人工智能领域近期的蓬勃发展基于哪三个重要因素

人工智能已经从一种理念逐步转化为可应用的技术。这个领域近期的蓬勃发展基于三个重要因素：互联网技术带来的大数据；利用深度学习的标准算法来处理数据；超级计算机和云计算的强大计算力。然而，其中的数学理论却没有什么突破，这也是这领域存在诸多瓶颈的本源。我国的人口规模是发展人工智能的优势，在应用人工智能技术方面已经有了很多优秀的工作，处于世界前沿水平。只是在基础理论和算法创新方面，跟美国、英国等国尚有差距。想要在人工智能等核心技术在国际上领先，基础理论的突破不可或缺。

人工智能对大数据的处理本质上是数学中的统计学。然而目前尚没有完备的数学理论用以支持大数据分析的结果。很多数学方法还相对原始，过度依赖于经验总结，而非真正来自内在的数学结构。这也导致了当下人工智能在处理大数据问题时还需要大量的人力和算力，甚至需要超级计算机的协助。由于缺乏数学理论的支持，很多大数据分析的结果只适用于特定环境，缺乏迁移性。大数据还缺乏有效的算法经典计算机的算法并不能直接应用到大数据中。

广为流传的深度学习也有很多不足之处（大样本依赖，可解释性差，易受欺骗等），但当前没有更好的算法来替代。要解决这些问题，需要对相关数学理论进行深入的研究，了解大数据内在的数学结构和原理。目前的人工智能由于计算机速度限制，只能采取多层状结构解决问题，基于简单数学分析而非真正的玻尔兹曼机（Boltzmann machine），无法有效地找出最优解。在可预见的未来，如何提升量子计算机的硬件，发展更有效的数学算法，让量子人工智能与量子深度学习变成实用工具，有赖于基础科学和数学的深度结合。很显然，没有基础科学的强力支持，应用科学是不可能做出顶尖成绩的。

世界上的万物皆与数学方程有关： 数据科学，张量，大数据，人工智能，机器学习。 数值优化，运筹学，及其在大规模机器学习中的应用。量子计算，量子算法，及其在机器学习中的应用。 数值线性代数，矩阵计算，及其在数据科学中的应用。大规模科学计算和高性能计算，如计算材料科学，计算量子化学，计算电磁学等的快速算法和并行算法等。数值偏微分方程，有限元理论和方法，多重网格算法，（非）线性守恒律等。 多尺度模拟，计算流体动力学，计算连续力学，如复杂流体，多孔介质渗流，界面问题，地球物理流，生物流体动力学等。 数值逼近论，反问题的数值解法，计算机图形学，计算共形几何，图像处理，医学影像处理等。动力系统和混沌，非线性动力学，经典与量子（不）可积系统，耗散系统等。随机分析，随机微分方程，不确定性量化及应用，统计计算，蒙特卡洛方法等及其在机器学习中的应用。数理经济学，金融数学，精算保险等。2019年，中国科学院推出该院200多名院士、专家耗时1年多研制的《科技发展新态势与面向2020年的战略选择》，其中就明确提到，与实验科学、理论分析和计算机模拟这三种经典科研范式相比，大数据科学将成为一种全新的科研范式。
       责任编辑:pj