AI催化未来：港科大（广州）联动MIT共探医疗与教育创新
人工智能正以前所未见的速度进入医疗、教育以及公共生活的关键环节。它不仅在改变知识获取与决策方式，也迫使我们认真思考：
AI究竟该怎样被构建？
我们又要如何去衡量它？
它又应该朝向怎样的方向前进？
2026年5月12日，主题为AI as Catalyst: Explore AI in Healthcare and Education的全日工作坊将在香港科技大学（广州）举办。本次活动由麻省理工学院与香港科技大学（广州）主办，MIT Critical Data、香港科技大学（广州）计算媒体与艺术学域（CMA）、以及香港科技大学（广州）元宇宙与计算创意研究中心（MC2）共同承办。来自医疗、教育、人工智能、人文艺术与社会科学等方向的学生、教师、临床从业者、研究者与创作者将齐聚一堂，共同讨论AI在医疗与教育场景中的机遇、潜在风险与未来路径。
这并非典型的单向讲座，而是一场以投入、交流、实践与反思为核心的跨学科活动。整个一天将设置三个主题工作坊：从创造性艺术如何融入医学教育，到健康AI的系统性思维，再到大语言模型在临床与心理健康场景中的实践评估。
活动信息
活动名称：AI as Catalyst 活动主题：Explore AI in Healthcare and Education 活动时间：2026年5月12日 活动地点：香港科技大学（广州）E4栋一楼101-102室 活动形式：全日工作坊 面向对象：学生、教育者、临床工作者、研究人员、艺术家，以及关注AI、医疗与教育交叉领域的从业者
为什么选择“AI as Catalyst”？
“Catalyst”指的是催化剂。
在医疗与教育领域，AI并不只是用来提升效率的工具，也不能仅仅成为替代人类判断的自动化系统。它更像一种推动力：促使我们重新理解知识、照护、学习、判断与责任。
在医疗中，AI可以协助诊断、支持健康管理、帮助医生应对复杂数据，但同样可能引入算法偏见、出现模型幻觉、导致责任边界不清以及透明度不足等问题。放在教育中，AI能支持学生学习、帮助教师规划课程、激发新的创作与表达方式，同时也会重塑知识生产、教学互动关系与学习评估的方式。
因此，本次工作坊希望进一步追问：
当AI走进医疗与教育，我们怎样才能确保它不只是“能用”，更是“可信、可解释、负责任”，并且真正为人服务？
活动日程
上午环节
09:00 – 09:30｜签到及入座 参会者签到、嘉宾入座
09:30 – 09:45｜开幕式
欢迎致辞与活动介绍
主持人：Pan Hui, Leo Anthony Celi
09:45 – 11:05｜工作坊 1 The Art of Healing: Creative Arts as Pedagogical Practice 主持人：Tengjia Zuo
11:05 – 11:15｜中场休息 交流
11:15 – 12:45｜工作坊 2 Health AI Systems Thinking for Community (HASTC) 主持人：Mornin Feng
12:45 – 14:35｜午餐与Surreality艺术展参观
下午环节
14:35 – 15:35｜座谈会 相关领域专家座谈会及问答交流环节
主持人：Qiushi Zhou
15:35 – 15:55｜WSC冠名茶歇
由WSC控股有限公司冠名赞助
15:55 – 17:15｜Workshop 3 LLM-a-thon: From Use Case to Ground Truth 主持人：Calvin K. L. Or
17:15 – 17:30｜闭幕式 活动总结、未来展望与大合照
主持人：Pan Hui, Leo Anthony Celi
三大工作坊亮点
工作坊1：The Art of Healing: Creative Arts as Pedagogical Practice
重新理解医学教育中的“创造力”
医学教育往往把重心放在知识、技能、流程与标准化的判断。但真正的治疗与照护，通常还需要另一种能力：倾听、感知、共情，能够面对不确定性，并理解那些语言难以完全呈现的经验。
本工作坊把艺术实践视作医学教育中的关键认知路径。参与者将通过音乐、视觉艺术与叙事练习，感受创造性实践如何促进深度倾听（Deep Listening）、提升对模糊性的容纳度，并强化对他人痛苦的共情（Empathy）。
在工作坊结束时，参与者会把艺术体验进一步转化为可落地的教育设计原型，并思考如何把创造性实践嵌入医学教育的核心训练中。
你将体验： 从音乐、绘画与叙事中理解“照护” 从艺术实践中看见医学训练的盲点 形成一个将创造性实践纳入医学教育的教学原型
关键词：Healing, Creativity, Medical Education, Narrative Practice, Pedagogy
工作坊2：Health AI Systems Thinking for Community (HASTC)
用系统视角审视健康AI的风险与治理
AI在医疗场景中的应用正加速扩展，但技术层面的表现并不等同于真实世界的安全、有效与公平。即便一个模型在实验条件下效果突出，也不代表它能在复杂临床环境中稳定运行，更不意味着它不会放大既有的社会不平等。
