中国经济网贵阳8月30日讯（记者宋雅静）“濒临超维数据激增、跨范畴利用需求扩大及AI深度交融的趋势，统计学是破解数据穷困、保险AI有贪图科学性的中枢接济。”2025数博会上，清华大学证实陈松蹊摄取中国经济网记者采访时，辘集自己在大气环境、医疗健康等范畴的征询奉行，请问了统计学的立异利用与协同旅途。

　　清华大学证实陈松蹊。中国经济网宋雅静/摄

　　超维数据处理：残害关联与多模态挑战

　　谈及超维大数据的处理难点，陈松蹊指出，自 2000 年东谈主类基因组谋略推动超高维数据征询以来，统计学已管束寥寂超维数据的信号识别、稀薄性分析等问题。但现时数据漫衍、异质性愈发复杂，新挑战辘集在两方面：一是数据存在时空关联性，比如大气不雅测数据并非富余寥寂，传统处理才能不再适用；二是多模态搀杂数据加多，数据起原波及多个“母体”，难以用单一模子适配。

　　“以大气科学为例，一公里永别率的地球系统数据维度可达几千万，即便有每小时的不雅测数据，样本量仍远低于维度。” 陈松蹊提到，针对关联数据、多模态数据的处理，照旧现时统计学的前沿探索标的。

　　跨范畴利用：统计学才能可跨场景迁徙

　　在计议环境统计才能向医疗、金融范畴迁徙的可能性时，陈松蹊强调 “数据共性” 是关键纽带。

　　他共享征询发现：朔方地区沙尘暴溯源需通过密集空气质地监测站数据跟踪传播旅途，癫痫发作检测需依托脑电图数据判断景况，二者均需高维数据的卓越识别与动态跟踪，统计学中的信号提真金不怕火、方差分析等才能可有用适配。

　　“传统方差分析从农业范畴起步，如今已用于医疗恶果评估、互联网企业营销战略优化。” 陈松蹊暗示，独一中枢问题是 “数据特征提真金不怕火、卓越识别、关联性分析”，统计学才能转移参数后，就能为医疗会诊、金融风险预警提供接济，即便不同范畴数据有特点各异（如海洋数据比大气数据更相识、不雅测难度更高），也不影响才能迁徙。

　　互补共生：统计学填补AI“不细目性”短板

　　针对“统计学与 AI 协同发展”的话题，陈松蹊忽视“互补共生”的不雅点。他合计，AI模子（如卷积神经汇注）虽有宽敞的暗示才能，但存在不细目性难度量、可解释性不及的问题；而统计学的中枢上风在于“量化罪状、给出不细目性界限”，能为AI有贪图提供科学接济。

　　“并非通盘问题皆需要大模子。” 陈松蹊建议，模子考研应优先尝试简便统计模子，若能以低算力、少数据管束问题，无需盲目追求复杂 AI 模子；若场景需要AI模子，也需用统计学才能度量其罪状范围、置信区间，确保有贪图真确。当今，清华大学统计数据科学系已将“东谈主工智能的统计学基础”列为中枢征询标的，重心探索 AI 模子的不细目性度量才能。

　　此外，陈松蹊泄漏，本次数博会重心眷注两大议题：一是数据分析东谈主才培养开云体育(中国)官方网站，客岁成就的清华统计与数据科学系正鼓舞关联本科专科与数据分析师专硕面孔开垦，以填补东谈主才缺口；二是隐痛计较，他将在贵州财经大学的论坛中，潜入计议如安在差分隐痛框架下均衡数据隐痛保护与统计揣摸准确性。