2026年澳门城市大学GSI交流学习小结 — 尹宗路

项目交流学习小结

2026年7月20日至24日，我参加了澳门城市大学国际暑期班。本次项目以“演算法与人文：AI时代的批判性思维与内容重塑”为主题，将专题课程、案例研讨、表达训练、机构参访、城市文化考察和成果路演有机结合。短短一周的学习安排紧凑而充实，既涵盖人工智能驱动商业模式创新、市场分析与用户行为预测、生成式人工智能在学术写作和内容分析中的应用，也深入讨论人工智能伦理及其社会影响；同时，全球视野讲座、澳门世界遗产探索、行业与职业发展讲座以及最终成果路演，又把课堂知识延伸到了真实的城市环境、行业场景和跨文化交往之中。

回顾这段经历，我最大的感受是，本次交流项目并没有把人工智能简单地视为一种提高效率的技术工具，而是引导我们把算法放在人文、商业、社会和个人发展的多重坐标中加以理解。技术能够帮助人们发现规律、处理信息和生成内容，但技术应用的方向、边界和价值，最终仍取决于人的判断。只有兼具技术理解、批判思维、人文关怀和责任意识，才能真正成为人工智能时代积极而理性的参与者。

一、拓展全球视野，重新理解学习与成长的坐标

项目以“大师讲座：全球视野，与世界同行、与未来对话”拉开学习序幕。这场讲座使我意识到，全球视野并不是对国际信息的简单积累，也不是对新技术和热门概念的盲目追随，而是一种能够跨越地域、学科和文化边界观察问题的能力。面对人工智能带来的快速变化，我们既要了解全球产业发展的趋势，也要能够立足自身专业和现实环境，判断哪些变化具有长期价值，哪些现象只是短期热度。

过去，我对专业学习的理解更多集中在掌握知识、完成任务和提升成绩上。通过此次交流，我逐渐认识到，真正有效的学习还应包括提出问题、辨别信息、理解差异和建立联系。人工智能的发展正在改变知识生产与传播方式，一个人掌握的静态知识可能很快被更新，但发现问题、整合资源、与不同背景的人协作以及对复杂问题作出审慎判断的能力，会变得更加重要。因此，我需要从“接受现成答案”转向“主动界定问题”，从关注单一结果转向理解形成结果的条件、过程与影响。

二、理解人工智能赋能商业创新的内在逻辑

在“AI驱动的商业模式创新与案例分析”专题学习中，我对人工智能与商业创新的关系有了更系统的认识。人工智能的价值并不只体现在自动化某个环节，更重要的是它可能改变企业识别需求、组织资源、服务客户和创造价值的方式。例如，数据分析可以帮助企业更及时地发现市场变化，智能推荐可以改善信息匹配，自动化工具可以压缩重复性工作的时间成本，生成式人工智能还能够参与创意形成、客户沟通和知识管理。但技术本身并不等于商业模式，只有当技术与真实需求、业务流程、组织能力以及可持续的价值创造相结合时，创新才有可能成立。

这一专题也促使我形成了一套更清晰的分析思路。今后面对一个所谓“AI赋能”项目，我不能只看它使用了什么模型、功能是否新颖，而应进一步追问：它解决了谁的什么问题，原有方案的痛点在哪里，数据从何而来，应用成本和收益是否匹配，用户是否愿意持续使用，技术风险由谁承担，项目能否形成稳定的运行机制。这样的追问能够帮助我避免把技术概念当作创新成果，也使我认识到，商业创新既需要想象力，也需要对用户、流程和现实约束保持敬畏。

三、在数据分析与用户预测中保持理性判断

“AI在市场分析与用户行为预测中的应用”专题让我看到，人工智能在处理大量数据、识别关联关系和辅助决策方面具有明显优势。与传统依靠有限样本和经验判断的方法相比，人工智能可以从多来源数据中提取特征，对消费偏好、需求变化和行为趋势进行更及时的分析。这对于市场细分、产品设计、服务优化和资源配置都具有重要意义。

