12月16日，2024年和井社区年度科研闭门会议在零下15度在北京闭幕。
会议以“.与 AI for Science 先驱对话，以及如何在科学研究范式中抓住新机遇来自生物医学、脑科学、气象学、遥感、交通、量化金融、图书出版等多个领域的学者、研究人员和爱好者齐聚一堂，共同探讨各自领域人工智能的现状和未来趋势。
和景社区运营总监唐明主持了会议，对大家前来参加活动表示欢迎和感谢。 谈及此次活动的初衷，她表示，和鲸有幸在过去两年中与众多优秀的科研团队合作，经历和见证了各学科的深刻探索和创新。 从数据科学社区和数据科学协作平台的独特视角和晶感同身受人工智能带来的巨大机遇，但也蕴含着更复杂的挑战。因此，在2024年末，我们将与鲸鱼的新老朋友聚集在一起，这不仅是对这一年的总结，也是对未来的挑战。
闪电演讲环节，来自：中国地质大学（北京）数学与物理学院雷新先生。跟陈继康 人民邮电出版社信息技术分社社长短短的5分钟分享陆续发布，简洁的内容和雄伟的气势迅速活跃了现场气氛。
雷欣教授的演讲主题是“可压缩多媒体流动界面无振荡守恒方法”，可应用于核聚变等高温高压下多介质流动问题陈总分享“携手共赢AI4S”，表示出版业也在积极关注科技的不断发展，探索创新的出版形式和媒体。
雷欣先生，中国地质大学（北京）数学与物理学院。
陈继康，人民邮电出版社信息技术分社社长。
科学研究的对象并不相同，但最新的科学研究范式总是与人工智能相关。
演讲嘉宾环节，解放军总医院医学人工智能研究中心真实世界临床数据挖掘与利用团队工程师、团队负责人刘晓丽博士作了题为《基于数据和知识的临床**模型构建》的主题报告。 临床素养是关于早期识别、预防和控制，是一种具有成本效益的健康策略，在不同疾病水平中发挥着重要作用。
刘晓丽指出，虽然临床模型正在蓬勃发展，但实际实现相对较小，存在一些亟待解决的问题，如文献指出，大多数关于机器学习模型的研究表明，该方法的质量很差，存在较高的偏倚风险。 她接着演示了通过引入数据和知识驱动的临床模型来构建数据和知识驱动的临床模型的过程，以及：他分享了一个由他的团队开发的经过良好校准和可解释的模型，用于评估 ICU 中老年人的疾病严重程度该模型正在现实世界中的多家医院进行前瞻性验证，并在实际场景中校准后持续监测性能。 刘晓丽表示，她希望利用AI打造一个充满智能、智能、人文关怀的医疗普通病房或ICU场景，真正提升医护人员和患者的就医体验。 当被问及为什么她仍然使用机器学习而不是深度学习时，刘晓丽的回答让大家深深体会到医学的特殊性。
深度学习很少用于急症和危重症护理领域，因为患者没有概率，只有 0 和 1，因此医护人员更愿意使用一些保守的、可解释的、稳定的模型评分来评估患者的疾病风险。 ”
北京大学心理与认知科学学院博士后王超明作了题为“Brainpy： Computing Infrastructure Towards a Digital Brain”的主题报告。 数字大脑通过数学模型和计算机对大脑进行精确建模和重构，能够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**。
王超明表示，对于大尺度脑动力学，目前在建模方法、计算设备、数据集成等各个尺度的灵活性方面存在关键技术挑战。 对此，他介绍Brainpy项目是一个随时可以编译的大脑动力学编程系统，为大规模的大脑动力学建模提供了计算基础设施它可以弥补国内外现有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，提供独特的稀疏和事件驱动算子，多尺度模型构建，大规模建模算法等。 Brainpy可以帮助大脑研究人员有效地建模和模拟大脑，帮助神经科学家更好地了解人脑。
