在2019中關(guān)村論壇上，菲爾茲獎首位華人獲得者、美國國家科學院院士、哈佛大學教授丘成桐發(fā)表主旨演講。他呼吁國家應(yīng)重視基礎(chǔ)科學和數(shù)學的發(fā)展。一個國家的強大和長治久安，離不開強大的基礎(chǔ)科學，沒有基礎(chǔ)科學的發(fā)展，應(yīng)用科學發(fā)展不來。

丘成桐表示，當今社會互聯(lián)網(wǎng)和計算機的能力極大，無論能源的分配、大數(shù)據(jù)處理物流系統(tǒng)、道路交通等都要大量提升計算能力，沒有計算能力單純理論上是不夠的，因為理論沒有能力將它全部了解。未來計算機面臨很大的問題，對付的辦法一般來講有兩個，一個是利用基礎(chǔ)物理的原理跟基本數(shù)學大力解決問題；另一方面是大力改善軟件，找到最好的算法，繞過硬件的速度和儲存能力來解決。

對于第二種解決方法，丘成桐進一步解釋，這就是利用數(shù)學發(fā)展出來的方法，現(xiàn)在這方面研究重要的有人工智能和大數(shù)據(jù)。當前，人工智能已經(jīng)從一種剛開始的理念，慢慢轉(zhuǎn)化為可應(yīng)用的基礎(chǔ)，基于互聯(lián)網(wǎng)技術(shù)帶來的大數(shù)據(jù)，利用深度學習的標準算法來處理數(shù)據(jù)，同時輔助以超級計算機跟云計算的強大計算力，但其中數(shù)學理論沒有什么很大的突破。

“中國的人口規(guī)模是發(fā)展人工智能的優(yōu)勢，在應(yīng)用人工智能技術(shù)方面已經(jīng)有了很多優(yōu)秀的工作，發(fā)表的論文甚至比美國還要多，在世界前沿水平。但是在基礎(chǔ)理論和算法創(chuàng)新方面跟美國、英國還有一段距離。要在人工智能領(lǐng)域領(lǐng)先，基礎(chǔ)學問一定要突破，一定要將數(shù)學跟有關(guān)的學問一同發(fā)展，才能夠真真正正領(lǐng)先突破。”丘成桐稱。

丘成桐表示，因為人工智能對大數(shù)據(jù)處理的本質(zhì)上是數(shù)學中的統(tǒng)計學，然而目前還沒有完備的數(shù)學理論用以支持大數(shù)據(jù)分析的結(jié)果。很多數(shù)學方法還是過渡依賴于經(jīng)驗的總結(jié)，而非真正來自內(nèi)在的數(shù)學結(jié)構(gòu)。這也導致當下人工智能在處理大數(shù)據(jù)問題時還需要大量的人力和算力，甚至需要超級計算機的協(xié)助。由于缺乏數(shù)學理論的支持，很多大數(shù)據(jù)分析的結(jié)果只適用于特定環(huán)境，缺乏遷移性。大數(shù)據(jù)還缺乏有效的算法，經(jīng)典計算機的算法還不能直接用到大數(shù)據(jù)中。這是我們需要了解的很重要的一個問題。

他表示，廣為流傳的深度學習有很多不足的地方，依賴很多大樣本，同時解釋很性差，容易受到欺騙。當前沒有更好的算法來替代，解決這些問題要對相關(guān)數(shù)學理論進行深入研究，了解大數(shù)據(jù)里面的數(shù)學結(jié)構(gòu)和原理，目前人工智能由于計算器速度限制，只能采取多層狀結(jié)構(gòu)解決問題，基于簡單數(shù)學分析，無法有效找出最優(yōu)解，在可見的未來，如何提升量子計算機的硬件，發(fā)展更有效的數(shù)學算法，讓量子人工智能與量子深度學習變成實用工具，實在有賴于基礎(chǔ)科學和數(shù)學的深度結(jié)合。

丘成桐進一步解釋，機器學習和人工智能先進的計算方法已經(jīng)在零售和娛樂領(lǐng)域帶來了顯著的突破，這些方法也可能對醫(yī)學和衛(wèi)生保健產(chǎn)生深遠的影響。全球的衛(wèi)生保健系統(tǒng)包括美國和中國，都著手將臨床信息數(shù)字化。可是，對如何分析和應(yīng)用這些信息卻還沒有很好的策略。未來十年，數(shù)據(jù)科學和人工智能對醫(yī)學的貢獻就可能超過其他所有技術(shù)的總和，人工智能和數(shù)據(jù)科學的醫(yī)學研究變成醫(yī)學和衛(wèi)生保健的一個新領(lǐng)域。在這個嶄新的領(lǐng)域里，數(shù)學和計算科學將會更廣泛的為醫(yī)療決策提供支持。目前很多醫(yī)療系統(tǒng)的研究人員還沒有意識到這一點，或者低估了這些影響。

“我們期望將最先進的計算技術(shù)應(yīng)用到大型的、醫(yī)學相關(guān)的數(shù)據(jù)庫，得到有效的信息，并將之應(yīng)用到醫(yī)療服務(wù)、臨床診斷及相關(guān)的醫(yī)學研究中。這將是一個很大規(guī)模不同學科聯(lián)系起來的一種研究，不同的學科共同的努力，才能完成。”丘成桐稱。

他以人工智能臨床診斷為例進行了進一步解釋。中國擁有權(quán)世界最大的臨床醫(yī)療數(shù)據(jù)庫，我們需要學習如何管理和應(yīng)用這些數(shù)據(jù)，而通過計算科學和人工智能，我們可以用全新的方法利用這些數(shù)據(jù)，推動整個領(lǐng)域的發(fā)展。可以利用機器學習模型消化更大、更豐富的數(shù)據(jù)集，同時通過機器學習的結(jié)果重新審視傳統(tǒng)的預測模型的準確性，同時還可以嘗試在自然的狀態(tài)下改變額外的變量去提高模型的準確性，這種設(shè)置還允許進一步分析如何以及為什么新的技術(shù)和方法可能更好，這都涉及到很多數(shù)學的改進應(yīng)用。

丘成桐表示，基礎(chǔ)數(shù)學應(yīng)用到不同的地方，各個不同領(lǐng)域是很多的，數(shù)據(jù)學、數(shù)值優(yōu)化運籌學，大規(guī)模機器學習中的應(yīng)用。量子計算機學習的應(yīng)用，數(shù)值線性代表、矩陣計算都是很重要的，大規(guī)模科學計算跟高性能計算都是很重要的，材料力學、量子化學種種都是要數(shù)學的發(fā)展。種種問題至少我可以找到20個不同的重要方向，但中國在這些方面能夠獲得很有效成功的只有幾個，這些方向是整個高科技社會發(fā)展里最重要的事情。期望這10年能夠在北京完成這些重要的學科發(fā)展，這需要很大規(guī)模的投資，期望我們這10年內(nèi)能夠很快地追上這些學科的完成進度。