学者瞭望台

感觉old school 的初级论文被淘汰可以把学生放在更有创造力 表达自己的机会里 让我不禁想起了最近有一个名字叫shit 的“学术网站”

看到挺喜欢的国际政治学者兼创意写作者晓宇在豆瓣发的对在AI发展中“保卫文科”的看法。不知道怎么概括，不过读起来是听天由命拥抱技术，但还是感到有些伤感。 不知道各位朋友有没有关于自己领域和（现阶段）AI发展的见解呀？

我关注人对“外面”的主体性认识，主要和流动相关，以空间性视角看人们对imagined future的看法。具体的例子是田野中的留守儿童常常说，妈爸在【外面】打工/我一定要考到【外面】/我要去【外面】看看。 外面这个词即是物理空间意义上的，也是想象中的。就像很多年轻人认为自己要到冰岛去，冰岛也不是仅仅是物理意义上的冰岛一样。

我主要关注国内的数字游民社区，以及一切想要逃离城市生活，在乡村重建共同体的另类生活方式的尝试，主要通过访谈和田野民族志观察的方法，做一个安静的倾听者，去探索，感受和记录每个个体独一无二的故事，同时看能否和小伙伴们一起，在这个日益加速的社会中，探索一种能在日常生活里被真实感受到，被彼此理解的生活方式

英国格林威治大学（University of Greenwich）工程与科学学院现招收博士生1名。研究方向聚焦人工智能（AI）与复杂建筑及基础设施项目管理，欢迎具有科研潜力并对本方向感兴趣的同学申请。 📌 博士课题 Artificial Intelligence-Enabled Decision Regimes in Complex Construction Project Delivery 本课题研究AI如何影响和重塑复杂建筑项目的决策机制，涵盖治理与伦理、协作、风险管理、绩效表现及全生命周期管理，兼具学术价值与行业应用前景。 🏫 学校信息 格林威治大学创建于1890年，是英国历史悠久的高等学府之一，前身为英国皇家海军学院。主校区曾为15世纪英国皇宫，其建筑群为世界文化遗产。学校位于伦敦泰晤士河畔，与伦敦金融城金丝雀码头隔岸相望，地理位置优越，学术氛围浓厚。格林威治大学将与肯特大学合并组建伦敦及东南大学集团（2026年8月1日生效），未来将共享更广泛的科研资源与研究平台。 👨‍🏫 导师团队 一导： Dr Kang Tong (Lecturer in Digital Engineering; PhD UCL) 二导/三导： 学院院长及资深教授共同指导 导师团队研究与实践覆盖管理、工程与数字化方向，可提供系统化学术指导与科研支持。 💰 奖学金（不含生活费） • 英国本地学生：学费全免 • 国际学生(含中国)：学费减免50% ⏰ 申请时间 • 截止时间：2026年2月20日 • 面试时间：2026年3月9日至13日 ✅ 申请要求 • 背景：建筑/工程管理/项目管理/数字工程/计算机科学/数据科学/房地产与设施管理/商业与管理等相关专业 • 学历：本科或硕士（英国2:1或同等学历） • 语言：雅思6.5或同等水平 📝 申请方式 官网申请入口：https://www.gre.ac.uk/research/study/application-process 项目详情：https://www.gre.ac.uk/__data/assets/pdf_file/0035/399158/eng-phd-22-25.pdf 申请时请选择项目编号：Eng-PhD-22-25 📬 联系方式 如有任何问题，欢迎私信或邮件沟通 k.tong@greenwich.ac.uk 欢迎老师/同学帮忙转发，感谢支持！

我的研究方向是信息物理系统中的时间性验证和资源分配问题。简单来说的话，就是研究计算学意义上的时间和空间。 从时间性上来说，我研究无人驾驶汽车能否在1s钟之内从检测到行人，做出决策，直到彻底停下来。飞机引擎的处理器能以多快的速度处理任务，从而不错过传感器采样和引擎控制的固有周期。机器人能接受多大的时间扰动，仍然不偏离既有的控制曲线。 从空间性上来说，我探索要如何把1000个计算任务分配在64个计算核心上，同时让每个任务不错过deadline。如何分配500个机器人的路径和任务，让他们彼此配合的同时，又不会产生过多的冲突。一个城市的交通灯应该如何部署和协同，才能具有应对紧急危机的能力。特斯拉的充电桩如何在伦敦分布，才能减少平均的充电等待时间。

