报告题目：人工智能技术及其在经管中的应用
报 告 人：郑晓龙 中国科学院自动化所
报告题目：区块链与数据要素价值释放
报 告 人：赵 玺 西安交通大学
报告题目：Short-Form Videos and Mental Health: A Knowledge-Guided Neural Topic Model
报 告 人：柴一栋 合肥工业大学
报告时间：2025年4月25日（周五）下午2:30
报告地点：3044am永利集团C301会议室
报告人简介：
郑晓龙，中国科学院自动化研究所研究员，博士生导师，中国科学院特聘核心岗位研究员，中国科学院大学人工智能学院岗位教授（A类），国家杰出青年科学基金获得者，中国计算机学会杰出会员，已主持国家重点研发计划、国家自然科学基金委重点和专项项目、国家科技重大专项、新一代人工智能重大专项等相关项目20余项，发表学术论文200余篇，担任中国指挥与控制学会大数据科学与工程专委会副主任委员及总干事、中国自动化学会计算社会与社会智能专委会副主任委员、中国人工智能产业发展联盟学术与知识产权组副组长以及中国发展战略研究会人工智能专业委员会副主任。
赵玺，西安交大管理学院教授、副经理，教育部“数据资产价值管理”文科创新团队首席专家、国家级青年人才，过程管理与效率工程教育部重点实验室副主任、大数据算法与分析技术国家工程实验室中心主任、中国人工智能技术与管理应用研究会秘书长。主持国家自然科学基金重点项目、国家促进大数据发展重大工程行业数据治理平台课题、中国移动、华为、OPPO等重大重点项目近30项。围绕区块链、数据价值创造管智交叉领域的代表性成果刊登在JOM、ISR、TPAMI、TKDE、TMC、TIFS等管理、计算机领域顶级期刊上，受到中央电视台综合频道、国家自然科学基金委专题报道。
柴一栋，合肥工业大学研究员，博士生导师。博士毕业于清华大学3044am永利集团管理科学与工程系（信息系统方向），主要关注如何设计创新性的人工智能方法，更好地服务于个人、组织和社会的现代科学化管理。以第一作者或通讯作者发表研究成果于MISQ、ISR、JMIS等管理信息系统顶刊（UTD/FT），IEEE TDSC、IEEE TPAMI、IEEE TKDE、ACM TOIS等计算机科学领域的顶刊（CCF A），以及《管理科学学报》等中文顶刊。发表学术专著一部，授权专利多项。主持国家自然科学基金委青年B等项目。
报告内容简介：
一、近年来，社会发展经历了“数字化和智能化”的大变革。正在爆发的DeepSeek、GPTX等大模型技术正在加速我们物理现实和社会组织和交互方式的变化，人、机、物、网之间前所未有的互融互通，并快速外溢到社会、经济、生活等方方面面，使得社会与经济模式呈现新模式和新业态。本报告首先描述AI技术的发展态势，然后，解析大模型技术的研究现状，并其趋势进行研判，在此基础上，阐述新时代AI技术对于社会的影响，最后，AI经管及相关领域的应用。
二、区块链作为数字空间中的信任与价值基础设施，不仅推动了“信任互联网”“价值互联网”的构建，也重塑了平台治理和用户参与机制。本报告系统探讨了区块链技术在Web3.0背景下的应用与发展路径。报告人通过建立覆盖6000多个分布式平台、8亿账户的区块链大数据管理平台，开展了对分布式自治组织与分布式平台模式机制的实证研究。在这些研究基础上，结合国家关于数据要素市场化配置改革的政策背景，提出构建基于价值区块链的数据供应链体系，以打通数据价值链，实现数据的确权、流通与增值。最后，报告强调区块链将在数据治理、产业链组织形态重构和数字资产交易等方面发挥关键作用，是实现数据要素高效配置和赋能实体经济的重要支撑。
三、Along with the rise of short-form videos, their mental impacts on viewers have led to widespread consequences, prompting platforms to predict videos’ impact on viewers’ mental health. Subsequently, they can take intervention measures according to their community guidelines. Nevertheless, applicable predictive methods lack relevance to well-established medical knowledge, which outlines clinically proven external and environmental factors of mental disorders. To account for such medical knowledge, we resort to an emergent methodological discipline, seeded Neural Topic Models (NTMs). However, existing seeded NTMs suffer from the limitations of single-origin topics, unknown topic sources, unclear seed supervision, and suboptimal convergence. To address those challenges, we develop a novel Knowledge-Guided NTM to predict a short-form video’s depression thought impact on viewers. Extensive empirical analyses using two short-form video platforms prove that our method outperforms state-of-the-art benchmarks. The proposed method also discovers medically relevant topics from videos that are linked to depression impact.
欢迎广大师生参会交流。
永利集团
3044am永利集团
2025年4月23日
