统计学：AI背后的隐形引擎

随着人工智能的迅猛崛起，统计学和数据科学将走向何方？近期，第四届统计与数据科学联合大会在贵阳拉开帷幕。为期三天的会议汇聚了来自全球20多个国家和地区的2000名代表，包括4名中美院士，共举办了6场顶尖报告和700多场专题研讨。与会者达成共识：统计学非但不会被AI取代，反将成为其不可或缺的“底层逻辑”。

中科院院士陈松蹊表示，统计学为AI提供了算法基础和数据智慧。若缺乏统计支撑，AI的可靠性、适用性和可信度将大幅下降。更为关键的是，统计学推动AI走向“绿色”——通过结合深度学习与统计分析，优化前端抽样与降维，减少算力需求，从而降低能耗，实现AI的可持续发展。

人大教授金勇进指出，从大语言模型到因果推理的每一次AI突破，都离不开统计理论的基石。当机器开始“思考”，统计学家独特的价值在于界定不确定性边界、设计可解释实验，并为“黑箱”提供白盒化验证。

南开大学王兆军教授系统阐述了统计学的三大角色。首先，它是理论根基，抽样、估计和贝叶斯推理等思想贯穿所有学习算法。其次，它是可靠性的“校准器”，通过不确定性量化、因果推断和偏差校正来缓解大模型的幻觉和偏见，提升AI的安全性与可信度。最后，它是决策闭环的关键，在生物医药和金融风控等领域，统计提供可解释的结论和可控误差，将“预测”转化为“科学决策”。同时，AI也推动统计学突破传统范式，迈向“统计理论+AI+行业场景”的深度融合。

斯坦福讲席教授大卫·多诺霍从2024年诺贝尔奖争议切入，认为数据科学正在重塑诺奖的授予逻辑：传统的“理论—实验—验证”模式正被“公开数据集—排行榜竞争—社区协作”的新范式取代。他建议设立专门的诺贝尔数据科学奖，以表彰其对现代科学的革命性贡献。

港中大（深圳）教授荆炳义聚焦于AI的下一阶段——具身智能。他透露，大模型训练数据已达约40万亿，互联网公开数据几近枯竭，AI必须从“感知智能”转向与现实交互的“具身智能”。但这并非坦途：仅“机器人折叠衣物”一项研究就耗时30余年进展缓慢，仿真与现实之间存在巨大鸿沟，触觉数据昂贵且难以迁移。真实世界部分可观测但动力学未知且充满噪声——这正是统计学的用武之地。贝叶斯推理、不确定性量化和在线学习等工具，正是构建“世界模型”的核心手段。（肖大熙 记者 何星辉）