01 对 AI 技术的认知 n AI 是一种工具，也是一种赋能，更是一种思考范式。 n 我们从三个角度来认知 AI 技术： • 人工智能的本质 • 大模型的能力边界 • 通向 AGI 之路 01 对 AI 技术的认知：人工智能的本质 智能（ Intelligence ）：以模型为核心，是对真实世界的模拟和解释 • 用语言逻辑方法获取理论模型：模糊 • 用解析数学方法获取数学模型：精确 任务：判别、预测，通过学习数据分布规律 2. 边界：有规律、可以数字化，属于经验科学 3. 要素：机器学习 - 深度学习 • 模型：神经网络模型（分层；单向） • 策略：损失函数定义 01 对 AI 技术的认知：人工智能的本质 人工智能（ ArtificiaI Intelligence ）：第三代，核心是数据智能，以史为鉴 n 从感知智能到认知智能 1. 专用任务模型： NLP 、 CV 、 Gaming…… 2 模仿学习：代码中蕴涵、文字中蕴含 • 提示能力： ICL • 思考能力： CoT ReACT ， Agent O1 的最新进展（ GPT-1 时刻）：表现是慢思考；本质是合成数 据 有些是产品能力，不是模型本身的能力： RAG Function Call 1. 语言能力： 一本正经地说话，语言顺畅， GPT 时达 到 • NLG+NLU

是不是该做些面子上面的事情了？ 到底要不要 追新技术 缺抓手 该建的都建了 多建些基础设施？ 高校信息化建设 本质是什么？ 高校信息化建设 核心价值体现在哪？ 多用些新的技术？ 多建些业务系统？ 为了高大上？ 为了满足业务部门？ 为了满足管理者？ 我们认为： 高校信息化建设的本质是： 对数据的建设 高校信息化建设核心价值体现在： 对数据消费的能力 解决要点 solution 必须要问自己两个问题 plague Era 招 生计 划 统计 录 取信 息 统计 单 考单 招 “ 教师一张表” 表面上要解决的是教师各类数据的汇总采集和展现 ，在需要的业务场景时直接提供、 不再重复填报。 但本质难点不在于数据平台的技术和采集实施 ，而是围绕整个教师业务的重新梳理、 及所需的管理要求提升。 学院一级解决数据采集问题 新增数据采集（ API ）

让机器具备人类智能，让机器具备非人类智能（超人类智能） 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第31页 对现代人工智能的正确认知：本质、关键过程、关键要素 Ø 大模型技术的关键过程 Ø 现代人工智能（大模型）的本质 1. 这一波人工智能本质上是数据智能，只要是有时 间结构和空间结构的数据，都可以识别出数据 分布模式，建立数据模型，从而产生智能。 2. 这一波人工智能的核心是语言智能，通过分析和 • 创新教学内容与形式 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第47页 人工智能时代的范式革命：教育 第47页 添加标题 实现教育本质 添加标题 评估革新 方式创新 内容重构 社会增强 人性增强 认知增强 教育本质回归：培养能独立思考、健全发展、 积极参与并引领社会进步的人类。 快乐学习，全面发展。 教育体系重塑：AI时代的教育体系需要在关 键领域进行系统性变革与实践 让学生自由而全面的发展 让学生享受学习的快乐 技术融合改变培养目标 技术融合革命培养方式 实现“苏格拉底教学法”和同伴学习 提升教师备课授课效率 提升教育管理者决策效率 层层递进 回归教育本质 重塑教育体系 促进教学变革 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第51页 AI教育应用落地的四层障碍 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第52页 AI+教育的四条实践路径

