【ZiDongHua 之自動化學(xué)院派收錄關(guān)鍵詞： 清華大學(xué) 人工智能 高質(zhì)量發(fā)展 自然語言處理】
　　
　　清華大學(xué)求真書院和自動化系強強聯(lián)合 探索建立人工智能本科人才培養(yǎng)的“數(shù)學(xué)”路徑
　　
　　清華大學(xué)求真書院和自動化系
　　
　　聯(lián)合探索“數(shù)學(xué)與人工智能”本科交叉人才新模式
　　
　　為積極響應(yīng)國家對人工智能領(lǐng)域拔尖人才的迫切需求，清華大學(xué)求真書院與自動化系將面向2024級新生進(jìn)行院（系）內(nèi)選拔，探索建立“數(shù)學(xué)與人工智能”本科人才交叉培養(yǎng)新模式，充分發(fā)揮求真書院和自動化系在數(shù)學(xué)和人工智能領(lǐng)域各自優(yōu)勢，培養(yǎng)數(shù)理基礎(chǔ)扎實、面向國家重大需求的人工智能領(lǐng)域創(chuàng)新拔尖人才。
　　
　　交叉培養(yǎng)模式 
　　
　　從2024年秋季學(xué)期開始，面向2024級自動化類和求真書院英才班錄取學(xué)生進(jìn)行選拔，注重考察數(shù)學(xué)、物理、計算機基礎(chǔ)知識。
　　
　　依托求真書院進(jìn)行學(xué)生管理，由求真書院和自動化系聯(lián)合設(shè)計培養(yǎng)方案，聯(lián)合開展教學(xué)活動和其他相關(guān)學(xué)生培養(yǎng)工作。前兩年主要開展數(shù)學(xué)基礎(chǔ)學(xué)習(xí)，后兩年側(cè)重人工智能課程學(xué)習(xí)，探索建立一套“數(shù)學(xué)+人工智能”的本科交叉人才培養(yǎng)方案，實現(xiàn)理學(xué)思維與工科實踐的深度融合。
 
　　1956年達(dá)特茅斯會議上的“數(shù)學(xué)力量”
 
　　
　　國家對人工智能產(chǎn)業(yè)
　　
　　及相關(guān)人才培養(yǎng)的要求和支持
　　
　　人工智能是引領(lǐng)新一輪科技革命、產(chǎn)業(yè)變革、社會變革的戰(zhàn)略性技術(shù)，正在對經(jīng)濟發(fā)展、社會進(jìn)步、國際政治經(jīng)濟格局等方面產(chǎn)生重大深遠(yuǎn)的影響。中國人工智能行業(yè)受到各級政府的高度重視和國家產(chǎn)業(yè)政策的重點支持，國家陸續(xù)出臺了多項政策，鼓勵人工智能行業(yè)發(fā)展與創(chuàng)新，例如：《關(guān)于支持建設(shè)新一代人工智能示范應(yīng)用場景的通知》《關(guān)于加快場景創(chuàng)新以人工智能高水平應(yīng)用促進(jìn)經(jīng)濟高質(zhì)量發(fā)展的指導(dǎo)意見》《新型數(shù)據(jù)中心發(fā)展三年行動計劃（2021-2023年）》。
　　
　　《新一代人工智能發(fā)展規(guī)劃》：在2017年7月，國務(wù)院發(fā)布了該文件，其中明確提出了要培育高水平人工智能創(chuàng)新人才和團隊，加強人工智能基礎(chǔ)研究、應(yīng)用研究、運行維護(hù)等方面專業(yè)技術(shù)人才培養(yǎng)。
　　
　　《加快數(shù)字人才培育支撐數(shù)字經(jīng)濟發(fā)展行動方案(2024—2026年)》：這是由人力資源社會保障部、中共中央組織部、中央網(wǎng)信辦等九部門在2024年4月聯(lián)合發(fā)布的文件。該文件旨在通過3年左右的時間，扎實開展數(shù)字人才育、引、留、用等專項行動，增加數(shù)字人才有效供給，形成數(shù)字人才集聚效應(yīng)。其中，人工智能作為數(shù)字經(jīng)濟的重要組成部分，其人才的培養(yǎng)和引進(jìn)也被視為重要任務(wù)。
　　
　　《關(guān)于“雙一流”建設(shè)高校促進(jìn)學(xué)科融合 加快人工智能領(lǐng)域研究生培養(yǎng)的若干意見》：2020年教育部、國家發(fā)展改革委、財政部印發(fā)。這個文件旨在通過促進(jìn)學(xué)科融合，加快人工智能領(lǐng)域研究生的培養(yǎng)，以適應(yīng)科技發(fā)展的需求，并為我國在全球科技競爭中贏得優(yōu)勢地位提供人才支撐。
　　
　　人工智能的發(fā)展離不開人工智能人才的培養(yǎng)，人工智能的競爭歸根結(jié)底是人工智能人才的競爭。
　　
