WAIC｜2025年世界人工智能大會“數學與人工智能”學術會議圓滿落幕

　　7月26日，由斯梅爾數學與計算研究院、中國工業與應用數學學會主辦，華院計算技術(上海)股份有限公司承辦，世界人工智能大會組委會辦公室指導的2025年世界人工智能大會“數學與人工智能”學術會議在世博中心圓滿落幕!

　　作為WAIC的核心活動之一，會議由斯梅爾數學與計算研究院執行院長，華院計算技術(上海)股份有限公司董事長、創始人，中國工業與應用數學學會副理事長，中國人工智能學會邏輯專委會常務委員宣曉華主持。

　　本次會議迎來了全球數學與人工智能領域的頂尖學者，包括(以下排名按姓氏首字母排序):

　　世界科學院院士，南非布隆方丹自由州大學教授，阿勒福贊傑出青年科學家國際獎得主，非洲工業與應用數學學會(ASIAM)主席Abdon Atangana院士;

　　北京大學博雅特聘教授，北京大學國際機器學習研究中心副主任，北京中關村學院常務副院長董彬教授;

　　歐洲人文和自然科學院外籍院士，歐洲科學院院士，上海交通大學自然科學研究院院長金石院士;

　　西安交通大學教授、博士生導師，現任西安數學與數學技術研究院副院長，中國工業與應用數學學會副理事長孟德宇教授;

　　加泰羅尼亞理工大學數學系講席教授，加泰羅尼亞研究和高級研究機構(ICREA)傑出學術教授，西班牙數學研究中心(CRM)首席研究員，巴黎亨利·龐加萊研究所董事會成員Eva Miranda教授;

　　裡約熱内盧聯邦大學應用數學副教授兼數學研究所副所長Fabio Ramos教授;

　　歐洲科學院院士、歐洲人文和自然科學院院士，阿蔔杜拉國王科技大學應用數學與計算科學教授許進超院士;

　　武漢大學弘毅特聘教授，湖北國家應用數學中心主任，武漢數學與智能研究院副院長，湖北省數學學會理事長楊志堅教授;

　　中國科學院院士，世界科學院院士，巴西科學院通訊院士，中國科學院數學與系統科學研究院研究員袁亞湘院士;

　　1994年菲爾茲獎得主，美國藝術與科學院院士，美國科學院院士，歐洲科學院院士，中國科學院外籍院士，南方科技大學講席教授Efim Zelmanov院士。

　　上海市經濟和信息化委員會副主任張宏韬為本次會議緻辭。他指出上海始終高度重視數學與人工智能融合發展，推動數學基礎創新與人工智能産業發展更上新台階，實現1+1大于2的效能，讓數據源的理論研究與産業應用需求精準對接，搭建各類産學研用的平台，營造創新人才優越的發展環境。

　　會議圍繞三大核心議題展開深入探讨，為數學與人工智能的交叉融合提供了創新思路與發展路徑。

　　您如何看待“數學與人工智能”的關系？在這一領域，您有哪些觀點、興趣或研究工作？

　　袁亞湘院士表示數學與人工智能的融合發展将日益緊密，數學在人工智能發展中的基礎性作用将愈發凸顯。他指出，當前亟需提升社會各界，特别是科技政策制定部門(如國家自然科學基金委、科技部等)對數學重要性的認識。在布局國家人工智能戰略時，不能僅聚焦于計算機等工科領域，而應當充分重視數學學科的關鍵支撐作用，吸納數學家深度參與，以充分發揮多學科協同創新的優勢。

　　Abdon Atangana教授認為數學與人工智能的研究尚未達到理想狀态，由于AI隻能基于已有知識進行推導，若研究者對該領域不夠精通，将難以察覺這其中的錯誤。雖然人工智能能夠拓展數學研究的邊界，但數學家仍需在保持專業素養的前提下，審慎地借助這一工具來突破自身的研究局限。

　　Eva Miranda教授指出傳統數學研究方法在人工智能時代正經曆革命性變革，并以自身研究為例介紹了團隊運用人工智能技術來證明流體運動軌迹的研究。她強調這種交叉研究拓展了人工智能的應用邊界，呈現出數學與人工智能呈現協同發展的良性關系。随着技術進步，人類将能更好地理解和解決複雜系統問題，為數學研究開辟了新的可能性，也推動着人工智能向更深層次發展。

　　數學如何為人工智能提供更堅實的基礎，特别是在學習、推理和規劃等方面，從而提升算法的效率、魯棒性、可解釋性與泛化能力？”

