活动回顾丨上海交大/浙江大学/清华大学/OpenBayes多位专家，覆盖医疗/地理信息/城市复杂系统/科研新范式
内容提要
今年诺贝尔奖聚焦于AI在科学中的应用，标志着科研新范式的兴起。HyperAI超神经举办论坛，邀请专家分享医疗AI和地理信息AI等领域的研究进展，促进国内科研人员的交流与合作。
延伸解读
AI for Science的崛起
今年诺贝尔奖将焦点放在AI在科学中的应用，标志着AI for Science的崛起。这一趋势不仅推动了科研方法的变革，也为研究人员提供了新的机遇，尤其是在数据挖掘和模型构建方面。科研人员应关注如何有效利用AI技术来提升研究效率和成果质量。
地理信息AI的应用前景
戚劲博士提出的地理神经网络加权回归模型（GNNWR）在城市房价预测和大气污染分析中表现优异，展示了地理信息AI的广泛应用潜力。研究人员可以借鉴这一模型，探索更多跨学科的应用场景，以应对复杂的社会和环境问题。
医疗AI数据集的挑战
谢伟迪教授强调了医疗领域高质量数据稀缺的问题。尽管团队构建了多个大规模医疗数据集，但隐私和数据获取仍是主要挑战。研究人员在进行医疗AI研究时，需关注数据的合法性和伦理问题，以确保研究的可持续性和有效性。
城市复杂系统建模的创新
丁璟韬博士的时空生成式建模方法为城市复杂系统的研究提供了新的思路。通过结合物理知识和网络动力学，研究人员可以更好地理解城市系统的动态变化。这一方法的成功应用将推动城市规划和管理的科学化进程。
Q&A
诺贝尔奖为何关注AI在科学中的应用？
诺贝尔奖关注AI在科学中的应用，标志着科研新范式的兴起，体现了AI在推动科学进步中的重要作用。
HyperAI超神经的论坛主要讨论了哪些主题？
论坛讨论了医疗人工智能、地理信息人工智能、科研智算云平台和城市复杂系统等主题。
王臣汉提出的创新公式是什么？
王臣汉提出的公式是规模数据乘以模型结构等于AI科研成绩减去传统研究。
GNNWR模型在城市房价预测中有什么应用？
GNNWR模型能够精确描述城市环境下的空间非平稳性，从而对房价进行回归建模。
谢伟迪教授如何构建大规模医疗数据集？
谢伟迪教授通过收集PubMed Central和Radiopaedia的数据，构建了多个医疗数据集。
丁璟韬博士的研究方向是什么？
丁璟韬博士的研究方向是AI驱动的城市复杂系统的时空生成式建模及应用。
