7月26日，2025年世界人工智能大会“数学与人工智能”学术会议在世博中心举办，会议由斯梅尔数学与计算研究院、中国工业与应用数学学会主办。

会议围绕三大核心议题展开深入探讨，为数学与AI的交叉融合提供了创新思路与发展路径。

学术会议现场。图片由主办方提供

  ?

如何看待“数学与人工智能”的关系？

中国科学院院士、中国科学院数学与系统科学研究院研究员袁亚湘表示，数学与AI的融合发展将日益紧密，数学在AI发展中的基础性作用将愈发凸显。他指出，当前亟需提升社会各界，特别是科技政策制定部门对数学重要性的认识。在布局国家AI战略时，不能仅聚焦于计算机等工科领域，而应当充分重视数学学科的关键支撑作用，吸纳数学家深度参与，以充分发挥多学科协同创新的优势。

南非布隆方丹自由州大学教授、非洲工业与应用数学学会主席阿卜顿·阿坦加纳（Abdon Atangana）认为，数学与AI的研究尚未达到理想状态，AI只能基于已有知识进行推导，若研究者对该领域不够精通，将难以察觉这其中的错误。虽然AI能够拓展数学研究的边界，但数学家仍需在保持专业素养的前提下，审慎地借助这一工具来突破自身的研究局限。

加泰罗尼亚理工大学数学系讲席教授伊娃·米兰达（Eva Miranda）介绍了团队运用AI技术来证明流体运动轨迹的研究，强调交叉研究拓展了AI的应用边界，呈现出数学与AI协同发展的良性关系。随着技术进步，人类将能更好地理解和解决复杂系统问题，为数学研究开辟了新的可能性，也推动着AI向更深层次发展。

数学如何为AI提供更坚实的基础？

阿卜杜拉国王科技大学应用数学与计算科学教授许进超强调，数学家不应仅满足于对已有AI模型的“事后解读”，而应主动引领下一代AI发展。当前AI研究面临资源分配的结构性困境，数学界需建立更紧密的产学研合作机制，将逼近论、优化理论等传统优势领域转化为AI创新的核心驱动力，提升模型架构设计、优化算法解释等关键环节。

西安交通大学教授孟德宇强调了数学思维在机器学习中的核心作用，认为数据、模型和算法的本质是一种形式化语言，只有通过严格的数学分析才能深刻理解并改进机器学习方法。他认为，数学研究者应积极介入AI领域，通过理论创新与工科团队合作，在算法设计、模型解释等环节发挥不可替代的作用，最终推动机器学习在性能和可解释性上的双重突破。

巴西里约热内卢联邦大学应用数学副教授兼数学研究所副所长法比奥·拉莫斯（Fabio Ramos）指出，当前AI的核心局限在于难以有效处理真实世界的物理问题，缺乏对底层物理规律的建模能力。他提出，应通过数学结构将物理原理嵌入神经网络架构，以构建更泛化的框架，利用数据驱动方式实现物理规律的隐性表达，推动AI在科学计算领域的突破性应用。

你希望人工智能在数学教育与研究中发挥哪些作用？

菲尔兹奖得主、中国科学院外籍院士叶菲姆·泽尔马诺夫（Efim Zelmanov）指出，数学是一门具有实验性质的科学，数学证明的本质在于理解而非单纯计算，其价值体现在对问题本质的深刻把握和理论体系的融会贯通。AI确实能够有效替代人工计算，但在需要深度思考和创造性思维的数学证明领域，尚难以完全替代人类研究者的独特作用。

上海交通大学自然科学研究院院长金石认为，AI与数学的结合本质上是一种“认知增强”，打破了人类固有思维的限制，使得研究者能够同时处理多尺度、高维度的复杂问题。AI for Math的真正价值不在于替代传统方法，而在于创造更多新的机会去探索更多未知世界，系统性地拓展人类科学的认知边界，最终实现从解决既定问题到发现未知问题的范式转换。

北京大学博雅特聘教授、北京大学国际机器学习研究中心副主任董彬表示，AI工具能够帮助数学家将自然语言表述的直觉转化为严格的形式化证明，有效规避人为失误，还可以快速识别新理论与既有数学体系的联系，为数学家提供关键的研究方向评估。此外，AI可处理繁琐计算等重复劳动，显著降低数学研究的技术门槛。这种变革不仅会加速数学研究进程，更将重塑数学作为“基础语言”的学科定位，使其从封闭的专家系统转变为开放的问题解决平台。

武汉大学弘毅特聘教授、武汉数学与智能研究院副院长杨志坚指出，AI有“三条腿”，即数据、算力、算法，其中数学界最能发力的是“数据”。针对当前AGI发展呈现的“乱战”状态，他提出3个具体建议：数学界需要组织起来，系统性地开展数据基础设施建设；重视边缘分布等关键数据特征的挖掘，提升研究效率；在拥抱大模型的同时，要保持理性认知，建立科学的评估体系。