核心观点 - 中国已具备建设高质量数据集的能力和研究实力 需要组织科学家以公共视野和科学眼光推动这项工作[1] - 在海洋高质量数据集建设上实现突破 测试结果达到甚至优于国际水平[1][4] - 统计学作为通用语言能够连接不同领域数据特性 推动跨领域大数据应用创新[2] - 统计学是人工智能的基础 需加强不确定性度量并优先尝试简单统计模型[2] - 数据分析人才缺口很大 需要加强人才培养[3] - 高质量数据集建设仍有待加强 科学家仍依赖国外数据但中国已具备自主构建能力[4] 超高维大数据统计挑战 - 传统多元分析针对固定维度样本量较大情况 而超高维问题维度可达数千万[1] - 2000年后开始系统研究高维数据分析 独立数据方面的数学与统计问题已基本解决[1] - 新挑战包括数据非完全独立性以及多模态混合和时空相关性问题[1] 跨领域数据应用 - 各领域数据存在共性 如大气环境研究与脑电波分析方法存在高度一致性[2] - 传统方差分析方法已有百余年历史 广泛应用于农业育种医学评估等领域[2] - 大气和海洋数据在时空相关性方面有共性 但海洋观测难度更大[2] 人工智能与统计学协同 - 人工智能本质基于数据 与统计学天然紧密相关[2] - 卷积神经网络具有强大表示能力 但统计学更关注不确定性度量[2] - 应优先尝试简单统计模型 再考虑复杂人工智能模型[2] - 需对人工智能与统计方法进行不确定性度量并给出区间估计[2] 数据人才培养 - 包括人工智能在内的数据分析领域人才缺口很大[3] - 已开设相关本科专业 即将启动数据分析师专业硕士项目[3] 数据资源建设 - 许多科学家仍依赖美国国家海洋和大气管理局、欧洲中期天气预报中心等国外数据[4] - 中国在数据同化研究及相关方法学方面已处于世界前沿[4] - 西太平洋科学数据集构建取得关键突破 测试结果达到甚至优于国际水平[4]

人工智能对劳动力市场的影响 - 人工智能正在从"工具"转变为"劳动力"，提升效率并可能取代人工工作，打破生产力瓶颈 [2] - AI在制造业、金融业、医疗健康等领域展现出巨大潜力，例如智能化生产线、算法交易和AI辅助诊断 [2] - 人工智能可能导致"大规模失业"，尤其是低技能、重复性岗位如客服、仓储物流和数据录入 [3] 行业冲击与机遇 - 制造业中机器人与智能化生产线将取代手工和机械操作岗位，例如汽车制造业的重复性装配工作 [5] - 运输行业面临自动驾驶技术冲击，卡车司机和出租车司机需求可能大幅下降 [5] - 高科技、创意产业和专业化领域将受益，如大数据分析、AI算法开发和机器人维修等新兴岗位 [4][5] 劳动力市场重构 - 未来就业市场将动态变化，依赖传统技能的行业可能消失，适应新技术者将获益 [4] - 劳动密集型产业如制造业、运输业和服务业将首先受到AI冲击 [4] - 数据科学、AI算法工程师和智能硬件开发等新兴行业将爆发式增长 [5] 社会与政策应对 - 政府需推动劳动力再培训与职业转型，例如通过政企合作促进技能升级 [6] - 教育、政策和技术创新是帮助劳动者适应AI变革的关键 [6] - AI普及不会完全摧毁就业市场，而是催生更多创新和机会 [6]