原标题：迈克尔·奥斯林：中国人工智能胜过美国，因为中国人数学好

【文/迈克尔·奥斯林 译/观察者网由冠群】

世界首次注意到北京在人工智能领域的高超技术是在2017年末，那时英国广播公司BBC的记者约翰•萨德沃斯（John Sudworth）隐藏在西南地区某个偏远的城市，但中国的闭路电视监控系统在短短7分钟内就准确定位了他的位置。当时，这是令人震惊的技术。但是现在，像依图科技和旷视科技这样先进的面部识别技术公司已能够将7分钟缩短到区区几秒。

是什么使得这些公司的技术如此先进，又是什么促进了中国的宏观经济发展呢，谜底不是中国的人工智能技术，而是支撑人工智能技术发展的数学。

中国在人工智能研究领域处于世界领先地位 图片来源：新华网

现在，抢占人工智能技术高地也许是中美大国角力最显而易见的部分。世界人工智能领域的霸主将具有塑造全球金融、商业、电信、军事和编程等领域格局的能力。特朗普总统已经认识到这一点，他在去年2月签署了一份行政命令 —— “美国人工智能计划”，旨在保证美国在人工智能领域的某些关键技术上继续领先。在短短几年内，美国的企业、大学、智库和政府已经撰写了几百份政策文件和发起了很多项目来应对人工智能领域的挑战。

但请忘记“人工智能”本身。其实这一切都与数学有关，而美国却没能培养足够数量的公民掌握正确的数学知识，从而保持本国在人工智能领域的优势地位。

人工智能并不是一个神奇的黑盒子，只要向其投入无限量的资金它就会自己生长。如果美国人无法精通支撑人工智能发展的基础数学，那这些智库项目和政府报告就将变的毫无意义。如果不掌握能够变革经济和军事的抽象数学能力，那在相关领域投资数十亿美元的要求就不合情理。

实际上，我们所谓的“人工智能”不过是打包在一起的各种算法和个别程序，创建它们需要掌握大量高等数学和统计学知识。就拿那些首席信息官/首席技术官嘴里的热门词汇 —— 深层神经网络为例，它们不是人工大脑，它们是大量的信息转换模块，这些模块通过反复计算一连串所谓的梯度来“学习”（gradients，高中微积分课程很少教授梯度这样的知识），而梯度则是反向传播算法（backpropagation）的基础。

类似的剖析适用于机器学习的各个方面，这门学科就是要教会电脑自己学习去执行任务而不是僵硬的执行预先编辑好的代码。更加复杂的算法配备上越来越强大的计算能力和相应数量的数据就能使电脑快速分类海量数据、识别模式、“预测”结果和“自学”。

从iPhone到Summit（位于美国橡树岭国家实验室的全球最强大超级计算机），从谷歌到脸书，这些计算平台和程序都采用极其复杂的数学计算来完成各项工作，包括模拟核试验和提供网页搜索结果。

与某些著名的人工智能倡导者（比如《AI未来》一书作者李开复）看法相反，人工智能绝不仅仅关乎数据。李开复曾经说过一句名言，在当今世界，数据就是20世纪初期的石油，而拥有最多数据的中国就是新的沙特阿拉伯。但是，没有掌握正确的数学知识或没有能够创造性研究数学的人才，当今世界的所有数据也就只能引领人类发展到当前的水平，这显然与那些人工智能倡导者大胆设想的成就相差甚远。

这就是为什么最前沿的数学研究重点关注如何使电脑处理部分信息缺失和稀疏数据的情况，能够让电脑舍弃伴随核心数据一起收集的无用数据。无论你怎样研究数据，这个世界都运行在0和1二进制运算上，运行在创造算法（以便控制运算）的黑板上。然而，更加强大和精巧的算法并不是什么人随随便便就可以创造出来的，这首先需要创造者经年累月耐心学习复杂的数学知识。

陈景润在工作中 图片来源：新华社

不幸的是，美国的中学生和大学生并没有能够掌握基础的数学知识，这就使得他们无法进一步探索数学的前沿领域，比如研发人工智能所需的统计理论和微分几何。在经济合作与发展组织（OECD）的2018年国际学生评估项目测试（PISA）中，美国15岁学生的数学测试成绩排名第35位，远低于平均成绩。即使在大学阶段，想要解决抽象问题也必须接受严格的训练，而美国大学生却没有掌握必需的基础知识，最后他们常常是被要求牢记一些算法，然后在将来用得上时粘贴上去。