手机网站
手机网站
作者:丘成桐院士
编辑按钮:
丘成桐院士在2019年的中关村论坛上提出“要重视数学和基本科学在应用科学中的重要性”，呼吁我们在人工智能领域领先，基础学问必须突破，数学和相关学问必须共同发展。 他认为数十年来，数学是整个社会的重要支持，如网络、人工智能等技术，其背后的重要工具其实是数学，对于现在广泛流行的深度学习，过于依赖大样本，说明不好，容易上当等问题，要深入研究相关的数学理论
以下是丘成桐院士发言的主要内容。
缺乏知识是重视数学和基本科学在应用科学中的重要性
中国的大部分家庭都专注于孩子的教育，关注孩子的健康成长。 基础科学的发展也是一样的，我们不断地投资于工业，把巨额的经费投资于基本科学。 强大的基本科学对一个国家的独立自主长治久安是必要的，因为没有基本科学的发展，研究科学是不可能发展的。
当时在普林斯顿高等研究所当教授时，这也是杨振宁教授、爱因斯坦工作的地方。 当时的所长说:“我们在这里研究的是没用的学校！ 这些无用的学问将来会成为社会的岩石、国家的支柱。”高研所的第一任所长在A·Flexner，1939年在杂志上发表了“不做没有知识的事情”的报道。 19世纪法拉第和马克斯研究了电磁学，出于科学的好奇心，Hertz发现了电磁波。 这些科学家不重视电磁在人类社会中的应用，但他们的工作很重要，不仅是理论科学的划时代成就，也是近代文明的重大贡献。
普林斯顿高等研究所的第一任所长A·Flexner于1939年在杂志上发表了“不要做没有知识的事情”的报道。
在基本科学和数学中有什么样的应用呢？在当今社会，互联网和计算机的能力极大，无论能源分配、大数据处理物流系统、道路交通、模拟神经元、蛋白质结构等问题，都需要大幅度提高计算能力。 这种能力有相当一部分取决于计算机芯片。 随着电子计算机计算能力的增长，30年来，摩尔定律已达到极限，不能再增长，计算机硬件的设计将面临巨大瓶颈！
解决计算机瓶颈的两个方案:大力改革硬件设备或改进软件
如何解决？ 解决方法有两种，一种是利用基础物理原理和基本数学大力改进硬件设备，另一种是通过找到绕过硬件速度和存储能力的最佳算法来解决计算机瓶颈，从而改进软件。
*投资20年，IBM开发了53个量子比特的超级量子计算机
关于第一种方法，三十年前，伟大的物理学家理查德·费曼提出量子计算，利用量子力学的基本原理帮助计算，但当时费曼并不知道该怎么做，但是他知道量子力学的基本原理可以解决计算记忆能力的问题。 直到二十多年前，MIT的应用数学家彼得·绍夫利用费曼的建议提出了大数字因子分解，小学学过因子分解，但大数据很难进行因子分解，基本上大部分保密系统只利用大数据分解困难的问题设计。
1978年，科学家提出了一种着名的方法: RSA加密算法，迄今为止所有的系统都使用这种方法，但彼得认为，只要量子计算成功，RSA的所有加密方法都能解密。
美国物理学家理查德·费曼
由于量子计算威胁着目前一般的保密方法，很多国家的政府职员、银行监督部门等都非常担心，但同时也投入大量资源研究量子计算。 这项研究需要很多数学家、物理学家与工程师合作:费曼是物理学家，Petter是数学家，美国名校有很多教授从事这项工作，MIT、斯坦福投入实验的资源很大。
美国公司规模更大，包括IBM、Google、Microsoft等公司在内，IBM在量子计算研究上投入了数十年，目前有1300名工程师在进行这方面的研究。 2018年，美国通过了国家质量发展( nqi )法，许多智库和政府官员认为量子计算与二战前的曼哈顿核弹计划一样，关系到国家安全，需要政府全力支持。 今年IBM开发了53个量子比特的超量子计算机，可以通过云使用。 最近NASA发表了谷歌通过量子计算在200秒以内世界第一的超量子计算机在10000年就能解决的问题。
中国学者和公司也从事这方面的工作，但基本的物理和基础数学水平不及美国，正在努力追上量子计算的研究开发。 这其实也给了我们重要的启示。 投资不是五年十年，二十年也要看。 因为IBM投资的量子计算时间至少超过了20年。
2018年，美国通过了National Quantum Initiatives(NQI )法
*在人工智能方面要领先，数学和相关学科必须一起发展
第二种解决方法是利用数学发展的方法，目前这方面的研究有人工智能和大数据。 人工智能已经从刚刚开始的理念变成了可以应用的技术。 30年前轻视人工智能，现在逐渐变成了可以应用的技术。
人工智能的繁荣基于三个重要因素:一是互联网技术带来的巨大数据；二是利用深度学习的标准算法处理数据；三是超级计算机和云计算的强大计算能力。 但其中的数学理论不太突破，这也是该领域存在许多瓶颈的本源。 我国人口规模具有发展人工智能的优势，在应用人工智能技术方面已经有很多优秀的工作，发表的论文比美国多，处于世界最前沿。 但是，由于基础理论和算法创新方面与美国、英国有距离，我们必须在人工智能方面领先，基础理论必须突破。 要突破，必须把数学和相关学科一起发展。
