2024年4月16日下午，我院李小荣老师与彭章老师邀请到中和资产评估有限公司董事长杨志明先生，为2023级资产评估专硕的同学们带来了《超越传统学习——资产评估专业如何应对人工智能的挑战》的专题讲座。讲座主要围绕人工智能、深度学习、AI时代能力体系、人工智能算法逻辑讲解。

首先，杨志明先生介绍说，人工智能是当下最具革命性的技术，它正在改变社会的运行方式，并且在金融、医疗、娱乐、电商等各个领域都展现着惊人的潜力。

基于此，杨志明先生阐述了在AI时代最需要的能力——批判性思维能力。其具体可分为海绵式思维、淘金式思维、弱批判式思维、强批判式思维。强批判式思维指用批判的方式评价所有的断言，是一种开放式思维，也是最值得提倡的思维能力。

那我们如何培养这种思维呢？杨志明先生认为我们可以从以下三个方面进行努力。

第一，要有广博的知识。广博的知识能够为你提供更多的思维角度和解决方案。当你面对问题时，能够从不同领域汲取灵感和策略，有助于你更全面地分析问题，并找到有效的解决方法。

第二，要深入思考，不盲信，多问几个为什么。通过不断提问，我们能够更深入地理解事物背后的原因、原理和逻辑。这有助于我们形成对事物的全面认知，避免片面或表面的理解。

第三，保持开放的心态，敢于自我否定。拥有开放的心态意味着我们愿意接纳新的观点、想法和知识，不固守旧有的观念和偏见。这样的心态有助于我们保持学习的热情，不断更新自己的知识库，从而更好地适应快速变化的世界。

其后，杨志明先生进一步为我们讲解了人工智能与传统方法解决问题的思路有何不同。

01、数据驱动与规则驱动

传统方法:通常是规则驱动的，即基于预先设定的规则和假设来处理问题。解决问题依赖于专家系统和人工设定的逻辑，这些逻辑通常是线性的或者是明确定义的算法步骤。

人工智能方法:主要是数据驱动的。解决问题依赖于从数据中学习模式和关系，而不是依赖硬编码规则。

通过机器学习模型，系统能够自动识别复杂的数据模式和变量之间的非线性关系。

02、自动化程度

传统方法:自动化程度通常受限于系统能够预先编程处理的问题类型和复杂性。需要明确定义所有可能的情况和其对应的解决策略，这在动态和不确定的环中可能不实用。

人工智能方法:提供了更高级别的自动化，尤其是在数据处理、决策支持和预测任务中。机器学习模型可以处理未见过的情况，提供基于概率的决策支持。

03、持续学习与改进

传统方法:对新信息的整合通常不是持续自动的，需要定期手动更新和维护。除非进行显示的程序更新，否则难以从新的数据或交互中“学习”。

人工智能方法:能够从持续的数据流中学习和适应，通过不断的数据输入改进其性能。使用增强学习等技术，可以使模型在与环境的交互中不断优化其行为。

在讲座最后，杨志明先生就机器学习在营业收入预测中的应用和PE、PS、PB指标与人工智能的结合使用问题引领同学们展开讨论与交流，向我们展示了AI算法在资产评估中的实际应用，发人深思。

撰稿：张嘉豪

初审：杨志明、彭章

审核：陈士平