宇宙級(jí)共識(shí)：馬斯克和奧特曼都認(rèn)為“基礎(chǔ)數(shù)學(xué)是AI的核心”

　　來源|多知網(wǎng)

　　作者|Amy

　　數(shù)學(xué)是基礎(chǔ)學(xué)科，其對(duì)AI領(lǐng)域至關(guān)重要。

　　到底數(shù)學(xué)應(yīng)該學(xué)什么?對(duì)此引發(fā)了一場(chǎng)大討論。

　　一方認(rèn)為，統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)和數(shù)據(jù)科學(xué)等綜合性數(shù)學(xué)能力更為重要，一方認(rèn)為微積分、代數(shù) II等基礎(chǔ)數(shù)學(xué)更重要。

　　近日，加州大學(xué)BOARS(加州大學(xué)招生與學(xué)校關(guān)系委員會(huì))發(fā)布了新指南，其中提到“將對(duì)于入學(xué)新生設(shè)立數(shù)學(xué)基礎(chǔ)標(biāo)準(zhǔn)。”它規(guī)定，從 2025 年秋季開始，參加加州大學(xué)和加州州立大學(xué)入學(xué)的高中生，學(xué)習(xí)入門數(shù)據(jù)科學(xué)課程或 AP 統(tǒng)計(jì)學(xué)不能代替代數(shù) II。

　　但是，有部分教授和老師并不同意，他們認(rèn)為數(shù)據(jù)科學(xué)課程有益于個(gè)人和職業(yè)技能。

　　而今天，UC伯克利EECS教授Jelani Nelson聯(lián)合發(fā)起了一個(gè)倡議，表示支持加州大學(xué)BOARS的新規(guī)，強(qiáng)調(diào)「強(qiáng)大的數(shù)學(xué)基礎(chǔ)對(duì)人工智能至關(guān)重要」，認(rèn)為“代數(shù)、微積分和概率的核心數(shù)學(xué)概念是現(xiàn)代AI創(chuàng)新的核心”。

　　在該倡議中，已經(jīng)有31位大佬簽字，包括馬斯克、奧特曼、英偉達(dá)的科學(xué)家、谷歌的科學(xué)家等。有博主評(píng)論：“雖然Elon Musk和Sam Altman最近在很多問題上都有分歧，但他們都認(rèn)同，AI的構(gòu)建是以代數(shù)和微積分等堅(jiān)實(shí)的數(shù)學(xué)基礎(chǔ)為支撐的。”

　　01

　　支持新數(shù)學(xué)標(biāo)準(zhǔn)方：“強(qiáng)大的數(shù)學(xué)基礎(chǔ)對(duì)人工智能至關(guān)重要”

　　倡議認(rèn)為，代數(shù)、微積分和概率的核心數(shù)學(xué)概念是現(xiàn)代AI創(chuàng)新的核心。

　　倡議強(qiáng)調(diào)：“現(xiàn)代AI系統(tǒng)根植于數(shù)學(xué)，使得在這一領(lǐng)域從事職業(yè)需要對(duì)數(shù)學(xué)有深刻的掌握。”

　　“通常我們更愿意雇傭掌握了基礎(chǔ)知識(shí)的學(xué)生，而不是那些對(duì)最新工具或軟件只有膚淺了解的學(xué)生。”倡議如是說。

　　倡議認(rèn)為，如果不維持基礎(chǔ)數(shù)學(xué)的標(biāo)準(zhǔn)，反而會(huì)加大教育不公平，從而阻礙 STEM 多元化。

　　倡議全文：

　　人工智能(AI)正準(zhǔn)備改變我們所知的社會(huì)。為了準(zhǔn)備好迎接這個(gè)未來，我們必須教育未來的勞動(dòng)力，使他們具備構(gòu)建和部署AI技術(shù)的知識(shí)。代數(shù)、微積分和概率的核心數(shù)學(xué)概念是現(xiàn)代AI創(chuàng)新的核心。因此，參與這些技術(shù)的發(fā)展要求學(xué)生必須具備堅(jiān)實(shí)的數(shù)學(xué)基礎(chǔ)。我們贊揚(yáng)加州大學(xué)最近明確了其數(shù)學(xué)入學(xué)要求，確保這些要求只能通過符合該州大學(xué)準(zhǔn)備標(biāo)準(zhǔn)的高中課程來滿足。

