随着人工智能的发展，各学科与AI技术的合作为其发展提供了新的思路。
在18日举行的上海复旦大学校友会成立四十周年大会暨首届科技文化节开幕式上，三位中国科学院院士与人工智能专家围绕AI与数学、脑科学、生物医药的融合运用展开对话。
左一到左五分别为：上海人工智能实验室数字经济研究执行负责人杨燕青，中国科学院院士陈凯先，中国科学院院士杨雄里，中国科学院院士陈恕行，复旦大学人工智能创新与产业研究院院长漆远。
AI与人类智能本质是否相同？
在中国脑科学计划的筹建者和推动者之一、中国科学院院士杨雄里看来，人工智能和人脑智能必然有相似的地方。有同样遵循规律的地方，但是结合人工智能最近的崛起，AI逐渐会发展成为一个并不完全与人类智能相同的特征。
他解释道，一方面，人工智能的设计初衷是模仿人脑的工作原理。从IBM的“深蓝”到AlphaGo的胜利，AI的早期成就都是基于模拟人类思维过程的尝试。这些成就证明了AI在某些特定任务上，如计算和模式识别，已经超越了人类的能力。
然而，随着AI技术的进步，我们开始见证它的思考方式出现了新的变化，这些变化可能会导致AI在某些方面超越人类智能。AI的计算能力已经在许多领域超越了人类，这一点在各种智力竞赛中已经得到了证明。
杨雄里称，就如“控制论之父”维纳所说的，未来是一个充满希望和斗争的世界。我们不能期待在AI的帮助下享受舒适的生活，而应该积极参与到这场科技革命中，确保AI的发展能够与人类智能和谐共存，而不是取代它。
杨雄里认为我们仍然处于对人脑深层次工作原理了解的初级阶段。人脑结构复杂性和可塑性意味着它可能包含着我们尚未发现的智能形式。他相信人脑的工作原理还可以受到各种各样的启发。
“我以前认为人脑智能是至高无上的，但是现在我觉得这些问题应该很深刻思考一下。有一些方面人工智能超越人脑智能，而且现在看来可能性相当大，还取决于我们怎么全面超越的问题。”
人工智能是否能解决哥德巴赫猜想？
在人工智能（AI）的快速发展中，数学作为其基础支撑的角色日益凸显。
在数学家、中国科学院院士陈恕行看来，当前，人工智能不仅在数据处理和算力提升方面取得了突破，更在数学模型的建立和新算法的创新上展现了其潜力。随着人工智能向通用人工智能（AGI）的演进，越来越多的数学人才投身于这一领域，推动着AI技术达到新高度。
在寻求最优解的过程中，人工智能已经在诸如棋类游戏等领域超越了人类。现在，数学家们正在探讨人工智能在数学证明中的应用，是否能够严格证明定理，而不仅仅是计算最优结果。他举例道，过去，像吴文俊先生的机器证明就已经展示了人工智能在发现新定理方面的潜力，尽管这些定理可能并非数学界的主要关注点。
随着技术的进步，人工智能在数学证明方面的潜能引起了广泛关注。数学界诺贝尔奖——菲尔兹奖得主陶哲轩利用人工智能检查自己的论文，发现并修正了证明中的漏洞，这一事例表明了AI在数学研究中的实际应用价值。
不过，人工智能能不能做人类还没有做成的或者没有做到的事呢？“比如哥德巴赫猜想，陈景润只证明了“1+2”，如果什么时候人工智能做到“1+1”，这种会比阿尔法狗震动更大，数学界很多人都在翘首以待。”陈恕行说。
陈恕行说，人工智能将来能不能超越人的智能，这个非常值得研究。“但是这个事现在很难说出很准确的预测，不能说人工智能就一定聪明不过人，以前、好多事人工智能做不到的，现在人工智能都做到了，而且超过了人。但是也不能说绝对的，因为我觉得人脑还是有非常复杂的事，现在人类没有完全了解清楚人脑。”
AI如何影响生物医药?
