清华大学史作强副教授专访：用流形、偏微分方程揭秘人工智能

基础理论的缺失是人工智能进一步发展的瓶颈之一，国内外很多学者正在从各个学科的角度，为揭开AI算法黑匣子探索新的突破口。而本文介绍的嘉宾，智源学者史作强近年来则独辟蹊径地将常用于物理学研究的数学工具——微分流形和偏微分方程应用于机器学习、深度学习的研究，并承担了智源研究院课题项目《数据中的流形建模、理论及算法》。

 

史作强，清华大学数学科学系副教授，博士毕业于清华大学周培源应用数学研究中心，后赴美国加州理工学院应用与计算数学系做博士后，并曾作为访问学者在美国加州大学洛杉矶分校数学系访问一年。史作强一直在偏微分方程的数值方法等领域耕耘不辍、成果颇丰，那么他眼中用数学理解新事物的妙用有哪些？流形、偏微分方程和人工智能具体有哪些关联？能解决哪些具体问题？同时他这种跨学科的灵感、问题视角，得益于什么样的研究方法和学术成长模式？

 

最近，带着这些问题，智源社区编辑采访了史作强老师。

整理：王炜强，常政

 

01

数学之美：

抽离现实，理解现实

 

智源：您从何时开始对数学产生了兴趣？数学的哪些特质吸引了您？

 

史作强：很多人可能自小就对数学保有浓厚的兴趣，但我并不是，甚至我高考的第一志愿也并不是数学，而是后来“被迫”调剂到清华数学系的。随着我的学习和研究逐渐深入，我才逐渐领悟到了数学的有趣与迷人之处。这样看来，以数学作为我的职业方向颇有些误打误撞的意味。

 

数学给我最大的感觉是它特别地“美”。在应用数学领域，可以通过数学将一些生活中的实际问题转化成数学模型，并且用数学的方式去理解它、证明它、分析它，这对我而言是数学最大的魔力。

 

其实，数学与真实世界并没有直接的关联，它是人类运用智慧创造出的自成逻辑的体系，但就是这样一个抽离出现实的事物，却可以帮助我们理解现实世界，进而改造现实世界。并且，每当我完成一个数学证明的时候，也会生出十足的成就感，可能这些都是数学能够深深吸引我的特质。

 

智源：您从2011年开始在清华大学任教，您在清华的主要研究方向是什么？取得了哪些研究成果呢？

 

史作强：我从攻读博士起就一直从事偏微分方程及其数值方法相关的研究工作，来到清华之后主要研究流形上偏微分方程的数值方法。

 

概括来讲，我近年来的产出主要围绕在所谓的流形，或称“点云”上求解偏微分方程的数学方法，及其在人工智能、机器学习、数据分析中的一些问题应用。比如用低维流形模型(Low Dimensional Manifold Model)，来描述描述高维数据空间中的低维结构等。

 

02

流形理论：

用数学描述高维数据中的低维结构

智源：从数学理论到机器学习，一直研究数学的您又因何会对人工智能产生兴趣？

 

史作强：与人工智能结缘是在2016年，我曾去UCLA（加州大学洛杉矶分校）访问。在这个过程中，我发现之前研究的理论和方法，都可以在图像分析领域、数据分析领域得到应用。此后我就开始进行机器学习、人工智能方面的问题研究，