人工智能已經從一種理念逐步轉化為可應用的技術。這個領域近期的蓬勃發展基于三個重要因素：互聯網技術帶來的大數據；利用深度學習的標準算法來處理數據；超級計算機和云計算的強大計算力。然而，其中的數學理論卻沒有什么突破，這也是這領域存在諸多瓶頸的本源。我國的人口規模是發展人工智能的優勢，在應用人工智能技術方面已經有了很多優秀的工作，處于世界前沿水平。只是在基礎理論和算法創新方面，跟美國、英國等國尚有差距。想要在人工智能等核心技術在國際上領先，基礎理論的突破不可或缺。

人工智能對大數據的處理本質上是數學中的統計學。然而目前尚沒有完備的數學理論用以支持大數據分析的結果。很多數學方法還相對原始，過度依賴于經驗總結，而非真正來自內在的數學結構。這也導致了當下人工智能在處理大數據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助。由于缺乏數學理論的支持，很多大數據分析的結果只適用于特定環境，缺乏遷移性。大數據還缺乏有效的算法經典計算機的算法并不能直接應用到大數據中。

廣為流傳的深度學習也有很多不足之處（大樣本依賴，可解釋性差，易受欺騙等），但當前沒有更好的算法來替代。要解決這些問題，需要對相關數學理論進行深入的研究，了解大數據內在的數學結構和原理。目前的人工智能由于計算機速度限制，只能采取多層狀結構解決問題，基于簡單數學分析而非真正的玻爾茲曼機（Boltzmann machine），無法有效地找出最優解。在可預見的未來，如何提升量子計算機的硬件，發展更有效的數學算法，讓量子人工智能與量子深度學習變成實用工具，有賴于基礎科學和數學的深度結合。很顯然，沒有基礎科學的強力支持，應用科學是不可能做出頂尖成績的。

世界上的萬物皆與數學方程有關： 數據科學，張量，大數據，人工智能，機器學習。 數值優化，運籌學，及其在大規模機器學習中的應用。量子計算，量子算法，及其在機器學習中的應用。 數值線性代數，矩陣計算，及其在數據科學中的應用。大規模科學計算和高性能計算，如計算材料科學，計算量子化學，計算電磁學等的快速算法和并行算法等。數值偏微分方程，有限元理論和方法，多重網格算法，（非）線性守恒律等。 多尺度模擬，計算流體動力學，計算連續力學，如復雜流體，多孔介質滲流，界面問題，地球物理流，生物流體動力學等。 數值逼近論，反問題的數值解法，計算機圖形學，計算共形幾何，圖像處理，醫學影像處理等。動力系統和混沌，非線性動力學，經典與量子（不）可積系統，耗散系統等。隨機分析，隨機微分方程，不確定性量化及應用，統計計算，蒙特卡洛方法等及其在機器學習中的應用。數理經濟學，金融數學，精算保險等。2019年，中國科學院推出該院200多名院士、專家耗時1年多研制的《科技發展新態勢與面向2020年的戰略選擇》，其中就明確提到，與實驗科學、理論分析和計算機模擬這三種經典科研范式相比，大數據科學將成為一種全新的科研范式。
? ? ? ?責任編輯:pj