人工智能真正的意义是什么
现在很多人工智能的设备出现在我们身边，别的不说，单单是智能手机就能够给我们带来很多的便利，可谓是机不离手。但是有的人对于人工智能还是比较担忧的，担忧人工智能持续发展早晚有一天会取代我们人类，让我们成为人工智能的奴役。但是现在人工智能的研究依然是如火如荼地进行，那么人工智能真正发展的意义是什么呢？下面我们就给大家介绍一下这个内容。
对于人工智能的研究，可以帮助我们找准人类对于自身的定位。就目前来说，人类是地球上最高形态的智慧存在，但对于整个宇宙来说，其实是不确定的，相对于未来未知的情况，就更加不确定。人类在研究人工智能时，总是希望研究的目的成为最终的结果。从而达到对自己有利的目的。而事物的发展也不总是如我们自己所愿。从整个生命进化来看，人类并不一定是生命进化的最终形态。如果这一点成立，那么我们研究人工智能，很可能就是告诉我们人类不要狂妄自大，人这样一种生命存在的形态，并非是生命进化的终极层次。所以我们自己不能肯定人类是最终形态，所以理应怀着一颗谦卑的心。这样我们也能够有一个心理准备。
当然，对于我们研究人工智能，这样能够帮助我们消除对于未知的恐惧。人类对于人工智能的种种担忧，其实可以归为人类对于其他未知形态的生命的害怕。人类习惯了万灵之长的地位，所以害怕有超越自身的高级生命。我们研究人工智能这样一种可能成为更高形态生命的未知之物，不仅可以让人类自己对自身有一个明确的定位。而且，当人类不再抱持着是唯一的最高形态的智慧存在这样的理念时，人类可以更加坦然地面对人工智能的发展，对于世界万物，我们可以有更加深刻的理解与认知，对于人类自己，我们甚至可以从容的面对死亡，面对未来。所以我们发展人工智能还是极其有意义的。
在这篇文章中我们给大家介绍了人工智能的意义所在，具体就是人工智能的研究能够帮助我们找准人类自身的定位以及能够帮助我们消除对未知的恐惧。人们对人工智能的向往持续高涨，但愿会朝着美好的方向发展。希望这篇文章能够给大家带来帮助。
科学网—人工智能的基石是数学
中国科学院院士徐宗本：人工智能的基石是数学
■本报见习记者程唯珈
“人工智能的基石是数学，没有数学基础科学的支持，人工智能很难行稳致远。”近日，由联合国教科文组织和中国工程院联合主办的联合国教科文组织国际工程科技知识中心2019国际高端研讨会上，中国科学院院士、西安交通大学教授徐宗本在题为《AI与数学：融通共进》的主题报告上如是说。
在他看来，目前人工智能所面临的一些基础问题，其本质是来自数学的挑战。
数学家眼里的人工智能是什么？徐宗本给出的答案简洁明了：当下主要指机器学习。
如果给这个名词赋予一个说明，他认为这是人或者智能体，通过与环境的交互来提升自身行为和解决问题能力的智能化操作。“机器学习是把这种智能形式化为数学公式，转换成计算机可以操作的算法和软件。”他说。
进一步说，人工智能实际上是一个将数学、算法理论和工程实践紧密结合的领域。将其剖开来看，就是算法，也就是数学、概率论、统计学、各种数学理论的体现。
不过徐宗本认为，作为人工智能基石的数学，还存在五大核心问题待解，而这也是制约人工智能进一步发展的“绊脚石”。
第一是大数据的统计学基础。徐宗本认为，人工智能和大数据是一对“孪生姐妹”。人工智能更多指应用模式，强调与领域知识的结合。大数据则是最底层的信息技术，强调机器和机器、机器与人之间的内容交互与理解。但是当前，分析大数据的统计学基础面临颠覆，应用于复杂大数据分析的极限理论、统计推断方法、真伪判定等数学基础尚未完全建立起来。
第二是大数据计算基础算法。一般而言，理解和分析大数据都是通过数据处理或数据分析来实现的，而无论是数据处理还是数据分析，最终都归于求解一系列基本的数学问题，如线性方程组求解、图计算、最优化计算、高维积分等。不过，这些看似早已解决的问题在大数据情形下却成了“拦路虎”。
他以旅游为例，打了一个生动的比方来解释这种挑战。“比如从西安到北京，怎么走最近？过去地图分辨率不高，根据普通的地图可以获取基本的路线。但现在大数据背景下，地图的分辨率越来越高，不可能一次就涵盖西安至北京之间全部城市与道路的数据，只能一次一次地提供其中某些城市间的道路信息。到达北京需要多少时间，怎样走最近？要带多少钱？现在的机器还回答不了这些问题。这是由于在分布式图信息环境下，图计算的基础算法问题还没有解决。”徐宗本说。
第三是深度学习的数学理论。徐宗本认为，这个问题在当下尤为关键。新一轮的人工智能多以深度学习为基本模型，然而深度学习的设计基础在哪里，什么样的结构决定了什么样的性能，能不能有台劳公式和富里埃级数这样的数学表示理论，这些基本的理论问题还没有解决。正是由于这个原因，现在的人工智能还得靠“人工”来换“智能”，这也是造成当下“人工智能=人工+智能”的原因。
第四是非常规约束下的最优输运。人工智能的很多问题都可归纳为两个领域数据打通问题，即让两个对象在满足某一个特定的不变量情况下互相转移。“比如中英文互译，就是在保持语义的情况下将中文数据转换成英文数据。”
应用到现实，徐宗本畅想，将医院的CT和核磁共振图像相互转移或能很好地解决医疗诊断的信息不足问题。“因为照的是同一个人，这里人就是不变量。要解决这些问题，建立特定约束下实现最优传输的数学理论与方法是基本的。”
第五是关于学习方法论的建模与函数空间上的学习理论。徐宗本表示，研究生阶段学到的机器学习理论，需上升到方法论学习的阶段。
“从数学上说，无论函数空间上的学习理论怎么建立，本质是要适应不同的任务。由于任务本身是函数，是无穷的，那么就需要把过去机器学习中对样本、数据的选择、泛化，推广到对任务的选择、泛化中。”
如果辩证地看待数学和人工智能的关系，相辅相成可能是其最好的诠释。徐宗本表示，不仅数学可为人工智能提供基础，人工智能也为数学研究提供新的方法论。
“比如解偏微分方程，过去人们可能会使用计算机，现在用人工智能可以做得更好。”他认为，让数学中的模型方法与人工智能的数据方法结合，可将机器的深度学习应用得更加精确。
面对如今发展得如火如荼的人工智能产业，徐宗本也道出了自己对从业者的希冀。
“人工智能想要做得好，要靠数学问题尤其是算法的解决。”徐宗本再次强调，从业者应潜心从基础研究抓起，使我国的应用场景优势真正转化为技术优势和产业优势。
《中国科学报》(2019-11-04第4版综合)