智源论坛 | 邓柯：不确定性推断是智能的核心
当前人工智能面临如下重大的理论挑战：可计算性、可解释性、泛化性，以及稳定性。围绕这些基础问题，北京智源人工智能研究院从数学、统计和计算的角度，设立了“人工智能的数理基础”重大研究方向，并在该方向首先启动了三方面研究（可解释性的新型人工智能模型，新型的机器学习算法，深度学习的基础理论），以期打破基于计算机实验和神经科学的人工智能的惯用建模范式，建立以数学与统计理论为第一原理的新一代人工智能方法论。
2019 年 5 月 13 日，“智源论坛（第2期）——人工智能的数理基础”系列报告第二场再度如约而至。本次论坛在北京大学教授、智源研究项⽬经理夏壁灿的主持下正式开始。清华大学副教授邓柯分享了他在人工智能数理基础领域的研究探索。紧接着上一场的“数学与人工智能”探讨，此次论坛将重心放到了统计学与人工智能的关系之上。
作为青年千人计划入选者、国内统计学领域青年学术带头人，清华大学邓柯副教授此番率先带来了《基于统计学模型和推断的人工智能方法》主题报告，重点探讨了关于用统计学的建模和推断的方法来进行人工智能研究的问题。
邓柯的研究为从统计学角度理解 CNN 的数学本质，并为之建立不确定性推断理论提供了⼀个可能的方向。他在报道中指出，不确定性推断是智能的核心，运用统计学模型和方法可以更好地处理人工智能中的不确定性，使人工智能研究进入一个新的层次。
邓柯及其团队认为，就人工智能而言，一些不确定性的推断实际上非常重要。简而言之，智能的核心就是对不确定性的分析和处理。当然，智能的本质有很多定义，其中一种理解就是对数据和知识的有效分析和利用，这也是是一切智能的本质与核心。
在人类的发展史上，我们上下求索，最核心的任务不过是获取知识。关于获取知识，我们又有很多不同的方法和范式，总结起来无非“演绎”二字。演绎的过程就是从知识产生知识，这样的一般过程在历史中发挥了非常重要的作用。包括欧式几何理论、牛顿力学、量子力学等一系列人类杰出的成就，都是这样产生的——首先建立公理和定律，然后通过数学进行推演推理，从而形成了庞大的知识体系，这是个从知识生产知识的过程。
除此之外便是“归纳”，即从数据当中总结知识，因为最初的公理和定律一定要从数理当中来。尤其在自然科学和社会科学中，随着问题复杂性升级，有时很难进行严格的逻辑推理，这就要基于数据，通过数据分析和规律总结来获取知识，指导实践。如此一来，就构成了知识产生的一个基本形式：归纳与演绎相辅相成，然后螺旋递进，继而推动了整个人类知识的产生与发展。在这个过程当中，数据分析和以统计学为代表的数据科学起到了极其重要的作用。事实上其与信息科学、领域知识相结合，正好构成了我们数据科学的三大支柱，同时也是人工智能研究的重要领域。
其中，归纳法的哲学本质是对已有的现象给出合理解释，但这里还涉及一个非常本质的困难——不确定性的存在，就是对于同一种现象，我们其实有很多种不同的解释，这种不确定性的程度还会变化，而我们又不能决然排除任何一种解释。
在此之上，一个更加根本的挑战是当我们面临不确定性的时候，如何进行决策和推断，这是一项极其困难的运用。我们的人生充满了不确定性，我们也一直憎恶不确定性，因为当我们清楚一件事会怎样发生时，心态必然会非常轻松，权当接受其安排。而随着可能的情况多起来，决策时往往会相当纠结，陷入困境。这是困扰人类数千年的难题，人类整个科学和文化历史都是在处理这个问题。当然在过去的百余年里，出现了很多理论和方法来解决这个问题，但这个数理基础中蕴含着深刻的哲学思辨，因此至今悬而未决，数学分析和统计学分析之难由此可见一斑。
不像以数学和物理为代表的基础为逻辑推理向前分析的一些学科，统计学可谓非常困难。在数学技术构建上，我们要建立非常深的技术方法和理论框架进行分析，但其本质还是一个向前推演的过程。而以统计学为代表的数据科学则是反过来从数据中进行拉取和归纳，这就牵扯到很多思辨，在哲学上也会颇为困难。这就要求做数据分析的人要在很多积累的同时还要拥有丰富的阅历。
从这个角度来看，人工智能和统计学相结合有巨大的发展空间：
如果我们能从人工智能和统计学两个角度分别出发，将两者的优势有效结合起来，将有望极大推动人工智能的有效发展。从这一点出发，邓柯及其团队过去这些年在统计建模、统计计算，以及整个人工智能领域展开了颇多研究，其中包括不依赖大量数据进行推断的 Training-Free AI，以及如何在Deep Learning 中引入不确定性等问题。
关于主办方
北京智源人工智能研究院（Beijing Academy of Artificial Intelligence，BAAI）是在科技部和北京市委市政府的指导和支持下，由北京市科委和海淀区政府推动成立，依托北京大学、清华大学、中国科学院、百度、小米、字节跳动、美团点评、旷视科技等北京人工智能领域优势单位共建的新型研究机构。