然而，课程也让我更加警惕“数据会自动给出正确答案”的想法。任何预测结果都建立在特定的数据、模型和假设之上。如果样本存在偏差、指标设置不合理、数据缺少代表性，或者分析者忽视了社会文化情境，再精细的结果也可能产生误导。用户不是一组固定不变的标签，人的选择会受到环境、情绪、关系和价值观等多种因素影响。因此，预测应当被视为决策参考，而不能取代人的判断。尤其在采集和使用用户数据时，还必须尊重隐私与知情权，避免为了提高转化率而过度追踪、操纵选择或固化偏见。对我而言，真正的数据素养不仅是会看图表、会使用工具，还包括理解数据的来源与局限，能够解释结果，并对结果可能造成的影响负责。

四、正确使用生成式人工智能，守住学术规范与原创价值

“生成式AI在学术写作与内容分析中的应用”是与日常学习联系最紧密的课程之一。生成式人工智能能够协助梳理选题方向、搭建文章框架、概括资料、比较观点、优化语言表达，也能够在面对大量文本时提高分类、摘要和初步分析的效率。合理使用这些工具，可以减少低价值的机械劳动，让学习者把更多精力投入问题意识、论证设计和观点深化之中。

但课程使我认识到，效率提升绝不意味着可以把思考过程整体交给工具。生成内容可能存在事实错误、逻辑跳跃、虚构引用、观点趋同等问题，输入未公开材料还可能带来隐私和知识产权风险。如果使用者缺少核验意识，流畅的语言反而容易掩盖内容缺陷。学术写作的核心不是“生成一篇看起来完整的文章”，而是通过可靠材料和严密论证表达经过思考的观点。因此，我为自己明确了今后的使用原则：首先由自己界定问题和提出核心观点，再让工具承担检索线索、结构比较或语言修改等辅助任务；对关键事实、数据和引用回到原始来源逐项核验；清楚区分自己的判断与工具建议；遵守所在学校和具体任务对人工智能使用的规定，不把机器生成内容冒充个人原创成果。

这一专题也让我重新理解“内容重塑”的含义。人工智能可以改变内容生产的速度和形式，但真正有价值的内容仍然来自独立观察、真实经验和明确立场。未来的竞争可能不再只是“谁写得更快”，而是“谁能提出更有意义的问题，谁能辨别信息真伪，谁能建立可信而有深度的表达”。因此，越是工具便利，越需要保持主体意识和原创能力。

五、以批判性思维审视人工智能伦理与社会影响

“人工智能伦理与社会影响的批判性分析”进一步拓宽了我的思考。人工智能并非存在于真空之中，它的训练数据、目标函数、产品设计和使用规则都包含人的选择，也会对不同群体产生不同影响。算法偏见可能造成不公平的机会分配，自动化决策可能使责任主体变得模糊，生成式内容可能冲击信息真实性，技术普及程度的差异还可能扩大数字鸿沟。与此同时，人工智能对就业结构、教育方式、公共治理和人际关系的影响，也不能只用“提高效率”来衡量。

通过学习，我认识到批判性思维不是一味否定技术，而是在看到机会的同时主动识别前提、风险和利益关系。面对人工智能应用，应当持续追问：系统依据什么作出判断，谁能够解释和纠正结果，哪些群体从中受益，哪些群体可能承担成本，出现错误后如何申诉和追责，效率与公平、便利与隐私之间应当如何平衡。技术开发者、使用者、管理者和社会公众都需要参与规则建设。作为普通学习者，我虽然暂时无法决定宏观制度，却可以从规范使用工具、保护个人信息、核实生成内容、尊重他人权益等具体行动做起，把伦理要求落实到每一次选择之中。

六、在表达训练与成果路演中实现知识转化

“路演准备坊：从逻辑建构到专业呈现”和“创想未来：国际暑期班成果路演”构成了从学习输入到成果输出的重要闭环。过去，我有时把展示理解为对已有内容的简单汇报，容易出现信息堆积、重点不明和时间分配不合理等问题。此次训练让我认识到，一次有效表达需要先明确对象和目标，再围绕核心问题组织材料，通过清晰的结构说明背景、方案、价值与可行性，并用简洁准确的语言回应听众最关心的问题。

