作為新一代信息技術的代表，人工智能已經廣泛應用于科學、社會、經濟、管理的方方面面，已經和正在成為創新驅動發展的核心驅動力之一。然而，就其技術發展而言，人工智能還只是突破了從“不可用” 到“可以用”的技術拐點，從“可以用”到“很好用” “用得好”還存在諸多技術瓶頸，正呼喚重大技術變革。
技術變革的先導是理論創新，即基礎研究。它是指對事物本質和規律的科學化探尋和揭示，是啟發、促動技術變革的激發源和理論依據。理論創新既應包括對原有理論體系或框架的新突破、對原有理論 和方法的新修正和新發展，也包括對理論禁區和未知領域的新探索。
本文主要關注人工智能技術發展當前亟待解決的重大數理基礎問題。為什么要特別關注 AI 的數理基礎問題呢？這是因為當前人工智能技術和發展主要是靠“算例、算法、算力”所驅動的，其基礎是數據，其核心是算法，這二者都深刻地以數學為基礎。數學主要提供對所研究問題的形式化手段、模型化工具和科學化語言。沒有形式化就沒有程式化和計算機化，沒有模型化就沒有定量化和知識化，沒有科學化就沒有系統化和現代化。所以，數學在科學技術中具有獨特的作用和價值。對人工智能而言，數學不僅僅是工具，還是技術內涵本身， 而且常常也是最能體現本質、原始創新的部分。
本文提出并闡述人工智能研究與應用中凾待解決的10個重大數理基礎問題，包括:
1 大數據的統計學基礎
2 大數據計算的基礎算法
3 數據空間的結構與特性
4 深度學習的數學機理
5 非正規約束下的最優輸運
6 如何學習學習方法論
7 如何突破機器學習的先驗假設
8 機器學習的自動化
9 知識推理與數據學習的融合
10 智能尋優與人工智能芯片問題
付費5元查看完整內容
相關內容
“來源：中國信息通信研究院”。
作為人工智能開發環節中的基礎工具，AI框架對下調用硬件資源，對上支撐AI應用生態，是AI技術體系的關鍵核心。作為應對智能經濟時代的技術利器，AI框架是AI學術創新與產業商業化的重要載體，助力人工智能由理論走入實踐。
AI 助力當前經濟社會步入智能經濟時代。
世界正在進入以新一?代信息技術驅動發展的重塑時期，人工智能（AI，ArtificialIntelligence）?作為其中重要的使能技術，對激活實體經濟具有溢出帶動性很強的?"頭雁效應"，對構筑國家科技影響力具有舉足輕重的意義。人工智能?成為了全球各國新的科技熱點，人工智能基礎設施建設也成為重要抓?手與著力點。未來十年是全球發展數字經濟、邁入智能經濟社會的黃?金發展期，著力發展人工智能基礎設施，將為我國人工智能產業發展?壯大、數字經濟蓬勃發展提供強大牽引力。 ? AI 框架是智能經濟時代的操作系統。
作為人工智能開發環節中?的基礎工具，AI框架承擔著 AI 技術生態中操作系統的角色，是 AI?學術創新與產業商業化的重要載體，助力人工智能由理論走入實踐，?快速進入了場景化應用時代，也是發展人工智能所必需的基礎設施之?一。隨著重要性的不斷凸顯，AI 框架已經成為了人工智能產業創新?的焦點之一，引起了學術界、產業界的重視。 ? 在此背景下，白皮書致力于厘清AI框架的概念內涵、演進歷程、?技術體系與作用意義，通過梳理總結當前AI框架發展現狀，研判 AI?框架技術發展趨勢，并對AI框架發展提出展望與路徑建議。由于AI?框架仍處于快速發展階段，我們對 AI框架的認識還有待持續深化，?白皮書中存在的不足之處，歡迎大家批評指正。