核安全监管信息化工作汇报 04 面向未来的进化路径 CONTENTS AI 对 AI 赋能核安全监管的思 考 核安全：文明发展的关键命题 人类文明的代际划分是 基于能源的应用 核物理本质上是对世 界本源的探究 文明演进的风险镜像 传统核安全监管体系的三大瓶颈 预测局限性 l 传统监管多基于静态模型和 历史经验进行风险评估和预 测 ， 对突发事故和新型风 险 的预测能力不足。 生。这种融合模糊了传统的主体 - 客体边界。 u 传感器、 算法、 操作员共同构成监管 “行动元” ， 人不再是唯一责任主体。 u 若 AI 误判导致事故 ， 责任应归于： 数据缺陷？算法偏见？执行人？ 安全的本质是技术还是人性？ 国际上核安全监管在 AI 的进 展 国家 / 组织 政策文件 技术应用 监管创新 国际合作 / 标准 挑战与趋势 IAEA - 《人工智能加速 “核 ” 的应用、 科学与技术》（ 署、沙盒监管全球化 文明共生阶段 2040+ 人机混合智能常态化、 AI 伦理共识 核安全 AI 成为人类技 术文明基础设施 阶段目标与里程碑 未来核安全监管的 AI 进化 ，本质是技术可能性与人 类价 值观的持续校准。 唯有将工程思维、 哲学洞见与全球协作深度融合 ， 方能 实现核能造福人类与 AI 向善发展的双重目标。 在核能与 AI 的纠缠中 ，我们守护的不是反应堆，

大递进核心任务：短期首要任务是AI+老师，即通过实 施教师培训，让在一线的教师真正懂AI、用AI，先将他们培养成引领未来教育变革的关键力量；中期核心任务是 AI+学生，AI教育最终目标是回归育人本质，即利用技术点燃青少年的好奇心，引导他们主动探究，并在此过程 中系统性地培养其科学精神和创新潜质；长期持续的关键任务是AI+教学环境建设，即通过产业界的共同努力， 打造一个能够提供智能舒适、多模 率，走向重塑教育生态本身。 如何认识和看待AI对教育的影响 AI是工具，而非目的 回归育人本质 • AI在教育中的角色始终是服 务于育人目标的工具，而非 技术本身。 • 核心价值并非替代教师，而 是将教师从繁重的事务性工 作中解放出来，使其能回归 到情感关怀、思维启发等教 育本质。 • 因此，评判AI教育应用的首 要标准，是其能否促进学生 的全面发展，并增强师生间 的有效连接。 和全面 发展。文件中明确提出要促进学生身心健康，扭转教育的功利化倾向，这标志着学生的身体素质和心理健康被提 升到了前所未有的战略高度。这一导向旨在根本性地改变单一的分数评价体系，推动教育回归育人本质，确保培 养出的是人格健全、身心健康的社会建设者。 三大支柱体系：从基础教育、高等教育到现代职业教育，夯实教育强国四梁八柱 基础教育：优质均衡夯实全民素质基点 基础教育的战略核心是解决不平衡

日，医药数字营销领域暂未 出现新的投融资事件。 1.3 定义模糊、价值未量化是数字营销的关键瓶颈 多方促进数字营销发展。从政策端看，医疗反腐促进药品销售规范化、医药代表职业规 范促进回归学术推广本质、集采和国谈等政策推动企业降本增效优化销售费用支出，均 不同程度提升了数字营销的重要性。再观用户市场，无论医生还是患者信息获取渠道极 大丰富且主动搜索明显提升，数字营销是更好满足全渠道触达的方式。 常是感性的，且偏爱于更快的解决 方案而非更健康的解决方案。因此，好的健康教育内容在专业基础上还需要加入更多用 户视角，助力其改变用户心智。 可见，患者对于健康信息的关注点和阅读逻辑与医生专家有本质的区别，当医生关注卫 生经济学价值、不良反应的时候，患者更关心的也许并不是药物本身，而是如果更快速 恢复健康。因此，单纯将专业药物知识做深入浅出的“专业翻译”拥有足够高的专业度， 但在传达的有效性上也许差强人意。 预并提出治疗方案 17 优化建议。目前，商涌科技已为近 4 万人提供垫付服务、为千余名血液病患者提供专业 健康管理服务。 未来，随着医药营销进一步回归到“高效、有效链接合理治疗方案和患者”的本质，以患 者为中心的健康管理服务重要性将越发凸显，其稀缺性也将进一步增强。我们期待更多 拥有相同初心的跨领域新兴力量加入其中，共同推动领域良性发展。 3.3 解决方案：需求提升，待更多参与者加入

