工作动态
工作动态
首页 > 工作动态 > 正文

数智赋能地学创新 我校地学智思体平台圆满通过验收

时间:2025-12-02 作者: 浏览量: 语音

近日,中国地质大学(武汉)与科大讯飞联合研发的地学智思体平台顺利通过验收,与会专家与同行对项目的建设成果高度认可。作为教育部人工智能大模型应用示范行动(LEAD 行动)的重要实践成果,该平台以产学研协同创新为核心驱动力,为地球科学领域科研攻关、教学提质与社会服务注入强劲数智动能,标志着学校在人工智能与地学深度融合领域实现里程碑式突破,为行业智能化转型提供了可复制、可推广的实践范例。

锚定战略导向 破解行业发展痛点

当前,认知大模型技术迭代升级持续加速,《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》明确提出“加快人工智能等前沿技术研发与综合应用”,为教育领域智能化变革指明了方向。面对地学领域“数据处理繁杂、专业门槛偏高、科研效率不足”的行业瓶颈与校园服务 “覆盖有限、时效不足、体验欠佳” 的现实问题,学校立足地球科学国家 “双一流” 学科优势与海量优质数据资源,携手科大讯飞以讯飞星火大模型为技术基座,聚焦 “教、学、研、用” 一体化目标,构建起 “数据标注—模型训练—应用开发—成果转化” 的全链条产学研协同创新体系,实现高校学科积淀与企业技术优势的精准互补、协同共赢。

核心应用矩阵 赋能教科研全场景

平台构建了覆盖地学教科研关键环节的核心应用矩阵,四大智能助手精准发力、高效赋能:地质图像理解助手基于36000张专业地质图像训练优化,实现矿物、岩石、化石等八大类地质对象的智能识别与深度解析,准确率达84%;地质文献实体抽取助手经3700 + 篇专业文献微调训练,实体覆盖率与属性准确率均超 75%,为科研数据提炼提供精准支撑;鱼类化石复原助手依托 1000+组鱼类图像与描述数据建模,以写实风格生成高还原度复原图,平均误差仅16.5%,助力抽象知识可视化;地学小助手则以科普化表达转化专业知识,回答准确率较通用大模型翻倍,同时构建“答疑—拓展—自测”闭环学习体系,赋能自主学习与知识巩固。四大应用协同发力,彻底革新了传统地学教科研的低效模式。

后端管理体系 筑牢高效运行保障

为支撑平台稳定高效运转,项目同步构建了全方位后端管理体系,实现 “前端应用+后端管控”的全流程闭环。平台支持多终端无缝适配,网页端、H5、SDK 及QQ/微信机器人等多场景均可便捷访问,与学校统一身份认证系统打通实现免登录;后端管理涵盖智能体配置、知识库构建、运行监管、数据统计等核心功能,可实时监测访问量、提问数量、问题解决率等关键指标,生成多维度数据报表,支持近 7 天至半年的趋势分析与未解决问题清单导出;同时具备反馈处理、敏感词管理、分级权限管控等功能,可快速响应用户需求、防范风险隐患,为平台安全合规运行与持续优化提供坚实保障。

创新融合路径 彰显示范引领价值

早在2023年底,我校积极探索产学研协同创新新模式,确立了“专家定义学科难题、师生参与数据处理、校企共同训练迭代、信息化部门挖掘应用场景”的建设路径,正式开启了面向地球科学领域的学科大模型研究。地学智思体平台的成功落地,探索出一条AI与地学教科研深度融合的可行路径:一是坚持校企协同,以“学校学科优势 + 企业技术赋能”模式,破解单一主体在学科深度与技术迭代上的局限,构建起优势互补的创新共同体;二是夯实数据基础,由宋海军教授团队带领学生完成近50万张古生物化石和岩石图片、5000余篇学术论文的清洗标注,整合多模态优质资源形成权威语料库,为模型精准训练筑牢根基;三是聚焦场景驱动,针对地学教科研具体痛点,采用 LoRA、Qlora等微调技术对基础模型进行定制化优化,实现技术与需求的精准匹配;四是构建全链条迭代机制,形成 “需求分析—数据采集—模型训练—应用落地—成果转化” 的闭环体系,确保平台持续适配教科研发展需求。

这一融合路径已彰显显著示范价值:平台不仅在2025世界数字教育大会上惊艳亮相,吸引中外嘉宾广泛关注,更成功入选“2025 年湖北省人工智能典型应用场景”,其“产学研协同 + 场景化适配 + 全链条赋能”的模式,为高校学科智能化转型、行业科研效率提升提供了宝贵经验。在人才培养方面,平台推动理论与实践深度结合,培养学生创新思维与跨学科素养;在科研领域,大幅降低数据处理与文献分析的时间成本,助力科研人员聚焦核心创新;在社会服务层面,通过开放地质图像理解等功能,将科研成果转化为普惠性公共服务,拓展了地学知识传播与行业服务的边界。

深化校企合作 赋能高质量发展

此次地学智思体平台的圆满验收,是学校与科大讯飞战略合作的重要里程碑,更是项目深化发展的新起点。下一步,学校将继续立足国家 “双一流” 建设学科优势,与科大讯飞深化合作,持续推进平台迭代升级,进一步拓展应用场景、提升模型精度;同时将总结可复制、可推广的融合经验,深耕人工智能与地学特色教育的创新结合,着力培养具备跨学科素养的高素质地球科学人才,聚焦区域及行业资源环境难题,强化科技成果转化与社会服务能力,为地球科学领域高质量发展、生态文明建设提供坚实的人才保障与科技支撑。