4月10日，由中国图象图形学学会（CSIG）主办、CSIG青托俱乐部承办的第十一期“CSIG理事荟”活动在线上成功召开。本次活动主题为“AI4Science：科研范式的革命还是工具升级?”，由北京师范大学侯赛辉副教授担任主持人，活动邀请到南方医科大学冯前进教授（CSIG常务理事）、电子科技大学陈华富教授（CSIG理事）、解放军信息工程大学周杨教授（CSIG理事）三位专家担任主讲嘉宾。此外，活动邀请到首都医科大学的韩晓霏助理研究员和国防科技大学的孙忠镇博士担任与谈嘉宾。

活动开场，三位理事围绕“AI4Science究竟是对传统科研范式的根本性变革，还是提升研究效率的工具？”展开了引导发言。

冯前进教授认为，AI在科研中的角色既是工具，也是可能引发科研范式变革的力量，但这种影响具有领域差异。在结构生物学领域，如蛋白质结构预测，AI的强大能力已经显著改变了传统研究流程，减少了实验依赖，甚至改变了研究热点。但在医学领域，尤其是临床医学，AI更多仍是辅助工具，尚未取代传统循证研究的方法，生成的影像报告虽格式标准，但诊断准确性不足。同时，AI的应用也在推动学科交叉，促进了临床医学与工程技术等领域的更多合作与融合。

周杨教授认为AI在遥感与地理空间领域正从工具升级走向研究范式的变革。传统遥感影像处理面临的核心难题是影像理解和地物识别，过去依赖人工特征和人机交互，效率低、成本高。AI的快速发展，特别是在影像分类、目标检测和语义理解等方面的突破，显著提升了自动识别精度，极大改变了遥感影像处理的研究模式。同时，AI推动了地理空间智能的发展，实现了空间数据的实时化、智能化与融合化，拓展了空间环境理解和决策能力。

陈华富教授强调，AI技术在神经精神疾病的影像分析和早期诊断中已被广泛应用，尤其是在多模态数据整合与分类预测方面。但他认为，AI的核心价值是作为辅助工具，真正关键的是通过专业知识和科学设计，探索疾病的机制和关键特征。仅依赖大数据和大模型进行分类，容易忽略特征与疾病本身的真实关联，尤其是精神类疾病多表现为功能损伤，特征隐蔽且复杂。因此，AI的使用必须与临床经验和实验研究紧密结合，才能为疾病研究和诊断提供真正有价值的支持。

在panel环节三位理事和两位与谈嘉宾围绕“AI4Science需要怎样的新型人才培养模式？跨学科团队如何高效协作？”展开了进一步交流。

冯前进教授认为，AI4Science背景下的人才培养和跨学科协作的关键在于“问题驱动”和“复合型能力”。尤其在医学和AI结合的场景中，未来更需要能够理解一线需求、善于沟通、具备基础AI素养的复合型人才。以医学研究生培养为例，通过与AI实验室的深度联合培养，让医学生了解AI工具的能力，同时又能清晰表达临床实际问题，承担数据收集与需求转化的桥梁角色。这样的复合型人才不仅科研潜力大，而且适应新技术变革，比如未来外科医生也将依赖AI与机器人技术，这预示着跨界与融合能力将在科研和实践中越来越重要。

陈华富教授认为脑科学与医学研究需多学科交叉，特别是在精神与神经疾病领域，融合工科、医学、心理学等背景是必然趋势。他指出，工科人员学习医学相对容易，而医生掌握工科技术较难，导致单一背景人才难以独立完成相关研究。同时，仅依赖算法准确率可能误导研究方向，需结合临床知识判断其有效性。他强调科研应以临床问题为导向，重视与医生的交流与验证，推动成果真正落地。因此，培养具有交叉背景的复合型人才是医学工程研究的关键。

周杨教授认为面对AI快速发展的新环境，跨学科人才培养尤为重要。专业学习不应局限于本学科知识，需了解AI的基本原理与工具，将AI与专业领域深度融合。例如遥感、测绘等领域的学生，需掌握AI技术，并能基于通用大模型进行微调或优化，服务于本专业应用。为此，教育模式需打破学科壁垒，鼓励学生在不同学科间流动，建立跨学科研究平台，促进不同专业背景的研究人员协作，形成研究合力，推动科研创新与问题解决。

两位与谈嘉宾也热情参与了讨论，并结合自身经历抛出了一些有价值的问题。首都医科大学的韩晓霏助理研究员分享了自己在AI与生命科学、医学交叉研究中的实践与思考。她指出，当前许多生命科学或医学背景的学生和研究者对AI了解有限，编程基础薄弱，容易对AI能力产生过高期待。因此，AI教育应从本科阶段开始普及，帮助学生建立基础认知。对于已经深耕传统学科的人群，则需要更简单直观的AI入门方式。同时，她强调跨学科合作中，前期的沟通与信任非常重要，需明确各自的关注重点和工作方式，发挥各自优势，才能更高效、和谐地推进科研合作。

国防科技大学的孙忠镇博士认为培养创新型人才需要具备扎实的基础学科知识、跨学科学习能力和科研成果转化能力。在AI的应用过程中，基础学科，如数学、统计学、计算机科学是必不可少的，而跨学科的学习和实践能帮助学生更好地将AI技术应用于各个领域，推动技术落地。此外，跨学科团队协作需要统一的目标和任务导向，建立共享的数据和工具平台，促进知识、数据和模型的共享。孙博士还提到，团队间应定期进行思想碰撞和成果交流，以优化合作方式和促进最终应用的实现。这些措施将有助于AI技术在不同领域的推广与发展。

最后，嘉宾们回答了直播间观众的提问，提供了详细而深入的解答。通过生动的实例和实践经验，嘉宾们帮助观众更好地理解了相关内容。整个直播过程充满了活跃的讨论和思想碰撞，展现了强烈的学术热情与创新思维。