7月2日，中国科学技术大学科技商学院 “AI for Business”暑期国际学校进入第二天，课程邀请香港浸会大学工商管理学院讲席教授、院长张晗，香港中文大学商学院伟伦商业人工智能讲席教授张晓泉应邀分别以《Reversing Algorithm Aversion: From Predictive to Generative AI》《Unlocking the Power of AI in Finance:Opportunities and Challenges》为题作主题报告。两位学者从不同角度深入剖析了AI在商业领域的应用与影响，为学员打开了AI赋能商业和金融应用的新视野。
张晗教授以《Reversing Algorithm Aversion: From Predictive to Generative AI》为题，通过一项涉及224名参与者的实验（Experimental Procedure），生动展示了AI融入工作流程的不同模式。他指出，AI应用的核心在于构建新型人机协作关系。实验中，参与者需在自身判断与AI建议间寻求平衡，这揭示了未来工作模式的趋势——人类与AI优势互补、协同增效。他强调，人类的共情、创意等独特能力，结合AI的高效、精准，有望碰撞出更多创新火花、重塑工作流程与成果形态。同时，实验也揭示了评估AI应用效果需多维度考量，如用户的“心理阻抗与信任度”(Reactance and trust)以及“任务难度与相关性”(Task difficulty and relevance)等。最后，张晗教授强调，AI成功落地的关键不仅在于技术本身，还需关注用户接受度、信任度以及任务场景的契合度。为AI真正落地、发挥效用指明了方向。
香港浸会大学工商管理学院讲席教授、院长张晗作报告
张晓泉教授在《Unlocking the Power of AI in Finance: Opportunities and Challenges》报告中，系统剖析了AI在金融市场的应用潜力与风险。他构建了涵盖技术局限、市场特性及应用路径的认知框架，并指出了当前金融AI领域的“八大陷阱”：
（1）AI认知误区 (Misconceptions of AI): AI数据库未必完善。
（2）梯度下降的迷思 (The Magical Gradient Descent): 现实复杂，难寻最优解。
（3）低信噪比困境 (Low Signal-Noise Ratio): 金融数据噪音大，传统ML方法易失效。
（4）数字文本化处理 (Numbers are Treated as Texts by LLM): 大语言模型(LLM)数值运算能力弱。
（5）大模型运算局限 (LLM Sentiment's Diminishing Effect): LLM复杂运算（如五位数以上）出错率高。
（6）数据泄露风险 (LLM Data Leakage): 金融市场新闻时效性强，易致数据泄露问题。
（7）时机把握挑战 (Timing in Financial Market): 金融市场时机至关重要，AI预测难度大。
（8）分布不确定性 (Distribution Uncertainty): 市场数据分布不稳定，模型泛化能力受挑战。
香港中文大学商学院伟伦商业人工智能讲席教授张晓泉
课程结束后，来自香港的两位顶尖学者一致对此次科技商学院暑期学校予以高度评价，直言“从来没有同时给这么多学生讲过课”“这是一次非常有意义的活动，期待持续举办，在未来两三年一定会形成巨大影响力”。通过两位顶尖学者的深度剖析，参与学员更清晰地认识到AI在商业领域蕴藏的巨大机遇与伴随的复杂挑战。他们表示，在未来的学习和工作中，将持续关注AI技术的发展动态，深入研究如何更好地利用AI技术推动商业创新，同时积极探索应对挑战的有效策略，为企业在数字化时代的发展贡献自己的力量。
学员分享：
@xxx中国科学技术大学佘凤琴：今天上午听张晗教授的演讲，里面提到了调查问卷和实验方法等的意义和方法，对我的研究思路有非常大的帮助。而下午张晓泉教授的讲座也让包括我在内的许多学员大受震撼，他颠覆了我许多固有的观念。我也是首次听AI在金融方面的应用，关于这一块的认识误区，张教授也分析得比较透彻。我的本科是学习新闻学专业，对于AI的认知更多是日常的使用层面，今天的讲座让我对AI的逻辑原理有了更深入的了解，收益良多。
@xxx国防科大冯家伟：在叶强老师的“AI for Business”讲座中，我获得了非常深刻的启发。尤其在讲座后有幸通过私下交流，读到了老师亲自创作的科幻短文《皇宫曙光》。这不仅是一篇精彩的文学作品，更是对未来人工智能发展及其与人类关系的深刻思辨。
@香港理工大学唐小玉：各种研究方法之间没有高低优劣之分，每种方法都有它自己的优缺点。在科研入门阶段不必贪多，选择一种自己适合的研究方法不断进行学习和训练可能对我们的研究工作更有帮助，这是今天张晗老师的报告给我最大的收获。另外，张晓泉老师让我最为惊叹的一点是他思维的灵活性，他最后讲述的从AI模拟莫扎特创作音乐联想到用AI模拟股票交易数据这一想法很有创造性，不仅体现了学术想象的张力，更示范了如何通过学科交叉碰撞新的思路。在寻找研究问题研究方向时我们也应该从不同领域寻找新的启发，培养“异质联想”能力。
@Tufts university钱治仪：两堂课都强调了"信任构建"这个核心议题，让我意识到自己的机械工程研究也可以借鉴这些洞见。最大的收获是学会了用新视角看待老问题，这比具体知识更重要。
@中央财经大学王金鑫：科大AI For Business暑期学校是我首次报名参加的学术活动，今天令我尤其深刻的是张晓泉教授分享的“解锁金融领域的人工智能力量”演讲。目前来看，人工智能与各行业的交叉融合是大势所趋，同时给社会带来了机遇和挑战，对于我们商科学子而言，运用人工智能技术赋能业务是极大的机遇。
@兰州大学井时雨：张晓泉教授的讲座让我深受启发，研究成果的可复现性和逻辑严谨性比单纯追求漂亮的结果更重要，这提醒我要更加注重实验设计和数据分析的每一个细节。同时在AI技术快速发展的当下，主动学习前沿知识并将其与传统研究领域相结合，这让我意识到必须持续更新自己的知识体系，这些观点不仅让我对科研方法有了新的认识，更让我明确了未来努力的方向——在保持严谨态度的同时积极拥抱新技术，专注深耕自己的研究领域。这场讲座为我的科研之路提供了宝贵的指导。
@中国科学技术大学刘杰：这一天的课程内容不仅拓展了我的视野，也让我更加坚定了今后在科研道路上“以思维为本、以工具为器”的学习路径。我将继续在研究中坚持问题导向，主动尝试不同方法论的结合，在实践中提炼经验，在理论中深化思考。
@武汉大学郭梦森：作为一个本科生，科研能力还在起步积攒，而张晗教授为我清晰的指出各项研究方法，特别是他所说的，各项方法没有高低贵贱之分，只有适合与否，他对研究方法的观点和复合方法的使用为我后续的科研道路给出新的方向。同时，他的研究中对于预测类人工智能和生成式人工智能的实验更是作为案例为我们清晰讲解方法的使用，并让我对ai有了更深的了解，拓宽了我的科研视角。张晓泉教授的深厚底蕴也让我震惊，他对ai的理解刷新的我的认识，对于机器学习的见解也对我有新的启发。此外，他对于经济和股票等金融学的知识也让我拓宽了科研视野。