當(dāng)前人工智能面臨如下重大的理論挑戰(zhàn)：可計(jì)算性、可解釋性、泛化性，以及穩(wěn)定性。圍繞這些基礎(chǔ)問題，北京智源人工智能研究院從數(shù)學(xué)、統(tǒng)計(jì)和計(jì)算的角度，設(shè)立了“人工智能的數(shù)理基礎(chǔ)”重大研究方向，并在該方向首先啟動(dòng)了三方面研究（可解釋性的新型人工智能模型，新型的機(jī)器學(xué)習(xí)算法，深度學(xué)習(xí)的基礎(chǔ)理論），以期打破基于計(jì)算機(jī)實(shí)驗(yàn)和神經(jīng)科學(xué)的人工智能的慣用建模范式，建立以數(shù)學(xué)與統(tǒng)計(jì)理論為第一原理的新一代人工智能方法論。

2019 年 5 月 13 日，“智源論壇（第2期）——人工智能的數(shù)理基礎(chǔ)”系列報(bào)告第二場再度如約而至。本次論壇在北京大學(xué)教授、智源研究項(xiàng)?經(jīng)理夏壁燦的主持下正式開始。清華大學(xué)副教授鄧柯分享了他在人工智能數(shù)理基礎(chǔ)領(lǐng)域的研究探索。緊接著上一場的“數(shù)學(xué)與人工智能”探討，此次論壇將重心放到了統(tǒng)計(jì)學(xué)與人工智能的關(guān)系之上。

作為青年千人計(jì)劃入選者、國內(nèi)統(tǒng)計(jì)學(xué)領(lǐng)域青年學(xué)術(shù)帶頭人，清華大學(xué)鄧柯副教授此番率先帶來了《基于統(tǒng)計(jì)學(xué)模型和推斷的人工智能方法》主題報(bào)告，重點(diǎn)探討了關(guān)于用統(tǒng)計(jì)學(xué)的建模和推斷的方法來進(jìn)行人工智能研究的問題。

查看鄧柯完整報(bào)告視頻請點(diǎn)擊此處

鄧柯的研究為從統(tǒng)計(jì)學(xué)角度理解 CNN 的數(shù)學(xué)本質(zhì)，并為之建立不確定性推斷理論提供了?個(gè)可能的方向。他在報(bào)道中指出，不確定性推斷是智能的核心，運(yùn)用統(tǒng)計(jì)學(xué)模型和方法可以更好地處理人工智能中的不確定性，使人工智能研究進(jìn)入一個(gè)新的層次。

鄧柯及其團(tuán)隊(duì)認(rèn)為，就人工智能而言，一些不確定性的推斷實(shí)際上非常重要。簡而言之，智能的核心就是對不確定性的分析和處理。當(dāng)然，智能的本質(zhì)有很多定義，其中一種理解就是對數(shù)據(jù)和知識的有效分析和利用，這也是是一切智能的本質(zhì)與核心。

在人類的發(fā)展史上，我們上下求索，最核心的任務(wù)不過是獲取知識。關(guān)于獲取知識，我們又有很多不同的方法和范式，總結(jié)起來無非“演繹”二字。演繹的過程就是從知識產(chǎn)生知識，這樣的一般過程在歷史中發(fā)揮了非常重要的作用。包括歐式幾何理論、牛頓力學(xué)、量子力學(xué)等一系列人類杰出的成就，都是這樣產(chǎn)生的——首先建立公理和定律，然后通過數(shù)學(xué)進(jìn)行推演推理，從而形成了龐大的知識體系，這是個(gè)從知識生產(chǎn)知識的過程。

