7月26日，作為2025世界人工智能大會（WAIC 2025）的核心學術活動，“數學與人工智能” 學術會議在上海世博中心舉行。本次會議匯聚了來自中國、南非、西班牙、巴西、美國等國的十余位院士級專家及國際知名學者，共同探討數學與人工智能深度融合的前沿議題。

上海市經信委副主任張宏韜在開幕致辭中強調，上海始終高度重視數學與人工智能的融合發展，致力于推動數學基礎創新與人工智能產業發展邁向新臺階，實現 “1+1＞2” 的疊加效能。讓數據源的理論研究與產業應用需求精準對接，搭建各類產學研用的平臺，營造創新人才優越的發展環境。

“數學與人工智能的融合發展將日益緊密，數學在人工智能發展中的基礎性作用將愈發凸顯。” 中國科學院院士、中國科學院數學與系統科學研究院研究員袁亞湘指出，當前亟需提升社會各界——尤其是科技政策制定部門（如國家自然科學基金委、科技部等）對數學重要性的認識。在布局國家人工智能戰略時，不能僅聚焦于計算機等工科領域，而應充分重視數學學科的關鍵支撐作用，吸納數學家深度參與，以釋放多學科協同創新的優勢。

對于 “數學與人工智能” 的關系，世界科學院院士、非洲工業與應用數學學會（ASIAM）主席 Abdon Atangana 院士認為，兩者的研究尚未達到理想狀態：由于AI僅能基于已有知識推導，若研究者對領域不夠精通，將難以察覺其中的錯誤。盡管人工智能能夠拓展數學研究的邊界，但數學家仍需在保持專業素養的前提下，審慎借助這一工具突破自身研究局限。

“傳統數學研究方法在人工智能時代正經歷革命性變革。” 加泰羅尼亞理工大學數學系講席教授、巴黎亨利?龐加萊研究所董事會成員 Eva Miranda 教授以團隊運用人工智能技術證明流體運動軌跡的研究為例，強調這種交叉研究既拓展了人工智能的應用邊界，也呈現出兩者協同發展的良性關系。隨著技術進步，人類將能更好地理解和解決復雜系統問題，為數學研究開辟新可能，同時推動人工智能向更深層次發展。

那么，數學如何為人工智能提供更堅實的基礎——特別是在學習、推理和規劃等方面，從而提升算法的效率、魯棒性、可解釋性與泛化能力？

針對這一議題，里約熱內盧聯邦大學應用數學副教授兼數學研究所副所長 Fabio Ramos 教授指出，當前人工智能的核心局限在于難以有效處理真實世界的物理問題（如熱傳導、流體力學等）：盡管 AI 能生成逼真的模擬數據，卻缺乏對底層物理規律的建模能力。為此，他提出通過數學結構將物理原理嵌入神經網絡架構（而非簡單引入物理變量），構建更具泛化性的框架；利用數據驅動方式實現物理規律的隱性表達，并通過物理解法指導 AI 模型設計，推動 AI 在科學計算領域實現突破性應用。

歐洲科學院院士、阿卜杜拉國王科技大學應用數學與計算科學教授許進超則強調，數學家不應僅滿足于對已有 AI 模型的 “事后解讀”，而應主動引領下一代 AI 發展。當前 AI 研究面臨資源分配的結構性困境：數學家雖能提供理論突破，卻因缺乏大算力、大數據和團隊支持，難以快速驗證構想。為此，他提出數學界需建立更緊密的產學研合作機制，將逼近論、優化理論等傳統優勢領域轉化為 AI 創新的核心驅動力，強化模型架構設計、優化算法解釋等關鍵環節。

值得一提的是，會議還探討了人工智能在數學教育與研究中可發揮的作用——尤其在數學問題求解、定理證明、驗證乃至猜想生成等方面的應用前景。

1994年菲爾茲獎得主、美國科學院院士、歐洲科學院院士 Efim Zelmanov 指出，數學作為一門具有實驗性質的科學，在猜想提出、數論研究等需大量計算的領域，人工智能確實能有效替代人工計算；但數學證明的本質在于理解而非單純計算，其價值體現在對問題本質的深刻把握和理論體系的融會貫通。因此，在需要深度思考和創造性思維的數學證明領域，人工智能尚難以完全替代人類研究者的獨特作用——這一觀點體現了他對人工智能在數學研究中作用的辯證認知。

武漢數學與智能研究院副院長、湖北省數學學會理事長楊志堅教授犀利指出，當前 AGI 的發展模式處于 “亂戰” 狀態，缺乏傳統科研的系統性組織。

他提出，AI 有 “三條腿”—— 數據、算力、算法，其中數學界最能發力的是數據領域，包括構建數學專用數據集、建立數據標準等基礎性工作。針對當前發展，他提出三項具體建議：一是數學界需組織起來，系統性開展數據基礎設施建設；二是重視邊緣分布等關鍵數據特征的挖掘，提升研究效率；三是在擁抱大模型的同時保持理性認知，建立科學的評估體系。

記者 馬云飛

文字編輯 蔡淑敏

版面編輯 孫霄