高等教育数智化转型是以数字化为基石，集成人工智能、大数据、区块链、云计算等技术，推动高等教育人才 培养、科学研究、社会服务、文化传承创新核心职能的智能升级，同时促进国际交流合作发展，共同实现高等 教育生态化重构。其本质是通过数据驱动教学提质、科研创新、管理增效、服务升级，构建虚实融合的教育生 态系统，最终服务于高等教育高质量发展。与数字化转型相比，“数智化”更加强调借助人工智能、大数据等 智能技术挖掘教育数据 性。这种治理智慧不仅体现在对当前风险的 精准识别和有效防控，更体现在对未来发展趋势的科学预判和战略布局，确保人工智能技术真正成为促进教育 公平、提升教育质量、推动教育创新的强大动力，而非威胁教育本质和人文精神的破坏性力量。 2025 年 8 月，联合国教科文组织发布的《东亚的数字化飞跃：高等教育转型的区域综合报告》对中国高等教 育数字化转型的成功实践进行了总结，强调中国高等教育在数字化转型方面取得了举世瞩目的成就，构建了世 块链、云计算等新一代信息技术，目标在于深 度赋能并重塑高等教育的各项核心职能——包括人才培养的模式创新、科学研究的范式变革、社会服务的质量 提升、文化传承创新的路径拓展以及国际交流合作的深化，其本质是构建一个以数据为核心驱动力的智慧教育 新范式：通过智能化分析揭示教育规律，依据个性化需求作出针对性决策，提供高效便捷的智慧服务，最终形 成一个线上与线下深度融合、互联互通的教育新生态。这不仅标

，打通不同层级与不同行业间的数据壁垒，提高行业整体的 运 行效率，构建全新的数字经济体系 集团管控能力加强 运营能力 提升 业务流程 优化 财务收益增加 医院的数字化转型【 1 】 ，本质上是为了适应新时代发展要求，利用数字化技术来重构业务流程、提升运营水平、赋能业务发展， 构造新型核心竞争力，塑造可持续发展能力 公立医院高质量发展 ——数字化转 型 向外 重塑服务模式 重新构思并重新创 链 治疗 方案 制定 处置 / 留 观 运动管理 办理入院 医生诊断 日间诊疗 住院 1. 现状评估 流程再造 场景赋能 从过去纸质时代向信息时代转型过程中，带来的偶然复杂度没有解决本质性问题。 传统按专业职能划分的管理模式已不能适应以“患者为中心”的医院核心管理要求。在医院业务一体化的背景下，未来将从以职 能 为核心的传统医院改造成以流程为核心的新型医院。 医院现阶段的信息化手段只能对在院患者进行管理

助药物设计的方法。多组学方法主要通过对病例组和对照组进行基因组、蛋白质 组等组学数据差异性比较，提取出可能致病的基因或蛋白靶点。这一方法通常有 着较高的准确性，但整体策略既费时又费力，且实验结果严重受到生物样本质量 的限制。 计算机辅助的方法主要包括反向对接，结构相似性分析等。这些计算技术能 够一定程度上加速靶点的筛选速度，但同样存在自身的局限性。如反向对接需要 在大量的蛋白质目标中进行对接，这会极大的消耗计算资源和时间。结构相似性

"语法"规 则? 这种方法的潜在优势在于，它可以利用现有的大量无标签分子数据集，就像 GPT使用互联网上的无标签文本一样。通过自监督学习，模型可以无需昂贵的实 验数据标签，就能够识别和理解生物分子的本质特性，从而为新颖和强大的药物 发现机制奠定基础。如果AI能够“理解”分子的“语言”，那么它在预测未知分子活 性，以及预测分子对特定靶标的亲和力方面的潜力将是无限的。因此，越来越多 的自监督AI方法被提出以进行药物虚拟筛选。