在政府和公司竞相争取更多基础设施和更强算力之际，科学界警告称，如果没有坚实的数学基础，人工智能的发展将是脆弱、不可靠且难以长期维持的。如今，在能够生成文本、识别图像或自动化金融决策的系统背后，存在着一个复杂的数学框架，而这个框架通常不在公共讨论的范围内。然而，这一基础已成为定义谁将在新的数字经济中领先、谁将处于依赖地位的战略性因素。
人工智能崛起背后的方程式 数学与人工智能的关系并不新鲜。在它们的交叉点上，形成了一个良性循环：数学推动人工智能，而人工智能反过来又开启新的科学问题。然而，在这股技术热潮之下，存在着一个根本性的挑战。
人工智能的构建并不仅仅依靠热情、商业应用或庞大的基础设施预算。如果没有坚实的数学基础，人工智能系统在可靠性、可解释性、可验证性、能源效率和安全性方面将面临局限，而这些因素对于其在金融、工业和公用事业等领域的应用至关重要。
双向交流 数学与人工智能的关系并非单向流动。在全球人工智能的竞争中，数学并非附属品，而是决定谁能进步、谁会落后的无形引擎。在墨西哥，已有项目将高等数学与人工智能相结合。机器学习工具被用于识别模式、探索猜想甚至辅助证明，而数学的进步则使得设计更高效、更易理解的模型成为可能。
墨西哥：采用还是发展 对于墨西哥这样的国家，这场辩论具有战略意义：是参与人工智能的开发，还是仅仅满足于消费它。人工智能正以极快的速度发展，但其瓶颈不仅在于芯片或数据中心，更在于数学。没有这样的投入，人工智能将沦为一种进口的、依赖性的且昂贵的科技。国际经验表明，可持续的技术进步源于基础科学与应用工程之间的相互作用。尽管公众的关注点集中在前者，但由数学直接滋养的算法创新，对于提高效率、降低成本和扩展应用起到了关键作用。更稳定、收敛性更好、效率更高的算法，展示了基础研究如何能提升人工智能的性能。
风险是切实存在的。没有科学的基础设施是不够的。这一警告已得到工业与应用数学学会的强调，该学会指出一个日益扩大的差距：对人工智能基础设施的投资速度超过了其科学基础的强化速度。解决方案在于加强人力资本的培养以及在数学、统计学和基础科学领域的研究。
