Tsinghua教授Chen Songqi：Stats正在为数据管理和开发

中国经济网络保留的所有权利 中国经济网络新媒体矩阵 在线音频 - 视觉节目许可证（0107190）（北京ICP040090） Tsinghua教授Chen Songqi：Stats正在为数据管理和开发AI建立基础 2025年8月30日19:57资料来源：中国经济网 中国经济网络Guiyang，8月30日（记者歌曲Yajing）“面临促进超维数据，扩大跨场需求和AI的深入整合的趋势，统计数据是解决数据问题并确保AI决策的科学特征的主要支持。”在2025年的数字博览会中，Tsinghua大学的教授Chen Songqi在大气环境，医疗和健康领域中解释了与统计的创新应用和与统计的合作道路。 Tsinghua大学教授Chen Songqi。中国经济净歌曲yajing/照片超维数据处理：突破性关系陈·桑奇（Chen Songqi）在谈论处理超维数据的困难方面的多模式挑战指出，自从人类基因组项目促进了2000年的超高维数据研究以来，2000年代，2000年代，统计数据解决了2000年信号的问题。稀疏性和其他独立的超维数据。但是，当前的数据分布和异质性变得越来越复杂，新挑战集中在两个方面：一个是具有时空相关性的数据。例如，大气观察数据并非完全独立，传统的处理方法不再适用。其余的具有更多的多模式混合-a -Datas，并且资源数据涉及许多“母体”，这很难适应单个模型。 “以大气科学为例，分辨率公里的地球系统数据的大小也可以达到一百万。即使有时间观察数据，样本量也低于大小陈·桑奇（Chen Songqi）指出，处理相关数据和多模式数据仍然是探索当前统计数据的方向。跨域应用：统计方法可以切换到情况。探索环境统计过程的可能性时，陈述了陈Snongqi的传统链接。密集的空气质量监测站，癫痫发作的检测应依靠脑电图数据，以确定异常的识别和动态监控Songqi说，只要主要问题是“数据功能，异常识别和关系评估”，统计程序正在调整参数后，它就可以为医疗诊断和财务风险警告提供支持。尽管不同领域中的数据具有不同的传感理（例如，海洋数据比大气数据更稳定，并且观察到的困难更高），但它不会影响程序传输。完整符号：填写AI“不确定性”缺点的统计数据。关于“统计和AI协调开发”的主题，Chen Songqi通过了“辅助符号”的视图。他认为，尽管AI模型（例如卷积神经网络）具有强大的代表能力，但它们存在不确定性和解释不足之类的问题。统计数据的主要优势在于“卷”来改变错误并提供不确定性的界限”可以提供科学ai的决策。“并非所有问题都需要大型模型。”陈Songqi建议该模型培训应优先考虑简单的统计模型。如果问题通过低计算强度和较少的数据解决，则无需盲目的复杂的AI模型。如果该方案需要AI模型，则还应使用统计方法来衡量错误和置信差距以确保决策得到信任。人工智能作为基础研究的方向，重点是探索衡量AI模型不确定性的方法。此外，Chen Songqi表示，该数字博览会重点介绍了两个关键问题：一个是培养数据审查才能。计算隐私。 （收费编辑：Wang Jupeng）