炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

来源：环球网

2025年6月30日，由中国公共外交协会、环球网、上海交通大学、同济大学、澳门大学、北京外国语大学共同主办的第四期全球名校“Z世代”青年连线活动成功举办。围绕“大数据分析如何驱动AI优化与创新”的主题，新西兰奥克兰大学学生段雨晴指出：驱动AI优化与创新的关键不仅是数据的数量，更在于用聪明的方式解读复杂性，这正是Z世代的优势所在。

发言全文如下：

在当今社会，大数据早已不是一个新鲜词汇，而是我们这一代人成长的真实背景。我们不仅被数据所包围，更是在纷繁复杂的数据信息中学会了如何辨别、整合与思考，从而形成了独特的“数据直觉”。

首先我想提出一个观点：在某些场景中，适度保留“脏数据”反而比过度清洗的数据更具价值。例如，在金融领域的欺诈检测中，欺诈行为往往呈现出非典型、异常和不可预测的特征。如果我们在模型训练阶段将这些“异常值”一概清除，便可能错失识别欺诈行为的关键线索。

这个现象让我联想到Z世代的成长轨迹。我们这一代人从小浸润在信息爆炸、真假交织的数字环境中，但正是这种复杂的生态，锤炼了我们从噪声中提取价值信号的独特能力。真正重要的是，我们要能分辨哪些混乱是有意义的，哪些只是随机噪音。这种能力既适用于人，也适用于AI系统。

其次，推动AI优化的另一关键是跨域数据融合。Z世代的思维模式天然就是多维度、跨领域的，这为我们理解大数据的真正价值提供了独特视角。在金融领域，分析不再局限于传统的财报或股价数据，而是融合图像、社交媒体评论、App使用行为等多源数据，从而更全面地理解市场动态。以我参与的ESG（环境、社会与公司治理）研究为例，如何将企业环境影响转化为可量化的风险指标，这一过程需要的不只是技术手段，更需要洞察力与创新思维。在传统的经济指标滞后的情况下，我们仍可通过融合谷歌搜索趋势、地理位置数据等实时信息，及时掌握社会运行状态，这就是“智能融合”的力量所在。

最后，我想谈的是从“大数据样本”向“小数据样本”的转变趋势，以及由此带来的“学习如何学习”的重要性。AI领域正经历从依赖海量数据（维权）到借助少量样本进行快速适应的技术跃迁，这主要得益于“元学习”（Meta Learning）的发展。过去，AI模型往往需要上万个样本才能训练出可靠结果；而如今，我们更注重让模型学会“迁移”与“泛化”。

例如在医疗领域，对于罕见病症，本就难以收集大量病例，但元学习能够让AI先从常见病中学习通用模式，再通过十几例罕见病样本实现有效识别。在金融中，这同样适用于数据稀缺的新兴市场，通过借鉴成熟市场经验，AI可以迅速适应并作出调整。

这一转变带来两大优势：首先是隐私保护，因为对数据量的依赖减少，使我们可以用更少的用户数据完成任务；其次是响应速度提升，使AI在变化迅速的现实世界中也能保持高效。

总之，驱动人工智能创新不仅仅在于拥有更多的数据，而在于如何处理复杂信息、实现跨领域融合，以及快速适应新挑战。这正是大数据分析所带来的深层价值，也正是Z世代所具备的独特能力——创造力、适应力，以及对世界的敏锐感知。