10月28日，德国工程院院士索伦·奥尔（Prof.Dr.Sören Auer）走进深圳理工大学袁庚书院，与深圳理工大学学生和人工智能研究院科研团队展开学术交流。

奥尔深耕数据科学、知识图谱、开放科学等领域，是国际数据科学与语义技术领域领军学者。他以《神经符号人工智能（Neuro-symbolic AI）》为主题作报告，为大家带来了一场关于“如何用技术重构科研信息管理”的深度思考。

奥尔指出，当前主流大型语言模型（如ChatGPT、DeepSeek等）虽然能快速生成内容，却存在信息捏造的现象，根源在于这类模型仅依赖文本训练，缺乏逻辑与背景支撑。而神经符号AI融合神经网络的数据学习能力与符号主义的推理优势，可以在保障效率的同时提升结果的可解释性与可信度，为人工智能走向严谨科研提供了新范式。

奥尔从“计算之父”莱布尼茨的二进制与符号思想讲起，回溯AI的源头，并介绍了他的团队在知识图谱领域的前沿突破：认知知识图谱通过引入“图元层”，将复杂科研信息拆解为可理解、可推理的子图结构，显著提升查询与推理效率。目前，这项技术已在腾讯、阿里等企业落地应用。

面对当今科研领域“信息爆炸、复现困难、虚假研究泛滥”的挑战，奥尔团队推出了“开放研究知识图谱”（ORKG）平台。以“碳中和能源方案”研究为例，ORKG可在数秒内将25篇、500页的论文提炼为结构化对比表，直观呈现能源类型、减排路径等关键信息，科研人员无需逐页阅读文献即可直观掌握关键全景信息。

更令人期待的是，基于ORKG构建的问答系统“OKG Ask”：它可索引7700万篇文献，结合开源大语言模型（LLM）生成带来源标注的答案，从源头遏制AI“无中生有”。未来，ORKG还将进化为“AI for Science”的科研IDE——覆盖选题推荐、文献整合、草稿生成、参考文献自动整理，甚至生成“可复现审计轨迹”。这款类科研IDE工具，有望将科研人员从繁琐的信息整理中解放出来，使其能更专注于核心创新。

交流环节，现场师生围绕“神经符号AI应用”“科研生态建设”“跨领域合作”等议题提问，奥尔结合自身研究与实践经验逐一回应。

左右滑动查看

“知识图谱如何应对数据规模较大时体量过大导致检索和推理开销大的问题？”计算机科学与控制工程学院大二学生谭佳湲提出技术层面的疑问。奥尔解释道，通过结构优化与存储精简，现有技术足以应对当前科研数据体量。

“这次讲座让我对知识图谱构建有了更多认识，了解到ORKG这一有力的全流程科研辅助工具。我们不仅要关注AI工具的效率，还要关注其可靠性、可解释性，重视共享研究流程、提升可复现性。”谭佳湲说。

大二学生谭佳湲与奥尔教授面对面交流

计算机技术专业一年级硕士研究生胡乾勇表示，奥尔教授将LLM与知识图谱结合的实践，为其研究方向提供了全新思路。

人工智能研究院的博士后张倩聚焦细分领域应用，询问柔性电子等小众方向是否有望实现假设生成与实验设计自动化。奥尔充分肯定了其价值，表示这正是他们下一步要做的——让知识图谱“下沉”到具体学科，实现领域适配，并现场邀约深入合作。

现场，大家还探讨了“开放科学与商业出版商的平衡”“科研评价体系多元化”等话题。奥尔以德国科研评价体系为例，强调“科研产出应多元化”，打破“唯期刊论”，重视开源软件、数据共享、产业协作等新型科研产出，推动科学走向开放、协同与可信。

此次交流活动不仅为深圳理工大学师生搭建起与国际顶尖学者对话的桥梁，也为人工智能领域科研创新注入新动力，让“技术赋能科研”理念深入人心。未来，深圳理工大学将以此次交流为契机，在神经符号AI、科研信息管理等领域深化国际合作，助力前沿研究与跨机构协作拓展。

为SUAT点个赞和在看吧