12月16日，2024年和井社群年度科研閉門會議在零下15度在北京閉幕。
會議以“.與 AI for Science 先驅對話，以及如何在科學研究正規化中抓住新機遇來自生物醫學、腦科學、氣象學、遙感、交通、量化金融、圖書出版等多個領域的學者、研究人員和愛好者齊聚一堂，共同探討各自領域人工智慧的現狀和未來趨勢。
和景社群運營總監唐明主持了會議，對大家前來參加活動表示歡迎和感謝。 談及此次活動的初衷，她表示，和鯨有幸在過去兩年中與眾多優秀的科研團隊合作，經歷和見證了各學科的深刻探索和創新。 從資料科學社群和資料科學協作平台的獨特視角和晶感同身受人工智慧帶來的巨大機遇，但也蘊含著更複雜的挑戰。因此，在2024年末，我們將與鯨魚的新老朋友聚集在一起，這不僅是對這一年的總結，也是對未來的挑戰。
閃電演講環節，來自：中國地質大學（北京）數學與物理學院雷新先生。跟陳繼康 人民郵電出版社資訊科技分社社長短短的5分鐘分享陸續發布，簡潔的內容和雄偉的氣勢迅速活躍了現場氣氛。
雷欣教授的演講主題是“可壓縮多媒體流動介面無振盪守恆方法”，可應用於核聚變等高溫高壓下多介質流動問題陳總分享“攜手共贏AI4S”，表示出版業也在積極關注科技的不斷發展，探索創新的出版形式和媒體。
雷欣先生，中國地質大學（北京）數學與物理學院。
陳繼康，人民郵電出版社資訊科技分社社長。
科學研究的物件並不相同，但最新的科學研究正規化總是與人工智慧相關。
演講嘉賓環節，解放軍總醫院醫學人工智慧研究中心真實世界臨床資料探勘與利用團隊工程師、團隊負責人劉曉麗博士作了題為《基於資料和知識的臨床**模型構建》的主題報告。 臨床素養是關於早期識別、預防和控制，是一種具有成本效益的健康策略，在不同疾病水平中發揮著重要作用。
劉曉麗指出，雖然臨床模型正在蓬勃發展，但實際實現相對較小，存在一些亟待解決的問題，如文獻指出，大多數關於機器學習模型的研究表明，該方法的質量很差，存在較高的偏倚風險。 她接著演示了通過引入資料和知識驅動的臨床模型來構建資料和知識驅動的臨床模型的過程，以及：他分享了乙個由他的團隊開發的經過良好校準和可解釋的模型，用於評估 ICU 中老年人的疾病嚴重程度該模型正在現實世界中的多家醫院進行前瞻性驗證，並在實際場景中校準後持續監測效能。 劉曉麗表示，她希望利用AI打造乙個充滿智慧型、智慧型、人文關懷的醫療普通病房或ICU場景，真正提公升醫護人員和患者的就醫體驗。 當被問及為什麼她仍然使用機器學習而不是深度學習時，劉曉麗的回答讓大家深深體會到醫學的特殊性。
深度學習很少用於急症和危重症護理領域，因為患者沒有概率，只有 0 和 1，因此醫護人員更願意使用一些保守的、可解釋的、穩定的模型評分來評估患者的疾病風險。 ”
北京大學心理與認知科學學院博士後王超明作了題為“Brainpy： Computing Infrastructure Towards a Digital Brain”的主題報告。 數字大腦通過數學模型和計算機對大腦進行精確建模和重構，能夠更好地理解和探索大腦的神經活動和功能，一直是全人類的夢想**。
王超明表示，對於大尺度腦動力學，目前在建模方法、計算裝置、資料整合等各個尺度的靈活性方面存在關鍵技術挑戰。 對此，他介紹Brainpy專案是乙個隨時可以編譯的大腦動力學程式設計系統，為大規模的大腦動力學建模提供了計算基礎設施它可以彌補國內外現有軟體存在的一系列問題，包括容納最新的AI編譯方法，相容AI訓練演算法，提供獨特的稀疏和事件驅動運算元，多尺度模型構建，大規模建模演算法等。 Brainpy可以幫助大腦研究人員有效地建模和模擬大腦，幫助神經科學家更好地了解人腦。