在药学专家、中国科学院院士陈凯先看来，在过去的几十年里，人工智能已经从一个科幻概念转变为现实中的强大工具，特别是在生物医药领域。随着人类基因组和其他组学数据的积累，我们获得了前所未有的数据量，这些数据成为了科技创新的宝贵源泉。
“2023年可以讲是人工智能对于科技的发展特别是生命医药发展起了非常重大的影响，或者说是里程碑意义的一年。”他说。
陈凯先认为，AI在生物医药领域的应用已经取得了显著的进展。例如，麻省理工学院的科学家们利用AI建立了预测模型，筛选出可能对抗耐药性细菌有效的化合物，这在抗生素研究中是一个重要的发现。此外，AI还被用于提高医疗诊断的准确性和效率，预计未来能将医生的工作效率提升至200%以上。
中国在AI领域也取得了显著的成就。中国科学院上海药物研究所开发的脸谱识别算法就是一个例子，AI能够研究药物新的药学分子结构和新的作用靶点，促进新药物的发现。总的来说，AI在生物医药领域的应用已经取得了重大突破，并且预示着未来的发展方向。
他认为，AI在生物医药领域的应用前景非常广阔，它打破了传统的因果逻辑，转而关注相关性，这开辟了新的研究方向。
同时，随着AI的快速发展，如何管理AI成为了一个重要议题。陈凯先表示，我们需要汲取AI的优点并避免其潜在的不利影响，与印刷术的发展相比，AI带来的变化更为迅速和深刻，我们必须准备好迎接这些变化。
模糊数学在人工智能中的应用
模式识别是计算机应用的重要领域之一。人脑能在很低的准确性下有效地处理复杂问题。如计算机使用模糊数学，便能大大提高模式识别能力，可模拟人类神经系统的活动。
在工业控制领域中，应用模糊数学，可使空调器的温度控制更为合理，洗衣机可节电、节水、提高效率。在现代社会的大系统管理中，运用模糊数学的方法，有可能形成更加有效的决策。
扩展资料：
一、相关应用
模糊数学是一门新兴学科，它已初步应用于模糊控制、模糊识别、模糊聚类分析、模糊决策、模糊评判、系统理论、信息检索、医学、生物学等各个方面。
在气象、结构力学、控制、心理学等方面已有具体的研究成果。然而模糊数学最重要的应用领域是计算机智能，不少人认为它与新一代计算机的研制有密切的联系。
二、研究内容
第一，研究模糊数学的理论，以及它和精确数学、随机数学的关系。
查德以精确数学集合论为基础，并考虑到对数学的集合概念进行修改和推广。
第二，研究模糊语言学和模糊逻辑。
人类自然语言具有模糊性，人们经常接受模糊语言与模糊信息，并能做出正确的识别和判断。
第三，研究模糊数学的应用。
模糊数学是以不确定性的事物为其研究对象的。模糊集合的出现是数学适应描述复杂事物的需要，查德的功绩在于用模糊集合的理论找到解决模糊性对象加以确切化，从而使研究确定性对象的数学与不确定性对象的数学沟通起来，过去精确数学、随机数学描述感到不足之处，就能得到弥补。
人工智能在生活中的应用都有哪些？
人工智能一共分为天然语言处理、计算机视觉、语音识别、专家系统以及交叉领域等五个领域。今天我就经过人工智能的六个方向讲一讲人工智能在生活中的有趣应用，来帮助你们更好地理解人工智能，尽享科技带给咱们的便捷生活。数据库
【第一方面：天然语言处理】
天然语言处理是一门融语言学、计算机科学、数学于一体的科学。天然语言处理并非通常地研究天然语言，而在于研制能有效地实现天然语言通讯的计算机系统，特别是其中的软件系统，是计算机科学，人工智能，语言学关注计算机和人类（天然）语言之间的相互做用的领域。天然语言处理的目的是实现人与计算机之间用天然语言进行有效通讯的各类理论和方法。安全
一、多语言翻译。机器学习
天然语言处理的一个主要应用方面就是外文翻译。生活中遇到外文文章，你们想到的第一件就是寻找翻译网页或者APP，然而每次机器翻译出来的结果，基本上都是不符合语言逻辑的，须要咱们再次对句子进项二次加工排列组合。至于专业领域的翻译，如法律、医疗领域，机器翻译根本就是不可行的。学习