**1、AI框架演進步入深化階段。**AI框架技術持續演進，歷經萌芽階段、成長階段、穩定階段，當前已進入深化階段，AI框架正向著全場景支持、超大規模AI、安全可信等技術特性深化探索，不斷實現新的突破。
**2、AI框架已形成較為完整的技術體系。**當前主流AI框架的核心技術演化出三大層次，分為基礎層、組件層和生態層，其中基礎層實現AI框架最基礎核心的功能，具體包括編程開發、編譯優化以及硬件使能三個子層。
**3、AI框架是應對智能經濟時代的技術利器。**從技術生態體系中的功能定位看，AI框架對下調用底層硬件計算資源，對上支撐AI應用算法模型搭建，提供算法工程化實現的標準環境，是AI技術體系的關鍵核心。AI框架是應對智能經濟時代的技術利器，也將成為智能經濟時代的操作系統。
**4、全球AI框架繁榮發展，多元化競合態勢漸顯。**數字科技企業巨頭是AI框架發展壯大的核心力量，業界已形成Google-TensorFlow和Meta-PyTorch兩家獨大的市場格局，雙寡頭并驅態勢下國內AI框架市場格局向著多元發展。全球AI框架開源生態進入活躍期，對AI框架的發展壯大至關重要。AI框架的推廣路徑逐步清晰，社區生態壯大優化、與高校科研院所聯動、面向產業應用提供基礎設施及解決方案服務是AI框架開發者規模壯大的主要路徑。
**5、應對未來多樣化挑戰，AI框架有六大技術趨勢。**技術趨勢-泛開發：AI框架將注重前端便捷性與后端高效性的統一。技術趨勢-全場景：AI框架將支持端邊云全場景跨平臺設備部署。技術趨勢-超大規模：AI框架將著力強化對超大規模AI的支持。技術趨勢-科學計算：AI框架將進一步與科學計算深度融合交叉。技術趨勢-安全可信：AI框架將助力提升AI模型可解釋性與魯棒性。技術趨勢-工程化：AI框架將加速AI應用產業規模級工程化落地。
?
付費5元查看完整內容
徐宗本院士在SIGIR2020的演講，突破機器學習前提的瓶頸，非常硬核，值得學習
徐宗本
西安交通大學教授、陳嘉庚獎獲得者、中國科學院院士
徐宗本教授發表了280余篇關于非線性功能分析，優化，機器學習和大數據研究的學術論文，其中大部分在國際期刊上。他目前的研究興趣包括用于大數據分析，機器學習和數據科學的數學理論和基本算法。徐教授獲得了許多學術獎項，例如，國家自然科學獎（2007年），國家科學技術進步獎（2011年），CSIAM Su Buchin應用數學獎（2008年）和Tan Kah Kee科學獎（信息技術科學，2018年）。應大會委員會的邀請，他在國際數學家大會（ICM 2010）上發表了45分鐘的演講。2011年當選為中國科學院院士。徐宗本院士在7月27日即主會議的首日下午，圍繞“關于機器學習的前提：一個元理論”帶來主題演講。
關于機器學習的前提：一個元理論
機器學習(ML)運行和應用的前提是一系列的前提，這些前提既是AI的巨大成功，也是ML進一步發展的瓶頸。這些前提包括: (一)數據集上損失函數的獨立性假設(假設i); (二)假設空間上的大容量假設，包括解(假設二); (三) 訓練數據高質量的完備性假設(假設三);歐幾里得關于分析框架和方法的假設(假設四)。
在這次演講中，我們報告了我的團隊在如何突破ML的這些預設并推動ML的發展方面所做的努力和取得的進展。對于假設I，我們引入噪聲建模原理，根據數據樣本的分布自適應地設計ML的損失函數，從而為實現ML的健壯性提供了一種通用的方法。對于假設二，我們提出了模型驅動的深度學習方法來定義深度神經網絡(DNN)的最小假設空間，這不僅產生了非常高效的深度學習，而且為DNN的設計、解釋和與傳統的基于優化的方法聯系提供了一種新的方法。對于假設三，我們開發了公理課程學習框架，從一個不完整的數據集，由易到難，一步一步地學習模式，從而為處理非常復雜的不完整數據集提供了可行的方法。最后，對于假設IV，我們引入一般的巴拿赫空間幾何，特別是徐羅奇定理，作為對ML問題進行非歐幾里得分析的可能有用的工具。在每個案例中，我們都提出了其思想、原理、應用實例和文獻。
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191