12月11日，微软亚洲研究院举办了2021理论学术研讨会，来自学术界和产业界的理论研究专家齐聚一堂，分享了最新的研究成果。研讨会上，微软亚洲研究院宣布成立理论中心，通过搭建国际学术交流与合作枢纽，促进理论研究与大数据和人工智能技术的深度融合，在推动理论研究进步的同时，加强跨学科研究合作，助力打破 AI 发展瓶颈，实现计算机技术跨越式发展。

微软亚洲研究院理论中心成立仪式

理论中心由微软亚洲研究院高级研究员陈卫博士担任主任、高级研究员陈薇博士担任联合主任。中心成立了顾问委员会，成员包括（按姓氏字母顺序）：北京大学讲席教授、欧洲科学院院士邓小铁博士，哈佛大学计算机科学戈登·麦凯讲席教授、微软杰出首席科学家 Cynthia Dwork 博士，康奈尔大学教授、图灵奖得主 John Hopcroft 博士，牛津大学数学系教授、英国皇家学会院士 Terry Lyons 博士，中国科学院院士、数学家马志明博士，南加州大学计算机科学系教授、哥德尔奖得主滕尚华博士等，他们将为理论中心的发展方向提供建议，为相关项目和研讨活动提供支持，并对理论中心的科研进展进行评估。

为理论中心顾问委员会颁发聘书（从左至右：微软亚洲研究院学术合作总监马歆，副院长刘铁岩，中国科学院院士、数学家马志明，康奈尔大学教授、图灵奖得主 John Hopcroft，北京大学讲席教授、欧洲科学院院士邓小铁，微软亚洲研究院高级研究员陈薇，资深学术合作经理孙丽君，高级研究员陈卫）

微软亚洲研究院院长周礼栋博士表示：“理论是计算机科学的基础，也是计算机技术发展的动力。微软亚洲研究院一直致力于营造多元与包容的科研环境，不断产出由好奇心驱动且具有长远意义和重大影响力的创新成果。希望理论中心的成立可以为研究院在解决计算机科学和人工智能领域基础问题的过程中创建理论核心，倡导科学研究背后的原则性思考，加强与国际理论界的广泛联系。”

微软亚洲研究院院长周礼栋

当前，由大数据和经验验证驱动的深度学习、强化学习等人工智能技术正面临发展瓶颈。依靠大规模数据、大算力训练出的超大模型，虽然在一些领域已经比肩甚至超越人类，但是这种方式容易让研究人员进入思想误区，认为只要有足够的数据和算力支持就可以产生突破性成果，却忽略了算法和理论的支撑， 使得深度学习、强化学习在鲁棒性、可靠性、可解释性和公平性等诸多方面遇到挑战。另一方面，在狭义的理论计算机科学领域，研究者如果只专注于更精巧的算法理论研究，脱离了实际应用，会导致理论研究的范围变得狭窄，对外界的影响力变小，不符合理论研究应该支持计算机科学所有领域的初衷。

康奈尔大学教授、图灵奖得主 John Hopcroft 博士表示，“人工智能近年来因为深度学习技术的不断突破，在跨行业、跨学科应用中取得了很大的成功，但是我们对人工智能系统的认识，还有成百上千的问题要研究。以训练 AI 系统为例，必须要了解需要多少数据和如何去做才能更符合主题、更高效，不过很遗憾的是，截至目前，对于这件事我们还没有太多的理论支撑。所以未来，我们必须要发展相关的理论研究。”

康奈尔大学教授、图灵奖得主 John Hopcroft

为应对这些新问题、新挑战，研究人员需要重新审视科学研究的方式。既要加强数学理论基础支撑，增强人工智能的可解释性，也要拓宽计算机科学理论的研究范围，通过计算机科学与物理、生物、环境等学科的交叉融合，产生新的理论问题，并且提升理论研究的通用性和影响力。

“人工智能、大数据和机器学习的发展，给数学带来了更多的可能性。同时人工智能也越来越需要应用数学，做算法要理解算法背后的数学机理，这样才有机会产生颠覆性的创新思维。”中国科学院院士、数学家马志明博士表示，“希望微软亚洲研究院理论中心的成立能更好地推动理论计算机科学和数学融合，为人工智能构建坚实的数理基础，让数学更加强有力地促进计算机技术的发展，同时也让计算机技术有更多机会促进理论研究的发展。”

中国科学院院士、数学家马志明

目前，理论中心已经召集了微软亚洲研究院内部不同团队和研究背景的成员，聚焦于解决包括深度学习、强化学习、动力系统学习和数据驱动优化等领域的基础性问题。未来，理论中心将陆续推出博士后项目、访问学者项目、实习生项目、定期学术系列讲座等。此外，理论中心还计划举办年度暑期项目和冬季研讨会，帮助相关领域的学者、研究人员、教师、学生广泛互动，增强国际间的学术交流。

微软亚洲研究院理论中心的设立，将有助于提高科研人员的理论思维意识，增强学术界与工业界的联系。随着计算科学和数据驱动优化等领域的兴起，新的人工智能技术为传统科学和优化带来了新的机遇，但也迫切需要理论支持来实现其全部潜力。欢迎更多的研究人员和学生参与到理论研究和探讨中，共同推动计算机及相关领域的发展。

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。