没有统计学就没有智能：人工智能的隐形支柱

人工智能 (AI) 的迅猛崛起常被描绘为源自计算机科学和工程学的革命。然而，这一叙述掩盖了基本事实：人工智能的理论与方法核心，始终且一直是统计学。这篇论文系统性地论证统计学为机器学习与现代 AI 提供了必不可少的基础。我们将 AI 分解为九个基本支柱——推断、密度估计、序列学习、泛化、表征学习、可解释性、因果性、优化与统一——并展示每个支柱都建立在百年-old 统计原理之上。从假设检验与估计的推断框架支撑模型评估，到聚类与生成式 AI 的密度估计根源；从时间序列分析启发的循环网络，到承诺真正理解的因果模型，我们追溯了一条不可中断的统计脉络。尽管赞美驱动现代 AI 的计算引擎，但我们认为统计学提供了大脑——理论框架、不确定性量化与推断目标——而计算机科学提供了力量——可扩展算法与硬件。认识到这一统计支柱不仅是学术练习，更是开发更稳健、可解释且可信赖智能系统的必要步骤。我们致力于教育、研究与实践重新拥抱这一统计基础。忽视这些根源风险建构脆弱的未来；拥抱它们则是通往真正智能机器之路。没有统计学习就没有机器学习；没有统计思想就没有人工智能。