　　盡管今天的進(jìn)步可能表明，像微積分或代數(shù)這樣的經(jīng)典數(shù)學(xué)主題已經(jīng)過時(shí)，但實(shí)際上并非如此。事實(shí)上，現(xiàn)代AI系統(tǒng)根植于數(shù)學(xué)，使得在這一領(lǐng)域從事職業(yè)需要對(duì)數(shù)學(xué)有深刻的掌握。深度學(xué)習(xí)算法的支柱：梯度下降——通過結(jié)合微積分和(線性)代數(shù)來體現(xiàn)這種聯(lián)系。向量和矩陣是神經(jīng)網(wǎng)絡(luò)的構(gòu)建塊，而在對(duì)數(shù)尺度上建模增長(zhǎng)是神經(jīng)網(wǎng)絡(luò)訓(xùn)練科學(xué)的基礎(chǔ)。三角函數(shù)和畢達(dá)哥拉斯恒等式，并非“過時(shí)”，而是數(shù)據(jù)科學(xué)中關(guān)鍵工具的基礎(chǔ)，包括傅里葉變換和最小二乘算法。在高中學(xué)習(xí)這些核心主題是為后來在機(jī)器學(xué)習(xí)、數(shù)據(jù)科學(xué)或任何STEM領(lǐng)域的專業(yè)化做好最佳準(zhǔn)備，通常我們更愿意雇傭掌握了基礎(chǔ)知識(shí)的學(xué)生，而不是那些對(duì)最新工具或軟件只有膚淺了解的學(xué)生。

　　如果不能維持公共教育中數(shù)學(xué)課程的標(biāo)準(zhǔn)，則將擴(kuò)大公立學(xué)校(尤其是資源貧乏地區(qū)的公立學(xué)校)與私立學(xué)校之間的差距，從而阻礙 STEM 多元化的努力。所有加州的孩子(不僅僅是那些接受私立教育的孩子)都應(yīng)該在未來的基石上獲得頂尖的數(shù)學(xué)教育。我們敦促加州的政策制定者盡一切努力確保能夠獲得這樣的教育。

　　馬斯克、奧特曼、英偉達(dá)的科學(xué)家、谷歌的科學(xué)家等31位AI相關(guān)大佬都在這份倡議書上簽字了。

　　有一位教育人士在X平臺(tái)中評(píng)論：“數(shù)學(xué)是理解人工智能 (AI) 如何改變我們環(huán)境的關(guān)鍵。祝賀加州大學(xué)將數(shù)學(xué)準(zhǔn)備標(biāo)準(zhǔn)納入招生流程!代數(shù)、微積分和概率不僅僅是相關(guān)的，它們對(duì)于人工智能的進(jìn)步是必要的。人工智能起源于數(shù)學(xué)的幾個(gè)例子包括梯度下降、神經(jīng)網(wǎng)絡(luò)和傅里葉變換。我們需要確保所有學(xué)生，而不僅僅是那些來自富裕家庭的學(xué)生，從很小的時(shí)候就擁有扎實(shí)的數(shù)學(xué)技能，而不僅僅是加州的孩子。公正和未來的保障是其核心。堅(jiān)持所有學(xué)生都能平等獲得高質(zhì)量的數(shù)學(xué)教育。

　　02

　　反對(duì)新數(shù)學(xué)標(biāo)準(zhǔn)方：“量化能力對(duì)于個(gè)人和職業(yè)功能越來越必要”

　　并不是所有人都支持加強(qiáng)基礎(chǔ)數(shù)學(xué)，并對(duì)數(shù)據(jù)科學(xué)受到歧視頗為不滿。

　　加州大學(xué)洛杉磯分校統(tǒng)計(jì)系教學(xué)教授兼本科生研究副主席、《數(shù)據(jù)科學(xué)導(dǎo)論》的主要作者羅伯特·古爾德表示，他不同意 BOARS 的決定。該課程是在美國(guó)國(guó)家科學(xué)基金會(huì)的數(shù)學(xué)和科學(xué)合作伙伴資助下創(chuàng)建的。

　　“當(dāng)然，我們很失望，”羅伯特·古爾德說。“我們相信我們的課程嚴(yán)謹(jǐn)且富有挑戰(zhàn)性，最重要的是，包含所有學(xué)生職業(yè)和學(xué)業(yè)成功所需的知識(shí)和技能。”

　　也因此，數(shù)十名高中數(shù)學(xué)教師和管理人員簽署了一封正在分發(fā)的信函，重申了對(duì)數(shù)據(jù)科學(xué)和統(tǒng)計(jì)課程的支持，并批評(píng) BOARS 沒有咨詢高中教師和數(shù)據(jù)科學(xué)專家的觀點(diǎn)。

　　信函中寫到，「我們學(xué)校和學(xué)區(qū)采納了這類數(shù)據(jù)科學(xué)課程，因?yàn)樗鼈兲峁┝艘环N創(chuàng)新的21世紀(jì)體驗(yàn)，激發(fā)和吸引學(xué)生，傳授了當(dāng)今各種職業(yè)和學(xué)術(shù)領(lǐng)域所需的實(shí)際量化技能，并為學(xué)生提供了與數(shù)學(xué)互動(dòng)和學(xué)習(xí)的新方式。撤銷C類狀態(tài)將顯著降低我們培養(yǎng)學(xué)生的統(tǒng)計(jì)和數(shù)據(jù)能力或激勵(lì)學(xué)生報(bào)名參加這些課程的能力，而在21世紀(jì)，這種量化能力對(duì)于個(gè)人和職業(yè)功能越來越必要?！?/p>

　　不過值得思考的是，基礎(chǔ)數(shù)學(xué)和量化能力互相沖突嗎?

