为帮助全院师生跳出人工智能应用表象，理清 AI 技术底层逻辑，接轨行业本源与产业前沿，夯实专业知识体系、拓宽学术视野，2026年6月25日，人工智能学院成功举办人工智能本质与发展趋势专题讲座。本次讲座特邀广州大数据行业协会外籍专家张自力博士担任主讲嘉宾，全院师生参与本次学习。

讲座伊始，张自力教授直击行业认知误区，精准阐释人工智能的核心本质。他明确指出，人工智能并非具备自主意识的智能生命体，本质是依托数据建模解决问题的计算机程序，这也是其与传统第一性原理建模方法的核心区别。同时，他引用丘成桐教授学术观点强调，人工智能发展至今并未诞生全新算法，其所有核心运算逻辑均源于成熟数学理论，当下各类 AI 技术仅为数学算法在不同场景的优化应用，彻底打破了大众对 AI 算法的神秘化认知。

在技术逻辑拆解环节，张教授系统梳理了人工智能的底层运行逻辑，即数据 — 信息 — 知识 — 决策的完整转化链路。他讲解道，机器学习的核心就是数据建模，依托海量线性方程组完成参数运算，通过最陡梯度下降搜索法等经典数学算法，完成数据拟合与模型搭建，这也是大语言模型、智能识别等 AI 技术的底层支撑。针对当下热议的大数据概念，他提出观点：大数据的核心是数据完整性，而非数据体量大小。少量且完整、能够精准数字化描述应用对象的数据，即为有效大数据；反之，体量庞大但零散、无序、缺失的无效数据，无法形成大数据价值。

针对人工智能发展的核心支撑与现存痛点，讲座展开深度剖析。张自力教授表示，算力是人工智能爆发式发展的核心驱动力，谷歌 TensorFlow 等算力框架的搭建，为海量数据运算、模型迭代优化提供了核心保障，奠定了现代 AI 产业的发展基础。同时，他重点强调数据质量对 AI 应用的决定性作用：数据完整性直接决定模型输出结果的精准度，数据缺失会导致模型判断偏差；而数据噪声会引发智能识别、数据分析误差。他以医疗 AI 诊断为例指出，气象预测等场景的微小误差影响有限，但医疗领域的数据缺陷可能造成严重后果，因此 AI 落地应用必须依托人工校验把关，不能盲目依赖机器运算。

围绕人工智能与人类智能的关系，张教授做出清晰界定，破除行业过度渲染的 “AI 超越人类” 误区。同时，他结合时代发展趋势给出重要育人启示：在人工智能高效获取知识、替代重复性劳动的时代，知识储备不再是核心竞争力，审美力、想象力、创造力才是新时代师生需要深耕的核心能力。

整场讲座深入浅出、理论结合实战，既有底层数学原理的深度拆解，也有产业落地案例的通俗解读，既纠正了师生对人工智能的片面认知，也明晰了行业发展规律与未来人才能力要求。本次专题讲座的开展，不仅助力全院师生拨开 AI 技术表象、洞悉技术本源，更为学院深化产学研融合、优化人才培养体系、引导师生精准适配人工智能时代发展需求提供了重要指导。下一步，人工智能学院将持续聚焦前沿科技领域，常态化开展高水平学术交流活动，助力师生精进专业素养、培育核心竞争力，为人工智能领域高质量人才培养筑牢根基。

稿件来源：人工智能学院