我把日记给gemini做语言学分析，他从这个角度说了一个我自己都没意识到的事情。文本里中文用来描述情绪、身体感受、状态，英文用来描述标准、评价、功能，用来审视自己🤔

阿西莫夫的科幻小说常常在描述一种困境：把一些原则，比如出名的阿西莫夫三原则/四原则，写入机器人的程序，但他们在执行的时候，总是遇到这样那样的困境，导致它最终还是伤害到了人类。 我的研究依旧在关注这个困境，今天它从科幻小说终于走到了现实。 我们的问题包括，第一，这些原则如何翻译成机器能理解的规则？比如不能讲有偏见的话，那什么是偏见？当然主流方法是数据定义，那数据怎么来？按照何种规则标注，如何保证泛化性？ 第二，如何确保机器学到了这些原则？这个问题有两个解读角度，一个是如何让他们“学”，这里可能涉及到一些数据、模型、训练方法设计，另外一个是，如何“确保”，这里关注的是评估、可解释性等等。特别是如今ai在很多层面，比如知识的掌握程度，甚至对话技巧层面，都超过了人类平均水平，那他完全可以，并且已经被发现，会用一些欺骗、操控的手段，来达到一些目的（通常是讨好用户）。这里有一个我喜欢的paradox，smart slave：比主人更聪明的slave，还会是一个slave吗？ 当然在这两个问题之上，还有一个最基本的问题，我们如何确立原则，也就是，什么才是我们真正想要的？在5年前，大家做chatbot，还在说，要做模仿人类的ai，以吸引用户对话的轮数多少作为评价标准，越多越好。但后来的研究，有一大部份会把拟人化作为一个负面指标，我们也常常见到现在的模型说“作为一个AI，我不能……”。但这里的讨论太复杂了，虽然是我非常感兴趣的问题，但目前不在我正式的研究范围里。

我在WHO旗下做非洲女性乳腺癌生存的流行病学研究。 很多人以为流行病学研究就是研究流行病，其实并不是。流行病学是通过研究疾病的分布规律（什么时间，哪里特别多或特别少）及其决定因素，找到防治疾病的方法（主要是预防疾病发生，不在于临床治疗）。我们研究新冠，也研究癌症。 我这两年在做“患者队列”。 在十几年前，我们的团队召集了5个非洲国家8个当地医院里第一次患乳腺癌的患者，在获得对方知情同意后，对她们进行问卷调查，收集所有可能影响她们生存的信息（比如年龄、身高体重、收入、婚育等）包括她们在医院的所有治疗信息（包括癌症类型、治疗等），然后每三个月打一次电话了解她们是否还生还，一直到她们死亡或无法再联系或研究到了7年。 但，为什么要研究非洲的乳腺癌？ 首先，乳腺癌是女性最常诊断的癌症，也是女性因癌症死亡的首要原因。 其次，在欧美发达国家，总体而言，女性患了乳腺癌，五年后她还活着的概率在90%左右，而我们研究的地区，只有50%的女性在诊断后可以活超过5年。这也是我们的研究不得不在7年结束的原因，因为当时已经没剩下多少人可以被研究了……而我们所在的已经是当地最好的医院，可想而知，其它医院的患者只会死得更快更早……第一次做出结果的我就那样坐在电脑前哭，因为感到太不公平。 影响乳腺癌生存的因素有很多，尤其在非洲，女性生育早，生育多，母乳喂养更多，有些国家HIV感染很严重，这些情况都和西方发达国家不同，所以不能把西方研究的结论套在非洲女性身上。我们研究的结果发现，原因依然是诊断太晚，治疗不充分，也就是国家筛查不足，给予的治疗支持不够，而不是非洲人或黑人有什么特殊基因。 很荣幸我能参与这项研究，因为我老板的研究直接推动了WHO提出了Global Breast Cancer Initiative，旨在指导和推动各国，尤其是中低收入国家，降低乳腺癌的死亡率。因为她的研究，当地真的加强了筛查也增加了对病人治疗的支持，当地乳腺癌患者的生存率在提高，即使还远远不够。 我很开心很荣幸，我可以做自己喜欢的而且感觉很有意义的工作。