学术讲座—AI时代的成果评估机制随想
发布者:
科研处
更新日期:
2026-11-17
访问次数:
10
讲座题目 | AI时代的成果评估机制随想 | 主办单位 | 设计学院 | 联合主办单位 | 福建省闽台青年文旅创意产业促进中心 | 讲座人 | 林宙辰 | 讲座人 职称 | 正高 | 主持人 | 缪远 | 讲座类型 | 自然科学 | 讲座对象 | 全校师生 | 时间 | 2026-11-21 14:30 | 地点 | 田家炳2#603 | 讲 座 人 简 介 | 林宙辰是北京大学博雅特聘教授,智能学院副院长,研究领域为机器学习和计算机视觉。他在人工智能核心期刊和会议上发表论文400余篇,出版中英文专著5本,谷歌引用数为47,000余次。他曾多次担任多个业内顶级会议的领域主席和资深领域主席,包括CVPR、ICCV、ICML、NIPS/NeurIPS、AAAI、IJCAI 和ICLR,曾任ICPR 2022程序共同主席、IEEE Transactions on Pattern Analysis and Machine Intelligence(IEEE TPAMI) 编委,现任ICML董事会成员、IEEE TPAMI副主编、International Journal of Computer Vision 和Optimization Methods and Software 的编委。他曾获2024年度中国自动化学会、2023年度中国人工智能学会和2020年度中国计算机学会的科学技术奖自然科学一等奖及第二届“祖冲之奖”年度突出成果奖(均排名第一)。他是中国图像图形学会(CSIG)出版工委主任与机器视觉专委会原主任、中国自动化学会模式识别与机器智能专委会副主任、中国计算机学会计算机视觉专委会副主任、中国工业应用数学会人工智能与大数据专委会常务委员,CCF、CSIG、AAIA、IAPR和IEEE 的会士,国家杰青,科技部科技创新2030-“新一代人工智能”重大项目负责人。 | 讲座 主要内容 | AI已经开始深度介入科研的各个环节,可以预见科技论文的生产将极大地提速,在这样的背景下,应该如何评价论文的质量与贡献以及研究者的研究能力与学术贡献。另外,数学家们应该怎样看待及应对这个变迁,在这个报告里我将分享我的个人粗浅看法。 当AI可以大幅降低文献处理、数据运算、文本润色的门槛,研究者的核心能力评价必须从“产出效率导向”转向“思想原创导向”: 问题定义能力成为核心硬指标:不再以完成既定任务的速度评判能力高低,重点考察研究者能否在海量碎片化信息中精准识别出真正具备学术价值的空白方向。菲尔兹奖得主洛朗·拉福格特别提醒,AI无法替代人类完成从0到1的原始问题提出,这是区分普通研究者与顶尖学者的核心标志。 批判性核验能力成为必备素养:要求研究者具备对AI输出结果的全链条校验能力,能够识别AI生成内容中的逻辑漏洞、数据偏差与事实错误。此前DeepMind预测的220万种新晶体结构中,最终通过实验验证的不足0.2%,这类AI生成的“看似合理的假说”,必须依靠人类研究者的专业判断完成筛选。 学术传承贡献纳入能力评价:将研究者对青年学者的指导、对领域知识的系统化梳理、对公共学术资源的搭建维护,都纳入学术贡献的认定范围,打破“唯论文数量论”的单一评价逻辑。 跨场景知识迁移能力成为加分项:重点考察研究者能否将本领域的理论方法灵活应用到其他学科的复杂问题中,打破传统学科边界的限制,催生更多交叉领域的突破性成果。 |
|
|