会上，斯梅尔数学与打算研究院名誉主席斯蒂芬·斯梅尔教授以线上***的形式，揭橥了他关于“21世纪的18道数学问题”中的“智能的极限”的不雅观点。

在关于“如何借助数学打造更好的人工智能算法根本（特殊是深度神经网络和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阐明性，肃清模型的幻觉征象等？”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阐发：一方面，不论是预测性人工智能还是天生式人工智能，其核心均离不开优化过程，因此数学家的任务便是不断地探索与开拓更好的算法，提高算法的效率。
另一方面，他强调数学剖析对付理解人工智能理论的主要性，特殊是天生式人工智能，其实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，还授予了AI更强的预见性。

针对“对付通用人工智能（AGI）、大模型的呈现征象、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央主任、英国研究与创新署根本人工智能博士培训中央主任、UiPath精彩科学家David Barber表示，利用数学模型来驱动人工智能，匆匆使人工智能更理解人类措辞，是一项充满寻衅又极具潜力的任务。
同时，他也乐不雅观地表示，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根本，相信未来也会有更精准高效的数学模型来帮忙人工智能的发展。

在“人工智能如何助力数学研究，特殊是在定理证明、证明验证以及猜想天生方面？”议题上，欧洲科学院院士、牛津大学运用数学教授Jose A.Carrillo表示，对付个人而言，并不担心事情会被替代。
目前的人工智能虽然在一定程度上可以赞助数学家进行缺点的检讨，避免失落误，但是人工智能的发展仍旧面临着诸多未解难题。
（辛华）

来源： 光明网