　　古爾德表示，在決定是否修改《數(shù)據(jù)科學(xué)導(dǎo)論》的內(nèi)容之前，他需要審查可能的標(biāo)準(zhǔn)。“數(shù)據(jù)科學(xué)教育對(duì)所有學(xué)生都至關(guān)重要，所有學(xué)生都應(yīng)該接受相關(guān)且有用的數(shù)學(xué)教育，”他說。“盡管委員會(huì)做出了決定，但我們認(rèn)為數(shù)據(jù)科學(xué)和統(tǒng)計(jì)課程繼續(xù)符合四年級(jí)數(shù)學(xué)課程的資格很重要。”

　　03

　　“2022年全球數(shù)學(xué)成績(jī)下降”，加強(qiáng)基礎(chǔ)數(shù)學(xué)迫在眉睫

　　有一個(gè)現(xiàn)實(shí)問題是，目前，全球的基礎(chǔ)數(shù)學(xué)水平均有待提高。

　　美國(guó)國(guó)家教育進(jìn)步評(píng)估 (NAEP)在2023年底發(fā)布的一項(xiàng)數(shù)據(jù)顯示，2022 年，全球40%的8年級(jí)學(xué)生數(shù)學(xué)成績(jī)低于基礎(chǔ)水平。

　　(美國(guó)國(guó)家教育進(jìn)步評(píng)估關(guān)于8年級(jí)數(shù)學(xué)水平的數(shù)據(jù)，藍(lán)色表示低于平均水平)

　　當(dāng)時(shí)，美國(guó)國(guó)家教育進(jìn)步評(píng)估提出的建議不限于：投資于基于證據(jù)的策略，以強(qiáng)化基本數(shù)學(xué)概念，例如為有困難的學(xué)生提供高影響力的輔導(dǎo)，以及為教師進(jìn)行有目的的專業(yè)學(xué)習(xí)。

　　在AI大浪潮下，全球在努力加強(qiáng)數(shù)學(xué)科學(xué)。

　　2019年，科技部、教育部、中科院、自然科學(xué)基金委聯(lián)合制定了《關(guān)于加強(qiáng)數(shù)學(xué)科學(xué)研究工作方案》，方案開宗明義“數(shù)學(xué)實(shí)力往往影響著國(guó)家實(shí)力，幾乎所有的重大發(fā)現(xiàn)都與數(shù)學(xué)的發(fā)展與進(jìn)步相關(guān)，數(shù)學(xué)已成為航空航天、國(guó)防安全、生物醫(yī)藥、信息、能源、海洋、人工智能、先進(jìn)制造等領(lǐng)域不可或缺的重要支撐”。

　　其中方案提到的舉措包括：“持續(xù)穩(wěn)定支持基礎(chǔ)數(shù)學(xué)科學(xué)；加強(qiáng)應(yīng)用數(shù)學(xué)和數(shù)學(xué)的應(yīng)用研究；持續(xù)推進(jìn)和深化高層次的國(guó)內(nèi)外交流與合作。”

　　國(guó)內(nèi)企業(yè)家同樣認(rèn)識(shí)到基礎(chǔ)數(shù)學(xué)的重要性，華為創(chuàng)始人任正非在采訪中也多次強(qiáng)調(diào)“基礎(chǔ)研究的重要性，并表達(dá)了對(duì)于數(shù)學(xué)等基礎(chǔ)科學(xué)的重視”。他還提到，“國(guó)家若要強(qiáng)盛，數(shù)學(xué)是基礎(chǔ)”。

　　任正非提到，2006年以來，華為在俄羅斯和法國(guó)這兩個(gè)傳統(tǒng)數(shù)學(xué)強(qiáng)國(guó)建立了數(shù)學(xué)研究所。這30年，其實(shí)我們真正的突破是數(shù)學(xué)，手機(jī)、系統(tǒng)設(shè)備是以數(shù)學(xué)為中心。

　　任正非表示，華為至少有 700 名數(shù)學(xué)家、800 多名物理學(xué)家、120 多名化學(xué)家、六七千名基礎(chǔ)研究的專家、六萬(wàn)多名各種高級(jí)工程師、工程師，形成這種組合在前進(jìn)。

　　此次關(guān)于數(shù)學(xué)的討論，無疑進(jìn)一步加強(qiáng)全球?qū)τ诨A(chǔ)數(shù)學(xué)的重視。

　　參考鏈接：

　　https://docs.google.com/forms/d/e/1FAIpQLSflQnXznvqrJtd64FcSpADHOjQtRNJr8jq-A5OvJmdlRLA0Sw/viewform?pli=1

　　https://www.mathmatters.ai/

　　END