AI与数学“融通共进” 迈向自主智能时代

 
中科院院士徐宗本：  
AI与数学“融通共进” 迈向自主智能时代  
 

“人工智能的基础是数学，人工智能要走得远，需要把数学的基本问题解决好。同时，人工智能的一些原理和方法也给数学研究带来了特别的启示，有些甚至是革命性的。”6月5日，中国科学院院士、西安交通大学教授徐宗本在由国家数学与交叉科学中心举办的“综合论坛”上如是说。

在他看来，人工智能与数学“融通共进”。

“框架性”融合

在人工智能中，与数学联系最为紧密的是机器学习。徐宗本表示，人的智能是通过与环境的交互，再加上自省，来提升解决问题的能力。而用机器来模拟这种智能时，就是机器学习。

在徐宗本看来，数学与人工智能存在着自然的“框架性”联结，两者在处理问题的方法论上存在一致性，因而能够“融通共进”。

这一“框架”中最为重要的两个部分是智能体和环境。

徐宗本认为，智能体从形态上可以是网络结构、机器人或是无人系统等。但从数学描述上来说，智能体可被认为是一个含有大量参数、可调节的任务求解器，而目前希望能找到一个递进函数，让智能体在“环境”中来提高自己。

这个“环境”特别值得关注，它有两个重要性质：首先，是可描述出来的，可以用数据、模型或知识来描述；其次是环境是可以建模的，它能够对智能体的行为给出反馈。

“上述智能体与环境结合成的统一体，便形成了机器学习系统，也就是研究问题的基本方法论，而一个智能体在环境中怎么完成任务，不同的完成任务方式和不同的利用环境方式，就构成了不同的科学分支。”徐宗本说。

随后，他分享了机器学习的4个典型模型：深度学习、自编码器、对抗生成和强化学习。

那数学在其中发挥着怎样的作用呢？徐宗本以强化学习为例说，智能体想解决一个数学问题，这其中的关键是在什么环境下来解决任务，此刻这一环境便是“数学符号”，比如：数学公式、定解条件等。

徐宗本表示，“尽管数学更强调模型化，但事实上，与人工智能中智能体在环境之中去交互，来提升自己解决问题的原理和思路是如出一辙的。”

他认为，人工智能已经突破了从“不能用”到“可以用”的技术拐点，正在从“可以用”迈向“很好用”，处在从人工化走向自动化的“前夜”，迈向自主化的初级阶段。

“我们最终的目标是自主智能，即智能体对环境的自适应自控制，但还存在诸多技术瓶颈，亟需重大技术变革，我们还有很长的路要走。”徐宗本说。

AI走向深化的5大基础数学问题

“中国有多少数学家投入到人工智能的基础算法研究中?”这是中国工程院院士徐匡迪曾发出的振聋发聩之问。

华为创始人也多次强调“人工智能的本质就是数学”。

徐宗本有着同样观点，在他看来，要想实现上述人工智能的目标，在诸多要解决的难题中有5个数学基础问题值得关注。

第一是大数据的统计学基础。人工智能的应用模式由感知智能、认知智能和控制智能3部分组成，而贯穿其中的核心技术是大数据，而大数据破坏了传统统计学基础与分析方法，支持大数据分析的数学基础尚未完全建立起来。

第二是大数据计算基础算法。大数据的生成、存储、处理方式使得传统计算方法不可行，必须在大数据环境下重建大数据计算的基础算法与分析处理算法。