成果路演不仅检验知识掌握情况，也检验团队协作和临场应变能力。在准备过程中，个人想法必须经过讨论、筛选和整合，才能转化为团队共同认可的方案。成员之间需要合理分工，也要保持信息同步；既要敢于提出不同意见，也要在时间有限的情况下形成决策。这个过程让我更加理解，合作并不是把任务平均切分，而是围绕共同目标发挥各自优势，并对最终成果共同负责。路演中的反馈则提醒我，方案完成并不代表思考结束，能够听懂质疑、吸收建议并继续迭代，是项目能力的重要组成部分。

七、在城市参访与交流互动中体会科技背后的人文底色

“镜海拾遗：澳门世遗深度探索”、澳门业界洞察与科学馆参访，为本次项目提供了课堂之外的学习空间。澳门是一座中西文化长期交汇的城市，历史建筑、街区肌理和当代城市生活共同呈现出多元文化共存的特点。世遗探索让我感受到，文化遗产并不是静止的景观，而是城市记忆、社会生活和价值认同的载体。今天讨论数字化和智能化，不能只强调更新速度，也要思考如何借助技术更好地保存、解释和传播文化，同时避免用同质化内容消解地方特色。

机构参访使课堂中的产业、组织和创新概念有了更具体的现实参照。我体会到，一项新技术能否落地，往往取决于组织流程、人才结构、服务对象和制度环境的共同作用。夜间自由交流则让我有机会与不同专业背景的同学分享学习感受。不同观点之间的碰撞让我看到，同一个人工智能问题可以从商业效率、用户体验、文化传播、教育公平和伦理治理等多种角度展开。跨学科交流的意义，正是帮助我们突破单一专业形成的思维惯性。

八、明确职业方向，把短期收获转化为长期行动

“智慧澳门：产业变革与职业蓝图”讲座让我进一步思考人工智能时代的个人发展。产业变化并不意味着所有人都必须成为算法工程师，但几乎每个专业都需要建立与人工智能协作的能力。未来用人单位看重的，可能不仅是会不会操作某个工具，还包括能否准确理解业务、能否发现值得解决的问题、能否把技术结果转化为可执行方案，以及能否在复杂环境中作出负责任的判断。

结合本次学习，我也看到自身仍有不足。第一，对人工智能基本原理和数据分析方法的理解还不够系统，有时容易停留在工具操作层面。第二，面对复杂议题时，论证深度和证据意识仍需加强，需要避免凭直觉下结论。第三，在团队表达中，我对时间控制、重点提炼和即兴回应的把握还不够成熟。第四，跨文化交流的主动性仍有提升空间，应当更勇于提问并清晰表达自己的观点。

为把项目收获转化为持续成长，我计划从四方面推进。其一，补充人工智能、数据分析与研究方法的基础知识，通过课程学习和实际练习理解工具背后的逻辑。其二，在今后的专业作业或创新项目中采用“问题界定、资料核验、方案设计、效果评估、伦理检查”的完整流程，不以生成内容代替独立思考。其三，建立个人的人工智能使用清单，对事实、引用、隐私、版权和偏见风险进行逐项检查，并保留必要的使用记录。其四，持续训练演讲、写作和团队协作能力，主动参加跨专业项目，在真实任务中提升把复杂观点讲清楚、把不同意见整合好、把方案落实下去的能力。

一周的交流学习虽然短暂，却为我打开了理解人工智能的新视角。它让我看到，算法不仅关乎技术，也关乎人如何认识世界、组织社会和表达价值；创新不仅需要速度和效率，也需要诚信、公平与责任；个人成长不仅是掌握更多工具，更是形成独立判断、合作能力和持续学习的习惯。结业并不是学习的终点，而是把新认识带回今后学习与实践的起点。我将以更加开放的视野关注技术进步，以更加审慎的态度判断信息与风险，以更加主动的行动提升专业能力，并努力让技术服务于真实需求、公共价值和人的全面发展。

尹宗路

2026年7月28日