中國經(jīng)濟網(wǎng)貴陽8月30日訊（記者宋雅靜）“面對超維數(shù)據(jù)激增、跨領(lǐng)域應(yīng)用需求擴大及AI深度融合的趨勢，統(tǒng)計學是破解數(shù)據(jù)難題、保障AI決策科學性的核心支撐?！?025數(shù)博會上，清華大學教授陳松蹊接受中國經(jīng)濟網(wǎng)記者采訪時，結(jié)合自身在大氣環(huán)境、醫(yī)療健康等領(lǐng)域的研究實踐，闡述了統(tǒng)計學的創(chuàng)新應(yīng)用與協(xié)同路徑。

清華大學教授陳松蹊。中國經(jīng)濟網(wǎng)宋雅靜/攝

超維數(shù)據(jù)處理：突破關(guān)聯(lián)與多模態(tài)挑戰(zhàn)

談及超維大數(shù)據(jù)的處理難點，陳松蹊指出，自 2000 年人類基因組計劃推動超高維數(shù)據(jù)研究以來，統(tǒng)計學已解決獨立超維數(shù)據(jù)的信號識別、稀疏性分析等問題。但當前數(shù)據(jù)分布、異質(zhì)性愈發(fā)復雜，新挑戰(zhàn)集中在兩方面：一是數(shù)據(jù)存在時空相關(guān)性，比如大氣觀測數(shù)據(jù)并非完全獨立，傳統(tǒng)處理方法不再適用；二是多模態(tài)混合數(shù)據(jù)增多，數(shù)據(jù)來源涉及多個“母體”，難以用單一模型適配。

“以大氣科學為例，一公里分辨率的地球系統(tǒng)數(shù)據(jù)維度可達幾千萬，即便有每小時的觀測數(shù)據(jù)，樣本量仍遠低于維度。” 陳松蹊提到，針對關(guān)聯(lián)數(shù)據(jù)、多模態(tài)數(shù)據(jù)的處理，仍是當前統(tǒng)計學的前沿探索方向。

跨領(lǐng)域應(yīng)用：統(tǒng)計學方法可跨場景遷移

在探討環(huán)境統(tǒng)計方法向醫(yī)療、金融領(lǐng)域遷移的可能性時，陳松蹊強調(diào) “數(shù)據(jù)共性” 是關(guān)鍵紐帶。

他分享研究發(fā)現(xiàn)：北方地區(qū)沙塵暴溯源需通過密集空氣質(zhì)量監(jiān)測站數(shù)據(jù)追蹤傳播路徑，癲癇發(fā)作檢測需依托腦電圖數(shù)據(jù)判斷狀態(tài)，二者均需高維數(shù)據(jù)的異常識別與動態(tài)追蹤，統(tǒng)計學中的信號提取、方差分析等方法可有效適配。

“傳統(tǒng)方差分析從農(nóng)業(yè)領(lǐng)域起步，如今已用于醫(yī)療效果評估、互聯(lián)網(wǎng)企業(yè)營銷策略優(yōu)化?！?陳松蹊表示，只要核心問題是 “數(shù)據(jù)特征提取、異常識別、相關(guān)性分析”，統(tǒng)計學方法調(diào)整參數(shù)后，就能為醫(yī)療診斷、金融風險預警提供支撐，即便不同領(lǐng)域數(shù)據(jù)有特性差異（如海洋數(shù)據(jù)比大氣數(shù)據(jù)更穩(wěn)定、觀測難度更高），也不影響方法遷移。

互補共生：統(tǒng)計學填補AI“不確定性”短板

針對“統(tǒng)計學與 AI 協(xié)同發(fā)展”的話題，陳松蹊提出“互補共生”的觀點。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、可解釋性不足的問題；而統(tǒng)計學的核心優(yōu)勢在于“量化誤差、給出不確定性邊界”，能為AI決策提供科學支撐。

“并非所有問題都需要大模型。” 陳松蹊建議，模型訓練應(yīng)優(yōu)先嘗試簡單統(tǒng)計模型，若能以低算力、少數(shù)據(jù)解決問題，無需盲目追求復雜 AI 模型；若場景需要AI模型，也需用統(tǒng)計學方法度量其誤差范圍、置信區(qū)間，確保決策可信。目前，清華大學統(tǒng)計數(shù)據(jù)科學系已將“人工智能的統(tǒng)計學基礎(chǔ)”列為核心研究方向，重點探索 AI 模型的不確定性度量方法。

此外，陳松蹊透露，本次數(shù)博會重點關(guān)注兩大議題：一是數(shù)據(jù)分析人才培養(yǎng)，去年成立的清華統(tǒng)計與數(shù)據(jù)科學系正推進相關(guān)本科專業(yè)與數(shù)據(jù)分析師專碩項目建設(shè)，以填補人才缺口；二是隱私計算，他將在貴州財經(jīng)大學的論壇中，深入探討如何在差分隱私框架下平衡數(shù)據(jù)隱私保護與統(tǒng)計推斷準確性。