作者：韓揚(yáng)眉
“人工智能的基礎(chǔ)是數(shù)學(xué)，人工智能要走得遠(yuǎn)，需要把數(shù)學(xué)的基本問題解決好。同時(shí)，人工智能的一些原理和方法也給數(shù)學(xué)研究帶來了特別的啟示，有些甚至是革命性的?！?月5日，中國科學(xué)院院士、西安交通大學(xué)教授徐宗本在由國家數(shù)學(xué)與交叉科學(xué)中心舉辦的“綜合論壇”上如是說。
在他看來，人工智能與數(shù)學(xué)“融通共進(jìn)”。
“框架性”融合
在人工智能中，與數(shù)學(xué)聯(lián)系最為緊密的是機(jī)器學(xué)習(xí)。徐宗本表示，人的智能是通過與環(huán)境的交互，再加上自省，來提升解決問題的能力。而用機(jī)器來模擬這種智能時(shí)，就是機(jī)器學(xué)習(xí)。
在徐宗本看來，數(shù)學(xué)與人工智能存在著自然的“框架性”聯(lián)結(jié)，兩者在處理問題的方法論上存在一致性，因而能夠“融通共進(jìn)”。
這一“框架”中最為重要的兩個(gè)部分是智能體和環(huán)境。
徐宗本認(rèn)為，智能體從形態(tài)上可以是網(wǎng)絡(luò)結(jié)構(gòu)、機(jī)器人或是無人系統(tǒng)等。但從數(shù)學(xué)描述上來說，智能體可被認(rèn)為是一個(gè)含有大量參數(shù)、可調(diào)節(jié)的任務(wù)求解器，而目前希望能找到一個(gè)遞進(jìn)函數(shù)，讓智能體在“環(huán)境”中來提高自己。
這個(gè)“環(huán)境”特別值得關(guān)注，它有兩個(gè)重要性質(zhì)：首先，是可描述出來的，可以用數(shù)據(jù)、模型或知識(shí)來描述；其次是環(huán)境是可以建模的，它能夠?qū)χ悄荏w的行為給出反饋。
“上述智能體與環(huán)境結(jié)合成的統(tǒng)一體，便形成了機(jī)器學(xué)習(xí)系統(tǒng)，也就是研究問題的基本方法論，而一個(gè)智能體在環(huán)境中怎么完成任務(wù)，不同的完成任務(wù)方式和不同的利用環(huán)境方式，就構(gòu)成了不同的科學(xué)分支?！毙熳诒菊f。
隨后，他分享了機(jī)器學(xué)習(xí)的4個(gè)典型模型：深度學(xué)習(xí)、自編碼器、對(duì)抗生成和強(qiáng)化學(xué)習(xí)。
那數(shù)學(xué)在其中發(fā)揮著怎樣的作用呢？徐宗本以強(qiáng)化學(xué)習(xí)為例說，智能體想解決一個(gè)數(shù)學(xué)問題，這其中的關(guān)鍵是在什么環(huán)境下來解決任務(wù)，此刻這一環(huán)境便是“數(shù)學(xué)符號(hào)”，比如：數(shù)學(xué)公式、定解條件等。
徐宗本表示，“盡管數(shù)學(xué)更強(qiáng)調(diào)模型化，但事實(shí)上，與人工智能中智能體在環(huán)境之中去交互，來提升自己解決問題的原理和思路是如出一轍的?！?/p>
他認(rèn)為，人工智能已經(jīng)突破了從“不能用”到“可以用”的技術(shù)拐點(diǎn)，正在從“可以用”邁向“很好用”，處在從人工化走向自動(dòng)化的“前夜”，邁向自主化的初級(jí)階段。
“我們最終的目標(biāo)是自主智能，即智能體對(duì)環(huán)境的自適應(yīng)自控制，但還存在諸多技術(shù)瓶頸，亟需重大技術(shù)變革，我們還有很長的路要走。”徐宗本說。
AI走向深化的5大基礎(chǔ)數(shù)學(xué)問題
“中國有多少數(shù)學(xué)家投入到人工智能的基礎(chǔ)算法研究中?”這是中國工程院院士徐匡迪曾發(fā)出的振聾發(fā)聵之問。
華為創(chuàng)始人也多次強(qiáng)調(diào)“人工智能的本質(zhì)就是數(shù)學(xué)”。
