11月11日至14日，“沪江观察”第六期在军工路校区开讲。本次活动由管理学院专业学位教育中心、上海城市安全运行与应急治理协同创新中心（上海高校智库）、上海市人民政府决策咨询上海理工大学研究基地联合主办，特邀上海理工大学管理学院特聘教授、运筹学博士、博士生导师吴昌质，带来了“数据驱动的智能决策”系列主题报告，分别聚焦管理科学、物流管理以及医疗健康领域，旨在探讨机器学习的最新进展及其在这些领域的具体应用。管理学院院长赵来军、工业工程系主任刘勤明、中心综合办公室主任孟陈莉，以及管理学院相关师生参加此次报告。报告分别由赵来军、刘勤明主持。
吴昌质在系列报告的开篇中简要回顾了机器学习的发展历程，从Alan Turing、Arthur Samuel等科学家的贡献，到感知机、KNN算法、多层感知机模型等经典理论，再到深度学习浪潮的兴起。他强调机器学习的核心在于构建映射函数，通过非线性模型将复杂数据转化为有价值的决策信息。同时，关于机器学习的三种主要类型：监督学习、无监督学习和强化学习，就每种类型的算法原理、适用场景和局限性进行了的详细阐述。
赵来军主持（学校供图，央广网发）
在理论介绍的基础上，他对于机器学习当前面临的挑战，包括海量数据处理、高维特征提取、全局最优解的求解，以及未来发展的趋势进行说明，并特别强调了可解释性人工智能的重要性以及将机理模型与数据驱动模型结合的潜在优势。
在管理科学领域，通过韩国科学技术院（KAIST）预测学生入学概率、滴滴出行和Lyft改进订单派送系统以及亚特兰大警区优化警力部署等案例，展示机器学习如何赋能管理科学，实现数据驱动的智能化决策。这些案例生动体现机器学习在优化流程、提升效率和降低成本方面的显著效果。
吴昌质作报告（学校供图，央广网发）
在物流行业中，则通过阿里巴巴、京东、亚马逊和菜鸟公司等案例，详细介绍机器学习在无人配送、仓库自动化、需求预测和供应链优化等方面的应用。他指出，机器学习技术能够帮助企业抓住管理关键点，精简管理过程，实现高效决策，从而提升企业竞争力。
报告现场（学校供图，央广网发）
在医疗健康领域，机器学习在应对老龄化社会问题和提升管理效率方面的存在巨大潜力。通过机器学习，可以构建有效的预测与决策模型，帮助医疗行业做出更加精准和高效的决策。例如，通过预测医生接诊的平均时间，可以更高效地安排患者就诊，优化手术排程与病人排队管理，提高医院资源的利用率，减少患者等待时间。
此外，通过机器学习在诊断、治疗以及供应链管理中发挥作用的具体案例，展示如何利用大数据和人工智能优化医疗资源。他表示，随着人工智能技术的不断进步，医疗行业正面临着越来越多的挑战和机遇，医生的角色可能会逐渐在基础的诊断和决策中被AI取代，但同时也将催生出更多新的职业和发展方向。
报告后，吴昌质就此次报告的内容与在场师生进行了深入交流和讨论。赵来军代表学院向吴昌质的精彩分享表达感谢，同时勉励大家积极探索，砥砺前行。
合影留念（学校供图，央广网发）
机器学习技术正在不断推动各个行业的智能化变革，实现高效决策和精细化管理。上海理工大学MBA设立人工智能方向，深入贯彻国家人工智能发展战略，依托上海理工大学机器智能研究院，加速人工智能创新应用，聚焦“人工智能+管理”的需求，致力于培养MBA人工智能方向高端管理人才。未来，随着技术的进步和应用的深化，机器学习也将在更多领域发挥重要作用。期待更多创新性的应用案例和解决方案不断涌现，为社会发展注入新的活力和动力。另外，也应关注机器学习技术带来的伦理和法律问题，加强监管和规范引导，确保技术的健康发展和社会福祉的最大化。
（注：此文属于央广网登载的教育行业信息，文章内容不代表本网观点，仅供参考。）