2025年，中国智慧在全球AI领域迅速崛起，

中国女性科学家也展现出日益重要的影响力，

“她”力量在这一前沿领域熠熠生辉。

值此妇女节之际，

香港中文大学（深圳）数据科学学院（SDS）

推出「AI领域“她”力量」专题，

邀请到两位AI领域的杰出青年女性科学家代表。

两位教授将围绕AI领域的热议问题，

结合自己的研究经历展开对话。

（按姓名首字母排序）

蒋理助理教授

2024年入选全球前2%顶尖科学家年度影响力榜单，专注计算机视觉、人工智能、机器学习等研究领域。

李爽助理教授 

入选2023年百度AI华人女性青年学者，曾任哈佛大学博士后、谷歌研究员，专注时序数据分析和决策的机器学习方法、及其在医疗保健、智慧城市和社交媒体中的应用。

希望本次采访能够为师生及相关领域学者

带来AI领域最新发展、技能提升

及职业规划等方面的启示与借鉴。

01 研究领域与经历

@蒋理教授

Q: 请介绍您的研究领域及该领域与AI的关联。

“我主要研究计算机视觉（Computer Vision），这是一个让机器具备‘看’和‘理解’能力的人工智能核心方向。计算机视觉涉及从图像和视频中提取信息，并在自动驾驶、医疗影像分析、智能监控、机器人感知、AR/VR等领域发挥重要作用。例如，在自动驾驶中，计算机视觉帮助车辆感知道路环境、识别行人和交通标志，实现安全可靠的决策。”

Q: 在您的研究生涯中，哪些关键经历或能力对您在AI领域的突破起到了重要作用？

“我的科研生涯中，两种特质起到了关键作用：一个是遇到难题非解决不可的强迫症，另一个则是保持探索未知的好奇心。”

@李爽教授

Q: 请介绍您的研究领域及该领域与AI的关联。

“我的研究致力于融合逻辑推理与深度学习，以提升人工智能在复杂推理任务中的能力，特别是在医疗领域，如罕见病的诊断与治疗。我希望通过引入高质量的专业知识和逻辑规则，使深度学习模型不仅具备强大的预测能力，还能在决策过程中展现出可解释性和精准性，助力多学科会诊与全程治疗优化。我的目标是让AI在推理和决策时具备逻辑性和依据，使其能够更可靠地支持医学实践。

此外，我正探索一种认知学习框架，使智能系统能够通过感知与互动主动学习、反思和推理。这一方法不仅提升了系统在复杂环境中的决策能力，还能为因果推理和时序建模提供更强的算法支持。我希望通过这一研究，为更透明、高效、可解释的智能决策系统奠定基础。”

Q: 是否有什么特别的契机促使您进入目前的研究领域？

“我一直对人工智能与逻辑推理的结合非常感兴趣。近两年，我有机会与北京协和医院的医生探讨罕见病的诊断决策，这让我更深刻地认识到当前AI在医疗决策中的挑战和潜力。这些交流激发了我思考如何通过融合逻辑推理与深度学习，提升AI在复杂医疗场景中的可解释性和决策支持能力，从而促使我深入这一研究领域。”

Q: 在您的研究生涯中，哪些关键经历或能力对您在AI领域的突破起到了重要作用？

“在我的研究过程中，兴趣和项目的双重驱动让我逐步深入到逻辑推断和认知启发算法的研究。虽然谈不上‘突破’，但这一方向的探索让我对人工智能在推理和决策中的潜力有了更深的理解。

对我影响深远的一次经历是本科时期的科研训练，那是我第一次系统地学习如何提出研究问题、设计实验，并严谨地分析结果。这段经历不仅培养了我的科研思维，也让我意识到，真正推动领域发展的往往是长期积累与持续探索。正因如此，我现在也非常愿意与本科生合作，指导他们参与研究，希望能为更多年轻研究者提供启发，吸引他们加入人工智能领域，尤其是可解释推理和认知启发算法等前沿方向的研究。”

02 当前AI行业的关注点

近期国内AI企业在技术商业化上的成功为年轻研究者和学生提供了许多重要启示。

蒋理教授指出，去中心化团队模式能提升协作效率，突破技术瓶颈需要深入理解底层原理并主动创新，而开源社区和工业界合作是接触前沿技术的关键路径。

李爽教授则强调，厚积薄发与大胆创新同样重要，未来在AI推理能力与可解释性、AI与专业领域的深度结合以及人机协作优化等方向上蕴藏着巨大潜力，对积极探索的年轻学者来说，这正是技术发展的重要机遇。

Q: 近期国内AI企业（如DeepSeek）在技术商业化上的突破备受关注，您认为这对年轻研究者和学生有什么启示？哪些方向是您认为最值得关注的？

@蒋理教授

“我认为DeepSeek的突破可以提供以下几个重要的启示：

首先，他们采用的去中心化团队模式值得关注。这种模式有效地减少了层级沟通的障碍，促进了团队成员之间的紧密合作，从而提高了解决问题的效率。

其次，当我们面临技术瓶颈时，不能局限于现有工具的限制，而是要深入理解技术的底层原理。如果现有框架无法满足需求，我们应主动构建属于自己的解决方案，以推动技术的进一步创新与突破。

