由斯梅尔数学和计算研究院(Smale Institue of Mathematics & Computation)主办的WAIC 2024“数学和人工智能”学术会议7月4日在上海世博中心圆满落幕!

作为全球性顶级别学术研讨会，此次会议由华院计算技术(上海)股份有限企业创始人董事长、斯梅尔数学和计算研究院执行院长宣晓华担任主持，美国卡内基梅隆大学计算机科学学院名誉教授、1995年图灵奖获取者及美国三院院士Manuel Blum，欧洲人文和天然科学院外籍院士、欧洲科学院院士、上海交通大学天然科学研究院院长、上海交通大学数学科学学院讲席教授金石，欧洲科学院院士、牛津大学应用数学教授Jose A.Carrillo，牛津大学DeepMind人工智能教授Michael Bronstein，伦敦大学学院人工智能中心主任、英国研究和创造署基础人工智能博士培训中心主任、UiPath杰出科学家David Barber，全球科学院院士、阿勒福赞杰出青年科学家国际奖得主、南非布隆方丹自在州大学和台湾中华医科大学教授Abdon Atangana，南非北方大学应用数学系教授、系主任Oluwole Daniel Makinde，阿联酋人工智能大学副教授、副系主任Martin Takac出席，菲尔兹奖得主、法国高等科学研究所(IHES)终身数学教授Laurent Lafforgue，澳大利亚国立大学计算机科学研究学院(RS反恐精英)荣誉教授Marcus Hutter以及西南财经大学统计学院教授、统计研究中心主任、博士生导师林华珍通过线上方法参和了此次圆桌讨论。上海市经济和信息化委员会主任张英出席会议，欢迎全球数学家来沪参会并致辞。

这些全球顶尖的数学家和科学家们围绕机器进修和人工智能的数学基础、人工智能中的算法研究、AI4Science以及AI4Math等主题进行深入讨论，共同探讨数学和人工智能领域的新鲜研究成果和未来进步动向。

会上，94岁高龄的斯梅尔数学和计算研究院名誉主席斯蒂芬·斯梅尔教授以线上视频的形式发表了他关于“21世纪的18道数学难题”中的“智能的极点”的见解。1998年，斯梅尔列出了21世纪的18道数学难题。“斯梅尔难题”，沿袭了1900年著名的希尔伯特数学难题的灵魂。“斯梅尔难题”有一部分就来自希尔伯特数学难题。

会议围绕三大议题进行探讨，在关于“怎样借助数学打造更好的人工智能算法基础(特别是深度神经网络和Transformer领域)，从而提高人工智能算法的效率和鲁棒性、增加因果推理能力和可解释性，消除模型的幻觉现象等?”的议题上，Michael Bronstein教授发表了深刻见解，他高度肯定了数学家在构筑人工智能算法基础方面的卓越贡献。Bronstein教授从两个维度进行了详尽剖析：一方面，不论是预测性人工智能还是生成式人工智能，其核心均离不开优化经过，因此数学家的任务就是不断地寻觅和开发更好的算法，进步算法的效率。另一方面，他强调数学解析对于领会人工智能学说的重要性，特别是生成式人工智能，其执行任务的能力在很大程度上依赖算法的设计，而数学家通过优化算法，不仅提高了预测的准确性，还赋予了AI更强的预见性，使其在面对复杂任务时能够做出更为合理的决策。

这一见解得到了在场嘉宾的广泛共鸣，Martin Takac教授则进一步阐述道：“大家希望可以不断推进、拓宽并深化算法的边界，追求算法更高的效率和效能。”此番讨论奠定了数学研究在人工智能方面的演进中所扮演的重要人物。

随着人工智能的飞速进步，它已广泛渗透至生活的各个角落，虽然为现代人类社会进步了前所未有的效率，带来了诸多的便捷和福祉。然而，人工智能依旧面临着一系列学说和操作上的挑战。因此，会议也以“对于通用人工智能(AGI)、大模型的涌现现象、觉悟智能等前沿研究领域有哪些好的数学模型?智能的极点又是啥子?”为议题，深入剖析现有的数学模型是怎样推动人工智能、大模型的进步，以此探讨数学和人工智能之间双给促进、共同进步的互动关系。针对此议题，David Barber教授深刻地指出数学的纯粹、清晰性和复杂的人类推理、语言、姿势以及人工智能之间存在着巨大鸿沟。他强调，利用数学模型来驱动人工智能，促使人工智能更领会人类语言，是一项充满挑战又极具潜力的任务。同时，他也乐观地表示，目前已有的统计学、逻辑推理等已经为人工智能的进步奠定了坚实的基础，相信未来也会有更精准高效的数学模型来协助人工智能的进步。

