在上海举办的世界人工智能盛会上，提出了“AI三问”，这一议题直指智能技术的核心问题，并引起了全世界的广泛关注。这些问题涉及数学、科学和模型构建，如同时代的警钟，为人工智能的发展指出了至关重要的方向。
数学之问引深思
当前，行业内普遍追求增强模型的数学性能，旨在将严密的数学逻辑拓展至更广泛的领域应用。人工智能在构建数学实体方面展现出其独特的优势，它能够通过大量的试验与错误修正，以及策略的持续优化，揭示出人类难以发现的特定结构。然而，剑桥大学的数学家凯文·巴扎德提出，尽管机器主要依赖数据统计和归纳来取得进展，但人类数学家在从不同领域提炼出统一理论框架方面的创新性，仍然是人工智能尚未触及的挑战。
数学是AI发展要害
徐宗本院士对大会举办的数学问题论坛表达了他的惊喜与感激之情。他观察到，这一活动展现了上海在问题提炼方面的能力，并准确把握了人工智能发展的核心。目前，中国在工程创新方面成果丰硕，但原理性突破相对较少。为了在国际人工智能领域获得一席之地，中国亟需强化基础理论研究，而数学研究在其中扮演着至关重要的角色。
AI成科研协同伙伴
目前，人工智能技术正迅速融入科学研究的核心领域。这一技术不仅是连接数字与物理世界的纽带，更超越了传统工具的角色，成为科研过程中的“协作伙伴”。在“书生”科学发现平台上，科研人员能够调用多学科智能体，借助其丰富的知识库和推理能力，贯穿科研的各个环节，提供全面的一站式服务。
降低科研门槛
白磊对“AI+科研”的看法是，其核心在于“人机融合”，这一理念有助于打破科研的障碍，显著降低科研的准入门槛，并促进科研的民主化进程。这一转变预示着更多的人将有机会投身科研领域，进而加速科研的进步。
反思模型泛化能力
在特定数据集上，大模型的准确率较高，但其在现实场景中的应用却频繁遭遇挫折。对此，我们必须深入思考模型泛化能力不足的根源，是数据质量问题，还是模型架构本身存在缺陷。在业界，除了不断探索架构上的创新，研究者们还致力于从训练方法入手，以期发现大模型发展的新路径。
探索通用专业能力兼得
周伯文教授，作为上海人工智能实验室的负责人，提出了一个观点：通用性与专业性是人工智能通用智能（AGI）的核心属性，并质疑是否可以在设计初期就追求这两者的统一。徐立则通过人类智能的发展历程进行阐述，指出智能的起源并非仅仅源于语言或监督学习，而是源于与真实世界的互动和探索。
众人普遍关注，未来人工智能若要实现理论上的重大突破，攻克数学领域的难题，这一过程将耗费多长时间？诚挚邀请各位点赞、转发，并在评论区积极参与讨论。
