原標題：強人工智能還有多遠？先用10到20年突破這5個數學問題

7月30日，在成都高新區菁蓉匯舉辦的2019全球人工智能峰會上，中國科學院院士、西安交通大學教授徐宗本探討了人工智能與數學之間的關系。

“從博弈論的角度來看一看，數學研究的問題和人工智能研究的問題是一致的。”他說，目前弱人工智能在邁向強、超人工智能所面臨的一些基礎問題，其本質是來自數學的挑戰。

↑2019全球人工智能峰會現場

當前人工智能變現

最核心技術在于機器學習

徐宗本表示，目前人工智能拿來“變現”最核心的技術是機器學習。而人工智能本身的基石是數學。

什么是機器學習？“人或者是智能體，通過與環境的交互來提升自己行為的這種智能叫機器學習。”他說，機器學習是把這種智能形式化為數學公式，轉換成計算機可以操作的算法和軟件。

而這一波人工智能的興起是由于：深度學習的應用。通過與環境交互，調節參數來解決問題的任務求解器，可以被視作智能體。智能體可能反映為深度網絡、機器人或是無人系統。

深度學習所起的作用可以類比為：總結經驗。徐宗本說：“人工智能做的絕大部分的事情是把重復性的、有規律的東西總結出來，然后用來預測預報。”因此人工智能深度學習的環境非常重要，需要大量有標簽的數據，以判斷在一定準則下推測出的結果是否適合過去的經驗。這件事情構成的技術就叫深度學習技術。

“人工智能一個最重要的場景就是指把智能體放在一個特定的環境之中，智能體完成任務，然后在環境約束之下與環境交互改正智能體的行為，這就是機器學習。”徐宗本說。

目前，由于人工智能三大驅動力——大數據、大模型、大算力技術的發展，使得現在的人工智能技術已經突破了由“不能用”到“可以用”的技術拐點。“但是要說可以‘很好用’，還有很長的路要走。”徐宗本指出。

↑圖據icphoto

自動化、自主化

將是人工智能發展未來十年趨勢

徐宗本認為，人類距離研制出自主智能，即強人工智能還需幾十年的努力。

當前人工智能用應用形態處在數據加算法形成產品的時期，這也是目前人工智能賺錢的基本形態。而現在我們依然需要人工去采集數據、標注數據，做推廣泛化都還是要靠人。

即使是先進的深度學習技術，其每一層有多少個元素，每一個元素用什么非線性機制等等，都要人事先預設。“所以那些公司要養很多‘碼農’去調試。還有用什么方法去訓練它（人工智能）也是人為給定。”他說。

在應用層面上，目前還只能實現一個神經網絡智能解決一個問題，不能對問題自動切換。徐宗本預測，未來十年，人工智能研制焦點會在機器學習的自動化層面：自動生成數據、選擇數據、自動搭建神經網絡結構、自動設計訓練算法，對任務能夠自切換、自適應。

“現在是處于人工帶來智能的階段，正在走向自動化，朝著自主化。”他說。

↑2019全球人工智能峰會現場

人工智能發展本質是5個數學挑戰

需持續10到20年研究去搞清楚

既然人工智能的核心在數學，那么到底核心問題在哪？就此，徐宗本提出五個問題，而這五個問題可能將會持續10到20年的研究才能搞清楚。

第一是大數據的統計學基礎問題。

當前，大數據破壞了傳統統計學基礎與分析方法，支持大數據分析的數學基礎卻尚未完全建立。

第二是人工智能算法的基石——大數據計算基礎算法，必須在大數據環境中重建起來，無法使用既有的計算方法。

第三也是更為關鍵的，新一輪的人工智能以深度學習為基本模型，然而現狀是缺少深度學習理論，這就是造成當下“人工智能=人工+智能”的緣由。

第四個問題是非常規約束下的輸運問題。

簡單來說，就是“舉一反三”。這項人的基本智能，涉及到兩個不同分布數據間規律的轉移問題，人工智能要實現起來，尚有極大困難。

第五個問題是關于學習方法論的建模與函數空間上的學習理論。

“我們在本科學到的機器學習理論，要變到一個叫學習方法論的階段。從數學上說，就是函數空間上的學習理論怎么建立，本質是要適應不同的任務。由于任務本身是函數，是無窮的，那么就需要把過去機器學習中對樣本、數據的選擇、泛化，推廣到對任務的泛化上去。

“由弱人工智能邁向超人工智能的基礎科學問題，讓大家意識到人工智能機會就在眼前。但是人工智能要做得好，要靠數學問題的解決。”徐宗本強調到，從業人員不應僅把數學作為一個輔導答疑的“老師”，而應把它作為人工智能技術的核心提供者或參與者來對待。

紅星新聞記者 曾那迦

以上是網絡信息轉載，信息真實性自行斟酌。