最后，当前AI的高速发展离不开开源社区的巨大贡献。同学们可以多关注当下的开源项目以及相关的工业界合作，帮助自己加深对前沿技术的理解。”

@李爽教授

“最近国内AI企业的突破，其实给年轻研究者和学生一个很直观的启示——厚积薄发，敢想敢做。AI的发展不仅需要长期积累，也需要在关键时刻大胆创新，才能真正推动技术落地。

如果说有什么值得关注的方向，我觉得AI的推理能力和可解释性是个大问题，现在的大模型虽然很强，但在逻辑推理上还不够可靠。另外，AI和专业领域（比如医疗、金融）的深度结合、人机协作的优化，以及更高效的新模型架构，都是未来的关键赛道。对年轻研究者来说，现在正是入场的好时机，只要基础扎实、敢于探索，就一定能找到属于自己的突破点。”

03 学生能力储备建议

在AI快速发展的背景下，蒋理教授强调学生需要具备工程能力、数学基础和跨学科能力：掌握深度学习框架与硬件部署技能，夯实高等数学、线性代数等核心基础，并在AI与各行业结合中推动创新。

李爽教授指出，数学建模、工程实践和批判性思维是重要基础，而未来的关键在于跨学科能力与创新思维，特别是将AI与医疗、金融等领域深度结合，解决实际问题，同时让AI更具推理能力、可解释性和可靠性。

Q: AI领域发展日新月异，如果建议学生储备核心能力，您会强调哪些关键技能？

@蒋理教授

“我认为主要是以下三方面的能力技能：

1. 工程能力：要学会如何高效编写代码、优化算法性能，掌握深度学习框架，以及能够在实际硬件上部署AI模型（如CUDA加速、分布式机器学习系统等）。

2. 数学能力：具备扎实的数学基础，熟练掌握高等数学、线性代数、概率统计和最优化方法等内容，这些是人工智能领域的核心基础。

3. 跨学科能力：AI目前在众多领域发挥着日益重要的作用，跨学科能力将成为未来的关键优势。尤其是在AI与不同领域的结合中，如何将技术与行业需求结合并推动创新，将成为核心需求。”

@李爽教授

“数学建模、工程实践、批判性思维等都很重要，展望未来十年， 我认为跨学科能力与创新思维将变得愈发关键。

AI已经深入到医疗、金融、自动驾驶等各个领域，能把AI和具体行业结合，真正解决实际问题，才是长期的竞争力。此外，让AI更会‘推理’、更可解释、更可靠，也是未来的重要方向。对年轻研究者来说，扎实的基础+持续学习+跨学科视野，才是真正能在AI领域长期发展的关键。”

Q: 如果请您对有志进入AI领域的学生说一句话，您最想传递什么？

@蒋理教授

“AI 的发展需要多元化的视角，而你的声音和思考将塑造未来。”

@李爽教授

“打好基础，敢于探索，AI不只是工具，而是理解世界的一种新方式。”

教授介绍

蒋理
助理教授
香港中文大学博士

研究领域：

计算机视觉、人工智能、机器学习

个人简介：

蒋理教授现为香港中文大学（深圳）数据科学学院助理教授。蒋教授于2021年获得香港中文大学博士学位，其后在马克斯·普朗克研究所担任博士后研究员。蒋教授的研究方向集中在计算机视觉、人工智能、和机器学习领域，如三维场景理解、自动驾驶、表征学习和多模态学习等。她的研究成果发表在CVPR、ICCV、ECCV、NeurIPS、TPAMI和IJCV等顶级会议和期刊中。其关于自动驾驶行为预测的研究在2022和2023年的Waymo Open Dataset Motion Prediction Challenge中均获得第一名。2024年，入选全球前2%顶尖科学家榜单的年度科学影响力榜单。

李爽
助理教授
佐治亚理工学院博士

研究领域：

时序数据分析和决策的机器学习方法、及其在医疗保健、智慧城市和社交媒体中的应用

个人简介：

李爽于2011年获得中国科学技术大学学士学位，并分别于2014年和2019年获得佐治亚理工学院硕士和博士学位

在加入香港中文大学（深圳）之前，李爽在哈佛大学任博士后研究员，研究移动健康中的多智能体强化学习。她曾为哈佛大学序贯决策2021年春季课程提供课程材料。2014年至2019年期间，她在佐治亚理工学院担任教学助理，曾负责机器学习、计算数据分析，和计算数据分析概要。2018年，她在谷歌进行了三个月的研究实习，研究推荐系统的用户行为建模。同年，李爽荣获INFORMS QSR最佳学生论文竞赛决赛入围奖和INFORMS社交媒体分析最佳学生论文竞赛决赛入围奖。2016年，获得 H. Milton Stewart工业学院研究生贾维斯奖第二名。2011年至2012年，获得美国马萨诸塞大学阿默斯特分校工程学院的Hluchyj奖学金。2011年，获得中国科学技术大学自动化系优秀本科论文奖。她的研究领域包括用于序列数据分析和决策的机器学习、新序列模型、可靠高效的学习方法、有效推理程序、医疗保健、智慧城市和社交媒体。