面对这一困境，天然语言处理正在努力打通翻译的壁垒，只要提供海量的数据，机器就能本身学习任何语言。机器从0开始进入一个领域（零成本进入）大概2周时间。因此，进入哪一个领域都能高度垂直的作下去。好比，法律类专业文章翻译，优质法律文章的总量是有限的，让机器学习一遍这些文章，就能够保证翻译95%的流畅度，并且能作到实时同步。测试
二、虚拟我的助理。大数据
虚拟我的助理是指使用者经过声控、文字输入的方式，来完成一些平常生活的小事。大部分的虚拟我的助理均可以作到搜集简单的生活信息，并在观看有关评论的同时，帮你优化信息，智能决策。优化
同时部分虚拟我的助理还能够直接播放音乐的智能音响或者收取电子邮件，这些都是虚拟我的助理的变化形式之一。虚拟我的助理应用在咱们生活中的方方面面，音响、车载、智能家居、智能车载，智能客服多个方面。通常来讲，听到语音指令就能够完成服务的，基本上都是虚拟我的助理。云计算
三、智能病例处理人工智能
天然语言处理还能够将积压的病例自动批量转化为结构化数据库，机器学习和天然语言处理技术能自动抓取病历中的临床变量，生成标准化的数据库。随后变量抽提、思路生成到论文图表导出的全过程辅助智能算法能挖掘变量相关性，激发论文思路，同 时提供针对临床科研的专业统计分析支持。
其水平至关于受过8 年临床医学教育的医学研究生，这样下来一样同读一篇50页的病历，抓取和理解其中的全部临床信息速度比医平生均快2700倍，大大地提升了医院的办公效率，求医难这个问题将获得不少的缓解。
【第二方面：语音识别】
语音识别是一门交叉学科。 语音识别技术所涉及的领域包括：信号处理、模式识别、几率论和信息论、发声机理和听觉机理、人工智能等等。与机器进行语音交流，让机器明白你说什么，这是人们长期以来求之不得的事情，现在人工智能将这一理想变为现实，并带它走入了咱们平常的生活。
一、智能医院。
依靠人工智能技术和大数据，医院能够实现智能语音交互的知识问答和病历查询，语音录入能取代打字，让您经过说话的方式，就可轻松与电脑、平板电脑、移动查房设备进行录入。每个人说的话说话都会被转录成文字并显示在您的HIS系统、PACS系统、CIS系统等但愿输入文字的位置。此外还能够对健康风险进行预测和对患者分群进行分析。
二、口语评测。
在语音识别方面还有一个比较有趣的应用——语音评测服务，语音评测服务是利用云计算技术，将自动口语评测服务放在云端，并开放API接口供客户远程使用。在语音测评服务中，人机交互式教学，能实现一对一口语辅导，就好像是请了一个外教在家，今后解决了哑吧英语的问题。
【第三个方面：计算机视觉】
计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步作图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。经过计算机视觉，电脑将处理更适合人眼观察或传送给仪器检测的图像。计算机视觉的主要任务是经过对采集的图片或者视频进行处理以得到相应场景的三维信息。
一、智能安防。
随着各级政府大力推动“平安城市”建设的过程当中，监控点位愈来愈多，视频和卡口产生了海量的数据。尤为是高清监控的普及，整个安防监控领域的数据量都在爆炸式增加，依靠人工来分析和处理这些信息变得愈来愈困难，利用以计算机视觉为核心的安防技术领域具备海量的数据源以及丰富的数据层次，同时安防业务的本质诉求与AI的技术逻辑高度一致，从能够从事前的预防应用到过后的追查。
二、人脸识别打拐。
当前，全国拐卖儿童犯罪活动较为猖獗，受害人及受害家庭数以万计。据民政部估计，目前，全国流浪乞讨儿童数量在100 万-150 万左右。在河南、云南以及两广沿海等地乡村地区，买卖儿童几近市场化，造成了一个完整的地下黑色利益链。能够寻回被拐卖儿童这件事迫在眉睫，刻不容缓。目前计算机视觉所应用的“人像识别、人脸对比”最快可让被拐儿童在7小时内被寻回，这是计算机视觉在安全领域的巨大应用，从此也将愈来愈多地应用在打击犯罪等方面。
