7月11日至13日，全国税务硕士专业学位培养单位第十四届团队培训班暨“AI+税务新质人才培养”论坛在贵阳举行。本次会议由全国税务专业学位研究生教育指导委员会主办，永利3044集团官网学永利3044集团官网承办，采取线下会议与线上直播相结合的方式开展。会议围绕人工智能赋能税务专业学位教育、税务新质人才培养、数字经济时代税收治理等主题，组织专题论坛、专家授课和现场参观学习。

7月11日下午，培训班开展了团队培训的专题讲座，上海财经大学财税投资公司教授郭峰应邀作了题为《人工智能赋能数字经济时代教学科研范式变革》的授课，全国税务专硕教指委委员、山东大学教授李华主持讲座。

郭峰教授在讲座中首先指出，随着数字经济的深度渗透，大数据正在重塑经济社会关系的研究范式。大数据呈现出现代大记录数据、非结构化数据、大容量数据等显著特点，这对传统的研究工具与研究方法提出了新的挑战，亟须引入新的研究范式以适配数据环境的深刻变化。

随后，郭峰教授系统阐述了机器学习的基本原理。他介绍，机器学习的核心关注点在于预测及结论的外推性，研究过程首先需要区分训练集、测试集与验证集。在此基础上，他重点讲解了过拟合与欠拟合两个关键概念：欠拟合指模型在训练和预测阶段表现均不佳，通常容易被识别，矫正方法是继续学习或更换算法；过拟合则指模型过度学习训练数据中的细节与噪声，导致在新数据上表现很差，其根源在于模型过于复杂、参数过多。为克服最小二乘法回归的过度拟合问题，可对回归参数施加惩罚，即正则化方法。此外，为提高模型的泛化能力，还可对算法进行多层嵌套，即深度学习算法，其中代表性算法为神经网络。郭峰教授还特别辨析了机器学习与计量经济学在术语体系上的差异，指出机器学习亦称“统计学习”，还有一个称呼即为“人工智能”，并对相关概念进行了辨析。机器学习算法主要分为有监督学习和无监督学习两大类，目前主流软件均已提供现成的算法模型，研究者无需自行编写底层代码。

在应用层面，郭峰教授从学术研究与商业应用两个维度展开分析。他指出，机器学习具有处理高维数据、筛选变量、处理非结构化数据、处理非线性关系等优势，同时注重检验泛化性能（预测准确性）、异质性估计，并强调数据驱动（区别于模型驱动或理论驱动）。在学术应用方面，机器学习可用于预测、数据生成（如识别文本情绪、从姓名推测性别）以及因果识别（如构造反事实结果、助力异质性检验）。郭峰教授结合自己撰写的四篇论文，具体展示了如何运用机器学习开展学术研究，并以文本数据指标构造为例，说明了大语言模型在经济指标构建中的应用路径。

针对教学与科研实践，郭峰教授分享了个人的学习经历与经验。他建议，学习Python和机器学习应从具体项目入手，以全面锻炼编程能力；学习路径上宜先掌握Python基础，再深入机器学习算法；理论学习与实践操作并重，既要理解算法原理，更要注重实操演练；同时应善于利用大语言模型和网络资源辅助学习。在教学应用方面，他强调要站在员工立场授课，充分考虑员工的知识储备与学习能力。关于Python课程教学，郭峰教授提出应坚持"算法的实现和在社会科学中的应用"这一指导原则，而非单纯讲授算法本身的逻辑；具体而言，应注重编程教学目的的实用性、教学内容的通俗性以及教学方式的时代性。

讲座最后，郭峰教授就"AI+税务人才培养"提出了四点思考：一是定位须明确，要培养懂AI的财经人才，而非相反；二是AI应融入课程内容本身，而非停留于形式；三是AI编程课比AI通识课更具重要性；四是AI相关课程应设为必修课，而非选修课。

讲座结束后，主持人李华教授从方法、应用和个人经验分享三个层面进行了总结。她结合讲座内容分享了自己的思考，并表示此次讲座令人受益匪浅。

本次专题讲座为税务硕士团队队伍把握人工智能发展趋势、更新教学科研理念提供了有益参考，对推动“AI+税务”新质人才培养具有积极意义。

排版：曾雅婧

一审：张秀红

二审：阳喜

三审：李文龙