数学与AI越来越紧密，创造更多新机会探索更多未知世界

数学和人工智能能否碰撞出更大的火花？2025年世界人工智能大会“数学与人工智能”学术会议昨天举行，与会专家学者就数学与人工智能的融合发展提出了诸多前瞻性见解，搭建了跨国界、跨学科的高端对话平台，更推动了全球科研机构与企业间的深度协同。

此次会议由斯梅尔数学与计算研究院、中国工业与应用数学学会主办，华院计算技术（上海）股份有限公司承办。

上海始终高度重视数学与人工智能融合发展，推动数学基础创新与人工智能产业发展更上新台阶，实现1+1大于2的效能，让数据源的理论研究与产业应用需求精准对接，搭建各类产学研用的平台，营造创新人才优越的发展环境。

中国科学院院士、中国科学院数学与系统科学研究院研究员袁亚湘表示，数学与人工智能的融合发展将日益紧密，数学在人工智能发展中的基础性作用将愈发凸显。他指出，当前亟需提升社会各界，特别是科技政策制定部门对数学重要性的认识。在布局国家人工智能战略时，不能仅聚焦于计算机等工科领域，而应当充分重视数学学科的关键支撑作用，吸纳数学家深度参与，以充分发挥多学科协同创新的优势。

欧洲科学院院士、欧洲人文和自然科学院院士，阿卜杜拉国王科技大学应用数学与计算科学教授许进超强调数学家不应仅满足于对已有AI模型的"事后解读"，而应主动引领下一代AI发展。当前AI研究面临资源分配的结构性困境，数学家虽能提供理论突破，但缺乏大算力、大数据和团队支持，难以快速验证构想。为此，他提出数学界需建立更紧密的产学研合作机制，将逼近论、优化理论等传统优势领域转化为AI创新的核心驱动力，提升模型架构设计、优化算法解释等关键环节。

西安交通大学教授、西安数学与数学技术研究院副院长孟德宇强调了数学思维在机器学习中的核心作用，认为数据、模型和算法的本质是一种形式化语言，只有通过严格的数学分析才能深刻理解并改进机器学习方法。他以损失函数和卷积算子为例，指出传统工科方法往往基于简化假设（如固定损失函数或仅考虑平移等变性），而数学视角能揭示更复杂的数据噪声结构和算子性质（如旋转/尺度等变性），从而设计出更鲁棒的模型。他呼吁数学研究者应积极介入AI领域，通过理论创新与工科团队合作，在算法设计、模型解释等环节发挥不可替代的作用，最终推动机器学习在性能和可解释性上的双重突破。

欧洲人文和自然科学院外籍院士、欧洲科学院院士、上海交通大学自然科学研究院院长金石认为，AI与数学的结合本质上是一种“认知增强”，它打破了人类固有思维的限制，使得研究者能够同时处理多尺度、高维度的复杂问题。因此，AI for Math的真正价值不在于替代传统方法，而在于创造更多新的机会去探索更多未知世界，系统性地拓展人类科学的认知边界，最终实现从解决既定问题到发现未知问题的范式转换。

武汉大学弘毅特聘教授，湖北国家应用数学中心主任杨志坚犀利地指出，当前AGI的发展模式是"乱战"状态，缺乏像传统科研那样的组织性。他提出AI有“三条腿”：数据、算力、算法，其中数学界最能发力的是数据——包括构建数学专用数据集、建立数据标准等基础性工作。针对当前发展，他提出三个具体建议：第一，数学界需要组织起来，系统性地开展数据基础设施建设；第二，重视边缘分布等关键数据特征的挖掘，提升研究效率；第三，在拥抱大模型的同时，要保持理性认知，建立科学的评估体系。