中国航空物探与自然资源遥感中心高级工程师于俊川作了题为《“AI+遥感”技术地球科学应用的实践与展望》的主旨报告。 人工智能在遥感领域的应用始于2024年，2024年后，随着遥感智能解译的快速发展，人工智能作为一种分析工具已经过了技术的磨合期，开始在遥感的各个领域迭代发展。
俞俊川指出，人工智能在地球科学领域的应用仍处于起步阶段，在样本、模型和商业应用三个方面存在挑战，包括数据样本不足、模型无法解释、专家知识与模型结合困难、人工智能技术在传统业务流程中的定位不清晰等。 结合地质灾害综合遥感识别的典型地球科学应用案例，他和观众了解了人工智能在传统遥感业务中的技术定位、“AI+遥感”技术在地球科学领域应用的基本范式、“AI+遥感”技术面临的新机遇和新挑战。 “当一项新技术进入一个新领域时，会有一个试错的过程，因此需要理性客观地理解AI，然后用实践来探索技术的边界它引起了大家的强烈共鸣。
和净科技（和净社区）创始人兼CEO范向伟也来到现场，并就“数字化与社区化探索科研创新”这一主题分享了自己的看法。 他表示，在大多数科研机构中，利用数据资源和数字化工具提高科研效率是很困难的，因为很少有企业为科研机构做科研工具的产品创新，但这是和晶一直在做的事情。 他提议，科研数字化转型包括科研资料（**文献、数据）、科研协同过程、科研传播三个方面和晶利用领先的开发工具和领先的人才社区，构建高质量的创新生态，让科研数字化转型得到更好的实现。
龙川科技大数据分析总监胡云作了题为《交通大数据研究服务平台应用与研究》的主题报告。 交通与人们的生活息息相关，通过对交通对象相关数据的分析，可以还原出微观交通场景，更准确地将交通状况与交通状况进行对比，如港口的流量、拥堵情况、车辆的优化轨迹、调度计划、宏观经济形势的演变等。
胡云将交通大数据研究的痛点归纳为四个方面，即数据和数据的管理、研究人员编码能力有限、再造效率低下、协作不便交通科研平台，涵盖车、船、集装箱、港口、货物，支持科研人员从基础设施、资源调度、科研工具、交通数据、算法模型、科研分析六个层面自下而上汇聚业务发展提高用户科研成果的效率。
在圆桌讨论环节，尹子强科技联合创始人、CEO兼首席产品官尹子强担任主持人，嘉宾包括周 志国， 北京理工大学集成电路与电子学院副教授某高端制造企业刘先生和王超明，北京大学心理与认知科学学院博士后讨论的主题是“AI4S是否会在很长一段时间内成为少数研究人员的'特权'？”
周智国认为，AI首先是一种工具，它是人类智慧的结晶，因此应该天生具有“平易近人”的特质，从工具开发者的角度来看，工具要想得到更好的传播，一定更可取。 然而，在人工智能方法与实践学科相结合的过程中，肯定还会出现学习慢、工具使用权限、安全性等问题，大规模应用需要多方面的支持。
王超明在脑科学领域表示，人工智能是一个黑匣子，而人脑其实就是一个黑匣子，可操作的部分比AI多，所以人们应该迅速掌握这项前沿技术，并将其应用到自己的研究中。 不过，目前来看，AI可能确实是少数研究者的特权，一方面是因为AI的可解释性，另一方面也出现了“数据+任务驱动融合”的趋势。
刘总表示，从工程学的角度来看，需求是准确和可重复的，这意味着像ChatGPT这样的“聊天式”AI无法满足需求，但工程学的另一面是协作，不同专业之间相互理解和跨专业协作的成本非常高，而AI可以在某些方面为此提供支持， 比如让年轻人更好地了解“祖传**”，让更多的跨学科人才参与其中。
北京寒潮很冷，但讨论AI4S的气氛却很热。 在这次闭门会议上，大家共同了解了AI在科学研究领域的新可能性，是科学与思维的精彩碰撞。
帷幕不会结束，鲸鱼感谢你们今年的支持，让我们明年再相见！
附言虽然这是一次闭门会议，但已经得到了与会嘉宾的授权一些会议资料（包括视频、PPT等）可以公开给大家学习无法赶到现场的朋友可以在ModelWhale官网，联系右侧“服务咨询”工作人员（添加时请注明“闭门会议”）获取信息。