹奖首位中国获奖者美国科学院院士、哈佛大学教授丘成桐在2019年中关村论坛上发表了主题演讲。 他呼吁国家重视基础科学和数学的发展。 一个国家的强大和长治久安，离不开强大的基础科学，没有基础科学的发展，应用科学不发展。

丘成桐表示，目前社会网络和计算机能力极大，无论能源分配、大数据处理物流系统、道路交通等，都需要大幅度提高计算能力，缺乏计算能力在简单理论上是不够的。 因为理论上我没有理解那个全部的能力。 未来的计算机面临很大的问题，处理问题的方法一般有两种，一种是利用基础物理的原理和基本数学来解决问题，另一种是大大改进软件，找到最好的算法，绕过硬件的速度和存储能力来解决问题。

关于第二个解决方法，丘成桐进一步说明。 这是利用数学发展的方法，目前在这方面研究的重要是人工智能和大数据。 目前，人工智能从最初的理念开始，在逐渐应用的基础上，基于互联网技术带来的巨大数据，在利用深度学习的标准算法处理数据的同时，还辅助了超级计算机和云计算的强大计算能力，其中在数学理论上有很大的突破

“我国人口规模具有发展人工智能的优势，在应用人工智能技术方面已有很多优秀工作，发表的论文比美国多，处于世界先进水平。 但在基础理论和算法创新方面与美国、英国有距离。 要在人工智能领域领先，必须突破基础学问，共同发展与数学有关的学问，才能真正引领突破。 丘成桐称。

丘比桐表示，人工智能虽然大数据处理的本质是数学中的统计学，但支持大数据分析结果的数学理论还不完善。 许多数学方法还是依赖于经验总结，而非本质的数学结构。 因此，现在的人工智能需要大量的人力和计算能力来处理大型数据问题，同时也需要超级计算机的协作。 由于缺乏数学理论的支持，许多大规模数据分析的结果只能应用于特定的环境，移动性不足。 大数据还缺乏有效算法，经典计算机算法不能直接用于大数据。 这是我们必须理解的重要问题。

他说，广为流传的深刻学习有很多不足之处，在依赖于很多样本的同时，说明也很差，容易上当。 目前还没有更好的算法被替代。 要解决这些问题，必须深入研究相关数学理论，了解大数据中的数学结构和原理。 目前，人工智能由于计算机速度的限制，只能用多层结构来解决问题。 基于简单的数学分析，不能有效地找到最优解。 在可见的未来，如何提高量子计算机硬件，发展更有效的数学算法，使量子人工智能和量子深度学习成为实用工具，取决于基础科学和数学的深度结合。

丘成桐还表示，机器学习和人工智能的先进计算方法已经在零售和娱乐领域取得了显着突破，这些方法也可能对医学和卫生保健产生重大影响。 全球卫生保健体系着手数字化临床信息，包括美国和中国。 但是，对于如何分析和应用这些信息还没有好的策略。 未来十年，数据科学和人工智能对医学的贡献超过了所有其他技术的总和，人工智能和数据科学的医学研究成为医学和卫生保健的新领域。 在这个新领域，数学和计算科学更广泛地支持医疗决策。 目前，许多医疗系统的研究人员没有意识到这一点，或者低估了这种影响。

“我们希望将尖端的计算技术应用于大型医学相关数据库，获得有效信息，并将其应用于医疗服务临床诊断相关医学研究。 这是一项将大规模不同学科联系起来的研究，只有不同学科共同努力才能完成。 丘成桐称。

他以人工智能的临床诊断为例进一步说明。 中国所有权世界上最大的临床医疗数据库，我们需要学会如何管理和应用这些数据，通过计算科学和人工智能，我们可以用全新的方式利用这些数据，推动整个领域的发展。 机器学习模型既可用于消化更大、更丰富的数据集，又可通过机器学习的结果重新审视传统预测模型的准确性，在自然状态下改变附加变量以提高模型的准确性。 该设置可以进一步分析如何新的技术和方法更好。 这关系到很多数学的改善和应用。

丘成桐表示，基础数学应用于不同的场所，各自的领域很多，在数据学、数值优化运营学、大规模机器学习中的应用。 量子计算机学习的应用，数值线性代表、矩阵计算很重要，大规模的科学计算和高性能计算很重要，材料力学、量子化学是各种数学的发展。 各种问题至少我能找到20个不同的重要方向，但中国在这些方面能够有效成功的只有几个，这些方向是高科技社会发展中最重要的。 希望在近十年内能在北京完成这些重要学科的发展，这需要大规模的投资，我们希望在近十年内赶上这些学科的完成进度。

编辑∑Gemini