　　許進超院士強調數學家不應僅滿足于對已有AI模型的"事後解讀"，而應主動引領下一代AI發展。當前AI研究面臨資源分配的結構性困境，數學家雖能提供理論突破，但缺乏大算力、大數據和團隊支持，難以快速驗證構想。為此，他提出數學界需建立更緊密的産學研合作機制，将逼近論、優化理論等傳統優勢領域轉化為AI創新的核心驅動力，提升模型架構設計、優化算法解釋等關鍵環節。

　　孟德宇教授強調了數學思維在機器學習中的核心作用，認為數據、模型和算法的本質是一種形式化語言，隻有通過嚴格的數學分析才能深刻理解并改進機器學習方法。他以損失函數和卷積算子為例，指出傳統工科方法往往基于簡化假設(如固定損失函數或僅考慮平移等變性)，而數學視角能揭示更複雜的數據噪聲結構和算子性質(如旋轉/尺度等變性)，從而設計出更魯棒的模型。他呼籲數學研究者應積極介入AI領域，通過理論創新與工科團隊合作，在算法設計、模型解釋等環節發揮不可替代的作用，最終推動機器學習在性能和可解釋性上的雙重突破。

　　Fabio Ramos教授指出當前人工智能的核心局限在于難以有效處理真實世界的物理問題，如熱傳導、流體力學等，盡管AI能生成逼真的模拟數據，卻缺乏對底層物理規律的建模能力。為此，他提出通過數學結構将物理原理嵌入神經網絡架構，而非簡單引入物理變量，以構建更泛化的框架，利用數據驅動方式實現物理規律的隐性表達，通過物理解法知道AI模型的設計，可以推動AI在科學計算領域的突破性應用。

　　您希望人工智能在數學教育與研究中發揮哪些作用？特别是在數學問題求解、定理證明、驗證，乃至猜想生成等方面，您有哪些期待？

　　Efim Zelmanov院士指出，數學作為一門具有實驗性質的科學，在猜想提出和數論研究等需要大量計算的領域，人工智能确實能夠有效替代人工計算，但數學證明的本質在于理解而非單純計算，其價值體現在對問題本質的深刻把握和理論體系的融會貫通。然而，人工智能在需要深度思考和創造性思維的數學證明領域，尚難以完全替代人類研究者的獨特作用，反映出其對于人工智能在數學研究中的作用的辯證性見解。

　　金石院士認為AI與數學的結合本質上是一種"認知增強"，它打破了人類固有思維的限制，使得研究者能夠同時處理多尺度、高維度的複雜問題(如跨行星科學計算與微觀分子模拟的協同)。因此，AI for Math的真正價值不在于替代傳統方法，而在于創造更多新的機會去探索更多未知世界，系統性地拓展人類科學的認知邊界，最終實現從解決既定問題到發現未知問題的範式轉換。

　　董彬教授表示，數學證明過程的精确性要求使得任何微小差錯都會導緻整個證明失效，而AI工具(如Lean證明輔助系統)不僅能夠幫助數學家将自然語言表述的直覺轉化為嚴格的形式化證明，有效規避人為失誤，還可以快速識别新理論與既有數學體系的聯系，為數學家提供關鍵的研究方向評估。此外，AI可自動化處理繁瑣計算等重複勞動可以顯著降低數學研究的技術門檻。這種變革不僅會加速數學研究進程，更将重塑數學作為"基礎語言"的學科定位，使其從封閉的專家系統轉變為開放的問題解決平台。

　　楊志堅教授犀利地指出，當前AGI的發展模式是"亂戰"狀态，缺乏像傳統科研那樣的組織性。他提出AI有“三條腿”：數據、算力、算法，其中數學界最能發力的是數據——包括構建數學專用數據集、建立數據标準等基礎性工作。針對當前發展，他提出三個具體建議：第一，數學界需要組織起來，系統性地開展數據基礎設施建設;第二，重視邊緣分布等關鍵數據特征的挖掘，提升研究效率;第三，在擁抱大模型的同時，要保持理性認知，建立科學的評估體系。

　　上海市經濟和信息化委員會主任張英受邀出席了此次會議并和與會嘉賓進行了交流。

　　此次會議，與會專家學者就數學與人工智能的融合發展提出了諸多前瞻性見解，不僅搭建了跨國界、跨學科的高端對話平台，更推動了全球科研機構與企業間的深度協同。斯梅爾數學與計算研究院、中國工業與應用數學學會也将持續深化國際合作，通過開放共享的研究範式，加速數學與人工智能領域的交叉創新，為人類社會智能化轉型提供堅實的理論基礎與技術支撐，并繼續搭建高水平國際交流平台，助力開創更具包容性與可持續性的智能未來。