【第四个方面：专家系统】
专家系统是人工智能中最重要的也是最活跃的一个应用领域，它是指内部含有大量的某个领域专家水平的知识与经验，利用人类专家的知识和解决问题的方法来处理该领域问题的智能计算机程序系统。一般是根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，去解决那些须要人类专家处理的复杂问题。
一、无人汽车。
无人驾驶汽车是智能汽车的一种，也称为轮式移动机器人，主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目标。从20世纪70年代开始，美国、英国、德国等发达国家开始进行无人驾驶汽车的研究，在可行性和实用化方面都取得了突破性的进展。
中国从20世纪80年代开始进行无人驾驶汽车的研究，国防科技大学在1992年成功研制出中国第一辆真正意义上的无人驾驶汽车。2005年，首辆城市无人驾驶汽车在上海交通大学研制成功。世界上最早进的无人驾驶汽车已经测试行驶近五十万千米，其中最后八万千米是在没有任何人为安全干预措施下完成的。
二、天气预测
随着手机的普及，如今愈来愈多的人已经习惯观看手机中的天气预测，而在天气预测中，专家系统的地位也是决定性的。专家系统能够首先经过手机的GPRS系统，定位到用户所处的位置，在利用算法，对覆盖全国的雷达图进行数据分析并预测。
用户就能够随时随地地查询本身所在地的天气走势。天气预测中再无“局部地区有雨”的字眼，取而代之的是“您所在街道25分钟后小雨，50分钟后雨停”。给您配上一位专属的天气预报员，让您收到的天气预报能精准到分钟和所在街道。
三、城市系统
城市系统是将交通、能源、供水等基础设施所有数据化，将散落在城市各个角落的数据进行汇聚，再经过超强地分析、超大规模地计算，实现对整个城市的全局实时分析，让城市智能地运行起来。城市系统率先解决的问题就是堵车。今年杭州的城市大脑，经过对地图数据、摄像头数据进行智能分析，从而智能地调节红绿灯，成功将车辆通行速度最高提高了11%，大大改善了出行体验。
【第五个方面：各领域交叉使用】
其实人工智能的四大方面应用其实或多或少都涉及到了其余领域，然而交叉应用最突出的方面仍是智能机器人。机器人是自动执行工做的机器装置。它既能够接受人类指挥，又能够运行预先编排的程序，也能够根据以人工智能技术制定的原则纲领行动。它的任务是协助或取代人类工做的工做，例如生产业、建筑业，或是危险的工做。
一、物流机器人
物流机器人是结合机器人产品和人工智能技术去实现高度柔性和智能的物流自动化的技术变革的引领者。在消费升级下的市场压力，海量SKU的库存管理、难以控制的人力成本，都已经成为电商、零售等行业的共同困扰。而物流机器人管理成本低，包裹完整性强，能够知足各类分拣效率和准确率的要求，投资回报周期短。它的出现可有效提高生产柔性，助力企业实现智能化转型，也将愈来愈多地应用在平常生活中。
二、萌宠机器人
孩子一直是家长的心肝肉，而如何让孩子赢在起跑线也是各路家长无比关心的问题，这时候早教就显得尤其重要了。早教其实就是让孩子有效的玩耍，让孩子在玩耍的过程当中学到不少知识，开发孩子的脑力，动手能力，反应能力，审美能力，培养兴趣及习惯。
市面上的早教机构价格昂贵，师资力量不足，同时还可能存在必定的安全隐患，这时候萌宠机器人的存在就很大的缓解了这一问题。语音功能让它就像孩子的小伙伴同样和孩子交流，记忆功能还能够记住宝宝的使用习惯，很快找到宝宝想听的内容。同时提供快乐儿歌、国学经典、启蒙英语等早期教育内容，且云端内容能够持续更新。
关于人工智能