中國航空物探與自然資源遙感中心高階工程師于俊川作了題為《“AI+遙感”技術地球科學應用的實踐與展望》的主旨報告。 人工智慧在遙感領域的應用始於2024年，2024年後，隨著遙感智慧型解譯的快速發展，人工智慧作為一種分析工具已經過了技術的磨合期，開始在遙感的各個領域迭代發展。
俞俊川指出，人工智慧在地球科學領域的應用仍處於起步階段，在樣本、模型和商業應用三個方面存在挑戰，包括資料樣本不足、模型無法解釋、專家知識與模型結合困難、人工智慧技術在傳統業務流程中的定位不清晰等。 結合地質災害綜合遙感識別的典型地球科學應用案例，他和觀眾了解了人工智慧在傳統遙感業務中的技術定位、“AI+遙感”技術在地球科學領域應用的基本正規化、“AI+遙感”技術面臨的新機遇和新挑戰。 “當一項新技術進入乙個新領域時，會有乙個試錯的過程，因此需要理性客觀地理解AI，然後用實踐來探索技術的邊界它引起了大家的強烈共鳴。
和淨科技（和淨社群）創始人兼CEO范向偉也來到現場，並就“數位化與社群化探索科研創新”這一主題分享了自己的看法。 他表示，在大多數科研機構中，利用資料資源和數位化工具提高科研效率是很困難的，因為很少有企業為科研機構做科研工具的產品創新，但這是和晶一直在做的事情。 他提議，科研數位化轉型包括科研資料（**文獻、資料）、科研協同過程、科研傳播三個方面和晶利用領先的開發工具和領先的人才社群，構建高質量的創新生態，讓科研數位化轉型得到更好的實現。
龍川科技大資料分析總監胡雲作了題為《交通大資料研究服務平台應用與研究》的主題報告。 交通與人們的生活息息相關，通過對交通物件相關資料的分析，可以還原出微觀交通場景，更準確地將交通狀況與交通狀況進行對比，如港口的流量、擁堵情況、車輛的優化軌跡、排程計畫、巨集觀經濟形勢的演變等。
胡雲將交通大資料研究的痛點歸納為四個方面，即資料和資料的管理、研究人員編碼能力有限、再造效率低下、協作不便交通科研平台，涵蓋車、船、貨櫃、港口、貨物，支援科研人員從基礎設施、資源排程、科研工具、交通資料、演算法模型、科研分析六個層面自下而上匯聚業務發展提高使用者科研成果的效率。
在圓桌討論環節，尹子強科技聯合創始人、CEO兼首席產品官尹子強擔任主持人，嘉賓包括周 志國， 北京理工大學積體電路與電子學院副教授某高階製造企業劉先生和王超明，北京大學心理與認知科學學院博士後討論的主題是“AI4S是否會在很長一段時間內成為少數研究人員的'特權'？”
周智國認為，AI首先是一種工具，它是人類智慧的結晶，因此應該天生具有“平易近人”的特質，從工具開發者的角度來看，工具要想得到更好的傳播，一定更可取。 然而，在人工智慧方法與實踐學科相結合的過程中，肯定還會出現學習慢、工具使用許可權、安全性等問題，大規模應用需要多方面的支援。
王超明在腦科學領域表示，人工智慧是乙個黑匣子，而人腦其實就是乙個黑匣子，可操作的部分比AI多，所以人們應該迅速掌握這項前沿技術，並將其應用到自己的研究中。 不過，目前來看，AI可能確實是少數研究者的特權，一方面是因為AI的可解釋性，另一方面也出現了“資料+任務驅動融合”的趨勢。
劉總表示，從工程學的角度來看，需求是準確和可重複的，這意味著像ChatGPT這樣的“聊天式”AI無法滿足需求，但工程學的另一面是協作，不同專業之間相互理解和跨專業協作的成本非常高，而AI可以在某些方面為此提供支援， 比如讓年輕人更好地了解“祖傳**”，讓更多的跨學科人才參與其中。
北京寒潮很冷，但討論AI4S的氣氛卻很熱。 在這次閉門會議上，大家共同了解了AI在科學研究領域的新可能性，是科學與思維的精彩碰撞。
帷幕不會結束，鯨魚感謝你們今年的支援，讓我們明年再相見！
附言雖然這是一次閉門會議，但已經得到了與會嘉賓的授權一些會議資料（包括視訊、PPT等）可以公開給大家學習無法趕到現場的朋友可以在ModelWhale官網，聯絡右側“服務諮詢”工作人員（新增時請註明“閉門會議”）獲取資訊。