为积极响应国家对人工智能领域拔尖人才的迫切需求，清华大学求真书院与自动化系将面向2024级新生进行院（系）内选拔，探索建立“数学与人工智能”本科交叉人才培养新模式，充分发挥求真书院和自动化系在数学和人工智能领域各自优势，培养数理基础扎实、面向国家重大需求的人工智能领域拔尖创新人才。

交叉培养模式

从2024年秋季学期开始，面向2024级自动化类和求真书院英才班录取学生进行选拔，注重考察数学、物理、计算机基础知识。

依托求真书院进行学生管理，由求真书院和自动化系联合设计培养方案，联合开展教学活动和其他相关学生培养工作。前两年主要开展数学基础学习，后两年侧重人工智能课程学习，探索建立一套“数学+人工智能”的本科交叉人才培养方案，实现理学思维与工科实践的深度融合。

国家对人工智能产业及相关人才培养的要求和支持

人工智能是引领新一轮科技革命、产业变革、社会变革的战略性技术，正在对经济发展、社会进步、国际政治经济格局等方面产生重大深远的影响。中国人工智能行业受到各级政府的高度重视和国家产业政策的重点支持，国家陆续出台了多项政策，鼓励人工智能行业发展与创新，例如：《关于支持建设新一代人工智能示范应用场景的通知》《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》《新型数据中心发展三年行动计划（2021-2023年）》。

《新一代人工智能发展规划》：在2017年7月，国务院发布了该文件，其中明确提出了要培育高水平人工智能创新人才和团队，加强人工智能基础研究、应用研究、运行维护等方面专业技术人才培养。

《加快数字人才培育支撑数字经济发展行动方案(2024—2026年)》：这是由人力资源社会保障部、中共中央组织部、中央网信办等九部门在2024年4月联合发布的文件。该文件旨在通过3年左右的时间，扎实开展数字人才育、引、留、用等专项行动，增加数字人才有效供给，形成数字人才集聚效应。其中，人工智能作为数字经济的重要组成部分，其人才的培养和引进也被视为重要任务。

《关于“双一流”建设高校促进学科融合 加快人工智能领域研究生培养的若干意见》：2020年教育部、国家发展改革委、财政部印发。这个文件旨在通过促进学科融合，加快人工智能领域研究生的培养，以适应科技发展的需求，并为我国在全球科技竞争中赢得优势地位提供人才支撑。

人工智能的发展离不开人工智能人才的培养，人工智能的竞争归根结底是人工智能人才的竞争。

从数学的角度发展人工智能，是实现人工智能重大原始创新的重要途径。

国内外数学与人工智能交叉人才培养的探索

牛津大学的数学与计算机科学系（Mathematics and Computer Science）提供了一些跨学科的本科课程和项目，如“数学与计算机科学本科荣誉课程”，帮助学生在数学和计算机科学领域取得双重专业的学位。

2023年8月，清华大学求真书院与自动化系签署联合培养博士协议，面向数学科学领军人才培养计划学生，探索“数学+人工智能”顶尖人才贯通培养模式。

2024年5月，上海交通大学获批“数学与应用数学-人工智能”双学士学位，旨在培养具有坚实数学基础的人工智能复合型人才。

2024年6月，清华大学求真书院与智能产业研究院签署联合培养博士协议，面向书院博士研究生，推动数学与人工智能深度融合。

1956年达特茅斯会议上的“数学力量”

1956 年，美国汉诺斯小镇宁静的达特茅斯学院，约翰·麦卡锡、马文·闵斯基、克劳德·香农等学者聚在一起，共同讨论着机器模拟智能的一系列问题。他们讨论了很久，始终没有达成共识，却为讨论内容起了一个名字：人工智能。这个会议就是著名的达特茅斯会议。自此，人工智能（AI，Artificial Intelligence）开始出现在人们的视野，1956 年也就成为了人工智能元年。

数学家及具备数学基础的科学家是人工智能源起的重要力量，亦说明人工智能的兴起离不开数学。

约翰·麦卡锡（John MacCarthy）: 1951年普林斯顿数学博士，图灵奖获得者。在1956年的达特茅斯会议上提出了“人工智能”一词，并被誉为人工智能之父，将数学逻辑应用到了人工智能的早期形成中。

