數學與AI越來越緊密，創造更多新機會探索更多未知世界

數學和人工智能能否碰撞出更大的火花？2025年世界人工智能大會“數學與人工智能”學術會議昨天舉行，與會專家學者就數學與人工智能的融合發展提出了諸多前瞻性見解，搭建了跨國界、跨學科的高端對話平臺，更推動了全球科研機構與企業間的深度協同。

此次會議由斯梅爾數學與計算研究院、中國工業與應用數學學會主辦，華院計算技術（上海）股份有限公司承辦。

上海始終高度重視數學與人工智能融合發展，推動數學基礎創新與人工智能產業發展更上新臺階，實現1+1大於2的效能，讓數據源的理論研究與產業應用需求精準對接，搭建各類產學研用的平臺，營造創新人才優越的發展環境。

中國科學院院士、中國科學院數學與系統科學研究院研究員袁亞湘表示，數學與人工智能的融合發展將日益緊密，數學在人工智能發展中的基礎性作用將愈發凸顯。他指出，當前亟需提升社會各界，特別是科技政策制定部門對數學重要性的認識。在佈局國家人工智能戰略時，不能僅聚焦於計算機等工科領域，而應當充分重視數學學科的關鍵支撐作用，吸納數學家深度參與，以充分發揮多學科協同創新的優勢。

歐洲科學院院士、歐洲人文和自然科學院院士，阿卜杜拉國王科技大學應用數學與計算科學教授許進超強調數學家不應僅滿足於對已有AI模型的“事後解讀”，而應主動引領下一代AI發展。當前AI研究面臨資源分配的結構性困境，數學家雖能提供理論突破，但缺乏大算力、大數據和團隊支持，難以快速驗證構想。爲此，他提出數學界需建立更緊密的產學研合作機制，將逼近論、優化理論等傳統優勢領域轉化爲AI創新的核心驅動力，提升模型架構設計、優化算法解釋等關鍵環節。

西安交通大學教授、西安數學與數學技術研究院副院長孟德宇強調了數學思維在機器學習中的核心作用，認爲數據、模型和算法的本質是一種形式化語言，只有通過嚴格的數學分析才能深刻理解並改進機器學習方法。他以損失函數和卷積算子爲例，指出傳統工科方法往往基於簡化假設（如固定損失函數或僅考慮平移等變性），而數學視角能揭示更復雜的數據噪聲結構和算子性質（如旋轉/尺度等變性），從而設計出更魯棒的模型。他呼籲數學研究者應積極介入AI領域，通過理論創新與工科團隊合作，在算法設計、模型解釋等環節發揮不可替代的作用，最終推動機器學習在性能和可解釋性上的雙重突破。

歐洲人文和自然科學院外籍院士、歐洲科學院院士、上海交通大學自然科學研究院院長金石認爲，AI與數學的結合本質上是一種“認知增強”，它打破了人類固有思維的限制，使得研究者能夠同時處理多尺度、高維度的複雜問題。因此，AI for Math的真正價值不在於替代傳統方法，而在於創造更多新的機會去探索更多未知世界，系統性地拓展人類科學的認知邊界，最終實現從解決既定問題到發現未知問題的範式轉換。

武漢大學弘毅特聘教授，湖北國家應用數學中心主任楊志堅犀利地指出，當前AGI的發展模式是“亂戰”狀態，缺乏像傳統科研那樣的組織性。AI有“三條腿”：數據、算力、算法，其中數學界最能發力的是數據——包括構建數學專用數據集、建立數據標準等基礎性工作。針對當前發展，他提出三個具體建議：第一，數學界需要組織起來，系統性地開展數據基礎設施建設；第二，重視邊緣分佈等關鍵數據特徵的挖掘，提升研究效率；第三，在擁抱大模型的同時，要保持理性認知，建立科學的評估體系。