12月16日,2023 和鲸社区年度科研闭门会在零下 15 度的北京暖暖落幕。
会议以“对话 AI for Science 先行者,如何抓住科研范式新机遇”为主题,来自生物医学、脑科学、气象、遥感、交通运输、量化金融、图书出版等多个领域的学者、研究者、爱好者齐聚一堂,共同探讨人工智能在各自领域的发展现状与未来趋势。
和鲸社区运营总监唐铭主持会议,欢迎并感谢大家不畏风雪莅临参加。谈及活动举办的初衷,她表示和鲸近两年有幸与众多优秀的科研团队合作,亲历并见证了各个学科领域的深刻探索与创新。站在数据科学社区与数据科学协同平台的独特视角,和鲸对于人工智能带来重大机遇的同时也蕴含更为复杂的挑战感同身受。因此在 2023 年底的时间点,和鲸将新老朋友们召集在一起,既是对一年的总结,也是对未来的迎击,希望大家能畅所欲言,互学互鉴。
闪电演讲环节,来自中国地质大学(北京)数理学院的雷昕老师与人民邮电出版社信息技术分社的陈冀康社长先后发表了 5 分钟的简短分享,精简凝练的内容与气宇轩昂的状态迅速活跃了现场气氛。
雷昕老师演讲的主题为《可压缩多介质流界面无振荡的守恒方法》,可应用于如核聚变的高温高压下的多介质流的问题;陈社长分享了《携手共赢 AI4S》,表示出版行业也在积极跟随技术的不断发展,探索创新的出版物形式和媒介。
中国地质大学(北京)数理学院 雷昕老师
人民邮电出版社信息技术分社 陈冀康社长
科学研究的对象不尽相同,但最新的科学研究范式总与 AI 息息相关。
嘉宾演讲环节,来自解放军总医院医学创新研究部的工程师刘晓莉博士发表了题为《基于数据和知识驱动的临床预测模型的构建》的主旨报告。临床预测的意义是提早地识别与治疗、预防与控制,是一种经济有效的健康策略,在不同的疾病等级都发挥着重要作用。
刘晓莉提出,尽管临床预测模型蓬勃发展,但实际落地的比较少,其中存在着一些待解决的难题,例如有文献曾指出大多数机器学习预测模型的研究显示方法质量很差,并且存在很高的偏倚风险。她进而展示了引入数据和知识驱动的临床预测模型的构建流程,并分享了其团队所开发的一个经过良好校准且具备可解释性的,用于 ICU 中老年人的疾病严重程度评估的预测模型,该模型正在真实世界中多个医院开展前瞻性验证,并对其在实际场景中校准后进行持续的性能监测。刘晓莉表示,希望能借助 AI 建成一个充满智慧化、智能化、人文关怀的医疗普通病房或 ICU 场景,真正改善医护人员与病人的治病就医体验。当被问及为什么仍采取机器学习而不用深度学习时,刘晓莉的回答让大家都深切体会到了医学的特殊性。
“深度学习在急危重症救治领域落地应用的很少,因为对于患者来说不存在概率,只有 0 和 1,所以医护人员会更偏向于用一些保守的、具备可解释性的、性能很稳定的模型/评分对患者的疾病风险进行评估。”
北京大学心理与认知科学学院博士后王超名发表了题为《BrainPy:迈向数字化大脑的计算基础设施》的主旨报告。数字化大脑通过数学模型和计算机仿真对大脑进行精确的建模和重构,可以更好地理解和探索大脑的神经活动和功能,一直是全人类的梦想。
王超名表示,对于大尺度脑动力学的仿真,目前在建模方法的灵活性、计算设备、各尺度的数据整合等方面都存在着关键技术挑战。对此,他介绍了为大尺度脑动力学建模提供计算基础设施的 BrainPy 项目,一种即时编译的脑动力学编程系统,可弥补现有国内外软件存在的一系列问题,包括容纳最新的 AI 编译方法、兼容 AI 训练算法、提供独特的稀疏与事件驱动算子、多尺度建模范式、大尺度建模算法等。BrainPy 可以帮助大脑研究者进行高效的大脑建模和模拟,帮助神经科学家更好地了解人脑。
中国自然资源航空物探遥感中心的高级工程师于峻川发表了题为《“AI+遥感”技术地学应用实践与展望》的主旨报告。人工智能在遥感领域的应用起始于 2015 年,2020 年后伴随着遥感智能解译的快速发展,AI 作为分析工具度过了技术的磨合期,开始在遥感的各个领域迭代发展。