“人工智能”（Artificial Intelligence）简称AI。 它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能研究如何用计算机去模拟、延伸和扩展人的智能；如何把计算机用得更聪明；如何设计和建造具有高智能水平的计算机应用系统；如何设计和制造更聪明的计算机以及智能水平更高的智能计算机等。 人工智能是计算机科学的一个分支，人工智能是计算机科学技术的前沿科技领域。 人工智能与计算机软件有密切的关系。 一方面，各种人工智能应用系统都要用计算机软件去实现，另一方面，许多聪明的计算机软件也应用了人工智能的理论方法和技术。 例如，专家系统软件，机器博弈软件等。 但是，人工智能不等于软件，除了软件以外，还有硬件及其他自动化和通信设备。 人工智能虽然是计算机科学的一个分支，但它的研究却不仅涉及到计算机科学，而且还涉及到脑科学、神经生理学、心理学、语言学、逻辑学、认知（思维）科学、行为科学和数学以及信息论、控制论和系统论等许多学科领域。 因此，人工智能实际上是一门综合性的交叉学科和边缘学科。 人工智能主要研究用人工的方法和技术，模仿、延伸和扩展人的智能,实现机器智能。 有人把人工智能分成两大类：一类是符号智能，一类是计算智能。 符号智能是以知识为基础，通过推理进行问题求解。 也即所谓的传统人工智能。 计算智能是以数据为基础，通过训练建立联系，进行问题求解。 人工神经网络、遗传算法、模糊系统、进化程序设计、人工生命等都可以包括在计算智能。 传统人工智能主要运用知识进行问题求解。 从实用观点看，人工智能是一门知识工程学：以知识为对象，研究知识的表示方法、知识的运用和知识获取。 人工智能从1956年提出以来取得了很大的进展和成功。 1976年Newell 和Simon提出了物理符号系统假设，认为物理符号系统是表现智能行为必要和充分的条件。 这样，可以把任何信息加工系统看成是一个具体的物理系统，如人的神经系统、计算机的构造系统等。 80年代Newell 等又致力于SOAR系统的研究。 SOAR系统是以知识块(Chunking)理论为基础，利用基于规则的记忆，获取搜索控制知识和操作符，实现通用问题求解。 Minsky从心理学的研究出发，认为人们在他们日常的认识活动中，使用了大批从以前的经验中获取并经过整理的知识。 该知识是以一种类似框架的结构记存在人脑中。 因此，在70年代他提出了框架知识表示方法。 到80年代，Minsky认为人的智能，根本不存在统一的理论。 1985年，他发表了一本著名的书《Society of Mind(思维社会)》。 书中指出思维社会是由大量具有某种思维能力的单元组成的复杂社会。 以McCarthy和Nilsson等为代表，主张用逻辑来研究人工智能，即用形式化的方法描述客观世界。 逻辑学派在人工智能研究中，强调的是概念化知识表示、模型论语义、演绎推理等。 McCarthy主张任何事物都可以用统一的逻辑框架来表示，在常识推理中以非单调逻辑为中心。 传统的人工智能研究思路是“自上而下”式的，它的目标是让机器模仿人，认为人脑的思维活动可以通过一些公式和规则来定义，因此希望通过把人类的思维方式翻译成程序语言输入机器，来使机器有朝一日产生像人类一样的思维能力。 这一理论指导了早期人工智能的研究。 近年来神经生理学和脑科学的研究成果表明，脑的感知部分，包括视觉、听觉、运动等脑皮层区不仅具有输入/输出通道的功能，而且具有直接参与思维的功能。 智能不仅是运用知识，通过推理解决问题，智能也处于感知通道。 1990年史忠植提出了人类思维的层次模型，表明人类思维有感知思维、形象思维、抽象思维，并构成层次关系。 感知思维是简单的思维形态，它通过人的眼、耳、鼻、舌、身感知器官产生表象，形成初级的思维。 感知思维中知觉的表达是关键。 形象思维主要是用典型化的方法进行概括，并用形象材料来思维，可以高度并行处理。 抽象思维以物理符号系统为理论基础，用语言表述抽象的概念。 由于注意的作用，使其处理基本上是串行的.
