现在人工智能的应用已经非常广泛，但美中不足的一点是缺乏一点点理论。何为人工智能的理论呢？它到底有哪些方面？

打开网易新闻 查看精彩图片

第一个侧面是可计算性或可扩展性。可计算性是一个比较基本的要求。一个学习算法能够实现的前提是计算复杂度不大，且能够可扩展至大规模应用场景。这个侧面是运筹学和优化等方面研究的重点。

第二个侧面是泛化性或者可预测性。这是一个比较核心的问题，它能够保证有关的学习算法在未观测的数据集上也能表现的很好。这个侧面是统计学等研究的重点。

打开网易新闻 查看精彩图片

第三个侧面是稳定性或者是稳健性。稳定性在机器学习领域常指算法的稳定性，它关心的问题是当我们对模型或者算法作出一定的扰动时，其输出是否在可控的范围内。另外一方面是统计方面的稳健性，它关心的问题是当我们对分布做出一定的扰动时，我们得到的预测值或者对参数的估计值是否仍然有效。

第四个侧面是可解释性。可解释性关心的问题是如何理解我们得到的模型或者算法的工作原理或者机制，甚至理解生成数据背后的机制。可解释性是启发未来人工智能方法的关键之一。

其他还有隐私性、安全性等侧面，也很重要。