　　從數(shù)學(xué)的角度發(fā)展人工智能，是實現(xiàn)人工智能重大原始創(chuàng)新的重要途徑。
　　
　　國內(nèi)外數(shù)學(xué)與人工智能交叉人才培養(yǎng)的探索
　　
　　牛津大學(xué)的數(shù)學(xué)與計算機科學(xué)系（Mathematics and Computer Science）提供了一些跨學(xué)科的本科課程和項目，如“數(shù)學(xué)與計算機科學(xué)本科榮譽課程”，幫助學(xué)生在數(shù)學(xué)和計算機科學(xué)領(lǐng)域取得雙重專業(yè)的學(xué)位。
　　
　　2023年8月，清華大學(xué)求真書院與自動化系簽署聯(lián)合培養(yǎng)博士協(xié)議，面向數(shù)學(xué)科學(xué)領(lǐng)軍人才培養(yǎng)計劃學(xué)生，探索“數(shù)學(xué)+人工智能”頂尖人才貫通培養(yǎng)模式。
　　
　　2024年5月，上海交通大學(xué)獲批“數(shù)學(xué)與應(yīng)用數(shù)學(xué)-人工智能”雙學(xué)士學(xué)位，旨在培養(yǎng)具有堅實數(shù)學(xué)基礎(chǔ)的人工智能復(fù)合型人才。
　　
　　2024年6月，清華大學(xué)求真書院與智能產(chǎn)業(yè)研究院簽署聯(lián)合培養(yǎng)博士協(xié)議，面向書院博士研究生，推動數(shù)學(xué)與人工智能深度融合。
　　
　　1956年達(dá)特茅斯會議上的“數(shù)學(xué)力量”
　　
　　1956 年，美國漢諾斯小鎮(zhèn)寧靜的達(dá)特茅斯學(xué)院，約翰·麥卡錫、馬文·閔斯基、克勞德·香農(nóng)等學(xué)者聚在一起，共同討論著機器模擬智能的一系列問題。他們討論了很久，始終沒有達(dá)成共識，卻為討論內(nèi)容起了一個名字：人工智能。這個會議就是著名的達(dá)特茅斯會議。自此，人工智能（AI，Artificial Intelligence）開始出現(xiàn)在人們的視野，1956 年也就成為了人工智能元年。
　　
　　數(shù)學(xué)家及具備數(shù)學(xué)基礎(chǔ)的科學(xué)家是人工智能源起的重要力量，亦說明人工智能的興起離不開數(shù)學(xué)。
　　
　　約翰·麥卡錫（John MacCarthy）: 1951年普林斯頓數(shù)學(xué)博士，圖靈獎獲得者。在1956年的達(dá)特矛斯會議上提出了“人工智能”一詞，并被譽為人工智能之父，并將數(shù)學(xué)邏輯應(yīng)用到了人工智能的早期形成中。
　　
　　馬文·閔斯基（Marvin Minsky）：1950年普林斯頓數(shù)學(xué)博士，圖靈獎獲得者。1946年進(jìn)入哈佛大學(xué)主修物理，后改學(xué)數(shù)學(xué)，獲博士學(xué)位。
　　
　　克勞德·香農(nóng)（Claude Shannon）：1940年MIT數(shù)學(xué)博士，數(shù)學(xué)家、密碼學(xué)家、信息論創(chuàng)始人。
　　
　　雷·所羅門諾夫（Ray Solomonoff）：物理碩士、數(shù)學(xué)家。機器學(xué)習(xí)的先驅(qū)，算法概率論的創(chuàng)始人，通用概率分布之父，通用歸納推理理論的創(chuàng)建者，奠定人工智能理論的數(shù)學(xué)基礎(chǔ)。
　　
　　奧利弗·塞爾弗里奇（Oliver Selfridge）：1945年MIT數(shù)學(xué)學(xué)士學(xué)位，數(shù)學(xué)家。他是人工智能先驅(qū)，被稱為機器感知之父。
　　
　　特蘭查德·摩爾（Trenchard More）：數(shù)學(xué)家、計算機科學(xué)家。
　　
　　聽專家講述“數(shù)學(xué)之于人工智能的意義”
　　
　　丘成桐（菲爾茲獎獲得者）
　　
　　丘成桐院士認(rèn)為數(shù)學(xué)不僅是研究自然規(guī)律的強有力工具，也是人工智能發(fā)展中不可或缺的支撐。數(shù)學(xué)能夠幫助人們理解物理現(xiàn)象背后的數(shù)學(xué)模型，從而更深入地認(rèn)識宇宙的本質(zhì)。在人工智能領(lǐng)域，數(shù)學(xué)提供了算法和模型的理論基礎(chǔ)，幫助人們建立模型、分析數(shù)據(jù)，并從中提取規(guī)律和模式。
　　
　　吳恩達(dá)（深度學(xué)習(xí)先驅(qū)、斯坦福大學(xué)教授）
　　
