关键词：调参、透视、人工智能、数学应用。
作为理工科出身的我，学过高等数学、概率论、微积分、运筹学、线性代数等，相比文科而言，我们学的数学算是够难的了。
于是，一直以为这就是“数学”，所以对数学也没有特别的感觉。
这次来到财大数学学院，和顶级数学教授团队交流，才发现自己对于数学不是“学的多”了，而是“学的少了，学的太浅”了！
--不，简直就是门外汉！
由于我的工作特色，对于制造企业供应链、产业链供应链、企业物流、制造交付等数据耳熟能详。
原本以为所谓的“大数据”、“数字经济”，就是由这些组成的（原计划近期还要给财大做“数字经济与产业链供应链”的讲座，现在不敢了！感觉当初的自己草率了！如果还要讲的话，那赶紧回去修改PPT吧😅！）。
我们有商业逻辑、供应链逻辑，和一大把的数据，但是站在数学教授、数学思维的角度上来看，这些数据其实都是“结果”数据。
教授们说要“反向问题”，一下子就把我们打懵了。
教授说需要透过现象看本质，你的那些数据都是结果数据，数学里面要的是影响因子和参数。
也就是说即使我们有了那么多的数据，其实站在模型和算法而言，我们一脸茫然，什么有？什么没有？我们还是不知道。
这个时候做数据、做数字化、做数字经济，是非常危险的，很容易跑偏了！
另一方面从数学的角度而言，他们有各种模型和算法。但是他们一直苦于没有数据和参数，所以很难找到各种实践的规律，很多数据都是假想的。
这一次的交流，我们彼此没有沟壑（因为我们推动产学研，有共同的目标）。
我们和盘端出我们的经营数据，他们现场拉出各种模型的可能，最后剩下来的工作就是模拟和跑通了。
最后教授说了，数学就是透视眼，越难的东西，就越要用到数学。
关键就是在于调参！
我瞬间有所悟了…
其实产业“数据”和数学里面的“数据”是各自留有“结界”的，他们很可能就不是同一个事情。
供应链数字化和数字经济，更不是人们以为的“统计学”和“运筹学”。
我们需要两个“结界兽”来打开、打通这两个结界的门帘！
那么谁会是这个“结界兽”呢？
教授说，数学分为两类：
一类是纯数学，
另一类是应用数学。
那么人工智能和AI呢？
如此一想，我们这些做数学应用的，有好多活可以干。
看来我们联合项目组提的“让数学走进企业”是对的。
加油吧！（天睿邱伏生）
…
顺便说一句，财大的校园环境真是不错！
财大校园#
