近日，数学科学学院“人工智能与生命科学——从双向交叉的矛盾谈起”科研交流分享会于线上举行。本次分享会由人工智能研究院助理教授殷子樵主讲，学院本研各年级23名学生参加交流。
殷子樵介绍了人工智能在生命科学，尤其是医学领域中面临的困境，如包括数据隐私、安全性问题和数据质量问题，特别是对于罕见病等疾病数据的获取困难。他提出了一些解决问题的可能方法，例如联邦学习和隐私计算，但也指出了这些方法的利弊。殷老师还讨论了算法在现实世界的应用挑战，强调了统计学方法的局限性，并探讨了先验知识在解决问题上的关键性。同时，他强调了精准医疗的重要性。
接下来，殷老师探讨了生命科学在人工智能领域的困境，着重于异质性与同质化的矛盾。他揭示了异质性在群体智能涌现中的作用，并讨论了进化博弈模型和偏向性联合决策对提高群体智能的影响。殷老师对比了人群智能与蚁群智能，强调平衡个体与群体的关系的重要性，并讨论了如何在模型中处理异质性和同质性的平衡。他还提出了跨尺度方法在理解生物系统和网络演化中的应用。
之后，殷老师讨论了人类认知和学习机制，特别是在处理和转化宏观信号方面的思考，描述了多元数据处理中的问题和挑战，并分享了他当前研究方向上的问题和目标，即数据与隐私的矛盾以及异质性与同质化的矛盾。
殷老师后续详细介绍了他在生物调控网络研究方面的工作，包括基因网络建模的挑战、网络结构对动力学行为的影响以及生物网络与随机网络的差异等。他讨论了通过模拟生物网络结构来设计具有稳定性和适应性的群体智能网络。
最后，殷老师聚焦于生命科学和人工智能交叉领域的双向交叉特点，提出了他正在关注的两个核心难题。他分享了关于随机变异和定向适应进化行为的基金项目，描述了智能科学的未来方向和他对生命本质的思考。殷老师鼓励同学们以问题为导向进行科研，最终目标是实现生物系统、人工智能和数学领域之间的交叉合作和突破性进展。
总的来说，殷老师的这次报告内容涵盖了人工智能和生命科学交叉领域的多个方面，包括数据与隐私的矛盾、异质性与同质化的矛盾、人类认知-学习机制、生物调控网络研究以及群体智能和更高级人工智能的发展等。这些内容不仅对于理解和应用人工智能技术来解决医学领域中的问题具有重要的指导意义，也有助于推动科学和技术的发展，并更好地理解自然界和人类社会的运行规律。
