在人工智能的浪潮席捲全球的當下，各行各業都在經歷着前所未有的變革。金融、醫療、製造、能源……每一個領域都在尋求與AI技術的深度融合，以期在激烈的市場競爭中佔據先機。然而，以深度學習為代表的人工智能模型作為黑盒系統，在機理透明度、倫理和監管合規性方面存在先天不足，這限制了它們在垂直領域的廣泛應用。如何解決這個問題？馬海寅及其團隊的研究成果或正為行業帶來曙光。

　馬海寅的學術旅程始於中國科學技術大學，1992年至1997年，馬海寅不僅獲得了中國科學技術大學計算機軟件本科學位，更被鼓勵去探索、去創新，培養了對技術的熱愛和追求，形成了解決問題的獨特視角。畢業後，馬海寅加入華為技術有限公司，並先後參與了多個關鍵技術項目，從操作系統到IP多媒體系統（IMS），每一個項目都是一次技術革新的實踐。這些項目極大推動了通信技術的進步。鑑於其對行業的突出貢獻，他很快便成為了公司內外公認的技術領袖，並先後兩次獲得國家科學技術進步獎。2017至2018年，他擔任國家工業互聯網協會工業智能特設組的聯執主席，亦為國家工業互聯網的發展做出了重要貢獻。

　離開華為後，馬海寅加入深圳計算科學研究院，擔任CTO，專注於解決人工智能的可解釋性問題。他深知，行業對數據的深度分析和業務需求的複雜性，認為AI技術可以通過數據分析、模式識別和預測模型等手段，提升生產效率，推動行業升級，但前提條件是要「避免AI自由發揮」。「讓AI避免自由發揮，嚴格按行業規律辦事，我們就可以更廣泛地推廣大模型技術在不同領域的應用，實現突破性創新。例如智能電網的優化管理、電池製造工藝流程的優化、金融風險的實時發現與防範等。」 馬海寅如此強調。

　而為提升人工智能模型的可解釋性，馬海寅在深圳計算科學研究院，深入研究大數據分析的圖計算領域，並創新性地帶領團隊成功開發基於圖關聯分析和圖卷積神經網絡的圖數據分析系統。這一系統結合了基於圖模式的規則表達和深度學習向量表達，進一步提升了深度學習的精度和適用範圍。實現了把知識圖譜與大模型結合的圖規則約束下的推理系統。使得黑盒的人工智能模型的輸出能夠在一定的倫理、機理和監管規則下執行，既提升了結果的準確性，也保證了結果的合理性。

　馬海寅表示：「AI可以通過更精準的數據分析和預測模型，提高風險管理和投資決策的精度。而圖規則約束，保證在一定的邏輯規則下應用特定的精準模型，類似人的邏輯思維與直覺創新的有機融合，有望極大地提升了AI賦能行業的廣度和深度。」

　目前，該系統已在金融和新能源電池生產等領域得到成功應用，並在科技部舉辦的顛覆性技術創新大賽中取得優異成績。馬海寅因此獲得了深圳市政府的特殊人才津貼。

　馬海寅對AI與垂直行業的結合充滿期待。他相信：「AI與各個行業的結合，將不僅僅是大模型帶來的流程輔助與開發效率提升，更將帶來顛覆性的創新和變革，實現行業對自身數據的高維洞察，從而幫助企業做出更全面、更可靠的優化決策。」

　馬海寅及其團隊，憑藉其在數據分析理論和系統上的創新成果，正引領着AI與行業融合的新趨勢，為未來的技術革新鋪平道路。我們有理由期待，他們的努力將為世界帶來更加智能、高效的明天。（林澤濤）