金石教授则从另壹个角度切入，他认为壹个理想的数学模型应当是要将领域姿势和物理定律最佳结合，这样的模型才能更有效地化解复杂的难题。Michael Bronstein在探讨“智能的极点”时，以富有哲理的比喻阐述了人类对于智能认知的演进经过。他提出现在的人类看到人工智能的提高，如同十年前大家看科幻小说幻想今天一样，虽然今天大家见证了人工智能的显著提高，却仍感觉有些不一样。他强调，人工智能的极点就如同人类不断追求和设定的新目标，一个动态变化、永无止境的经过。

Marcus Hutter教授对于人工智能的见解深刻且前瞻，他坚信人工智能的影响不仅仅是预测，而是拥有影响全球的决策力。因此，他提出通过将最优决策学说和未知全球的预测学说相结合，可以构建在任意未知环境中都能做出最优决策的AGI体系，如ASI(强人工智能)。在过去的几年里，Marcus Hutter教授已经证实了大家拥有很多优化的概率，他做出了将智力这一非正式概念数学化的努力，提出了壹个从0到1的评分体系来评估AI的智能程度。他认为理想的智能测量应能捕捉全部智力的决定因素特征，包括记忆、概括能力、推理、领会力和创新力等。虽然目前的研究仍处于基础的开发阶段，但他积极利用逼近法来让规划得以继续执行，使其更优化、更最佳，以确保每一步都朝着既定目前稳步前进。对于当前的数据模型，Marcus Hutter教授也持乐观的态度。他表示目前的数据模型虽然尚在进步之中，但未来他会让数据模型更加接近理想的情形。

Abdon Atangana教授对此表示：大家每天都在创新和发明，接着通过验证大家的成果，来为人工智能注入更多的内容，让它接受更多的培训和提高。诚然，人工智能的出现也许让人类不再需要用自己的大脑进行研究，然而实际上人工智的进步仍然需要靠人类去进行深度参和和补充，尤其是它无法直接给大家验证新定理和新方式论。因此，关于人工智能的未来，我更想看到的是它可以超越现在的界限，可以替代人类验证一些新路线和新主题。

数学作为人工智能的基石其中一个，其基本学说和应用技术的深入研究是人工智能行稳致远的决定因素。因此，要想让人工智能在各行各业取得稳健的进步，必须先确保数学基础难题的有效化解。同时，人工智能的飞速进步和广泛引用，也推动了数学领域的研究不断给前，为数学提供了更多的研究视角、方式和挑战，促进了数学学说的创造和突破。既然人工智能的进步离不开数学的支持，那么人工智能是否也能反过来对数学产生促进影响?

“人工智能怎样助力数学研究，特别是在定理证明、证明验证以及猜想生成方面?”这是本次会议的最后壹个议题。在这个议题上，Jose A.Carrillo教授以风趣又不失深刻的言辞表达了自己的看法：“对于我个人而言，我并不担心我的职业会被替代。诚然，目前的人工智能虽然在一定程度上可以可以辅助数学家进行错误的检查，避免失误，然而人工智能的进步仍然面临着诸多未解难题，至少我(作为一名数学家)目前这几年仍不会失业。”

世间万物兼具两面性，数学和人工智能相互间的促成关系背后也也许潜藏风险。在现场观众对这一难题感到疑惑时，Manuel Blum教授以深邃的洞察力提出了独到见解，他指出：“人类总有一天也许都会毁灭，然而人工智能的出现并非这一宿命的必然推手，相反地，人工智能也许是协助人类规避风险的决定因素钥匙。”Oluwole Daniel Makinde教授对此表示赞同，他补充道：“大家应当以积极乐观的心态，相信人工智能会给大家带来创造!”

此次在WAIC会议主会场举办全球性数学和人工智能会议，充分体现了本次WAIC会议的全球性和学说前沿性，也体现了上海致力于打造全球性人工智能基础研究前沿和数学等AI算法技术相关基础学科研究高地的期许。

“数学和人工智能”学术会议，作为一次想法的盛宴、聪明的碰撞，见证了数学家们围绕前沿难题展开的激烈讨论和深刻洞见。在这里，想法的火花汇聚成照亮前行道路的明灯，预示着数学学说和人工智能技术的深度融合将开始壹个充满无限也许的新纪元。在这个充满无限也许的新时代，大家有理由相信，数学和人工智能将携手并进，共同书写人类科技提高的崭新篇章。

（来源：全球人工智能大会）