王兆军教授

“在算法算力快速迭代的今天，统计学是否会被AI替代？”面对这一广泛存在的疑问，7月11日，在贵阳召开的第四届统计与数据科学联合会议上，南开大学统计与数据科学学院执行院长、大会程序委员会联席主席王兆军给出了鲜明回应。他从三个维度阐述了统计学在人工智能时代不可替代的核心价值。

第一，统计学是人工智能底层理论根基，为算法提供逻辑支撑。王兆军表示，所有机器学习、深度学习、大模型训练中的样本抽样、损失函数、参数估计、贝叶斯推理、随机泛化能力等，全部根植于统计理论与思想，没有严谨的统计框架，大模型就容易出现样本偏差、过拟合、预测失真问题。统计学为 AI 搭建的底层逻辑，让智能算法不再是单纯的算力堆砌。

第二，统计学是AI可靠性与可信性的“校准器”，直击模型不确定性痛点。当前大模型普遍存在幻觉、偏见、输出波动等顽疾，而统计学特有的不确定性量化、因果推断、偏差校正和假设检验等工具，恰好能补齐这些短板。王兆军强调：面对高维杂乱数据，统计方法可精准区分信号与噪声；面对算法输出，统计推断能量化预测风险；面对训练数据失衡或行业偏见，统计抽样与加权估计可有效修正模型，使人工智能更加公平、可靠、安全。

第三，统计学打通数据、模型、现实应用的闭环，实现从“预测”到“科学决策”的跨越。王兆军提到，计算机擅长算力运算、快速拟合，而统计学聚焦“问题定义—数据采集—建模解释—落地评估”全链条。在生物医药临床试验、人口宏观统计、工业质量管控、气候环境监测、金融风险预警等场景，仅靠AI预测远远不够，需要统计框架给出可解释结论、可控误差范围、标准化评估体系，为政府治理、产业升级、重大科研攻关提供科学依据，真正把海量数据转化为可落地、可采信的决策价值。

王兆军同时表示，大数据与人工智能也正反向推动统计学突破传统边界，诸如共形推断（conformal inference）等新兴方向不再局限于传统依赖分布的大样本理论。统计学者正主动拥抱“统计理论+人工智能+行业场景”的新型交叉研究范式。他强调，打破学科壁垒、推动统计与AI双向赋能，正是连续四届举办联合会议的初心所在。

据悉，本次会议注册人数近2000人，汇聚来自20个国家的学者，共设邀请报告103组、贡献报告49组，多位国际知名专家作主旨报告，已成为我国统计与数据科学领域规模最大、覆盖面最广的学术交流平台。