强人工智能还有多远？先用10到20年的时间来突破这5个数学问题之间的数学关系。从博弈论的角度来看，数学研究和人工智能研究的问题是一致的。“他说，目前弱人工智能向强人工智能和超人工智能所面临的一些基本问题，本质上是来自数学的挑战。当前人工智能实现的核心技术在于机器学习。徐宗本说，目前人工智能带来的是”“货币化”的核心技术是机器学习。人工智能本身的基石就是数学。什么是机器学习？“机器学习就是通过与环境的交互来增强自身行为的智能。”他说，机器学习就是把这种智能形式化为数学公式，转化为计算机可以运行的算法和软件。这波人工智能的兴起是因为：深度学习的应用。通过与环境交互，调整参数来解决问题的任务解决者可以看作是一个代理。代理可以体现为深度网络、机器人或无人系统。深度学习的作用可以类比为：总结经验。徐宗本说：“人工智能能做的绝大多数事情都是把重复的、有规律的事情归纳起来，然后用它们来预测预测。”因此，人工智能深度学习的环境非常重要，大量的需要标记数据来判断在一定标准下推测的结果是否适合过去的经验。这件事形成的技术叫做深度学习技术。”最重要的场景是把agent放在一个特定的环境中，agent完成任务，然后在环境的约束下与环境交互，纠正agent的行为“这就是机器学习。”徐宗本说。目前，由于人工智能三大驱动力——大数据、大模型、大算力技术的发展，当前的人工智能技术已经突破了从“不能用”到“能用”的技术拐点。“但要说它‘运作良好’还有很长的路要走。””徐宗本指出，自动化、自主化将是未来十年人工智能发展的趋势。徐宗本认为，人类需要几十年的时间才能发展出自主智能，即强人工智能。人工智能目前的应用形态是在数据加算法产品形成期，也是目前人工智能赚钱的基本形态。但是现在我们仍然需要人工收集和标注数据，仍然要靠人来推广和泛化。即使是高级的深度学习技术，每层有多少个元素，每个元素采用什么非线性机制等，也必须事先预设好。“所以那些公司要养很多‘码农’去调试。用什么方法来训练它（人工智能）也是人给的。”他说。在应用层面，目前只有一个神经网络可以智能解决一个问题，不能自动切换问题。徐宗本预测，未来十年，人工智能发展的重点将在机器学习的自动化层面：自动生成数据、选择数据、自动构建神经网络结构、自动设计训练算法、能够切换和切换。自动适应任务。“现在我们正处于人工智能带来智能的阶段，我们正在走向自动化和自主化，”他说。人工智能发展的本质是五个数学挑战，需要持续研究10到20年才能搞清楚，人工智能的核心在数学，那么核心问题在哪里？对此，徐宗本提出了五个问题，而这五个问题可能需要10年到20年的研究才能弄清楚。首先是大数据的统计基础。目前，大数据已经摧毁了传统的统计基础和分析方法，但支撑大数据分析的数学基础尚未完全建立。二是人工智能算法的基石——大数据计算的基础算法，必须在大数据环境下重新构建，现有的计算方法无法使用。第三个也是比较关键的一点是，新一轮的人工智能以深度学习为基础模型，但目前的情况是深度学习理论的缺失，这就是目前“人工智能=人工智能+智能”的原因.第四个问题是非常规约束下的运输问题。简单地说，就是“举一反三”。这种基本的人类智能涉及到两种不同分布的数据之间的规律传递，要实现人工智能还是极其困难的。第五期是学习方法论和学习理论在函数空间上的建模。“我们本科学习的机器学习理论，要转变到一个阶段，叫学习方法论，从数学上讲，就是如何在函数空间上建立学习理论，本质是适应不同的任务。既然任务本身是一个函数，是无穷大的，那么就需要将过去机器学习中对样本和数据的选择和泛化扩展到任务的泛化。”从弱人工智能到超人工智能的基本科学问题让大家实现AI的机会来了。但是人工智能要做好，还是要靠解决数学问题。徐宗本强调，从业者不应仅将数学视为辅导、答疑解惑的“老师”，而应将其视为人工智能技术的核心提供者或参与者。