于峻川提出,目前人工智能在地学领域的应用尚处于初级阶段,主要在样本、模型和业务化应用三个方面存在挑战,包括数据样本不足、模型不具备可解释性、专家知识与模型难以结合、AI 技术在传统业务流程中的定位不明等问题。结合地灾隐患综合遥感识别需求这一典型地学应用案例,他与现场观众探讨了人工智能在传统遥感业务中的技术定位、“AI+遥感”技术在地学领域应用的基本范式,以及“AI+遥感”技术所面临的新机遇与挑战。“一个新技术进入到一个新的领域都会有试错的过程,要理性、客观地认识 AI,再用实践探索技术边界”,获得了大家的强烈共鸣。
和鲸科技(和鲸社区)的创始人、CEO 范向伟也莅临现场,以《科研创新的数字化与社区化探索》为题进行了分享。伴随着和鲸社区的发展历程,和鲸一路见证了中国科研的持续进步,以及科研工作者日益递增的工作强度,他表示,用数据资源和数字化工具来提升科研工作的效率,在大部分科研机构中很难办到,因为很少有企业为科研机构做科研工具的产品创新,但这是和鲸一直在做的。他提出,科研工作的数字化转型包含三个方面:科研资料(代码、文献、数据)、科研工作的协作流程、以及科研工作的传播,和鲸用领先的开发工具和领先的人才社区构建出高质量的创新生态,让科研工作的数字化转型得以更好地实现。
龙船科技大数据分析总监胡云发表了题为《交通运输大数据科研服务平台应用与研究》的主旨报告。交通运输与人们的生活息息相关,通过对运输对象相关数据的分析,可以还原微观运输场景,更精准地与预测交通运输的情况,比如预测某个港口的流量、拥堵情况、车辆的优化轨迹、调度方案,分析和预测宏观经济态势演变。
胡云归结交通运输大数据科研的痛点至四个方面,分别为数据与数据的管理问题、研究者编码能力有限、重复造轮的低效率以及协同的不便,他展示了龙船科技基于和鲸平台搭建的交通运输科研平台,覆盖车、船、箱、港、货,从基础设施、资源调度、科研工具、运输数据、算法模型、科研分析六个层面自下而上地支持研究者聚集业务开发,提高用户科研成果效率。
圆桌讨论环节,和鲸科技联合创始人、执行总裁兼首席产品官殷自强担任主持人,讨论嘉宾包括了北京理工大学集成电路与电子学院副教授周治国、某高端制造企业的刘总、以及北京大学心理与认知科学学院博士后王超名,讨论话题为“AI4S 是否在很长一段时间内,会是少数科研人的‘特权’?”。
周治国认为,AI 首先是一个工具,它是人类智慧的结晶,因此它应该天生就具备“平易近人”的特质,从工具开发者的角度必定是更希望工具能更好地传播。但 AI 方法在与实际学科相结合的过程中,肯定还是会存在学习起来比较慢、工具使用的权限、安全性等问题,大规模应用需要多方面支持。
王超名结合脑科学领域表示, AI 是黑箱,人脑其实也是黑箱,相比起来 AI 还多了可操作的部件,因此人们都应该快速地抓住这项最前沿的技术,并应用到自己的研究中。但目前,AI 确实有可能会是少数科研人的特权,一方面是 AI 的可解释性,另外也存在着“数据+任务驱动融合”的趋势。
刘总表示,从工程的角度来看,要求是精确,即可复现,这便代表了像 ChatGPT 这样的“聊天式” AI 是无法满足需求的,但工程的另外一面是协作,不同专业间相互理解、跨专业协作的代价很高,AI 在某些方面可以为此提供支持,比如让年轻人更好地理解“祖传代码”、让更多跨学科的人员得以参与其中。
北京的寒潮很冷,但讨论 AI4S 的氛围很热。这次闭门会,大家共同探讨了 AI 在科研领域的崭新可能,是科学与思维的奇妙碰撞。
落幕不散场,和鲸感谢大家这一年支持,让我们明年再会!
附:尽管本次为闭门会,但经过嘉宾们的授权,部分会议资料(包括录像、PPT等)可以公开给到大家学习,未能来到现场的朋友可以点击添加我们工作人员企业微信(添加时请备注“闭门会”)获取资料。若您对和鲸平台感兴趣,也可以点击右侧链接免费【试用 ModelWhale 团队版】(获赠 CPU、GPU 算力)。