每經記者｜張壽林    每經編輯｜黃博文    

日前，在2025金融街論壇年會上，《每日經濟新聞》記者（以下簡稱“NBD”）現場采訪到美國國家科學院院士、清華大學興華卓越講席教授、清華大學統(tǒng)計與數據科學系主任劉軍教授。

他認為，AI（人工智能）要實現更高層次的發(fā)展，可能需要突破當前大模型靠統(tǒng)計概率“預測下一個詞元（Token）”模式內在形成的潛在瓶頸。雖然現行方法對這一模式有各種細節(jié)上的改進，但還沒有找到另一個更高級的主導模式。

劉軍教授一直從事貝葉斯統(tǒng)計理論、蒙特卡洛方法、統(tǒng)計機器學習、狀態(tài)空間模型和時間序列、生物信息學等方向的研究，并做出杰出貢獻，對大數據處理和機器學習領域有深遠影響。

劉軍在采訪中也談到統(tǒng)計學自身發(fā)展。他指出，數十年來，生物醫(yī)學和其他大規(guī)模數據生成技術的發(fā)展驅動了統(tǒng)計學基礎學科持續(xù)前行。

記者了解到，劉軍教授提出的“Gibbs保守串抽樣和指針”曾是生物學者尋找DNA和蛋白序列中精巧模式的最流行的兩種算法之一，在了解基因調控和蛋白同源性方面有非常成功的應用。

劉軍教授演講現場 來源：每經記者 張壽林 攝

NBD：大型語言模型依托大數據與統(tǒng)計概率，通過持續(xù)預測下一個字生成語言回復，這與外界以為的AI按照語義來推理判斷有很大不同。你如何看待這一問題？

劉軍：如果認為大型語言模型理解語義，那就是浪漫敘事。大語言模型的基石就是“Next Token Prediction”，即一個字一個字地預測，并未真正“理解”語言本身，盡管DeepSeek、ChatGPT等工具經常會給出驚艷的結果?！癗ext Token Prediction”在統(tǒng)計專業(yè)上又叫“Auto Regressive Model”，即自回歸模型，通過詞語（時間）序列間的關聯，一步步向前預測。從這個角度看，它有可能成為AI模型向更高層次發(fā)展的一個潛在瓶頸，因此，語言模型或許需要考慮下一步如何突破這種思路。

事實上，目前已有人在嘗試新的思路，不再是一個字一個字地預測，而是可以一段一段地生成，類似于先搭建一個句子框架，再填充具體字詞。

在這一思路下，訓練時每一個字是隱碼，即字碼所在位置為空，相當于通過去噪的方式生成結果。據反映，這一方法的結果還不錯，但目前看很難說比“Next Token Prediction”效果更好。

這種整體規(guī)劃式生成語言的模式，更像人類思考和表達過程，這一模式的繼續(xù)發(fā)展可能會帶來新的驚喜，但其前景尚存在不確定性。

NBD：統(tǒng)計學基礎領域發(fā)展至今，已相當成熟。當前，該學科基礎領域還面臨哪些待解問題？

劉軍：統(tǒng)計學是一門開放學科，換言之，它并非有一套固定的問題等著去解決，也不會因某類問題的解決而宣告“完成發(fā)展”。

統(tǒng)計學科的很多問題源自實踐。比如，由于大家關注大模型的相關問題，統(tǒng)計學中高維數據方面的問題也獲得更多討論，這就是應用驅導下的問題和方法探索。

回顧統(tǒng)計學最初發(fā)展，該學科主要受天文星象學研究和社會人口研究驅動。進入20世紀，由于遺傳學發(fā)展、農業(yè)育種、工業(yè)實驗設計發(fā)展等，統(tǒng)計學進一步發(fā)展。

以英國統(tǒng)計學家費希爾為例，他同時也是知名遺傳學家。針對群體遺傳研究的需求，他提出了著名的概率論進化模型；針對農業(yè)實驗的需求，他又提出了隨機拉丁方設計方法，以及方差分析等統(tǒng)計推斷理論與方法。

數十年來，醫(yī)學、生物學的快速發(fā)展驅動統(tǒng)計學不斷前行。我自身也在從事生物信息學方面的研究。以分子生物學為例，基因芯片信息中隱含著細胞內基因的表達與否。通過分析這些基因的遺傳與變異規(guī)律，可判斷特定變異與疾病的關聯，進而為針對性藥物開發(fā)提供支持。這些過程均需要統(tǒng)計學不斷更新自身方法以適配需求。

NBD：外界也比較關注統(tǒng)計學的另一個應用場景，即股票投資。這也是一個概率決策的過程。從這一角度，統(tǒng)計學專業(yè)背景的投資者能否在股票投資上表現更優(yōu)？

劉軍：據我所知，投資機構確實愿意雇用具有統(tǒng)計專業(yè)背景的人。但對于個人投資，統(tǒng)計學學得扎實并不意味著個人投資業(yè)績一定就好，因為投資還需要研究宏觀經濟等多個方面，并且需要大量訓練、大量資金和精力。因此，對于個人而言，精力上可能不足以應對，資金量也無法支持頻繁買賣。整體看，還是大型頭部投資機構和對沖基金在投資上表現更佳