徐宗本有著同樣觀點(diǎn)，在他看來，要想實(shí)現(xiàn)上述人工智能的目標(biāo)，在諸多要解決的難題中有5個(gè)數(shù)學(xué)基礎(chǔ)問題值得關(guān)注。
第一是大數(shù)據(jù)的統(tǒng)計(jì)學(xué)基礎(chǔ)。人工智能的應(yīng)用模式由感知智能、認(rèn)知智能和控制智能3部分組成，而貫穿其中的核心技術(shù)是大數(shù)據(jù)，而大數(shù)據(jù)破壞了傳統(tǒng)統(tǒng)計(jì)學(xué)基礎(chǔ)與分析方法，支持大數(shù)據(jù)分析的數(shù)學(xué)基礎(chǔ)尚未完全建立起來。
第二是大數(shù)據(jù)計(jì)算基礎(chǔ)算法。大數(shù)據(jù)的生成、存儲(chǔ)、處理方式使得傳統(tǒng)計(jì)算方法不可行，必須在大數(shù)據(jù)環(huán)境下重建大數(shù)據(jù)計(jì)算的基礎(chǔ)算法與分析處理算法。
第三是深度學(xué)習(xí)的數(shù)學(xué)原理。徐宗本比喻說，深度學(xué)習(xí)就像高考一樣，有很多缺陷，但是要找出來一個(gè)能夠代替它的方法，并不容易，深度學(xué)習(xí)仍然是目前推動(dòng)人工智能發(fā)展的最有效辦法。但不可忽略的是大樣本依賴、不可解釋性等問題是其致命缺陷，亟需解決最本質(zhì)的數(shù)學(xué)理論，比如：有確定數(shù)學(xué)意義的信息深度表示理論、機(jī)器學(xué)習(xí)的自動(dòng)化原理等。
此外，實(shí)現(xiàn)不同領(lǐng)域的數(shù)據(jù)遷移，解決非常規(guī)約束下的輸運(yùn)問題；學(xué)習(xí)方法論的建模與函數(shù)空間上的學(xué)習(xí)理論也都是當(dāng)下人工智能存在的基礎(chǔ)問題，也是對(duì)數(shù)學(xué)的挑戰(zhàn)。
AI與數(shù)學(xué)“融通”的未來
“人工智能的數(shù)學(xué)問題解決了，會(huì)推動(dòng)人工智能的進(jìn)步，反過來，人工智能同樣推動(dòng)了數(shù)學(xué)研究的創(chuàng)新，甚至帶來了革命性的影響。”徐宗本說。
他以數(shù)學(xué)的基本問題之一“PDE”（偏微分方程）為例指出，過去數(shù)學(xué)家已經(jīng)提出了有限差分法、有限元法、有限體方法等成功的數(shù)值方法，但在解決復(fù)雜邊界條件的函數(shù)等時(shí)存在局限。而人工智能的方法——利用對(duì)空間的采樣替代離散化的微分方法是一個(gè)全新視角和解決方案。
此外，人工智能的方法應(yīng)用于地震波反演上，使得地震勘探也不再只是解偏方程數(shù)字解，而是最終對(duì)地下情況看得更遠(yuǎn)、看清楚。
“人工智能現(xiàn)在很‘火’。的確，人工智能正在改變我們的生產(chǎn)方式和生活方式，也特別地影響了數(shù)學(xué)研究者的思維方式和科學(xué)研究方法論。”徐宗本總結(jié)。
他指出，數(shù)學(xué)作為人工智能發(fā)展的基石，不僅為人工智能提供新的模型、算法和正確性依據(jù)，也為人工智能發(fā)展的可能性提供支持平臺(tái)。與此同時(shí)，人工智能對(duì)數(shù)學(xué)理論提出挑戰(zhàn)，發(fā)展運(yùn)用新的數(shù)學(xué)理論工具解決人工智能問題由基本重要性，會(huì)成為應(yīng)用數(shù)學(xué)的重要方向之一。
“這種反作用有可能為數(shù)學(xué)不易解決的問題帶來新的途徑，甚至是突破?！毙熳诒菊f。
對(duì)于未來，他表示，基于數(shù)據(jù)的人工智能和基于模型的數(shù)學(xué)方法，只有這二者結(jié)合，才能得到很好的結(jié)果。這種結(jié)合的方式包括：數(shù)據(jù)不夠模型補(bǔ)，模型不精數(shù)據(jù)幫；機(jī)理啟發(fā)，知識(shí)融入。
聯(lián)系客服
