10月23日，由中国科学院老科协主办、国科大老科协承办的“人工智能的‘数学大脑’”学术沙龙在玉泉路校区办公楼第一会议室举行。沙龙特邀国科大前沿交叉科学学院院长、数学学院郭田德教授作主旨报告。中国老科协副会长孙建国、中国科学院老科协顾问何远光，以及来自中国科学院力学所、大气所、动物所和国科大各学院的30余位专家出席会议。沙龙由国科大老科协原副理事长刘渝珍教授主持。

人工智能的迅猛发展正深刻改变科学研究、产业形态与社会生活，理解其背后的数学原理成为把握这一技术本质的关键。会上，郭田德教授围绕人工智能的数学基础展开报告，从人工智能的概念讲起，介绍了联接主义、符号主义、行为主义三大人工智能学派以及生成式人工智能的数学实现方法。

在人工智能的概念部分，郭田德教授指出，人工智能的本质是“了解智能机理、建立数学模型、设计算法、软硬件实现”的完整链条，模型和算法是人工智能的核心，计算和数据是基础。人工智能分为决策式与生成式两类：决策式人工智能学习数据中的条件概率分布，根据输入作出最优判断，在自动驾驶、棋类博弈等场景中帮助人类作出最优判断；生成式人工智能则学习事物的内在规律，生成具有逻辑性和连贯性的新内容，如文本、图像、视频等。

在三大人工智能学派方面，郭田德教授介绍了联接主义、符号主义与行为主义的主要路线与数学实现方法。他指出，联结主义以人工神经网络模拟大脑神经元连接，借助激活函数、多层感知机与万能逼近定理，可以任意精度逼近任何连续函数；卷积神经网络通过局部连接与权值共享，让机器自动学出从边缘到轮廓的层级特征。符号主义主张以逻辑表示知识、以规则完成推理，优势是可解释可验证，但面临知识获取瓶颈。行为主义则通过奖励与惩罚机制让机器在与环境交互中学习，AlphaGo战胜人类棋手是其标志性成果。三大学派并非互相取代，当今顶尖系统往往是三者的融合。

在生成式人工智能方面，郭田德教授指出，大语言模型把语言生成建模为“给定上文预测下一个词”的条件概率与采样问题，依托超大规模神经网络和海量数据训练，其训练核心仍是梯度下降等最优化方法。以ChatGPT、DeepSeek、Sora为代表的生成式人工智能正在深刻改变人类创造和交互数字内容的方式，但仍需充分重视数据质量、外部校验与人工核查。

报告内容详实，深入浅出，既有理论深度又有现实意义。报告结束后，与会专家围绕人工智能的能力边界、可靠性问题与应用前景展开热烈讨论。

讨论中，多位专家特别强调应以积极、谨慎的态度辩证看待人工智能热潮。洪延超研究员指出数值天气预报领域正在引入机器学习模块改进参数化方案，部分实验已显示出优势；但他同时指出，人工智能可以从数据中发现统计规律，但若规律背后没有物理约束，外推到极端情形就可能失效。颜基义教授指出人工智能对数学有正向推进作用，但也要警惕其“野蛮生长”所带来的消极影响，人工智能设计推导的数学理论真正由科学家理解并判断仍需要严谨的论证过程。谈及人工智能与科学发现的关系，彭家贵教授认为人工智能擅长在已有范式内快速搜索，却未必能提出下一个新概念。王柏懿研究员指出人工智能对科学研究是一个强有力的工具，但必须与科学家的思维相结合才能创造有利于人类发展的更大价值。

讨论交流

最后，中国老科协副会长孙建国作总结发言。他指出，本次沙龙主题设置前沿，聚焦国家战略需求，面向世界科技前沿；会议组织规范严谨，专家组成广泛，现场讨论热烈，不同学科观点交汇碰撞，充分体现了学术沙龙的特色和价值。人工智能发展方兴未艾，其数学基础、能力边界与治理规范仍需不断探索。院老科协顾问何远光以“五个好”评价本次沙龙：报告水平高、内容广泛、紧跟时代围绕国家科技制高点、讨论热烈、会务周到；并提出希望国科大老科协明确定位、围绕AI治理与管控向国家层面提出建议、扩大后续工作。

孙建国总结发言

何远光总结发言

本次学术沙龙通过主旨报告和专家研讨，系统梳理了人工智能背后的数学原理、三大学派的技术脉络与生成式人工智能的实现机制，厘清了当前技术的能力与局限。与会专家一致认为，对人工智能的认识应回归其数学与工程本质，既不神秘化也不简单化，坚持“人机协作、人负最终责任”的原则，以务实态度推进基础研究和规范应用，为人工智能健康发展贡献力量。

会后合影