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7月4日在上海世博中心落幕。作为全球性高级别学术研讨会，全球顶尖的数学家和科学家们围绕机器学习与人工智能的数学基础、人工智能中的算法研究、AI4Science以及AI4Math等主题进行深入讨论，共同探讨数学与人工智能领域的最新研究成果和未来发展趋势。会议由华院计算技术（上海）股份有限公司创始人董事长、斯梅尔数学与计算研究院执行院长宣晓华主持。

　　会上，斯梅尔数学与计算研究院名誉主席斯蒂芬·斯梅尔教授以线上视频的形式，发表了他关于“21世纪的18道数学问题”中的“智能的极限”的观点。

　　在关于“如何借助数学打造更好的人工智能算法基础（特别是深度神经网络和Transformer领域），从而提升人工智能算法的效率和鲁棒性、增加因果推理能力和可解释性，消除模型的幻觉现象等？”的议题上，牛津大学DeepMind人工智能教授Michael Bronstein教授从两个维度进行了详尽剖析：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，他强调数学分析对于理解人工智能理论的重要性，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。

　　针对“对于通用人工智能（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？”议题，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、UiPath杰出科学家David Barber表示，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，他也乐观地表示，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。

　　在“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？”议题上，欧洲科学院院士、牛津大学应用数学教授Jose A.Carrillo表示，对于个人而言，并不担心工作会被替代。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的检查，避免失误，但是人工智能的发展仍然面临着诸多未解难题。（辛华）