本工作坊将围绕临床AI的真实案例展开讨论。参与者需要分析算法偏见、模型透明度、问责机制、公平性约束以及可能出现的非预期后果。
通过小组讨论与案例剖析，参与者将尝试识别AI系统在真实医疗实践中可能引发的风险，并提出面向政府、机构与临床层面的防护思路与治理方案。
你将参与： 梳理健康AI真实案例中的潜在风险 讨论算法偏见、透明度、问责与公平性 提出可实施的治理建议与系统性防护策略
关键词：Clinical AI, Algorithmic Bias, Accountability, Transparency, Fairness, Systems Thinking
工作坊3：LLM-a-thon: From Use Case to Ground Truth
亲自检验大语言模型在医疗与心理健康场景中的表现
大语言模型正成为许多人获取信息、寻求建议并辅助决策的重要入口。然而在医疗、心理健康与青少年支持等高风险场景里，“听起来合理”的回答并不必然意味着安全、准确或负责任。
在LLM-a-thon中，参与者将围绕临床与心理健康情境设计多种Prompt（提示词）。我们会观察模型在不同立场下的回应方式，进而识别迎合性偏差（Sycophancy Bias）、安全边界以及可能的风险点。
这一环节关注的并不是“哪个模型更聪明”，而是帮助参与者建立批判性AI素养：我们该如何提出问题？怎样对比回答？如何识别潜在风险？又如何判断AI输出是否确实值得信任？
你将完成： 设计不同版本的AI提示词 在同一场景中比较多个LLM的回答差异 识别模型可能出现的迎合性偏差、遗漏与安全隐患 掌握对AI输出进行结构化评估的方法
关键词：LLM Evaluation, Prompt Engineering, Medical AI Safety, Sycophancy Bias, Ground Truth
组织者亮点
Pan Hui
从AI技术走向跨学科对话
作为本次工作坊的重要组织者与引导者，Pan Hui教授将在Opening Talk启动全天议程，并在Closing环节把讨论拉回到活动的核心问题：当AI进入医疗与教育，我们应当如何理解它、使用它，并为其设定恰当的边界？
Pan Hui教授长期关注人工智能、人机交互、计算媒介与社会影响之间的联系。他的参与使这场活动不仅停留在AI应用经验分享，更成为跨学科的对话平台：技术研究者、医学教育者、临床专家、学生以及创作者将在同一空间中交流AI如何真正帮助人，而不只是展示模型能力或工具效率。
在AI as Catalyst中，AI被视为一种催化剂：它既能推动新的教学方法与医疗协作模式，也能促使我们重新审视技术背后的责任、伦理与社会影响。
Leo Anthony Celi
让医疗AI回到真实世界
Leo Anthony Celi是医疗AI与开放健康数据方向的重要学者，也是MIT Critical Data的核心成员之一。他长期推动跨机构、跨学科的医疗数据合作，关注AI在真实医疗系统中如何被设计、验证与投入使用。
他的研究提醒我们，医疗AI面临的挑战绝不仅是“模型是否足够聪明”。更关键的问题是：数据从哪里获得？偏差如何产生？系统如何被部署？责任由谁承担？不同人群是否会因此遭遇不公平影响？
这也正是本次工作坊希望深入讨论的主题：AI并非能脱离社会情境独立运行的技术。尤其在医疗与教育这类高影响领域，我们需要的不只是一套更强大的模型，还包括更清晰的评估框架、更透明的机制，以及更具责任意识的治理方式。
讲者与组织者
本次工作坊汇聚来自麻省理工学院、哈佛大学、香港科技大学（广州）、香港科技大学、新加坡国立大学、香港大学、香港中文大学、埃默里大学及合作机构的跨学科讲者与组织者。
参与嘉宾与组织者：
活动适合谁参加？
本次工作坊适合以下群体参与：
关注人工智能、医疗健康、教育创新与社会影响的学生、研究者与创作者；希望了解AI在临床与教育场景中如何被评估与治理的从业者；对大语言模型、提示词工程、AI安全与模型评测感兴趣的参与者；以及希望从艺术、人文与技术交叉视角重新理解医疗教育的教育者与学习者。
无论你来自计算机、医学、教育、人文艺术、社会科学，或公共政策领域，都可以在这一天的活动中找到值得参与、讨论并贡献的议题。
我们希望带走的不止是答案
AI确实正在改变医疗与教育，但更重要的并不只是：
“AI能做什么？”
而是：
AI应当以何种方式融入人类的学习、判断与照护？风险由谁去识别？责任由谁承担？标准又应由谁来制定？当模型给出的回答看似流畅且可信时，我们如何维持批判性的判断？
在AI as Catalyst中，我们希望通过跨学科的对话与实践，让参与者不仅理解AI的能力边界，也理解其边界所在；不仅看到技术效率，也看见治理、教育与人文关怀的重要性。
加入我们！
AI as Catalyst Explore AI in Healthcare and Education
活动日期：2026年5月12日 活动地址：香港科技大学（广州）E4栋一楼101与102室
活动形式：全日制工作坊 活动页面： https://mc2-lab.space/news/ai-as-catalyst-workshop
赞助方与合作方：轻松健康集团，WSC控股有限公司
让我们一起探索：当AI成为催化剂，医疗与教育的未来将如何被重新塑造？