人工智能对大数据的处理本质上是数学统计学，但目前支持大数据分析结果的数学理论还不完善，许多数学方法还很原始，过于依赖经验总结，不能从本质的数学结构出发。 因此，现在的人工智能需要大量的人才和计算能力来处理大规模的数据问题，还需要超级计算机的协作。 由于缺乏数学理论的支持，许多大规模数据分析的结果只能应用于特定的环境，移动性不足。 大数据还缺乏有效算法，经典计算机算法不能直接用于大数据。 这是一个非常重要的问题，我们必须深入理解。
广泛普及的深度学习有许多不足之处。 例如，依赖于大样本，说明不好，容易上当等，但是现在还没有更好的算法。 解决这些问题需要深入研究相关数学理论，了解大数据中的数学结构和原理。 目前，人工智能由于计算机速度受到限制，只能通过多层结构解决问题，而不是真正的Boltzmann machine，基于简单的数学分析，无法有效地找到最佳解。 在可见的未来，如何提高量子计算机硬件，发展更有效的数学算法，将量子人工智能和量子深度学习作为实用工具，取决于基础科学与数学深度的结合。
把量子人工智能和量子深度学习作为实用工具，取决于基础科学和数学的深度结合
医学与卫生保健新领域:人工智能与数据科学的医学研究
几年前，我的学生和朋友发现我四十年前几何学的研究可以应用于人工智能的理论研究，以前从未想过的基础科学可以应用于这方面。 由此可见，基础数学在工程问题中确实很重要。
机器学习和人工智能等先进的计算方法在零售和娱乐等领域带来了显着的突破。 这些方法可能对医学和卫生保健产生重大影响，全球卫生保健体系已经开始实现临床信息数字化，包括美国和中国。 但是，对于如何分析和应用这些信息还没有好的策略。 未来十年，数据科学和人工智能对医学的贡献可能超过所有其他技术的总和。
人工智能和数据科学的医学研究将成为医学和卫生保健的新领域。 在这个新领域，数学和计算科学更广泛地支持医疗决策。 目前，许多医疗系统的研究人员没有意识到这一点，或者低估了这种影响。 我们希望将尖端的计算技术应用于大型医学相关数据库，取得有效信息，应用于医疗服务临床诊断相关医学研究。 为了将人工智能和应用数学应用于医学研究和卫生保健，需要不同学科协作。 数学、医学信息学、计算机科学、生物统计学、工程学对研究至关重要。 这是一门将非常大规模的不同学科联系起来的研究，不同学科只有共同努力才能完成，不能在一个学科完成。
以人工智能的临床诊断为例，我国拥有世界上最大的临床医疗数据库，我们需要学习如何管理和应用这些数据，通过计算科学和人工智能，我们可以以全新的方式利用这些数据，推动全领域的发展。 首先，我们可以利用机器学习模型来消化更大、更丰富的数据集，同时通过机器学习的结果来重新审视传统预测模型的准确性，尝试在自然状态下改变附加变量来提高模型的准确性，这种设置是如何更新技术和方法的
目前，人工智能和数据科学技术已广泛应用于临床诊断、手术指导、风险预测等不同领域。 在某些领域，计算机诊断的精确度高于医生。 这是一项很大的进步，对临床实践产生了很大影响，这些成果进一步激发了科研人员的干劲。 未来医学的更大变革无疑取决于数学理论的突破和人工智能技术的进步。
附:丘成桐教授简介
丘成桐( Shing-Tung Yau )出生于广东省梅州市香蕉岭县，1949年出生于广东汕头，同年随父母迁居香港，美籍中国人，国际知名数学家，菲尔兹奖获得者，美国国家科学院院院士，美国艺术与科学院院士，台湾中央研究院院士，中国科学院外国院士。 现任香港中文大学博文讲座教授兼数学科学研究所所长，哈佛大学威廉·卡斯珀·格雷斯坦讲座教授，清华大学丘奇成桐数学科学中心主任。
1969年毕业于香港中文大学崇基学院数学系，1971年获得加利福尼亚大学伯克利分校数学博士(师从陈省身) 1974年至1987年获得斯坦福大学、普林斯顿高等研究院、 1987年起任加利福尼亚大学圣地亚哥分校数学教授，1993年起任哈佛大学讲座教授，1994年被选为美国科学院会员，1994年成为台湾中央研究院院士和中国科学院外国院士，同年成为香港中文大学数学科学研究所所长，2003年就任香港中文大学博文讲座教授，2013年起任哈佛大学
丘比特成桐是卡拉比预测、正品质预测等几何分析学科的创始人，以他的名字命名的卡拉比丘流形，是物理学中绳理论的基本概念，对微分几何和数学物理学的发展作出了重要贡献。
丘吉尔成桐获得了维伦几何奖( 1981 )、菲尔兹奖( 1982 )、麦克萨尔奖( 1985 )、克拉福德奖( 1994 )、美国国家科学奖( 1997 )、沃尔夫数学奖( 2010 )、马塞尔格罗斯曼奖( 2018 )等奖项。 特别是1982年度获得最高数学奖菲尔兹奖的是被称为“数学界的诺贝尔奖”的中国人，也是仅次于陈省的第二位沃尔夫数学奖获得者中国人。
