数学与人工智能的碰撞，正迸发改变世界的能量。2025 年世界人工智能大会 “数学与人工智能” 学术会议上，全球专家学者齐聚一堂，围绕两大领域的融合发展展开前瞻性探讨。这场跨国界、跨学科的高端对话，不仅搭建了思想交流的桥梁，更推动了科研机构与企业的深度协同，为数学与 AI 的融合创新注入新动能。
本次会议由斯梅尔数学与计算研究院、中国工业与应用数学学会主办，华院计算技术(上海)股份有限公司承办。作为大会举办地，上海始终以 “1+1>2” 的理念推动数学基础创新与人工智能产业融合，通过精准对接理论研究与产业需求、搭建产学研用平台、优化人才发展环境，让数学与 AI 的协同效应持续放大。
数学：AI 发展的 “根与魂”
“数学是人工智能的根基，这种支撑作用只会愈发凸显。” 中国科学院院士、中科院数学与系统科学研究院研究员袁亚湘的观点直指核心。他强调，当前亟需提升全社会对数学重要性的认知 —— 在布局国家 AI 战略时，不能仅聚焦计算机等工科领域，更应吸纳数学家深度参与，让多学科协同创新的优势充分释放。
欧洲科学院院士、阿卜杜拉国王科技大学教授许进超则提出更高期待：“数学家不应止步于对 AI 模型的‘事后解读’，更要主动引领下一代 AI 的发展。” 他直言，当前 AI 研究面临资源分配的结构性矛盾：数学家虽能提供理论突破，却常因缺乏大算力、大数据和团队支持而难以验证构想。因此，数学界需构建更紧密的产学研机制，将逼近论、优化理论等传统优势转化为 AI 创新的核心驱动力，在模型架构设计、算法解释等关键环节实现突破。
思维革命：从 “工具应用” 到 “认知拓展”
“数据、模型、算法的本质是形式化语言，唯有通过严格的数学分析，才能真正理解并改进机器学习方法。” 西安交通大学教授孟德宇以损失函数和卷积算子为例展开分析：传统工科方法常基于简化假设(如固定损失函数、仅考虑平移等变性)，而数学视角能揭示更复杂的数据噪声结构和算子性质(如旋转 / 尺度等变性)，从而设计出更鲁棒的模型。他呼吁数学研究者主动介入 AI 领域，通过理论创新与工科团队协作，推动机器学习在性能与可解释性上的双重跃升。
欧洲人文和自然科学院外籍院士、上海交通大学教授金石则将 AI 与数学的结合定义为 “认知增强”：“AI 打破了人类思维的固有局限，让研究者能同时处理多尺度、高维度的复杂问题。” 在他看来，“AI for Math” 的真正价值不在于替代传统方法，而在于 “创造新机会、探索未知世界”，推动人类认知从 “解决既定问题” 向 “发现未知问题” 跃迁，系统性拓展科学的边界。
破局之路：从 “乱战” 到 “有序创新”
“当前 AGI 发展处于‘乱战’状态，缺乏传统科研的组织性。” 武汉大学弘毅特聘教授、湖北国家应用数学中心主任杨志坚的判断一针见血。他将 AI 的核心要素概括为 “三条腿”—— 数据、算力、算法，而数学界最能发力的正是 “数据”：构建数学专用数据集、建立数据标准等基础性工作。
针对未来发展，杨志坚提出三点具体建议：一是数学界需组织起来，系统性推进数据基础设施建设;二是重视边缘分布等关键数据特征的挖掘，提升研究效率;三是在拥抱大模型的同时保持理性，建立科学的评估体系。
从基础支撑到认知革命，从理论突破到产业落地，数学与 AI 的深度融合正开启一段充满无限可能的旅程。这场跨越国界与学科的对话，不仅勾勒出未来创新的清晰路径，更让人们期待：当严谨的数学逻辑遇上灵活的 AI 算法，将解锁多少未知的世界?
免责声明：本文仅代表作者个人观点，与东方科技网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
本网站有部分内容均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责，若因作品内容、知识产权、版权和其他问题，请及时提供相关证明等材料并与我们联系，本网站将在规定时间内给予删除等相关处理.
