田言真跟魯東義交換了一個眼神，依然由田言真問道：“你仔細說說。”
“好的，田導。”
“您應該知道我們現在的大資料探勘跟人工智慧命題要進一步發展其實有很多基礎性數學問題亟待解決。大致可以分解為這些小問題。”
“第一，專門支援用於大資料分析的基礎數學理論還未建立，現在大資料分析跟挖掘依然使用的是傳統統計學跟分析方法，隨著大資料越來越被重視，這些技術也越來越落後，比如超大型資料的異地遷移，超算之間的協同計算，依然是個世界性難題。”
“第二，現在還沒有一個大資料基礎演算法，用於大資料環境的重建。”
“第三，針對人工智慧涉及到兩個不同分佈資料間規律轉移問題，也就是舉一反三的學習問題。”
“第四，建立機器學習函式空間向學習理論。現階段的機器學習主要是對樣本跟資料的選擇跟泛化，我們要將這一思路推廣到讓機器在處理具體問題時候，也能對任務進行選擇跟泛化。”
“如果具體到這次的課題申請命題的話，可以選擇第一個分類。支援大資料分析的基礎數學理論研究。”
寧為這番話讓田言真無話可說。
因為寧為說的這些已經證明了他希望能換研究方向並不是一時腦熱，而是經過深思熟慮後的選擇。而且的確是掐中了目前時代發展的脈絡。
說白了，這個時代的人工智慧依然屬於弱人工智慧的時代，對於大資料的處理，實際上也在最初級階段。
即便是目前最先進的所謂深度學習技術，其每一層有多少個元素，每一個元素用什麼非線性機制等等，都需要人工去事先進行預設，哪怕名動天下的阿法狗也是如此。
沒有舉一反三的理解能力，所有的人工智慧只能依託於大資料時代極為初級資料探勘技術，自然孕育不出真正的強人工智慧。
如果寧為真能將這個選題給解決了，也的確算是開宗立派了。
相當於給未來的人工智慧跟大資料計算技術研究，搭建了一個基礎，定下了一個標準。
如果寧為真能在四年裡針對這個問題有所建樹，不說完全解決整個大命題，只要他細分出的四個小命題，能選一個完全解決，在加上他在推進ns方程解中給予的貢獻，以及證明kls猜想的成就，菲爾茲獎也唾手可得。
甚至沒有之前那些成就，拿個菲爾茲獎也大機率沒有問題。
原因？
呵，什麼叫開派宗師？就是未來整個針對這個方向的研究都需要用到他的研究理論。
菲爾茲獎如果不頒發給開派宗師，就等於直接否定了未來投入這個派系繼續研究的所有數學家拿獎的可能。
因為這個方向未來所有的研究成果都是以寧為研究出的數學理論為基礎的，整個領域最牛的那位數學家你不頒獎，給他的徒子徒孫頒獎，這個獎項的公信力呢？
寧為針對ns方程的研究，提出的解決辦法，還能說是站在前人的肩膀上開創的。
但現階段的確還沒有專門針對大資料且被證明行之有效的基礎數學理論被提出。真做出來了，那就是又開創了一個數學細分領域的先河。
只是對於田言真而言有兩個問題。
第一，寧為現在突然轉型換方向做研究，能不能做出來。