日前，由斯梅尔数学与计算研究院主办的2024年世界人工智能大会（WAIC）“数学与人工智能”学术会议在上海举办。

如何借助数学打造更好的人工智能算法基础，从而提升人工智能算法的效率，增加因果推理能力和可解释性，消除模型的幻觉现象？

牛津大学DeepMind人工智能教授Michael Bronstein从两个维度进行了剖析：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过程，因此数学家的任务就是不断地探索与开发更好的算法，提高算法的效率。另一方面，数学分析对于理解人工智能理论非常重要，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，不仅提升了预测的准确性，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。

通用人工智能（AGI）、大模型的涌现现象、意识智能等前沿研究领域有哪些好的数学模型？智能的极限又是什么？

对此，伦敦大学学院人工智能中心主任、英国研究与创新署基础人工智能博士培训中心主任David Barber指出，数学的纯粹、清晰性和复杂的人类推理、语言、知识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，促使人工智能更理解人类语言，是一项充满挑战又极具潜力的任务。同时，目前已有的统计学、逻辑推理等已经为人工智能的发展奠定了坚实的基础，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发展。

上海交通大学自然科学研究院院长、上海交通大学数学科学学院讲席教授金石认为，一个理想的数学模型要将领域知识和物理定律完美结合，才能更有效地解决复杂的问题。

澳大利亚国立大学计算机科学研究学院（RSCS）荣誉教授Marcus Hutter坚信，人工智能的作用不仅仅是预测，而是拥有影响世界的决策能力。因此，他提出通过将最优决策理论与未知世界的预测理论相结合，构建在任意未知环境中都能做出最优决策的AGI系统，如ASI（强人工智能）。他认为，理想的智能测量应能捕捉所有智力的关键特征，包括记忆、概括能力、推理、理解力和创造力等。

“实际上人工智能的发展仍然需要靠人类去进行深度参与和补充，尤其是它无法直接向我们验证新定理和新方法论。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方向和新主题。”南非布隆方丹自由州大学教授Abdon Atangana表示。

人工智能如何助力数学研究，特别是在定理证明、证明验证以及猜想生成方面？

对此，牛津大学应用数学教授Jose A.Carrillo表示：“对于我个人而言，我并不担心我的工作会被替代。诚然，目前的人工智能虽然在一定程度上可以辅助数学家进行错误检查，避免失误，但是人工智能的发展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。”

数学与人工智能相互间的促成关系背后也可能潜藏风险。美国卡内基梅隆大学计算机科学学院名誉教授Manuel Blum指出：“人工智能可能是协助人类规避风险的关键钥匙。”南非北方大学应用数学系教授、系主任Oluwole Daniel Makinde对此表示赞同，他补充道：“我们应当以积极乐观的心态，相信人工智能会给我们带来创新！”