中國經(jīng)濟網(wǎng)貴陽(yáng)8月30日訊（記者宋雅靜）“面對超維數據激增、跨領(lǐng)域應用需求擴大及AI深度融合的趨勢，統計學(xué)是破解數據難題、保障AI決策科學(xué)性的核心支撐?！?025數博會(huì )上，清華大學(xué)教授陳松蹊接受中國經(jīng)濟網(wǎng)記者采訪(fǎng)時(shí)，結合自身在大氣環(huán)境、醫療健康等領(lǐng)域的研究實(shí)踐，闡述了統計學(xué)的創(chuàng )新應用與協(xié)同路徑。

清華大學(xué)教授陳松蹊。中國經(jīng)濟網(wǎng)宋雅靜/攝

超維數據處理：突破關(guān)聯(lián)與多模態(tài)挑戰

談及超維大數據的處理難點(diǎn)，陳松蹊指出，自 2000 年人類(lèi)基因組計劃推動(dòng)超高維數據研究以來(lái)，統計學(xué)已解決獨立超維數據的信號識別、稀疏性分析等問(wèn)題。但當前數據分布、異質(zhì)性愈發(fā)復雜，新挑戰集中在兩方面：一是數據存在時(shí)空相關(guān)性，比如大氣觀(guān)測數據并非完全獨立，傳統處理方法不再適用；二是多模態(tài)混合數據增多，數據來(lái)源涉及多個(gè)“母體”，難以用單一模型適配。

“以大氣科學(xué)為例，一公里分辨率的地球系統數據維度可達幾千萬(wàn)，即便有每小時(shí)的觀(guān)測數據，樣本量仍遠低于維度?！?陳松蹊提到，針對關(guān)聯(lián)數據、多模態(tài)數據的處理，仍是當前統計學(xué)的前沿探索方向。

跨領(lǐng)域應用：統計學(xué)方法可跨場(chǎng)景遷移

在探討環(huán)境統計方法向醫療、金融領(lǐng)域遷移的可能性時(shí)，陳松蹊強調 “數據共性” 是關(guān)鍵紐帶。

他分享研究發(fā)現：北方地區沙塵暴溯源需通過(guò)密集空氣質(zhì)量監測站數據追蹤傳播路徑，癲癇發(fā)作檢測需依托腦電圖數據判斷狀態(tài)，二者均需高維數據的異常識別與動(dòng)態(tài)追蹤，統計學(xué)中的信號提取、方差分析等方法可有效適配。

“傳統方差分析從農業(yè)領(lǐng)域起步，如今已用于醫療效果評估、互聯(lián)網(wǎng)企業(yè)營(yíng)銷(xiāo)策略?xún)?yōu)化?！?陳松蹊表示，只要核心問(wèn)題是 “數據特征提取、異常識別、相關(guān)性分析”，統計學(xué)方法調整參數后，就能為醫療診斷、金融風(fēng)險預警提供支撐，即便不同領(lǐng)域數據有特性差異（如海洋數據比大氣數據更穩定、觀(guān)測難度更高），也不影響方法遷移。

互補共生：統計學(xué)填補AI“不確定性”短板

針對“統計學(xué)與 AI 協(xié)同發(fā)展”的話(huà)題，陳松蹊提出“互補共生”的觀(guān)點(diǎn)。他認為，AI模型（如卷積神經(jīng)網(wǎng)絡(luò )）雖有強大的表示能力，但存在不確定性難度量、可解釋性不足的問(wèn)題；而統計學(xué)的核心優(yōu)勢在于“量化誤差、給出不確定性邊界”，能為AI決策提供科學(xué)支撐。

“并非所有問(wèn)題都需要大模型?！?陳松蹊建議，模型訓練應優(yōu)先嘗試簡(jiǎn)單統計模型，若能以低算力、少數據解決問(wèn)題，無(wú)需盲目追求復雜 AI 模型；若場(chǎng)景需要AI模型，也需用統計學(xué)方法度量其誤差范圍、置信區間，確保決策可信。目前，清華大學(xué)統計數據科學(xué)系已將“人工智能的統計學(xué)基礎”列為核心研究方向，重點(diǎn)探索 AI 模型的不確定性度量方法。

此外，陳松蹊透露，本次數博會(huì )重點(diǎn)關(guān)注兩大議題：一是數據分析人才培養，去年成立的清華統計與數據科學(xué)系正推進(jìn)相關(guān)本科專(zhuān)業(yè)與數據分析師專(zhuān)碩項目建設，以填補人才缺口；二是隱私計算，他將在貴州財經(jīng)大學(xué)的論壇中，深入探討如何在差分隱私框架下平衡數據隱私保護與統計推斷準確性。