马文·闵斯基（Marvin Minsky）：1950年普林斯顿数学博士，图灵奖获得者。1946年进入哈佛大学主修物理，后改学数学，获博士学位。

克劳德·香农（Claude Shannon）：1940年MIT数学博士，数学家、密码学家、信息论创始人。

雷·所罗门诺夫（Ray Solomonoff）：物理硕士、数学家。机器学习的先驱，算法概率论的创始人，通用概率分布之父，通用归纳推理理论的创建者，奠定人工智能理论的数学基础。

奥利弗·塞尔弗里奇（Oliver Selfridge）：1945年MIT数学学士学位，数学家。他是人工智能先驱，被称为机器感知之父。

特兰查德·摩尔（Trenchard More）：数学家、计算机科学家。

听专家讲述“数学之于人工智能的意义”

丘成桐（菲尔兹奖获得者）

丘成桐先生认为数学不仅是研究自然规律的强有力工具，也是人工智能发展中不可或缺的支撑。数学能够帮助人们理解物理现象背后的数学模型，从而更深入地认识宇宙的本质。在人工智能领域，数学提供了算法和模型的理论基础，帮助人们建立模型、分析数据，并从中提取规律和模式。

吴恩达（深度学习先驱、斯坦福大学教授）

吴恩达教授在多个场合强调了数学在深度学习中的重要性。他指出，深度学习技术的背后是大量的数学原理，包括线性代数、微积分、概率论和统计学等。这些数学工具不仅帮助人们设计更有效的神经网络结构，还指导了训练和优化这些网络的方法。

安德鲁·卡普兰（麻省理工学院教授，人工智能专家）

卡普兰教授认为，数学为人工智能提供了理论框架和工具，使得人们能够系统地研究和开发智能系统。他强调了数学在建模、推理和决策制定中的作用，这些能力对于实现高级人工智能至关重要。

罗杰·彭罗斯（物理学家、数学家，牛津大学教授）

彭罗斯教授在他的研究中探讨了数学与人工智能之间的联系。他认为，数学提供了一种理解和描述智能行为的语言，可以帮助人们设计更智能的算法和系统。他还强调了数学在解决复杂问题和优化算法中的关键作用。

2024年3月，UC伯克利EECS教授Jelani Nelson联合发起了一个倡议，表示支持加州大学BOARS的新规，强调「强大的数学基础对人工智能至关重要」，认为“代数、微积分和概率的核心数学概念是现代AI创新的核心”。在该倡议中，已经有31位知名人物签字，包括马斯克、奥特曼、英伟达的科学家、谷歌的科学家等。https://www.mathmatters.ai/

数学在人工智能领域的具体应用

数学学科，包括基础数学和应用数学，在人工智能领域起着至关重要的作用。它为AI算法的设计、分析和应用提供了理论基础和方法论支持，推动了AI技术的创新和发展。

1. 数学在AI中的应用

机器学习：机器学习是AI的核心领域之一，其中包括监督学习、无监督学习和强化学习等多种方法。数学方法在机器学习算法的设计、分析和应用中发挥着关键作用。

深度学习：深度学习作为机器学习的分支，近年来取得了巨大的成功。深度学习模型如神经网络使用了大量的数学理论，包括线性代数、概率论和优化理论等。

自然语言处理：自然语言处理是AI中的重要应用领域之一，涉及到对文本数据的理解和处理。数学方法在自然语言处理中被用于构建语言模型、词向量表示等方面。

2. 数学对AI发展的推动

创新和发展：数学的不断发展推动了AI技术的创新和发展。数学家们提出的新理论和方法为AI领域带来了新的思路和工具，推动了AI技术的不断突破。

跨学科融合：数学与计算机科学、统计学、信息论等学科的交叉融合促进了AI领域的跨学科合作和创新。数学方法为不同领域的专家提供了共同的语言和工具，加速了AI技术在各个领域的应用。

编辑 | 郭悠然

审核 | 王小芳