穿越传统藩篱，当统计学闯入人工智能“后花园”

“做统计学家的最大好处，就是能在所有人家的后院玩耍。”

——约翰·图基（John Tukey）

著名数学家、统计学家，快速傅里叶变换发明人

统计本质上就是在解决数据分析问题，鉴于任何领域都涉及数据分析，便也或多或少都能和统计学挂上钩。那么这样一门天生“开挂”的学科在其他工程领域又曾有过哪些推动历史车轮的应用呢？

二十世纪二十年代，英国为了提高农作物及羊毛产量，在全国范围内发动了了大量科学研究。恰在此时，统计学鼻祖、现代统计科学的奠基人之一罗纳德·艾尔默·费希尔（R.A.Fisher）在农田实验中的做法走入了公众视野，其建立起的一整套基于统计实验的推断及分析方法都对当时的整个英国经济产生了非常重大的影响。

二战结束之后的二十世纪五十年代，美国迎来大规模机器生产，产品及流程都越来越复杂，在这样的背景下，如何保证质量可靠成了一个不容回避的突出问题。这一时期的代表人物就包括统计学家威廉·爱德华兹·戴明（W. Edwards Deming）：由于最初在美国未能得到足够的重视，他在七十年代选择“出走”日本，将其此前旨在用统计学理念去改进工业生产的研究成果一并推广了过去，提出在整个生产过程中要系统地利用实验数据的基础和系统分析的方法来进行管理，对生产进行优化，从而找到一个最佳的生产状态。此后，日本在汽车工业等方面的生产水平都得到了显著提升，甚至给美国方面也造成了非常大的压力，又反过来向日本借鉴了这一套理论和方法。事实上，如今很多现代工业的发展和成熟，都离不开应用统计学家和科学家的从中推动。

现代临床试验设计、医药研发等也必须要经由严格的统计分析评审和控制。

由是观之，从农业到现代工业生产，再到生物医疗和医学的科学研究乃至金融等领域，统计学在人类历史上的作用及地位都不容小觑，只是大众往往对这一段历史知之甚少，尤其是在急需于统计学发展中提升自主研发能力的中国，对统计学重要性的认知也似乎随之湮灭在旧日的车辙。

眼下，统计学俨然已闯入了人工智能“后花园”的“院门”，曾经屡次颠覆传统思维模式的这一神奇学科遇上本质也是在做数据分析的人工智能，又将书写怎样的历史呢？

---

当前人工智能面临如下重大的理论挑战：可计算性、可解释性、泛化性，以及稳定性。围绕这些基础问题，北京智源人工智能研究院从数学、统计和计算的角度，设立了“人工智能的数理基础”重大研究方向，并在该方向首先启动了三方面研究（可解释性的新型人工智能模型，新型的机器学习算法，深度学习的基础理论），以期打破基于计算机实验和神经科学的人工智能的惯用建模范式，建立以数学与统计理论为第一原理的新一代人工智能方法论。

2019 年 5 月 13 日，“智源论坛（第2期）——人工智能的数理基础”系列报告第二场再度如约而至（本周其他智源论坛活动，请留意文末信息）。

上午 9:00，本次论坛在北京大学教授、智源研究项⽬经理夏壁灿的主持下正式开始。清华大学副教授邓柯、清华大学工业工程系统计学研究中心助理教授林乾、清华大学副教授史作强、北京大学教授杨超、北京大学副教授文再文依次分享了他们在人工智能数理基础领域的研究探索。紧接着上一场的“数学与人工智能”探讨，此次论坛将重心放到了统计学与人工智能的关系之上。

1

邓柯：不确定性推断是智能的核心

清华大学副教授 邓柯

作为国内统计学领域青年学术带头人，清华大学邓柯副教授此番率先带来了《基于统计学模型和推断的人工智能方法》主题报告，重点探讨了关于用统计学的建模和推断的方法来进行人工智能研究的问题。

邓柯的研究为从统计学角度理解 CNN 的数学本质，并为之建立不确定性推断理论提供了⼀个可能的方向。他在报道中指出，不确定性推断是智能的核心，运用统计学模型和方法可以更好地处理人工智能中的不确定性，使人工智能研究进入一个新的层次。

邓柯及其团队认为，就人工智能而言，一些不确定性的推断实际上非常重要。简而言之，智能的核心就是对不确定性的分析和处理。当然，智能的本质有很多定义，其中一种理解就是对数据和知识的有效分析和利用，这也是是一切智能的本质与核心。