统计学最高荣誉回归华人：苏炜杰谈AI需新数学语言与黑盒优化

事件概述

2026年，统计学界最高荣誉考普斯会长奖（COPSS Presidents' Award）授予宾夕法尼亚大学苏炜杰（Weijie Su）教授。这是该奖项设立以来，时隔14年再次颁发给华人学者。苏炜杰凭借在AI可信部署、隐私保护、凸优化理论以及AI会议学术评审机制等方面的突破性贡献获此殊荣。

核心观点：AI需要一门新的数学语言

苏炜杰提出，AI正在演变成一种“新的物理”，其底层逻辑与传统物理学存在本质差异，导致现有数学语言难以有效描述AI：

• 范式差异：经典物理学遵循“从小到大”的逻辑，即从底层微观机制推导宏观行为；而AI发展遵循“从大到小”的逻辑，先设计Transformer等宏观框架（层数、连接方式），再通过训练确定参数。
• 理论滞后根源：这种结构差异解释了为何AI在可解释性和泛化理论上进展相对滞后。现有的数学体系是为经典物理设计的，可能并不适合描述AI。
• 未来方向：苏炜杰呼吁更多具备纯数学背景的年轻学者进入AI领域，共同创造一套能像经典力学或相对论一样“优美”的新数学框架。

关键技术与实践路径

1. 黑盒优化与可解释性策略

苏炜杰对彻底“白盒化”神经网络持谨慎态度，认为人类大脑尚未被完全理解，彻底解析硅基大脑难度极大。他提出了替代方案：

• 剥洋葱模型：将神经网络视为多层黑纱布叠加的结构。无需完全拆解所有层级，只需像“剥洋葱”一样逐层分析，提取关键线索即可。
• 概率分布视角：不追求理解内部具体机制，而是将Transformer视为概率输出器。通过统计和运筹学方法，在不确定性下建立规范，使模型输出落在期望的概率分布区间内。

2. 隐私保护的内生动力机制

针对隐私保护常被视作技术负担的问题，苏炜杰提出三点建议：

• 分级目标：放弃一刀切的强隐私标准，根据场景敏感度设定分层级的隐私保护目标。
• 价值交易化：借鉴区块链和博弈论的机制设计，将隐私转化为“可交易的价值”。只有当保护隐私成为企业利益最大化的内生动力时，商业机构才会主动投入。
• 社会共识：在追求技术发展的同时，必须保持对隐私重要性的社会共识，避免将妥协包装为完备选择。

3. AI学术评审机制创新

苏炜杰团队提出的保序机制已应用于2026年的ICML会议：

• 核心逻辑：利用作者对自己论文质量最了解的特点，要求作者对多篇投稿进行质量排序，引入作者参与的评分机制。
• 风险警示：对于完全依赖AI审稿持保留态度。虽然AI在信息抓取上优于人类，但主流大模型的单一性会导致审稿意见同质化，且存在严重的“幻觉”问题（如编造不存在的文献），这对学术传承构成威胁。

教育与行业洞察

• 学历与自学：尽管AI领域结果导向明显，本科生甚至独立研究者也能产出关键技术，但苏炜杰强调学校体系提供的反馈机制（老师指导、考试）对打牢基础至关重要。不建议高中生直接辍学做AI，除非已做好充分准备。
• 学习模式变革：AI时代被动学习与主动学习的差距将急剧拉大。学生需学会利用AI作为“随身合作者”，在构思阶段就与其交互，而非仅用于后期润色。
• 学术界角色：随着Scaling Law边际收益下降，资源受限条件下的算法与结构优化将成为重点，这恰恰是学术界擅长的领域，有望吸引人才回流。