除此之外便是“歸納”，即從數(shù)據(jù)當(dāng)中總結(jié)知識，因?yàn)樽畛醯墓砗投梢欢ㄒ獜臄?shù)理當(dāng)中來。尤其在自然科學(xué)和社會科學(xué)中，隨著問題復(fù)雜性升級，有時(shí)很難進(jìn)行嚴(yán)格的邏輯推理，這就要基于數(shù)據(jù)，通過數(shù)據(jù)分析和規(guī)律總結(jié)來獲取知識，指導(dǎo)實(shí)踐。如此一來，就構(gòu)成了知識產(chǎn)生的一個(gè)基本形式：歸納與演繹相輔相成，然后螺旋遞進(jìn)，繼而推動(dòng)了整個(gè)人類知識的產(chǎn)生與發(fā)展。在這個(gè)過程當(dāng)中，數(shù)據(jù)分析和以統(tǒng)計(jì)學(xué)為代表的數(shù)據(jù)科學(xué)起到了極其重要的作用。事實(shí)上其與信息科學(xué)、領(lǐng)域知識相結(jié)合，正好構(gòu)成了我們數(shù)據(jù)科學(xué)的三大支柱，同時(shí)也是人工智能研究的重要領(lǐng)域。

其中，歸納法的哲學(xué)本質(zhì)是對已有的現(xiàn)象給出合理解釋，但這里還涉及一個(gè)非常本質(zhì)的困難——不確定性的存在，就是對于同一種現(xiàn)象，我們其實(shí)有很多種不同的解釋，這種不確定性的程度還會變化，而我們又不能決然排除任何一種解釋。

在此之上，一個(gè)更加根本的挑戰(zhàn)是當(dāng)我們面臨不確定性的時(shí)候，如何進(jìn)行決策和推斷，這是一項(xiàng)極其困難的運(yùn)用。我們的人生充滿了不確定性，我們也一直憎惡不確定性，因?yàn)楫?dāng)我們清楚一件事會怎樣發(fā)生時(shí)，心態(tài)必然會非常輕松，權(quán)當(dāng)接受其安排。而隨著可能的情況多起來，決策時(shí)往往會相當(dāng)糾結(jié)，陷入困境。這是困擾人類數(shù)千年的難題，人類整個(gè)科學(xué)和文化歷史都是在處理這個(gè)問題。當(dāng)然在過去的百余年里，出現(xiàn)了很多理論和方法來解決這個(gè)問題，但這個(gè)數(shù)理基礎(chǔ)中蘊(yùn)含著深刻的哲學(xué)思辨，因此至今懸而未決，數(shù)學(xué)分析和統(tǒng)計(jì)學(xué)分析之難由此可見一斑。

不像以數(shù)學(xué)和物理為代表的基礎(chǔ)為邏輯推理向前分析的一些學(xué)科，統(tǒng)計(jì)學(xué)可謂非常困難。在數(shù)學(xué)技術(shù)構(gòu)建上，我們要建立非常深的技術(shù)方法和理論框架進(jìn)行分析，但其本質(zhì)還是一個(gè)向前推演的過程。而以統(tǒng)計(jì)學(xué)為代表的數(shù)據(jù)科學(xué)則是反過來從數(shù)據(jù)中進(jìn)行拉取和歸納，這就牽扯到很多思辨，在哲學(xué)上也會頗為困難。這就要求做數(shù)據(jù)分析的人要在很多積累的同時(shí)還要擁有豐富的閱歷。

從這個(gè)角度來看，人工智能和統(tǒng)計(jì)學(xué)相結(jié)合有巨大的發(fā)展空間：

如果我們能從人工智能和統(tǒng)計(jì)學(xué)兩個(gè)角度分別出發(fā)，將兩者的優(yōu)勢有效結(jié)合起來，將有望極大推動(dòng)人工智能的有效發(fā)展。從這一點(diǎn)出發(fā)，鄧柯及其團(tuán)隊(duì)過去這些年在統(tǒng)計(jì)建模、統(tǒng)計(jì)計(jì)算，以及整個(gè)人工智能領(lǐng)域展開了頗多研究，其中包括不依賴大量數(shù)據(jù)進(jìn)行推斷的 Training-Free AI，以及如何在Deep Learning 中引入不確定性等問題。

關(guān)于主辦方

北京智源人工智能研究院（Beijing Academy of Artificial Intelligence，BAAI）是在科技部和北京市委市政府的指導(dǎo)和支持下，由北京市科委和海淀區(qū)政府推動(dòng)成立，依托北京大學(xué)、清華大學(xué)、中國科學(xué)院、百度、小米、字節(jié)跳動(dòng)、美團(tuán)點(diǎn)評、曠視科技等北京人工智能領(lǐng)域優(yōu)勢單位共建的新型研究機(jī)構(gòu)。