传统遇 AI 点亮创新火花——管院学术讲座侧记
点击蓝字关注我们旨在深度融汇中华传统优秀文化与人工智能尖端科技，引领学子突破思维定式，塑造新时代创新素养，6 月 1 日，学校柔性引进专家、四川大学杨永忠教授受邀于榆中校区博雅楼 208 室，开展题为“创造力的触发：传统文化与人工智能”的学术分享。学院负责人谢宗棠、李巧华，连同教师代表及全体硕博、本科生代表共 80 余人出席。本次讲座采取“案例剖析 + 现场互动”的混合教学模式，植根于中华优秀传统文化沃土，紧追人工智能时代发展脉搏，围绕创造力培养进行深度解读。杨永忠教授指出，激发创造力需秉持科学精神与艺术
AI 浪潮下语言科研新篇：青年学子重塑未来
首届语言科学高校学子创新研讨会The 1st Innovation Forum on Language ScienceINSTITUTE OFLANGUAGE SCIENCES20262026 年 5 月 30 日至 31 日，“首届语言科学高校学子创新研讨会”于上海外国语大学松江校区圆满落幕。此次盛会由上海外国语大学语言科学研究院牵头承办，紧扣“人工智能语境下语言研究的当下与远景”这一核心议题，致力于集结全国高等院校语言科学界的青年才俊，呈现数字化智能时代语言学术的最新突破，促进学科跨界交融及创新型人才
AI驱动学科专业建设 推动教师双向提升
4月28日下午，武汉大学计算机学院人工智能系教授、博士、博士生导师李石君受邀为桂林学院金融与法律学院全体教师开展题为《人工智能赋能下的学科专业建设》专题讲座。本次讲座由金融与法律学院副院长杨嫘主持，学院教师到场参与学习与交流。李石君教授结合人工智能与大数据等前沿技术，并结合高校教学科研实践经验，围绕教学改革与科学研究两大重点板块进行系统阐释。在教学改革方面，李教授重点介绍四个方面：1.教材与专著编写，将 AI 前沿内容融入其中，构建面向数字金融、智能风控的崭新教材体系；2.教改项目申报，强调人工智能与金融
【智库前沿】石英丨智能科技浪潮下的知识生产体系重塑
自二十世纪中期萌芽、二十一世纪第二个十年全面迸发并深刻影响全球的智能科技变革，既是一场技术革命、产业革命，更折射出人类知识创造领域正在经历的深刻转变。这一演变进程，推动了“科学”向“知识”的回归，即回归其应有的整体性、关联性、开放性、多元性和包容性状态。知识创造模式向复杂科学演进革命，意味着带有根本性和颠覆性的变革。智能科技八十年发展历程可划分为两个阶段：前一阶段基于符号逻辑路径，产生了电子计算机；后一阶段转向联结主义路径，提出神经网络模型和机器学习算法，通过了图灵测试。阶段的转变，不仅是方法论层面的工具
智能科技浪潮下知识创造的范式迁移
自20世纪中叶孕育、21世纪第二个十年席卷全球的智能科技浪潮，既是一场科技与产业的深刻变革，也映射出人类知识创造正在经历的范式转换。这一演变过程，推动了“科学”向更广阔的“知识”领域回归，即回归其应有的整体关联性、开放多元性与包容并蓄的特性。01知识创造模式向复杂性科学演进革命，意味着带有根本性和颠覆性的变革。智能科学技术80年发展历程可分为两个阶段：前一阶段基于符号逻辑路径，产生了计算机；后一阶段转向联结主义路径，提出神经网络模型和机器学习算法，通过了图灵测试。阶段的转向，不仅是方法论层面的工具拓展，更
AI浪潮下的知识生产范式变革
《光明日报》2026年4月10日自20世纪中叶萌芽、于21世纪第二个十年爆发并席卷全球的人工智能革命，既是科技变革与产业革新，也深刻映射出人类知识创造模式正在经历一场深刻转变。这一演进历程，促进了"科学"向"知识"的本位回归，使其重返本应具备的整体性、关联性、开放性、多元性及包容性特质。01知识创造模式向复杂性科学演进革命，意味着根本性且颠覆性的变革。人工智能科学技术历经八十年发展，可划分为两大阶段：前期阶段遵循符号逻辑路径，催生了计算机；后期阶段则转向联结主义方向，构建神经网络模型与机器学习算法，成功通
2026年人工智能发展的十大关键方向
最近，由中央广播电视总台携手工信部中国电子信息产业发展研究院、中关村科学城管委会、武汉东湖新技术开发区管委会、中国科学技术大学、华中科技大学、合肥综合性国家科学中心人工智能研究院、合肥人工智能与大数据研究院以及科普中国等单位共同研究并发布了关于2026年人工智能发展的十大趋势报告。2026年人工智能发展的十大趋势1. AI治理的全球化 人工智能的普惠共享已上升为全球发展的核心议题。2025年11月，习近平主席在APEC峰会上提出：“中国提议建立世界人工智能合作组织，期望通过发展战略、治理规则及技术标准的协
AI赋能药物研发：《人工智能药物研发》
人工智能（AI）通过自动化、智能化和大数据分析，为各行各业带来了积极的变革，并深刻影响着我们的生活。在药物研发领域，AI的作用日益显著。AI与药物研发的结合，将推动医药领域的革命性变革，并助力新药研发的突破与创新。近年来，国内学术界和产业界对AI药物设计这一新兴方向充满热情，但同时也面临诸多挑战。这些挑战包括AI技术的快速发展需要不断学习和适应，以及AI药物设计涉及多学科交叉，需要干湿实验的闭环优化。这一过程可能需要借助AI完成关键步骤，如信息汇聚、数据挖掘、知识提炼和模型构建等。为了让更多国内科研人员了