　　吳恩達(dá)教授在多個場合強調(diào)了數(shù)學(xué)在深度學(xué)習(xí)中的重要性。他指出，深度學(xué)習(xí)技術(shù)的背后是大量的數(shù)學(xué)原理，包括線性代數(shù)、微積分、概率論和統(tǒng)計學(xué)等。這些數(shù)學(xué)工具不僅幫助人們設(shè)計更有效的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，還指導(dǎo)了訓(xùn)練和優(yōu)化這些網(wǎng)絡(luò)的方法。
　　
　　安德魯·卡普蘭（麻省理工學(xué)院教授，人工智能專家）
　　
　　卡普蘭教授認(rèn)為，數(shù)學(xué)為人工智能提供了理論框架和工具，使得人們能夠系統(tǒng)地研究和開發(fā)智能系統(tǒng)。他強調(diào)了數(shù)學(xué)在建模、推理和決策制定中的作用，這些能力對于實現(xiàn)高級人工智能至關(guān)重要。
　　
　　羅杰·彭羅斯（物理學(xué)家、數(shù)學(xué)家，牛津大學(xué)教授）
　　
　　彭羅斯教授在他的研究中探討了數(shù)學(xué)與人工智能之間的聯(lián)系。他認(rèn)為，數(shù)學(xué)提供了一種理解和描述智能行為的語言，可以幫助人們設(shè)計更智能的算法和系統(tǒng)。他還強調(diào)了數(shù)學(xué)在解決復(fù)雜問題和優(yōu)化算法中的關(guān)鍵作用。
　　
　　2024年3月，UC伯克利EECS教授Jelani Nelson聯(lián)合發(fā)起了一個倡議，表示支持加州大學(xué)BOARS的新規(guī)，強調(diào)「強大的數(shù)學(xué)基礎(chǔ)對人工智能至關(guān)重要」，認(rèn)為“代數(shù)、微積分和概率的核心數(shù)學(xué)概念是現(xiàn)代AI創(chuàng)新的核心”。在該倡議中，已經(jīng)有31位知名人物簽字，包括馬斯克、奧特曼、英偉達(dá)的科學(xué)家、谷歌的科學(xué)家等。https://www.mathmatters.ai/
　　
　　數(shù)學(xué)在人工智能領(lǐng)域的具體應(yīng)用
　　
　　數(shù)學(xué)學(xué)科，包括基礎(chǔ)數(shù)學(xué)和應(yīng)用數(shù)學(xué)，在人工智能領(lǐng)域起著至關(guān)重要的作用。它為AI算法的設(shè)計、分析和應(yīng)用提供了理論基礎(chǔ)和方法論支持，推動了AI技術(shù)的創(chuàng)新和發(fā)展。
　　
　　1. 數(shù)學(xué)在AI中的應(yīng)用
　　
　　機器學(xué)習(xí)：機器學(xué)習(xí)是AI的核心領(lǐng)域之一，其中包括監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)等多種方法。數(shù)學(xué)方法在機器學(xué)習(xí)算法的設(shè)計、分析和應(yīng)用中發(fā)揮著關(guān)鍵作用。
　　
　　深度學(xué)習(xí)：深度學(xué)習(xí)作為機器學(xué)習(xí)的分支，近年來取得了巨大的成功。深度學(xué)習(xí)模型如神經(jīng)網(wǎng)絡(luò)使用了大量的數(shù)學(xué)理論，包括線性代數(shù)、概率論和優(yōu)化理論等。
　　
　　自然語言處理：自然語言處理是AI中的重要應(yīng)用領(lǐng)域之一，涉及到對文本數(shù)據(jù)的理解和處理。數(shù)學(xué)方法在自然語言處理中被用于構(gòu)建語言模型、詞向量表示等方面。
　　
　　2. 數(shù)學(xué)對AI發(fā)展的推動
　　
　　創(chuàng)新和發(fā)展：數(shù)學(xué)的不斷發(fā)展推動了AI技術(shù)的創(chuàng)新和發(fā)展。數(shù)學(xué)家們提出的新理論和方法為AI領(lǐng)域帶來了新的思路和工具，推動了AI技術(shù)的不斷突破。
　　
　　跨學(xué)科融合：數(shù)學(xué)與計算機科學(xué)、統(tǒng)計學(xué)、信息論等學(xué)科的交叉融合促進(jìn)了AI領(lǐng)域的跨學(xué)科合作和創(chuàng)新。數(shù)學(xué)方法為不同領(lǐng)域的專家提供了共同的語言和工具，加速了AI技術(shù)在各個領(lǐng)域的應(yīng)用。