4月28日，密尔沃基成为数据科学与统计学研讨会的中心，汇聚了分析领域的最新突破。此次研讨会是该领域顶尖学术研究人员的盛会，而JMP也成为了讨论的核心。在第二天，Sarah Sylvestre ( @Sarah-Sylvestre ) 和 Sarah Gilyard ( @SarahGilyard ) 有幸代表JMP，向关注数据科学和统计学研究最新趋势的与会者展示了海报。
统计学家在人工智能时代的角色
SDSS大会以生物学研究员Lorin Crawford的精彩主题演讲拉开帷幕。Lorin Crawford与微软合作，探讨了人工智能和LLM在单细胞测序中的应用。他介绍了实验室的研究方法和成果，并强调LLM模型的性能并非总是随着数据量的增加而提升。对于某些生物学任务，模型性能在训练数据量达到约1%时便已饱和。这意味着LLM通常需要更多样化的训练数据，而非更多的数据量。
洛林认为，这正是统计学家发挥作用的地方。统计学家需要通过生成合成数据来帮助填补训练数据的空白，这些合成数据能够保持任务所需的变异性和不确定性结构。统计学家还需要帮助我们理解如何对训练数据进行分层，以便更好地训练逻辑学习模型（LLM）。洛林认为，统计学家在人工智能/机器学习领域的新角色是“数据驱动系统的战略架构师”。
在第二天的全体会议小组讨论中，统计学家在人工智能时代扮演的关键角色这一主题得以延续。四位分别来自学术界、制药界和理论物理学的专家接受了采访，分享了他们对当前人工智能发展现状的看法。所有专家都强调，必须适应人工智能，否则就有被时代抛弃的风险；必须警惕其中的风险。过度依赖人工智能是有害的，平衡才是关键。在这方面，统计学家在评估人工智能方面发挥着至关重要的作用，包括：建立可重复性容忍度；培训人工智能专家如何正确处理合成数据，避免将其与常规数据盲目混为一谈；以及识别最具统计意义的数据，而不是简单地收集大量数据。
Sarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre（左）和 Sarah Gilyard 在 2026 年数据科学与统计学研讨会上做了报告。
JMP处于讨论的中心
在海报展示环节，我们概述了JMP的新功能，包括贝叶斯优化、FDE、动态过滤、数据表更新、Python集成以及LearnBot/Assistant。在25分钟的海报展示时间内，我们与几位潜在的JMP用户进行了深入的交流。大多数与会者对JMP并不熟悉，但也有一些人还在犹豫是否要使用它。一位与会者的同事使用SPSS，而她自己使用R。她希望找到一款能够简化与同事协作的工具。在向她展示了JMP的几项功能后，她确信她的同事会更倾向于使用JMP而不是SPSS。在与一位来自达特茅斯学院的教授的交流中，我们了解到她的学生不太喜欢用Python编程，他们更希望找到一款能够让他们通过点击操作构建模型，并在必要时与Python集成的工具。在讨论了JMP的模型构建和Python集成功能后，她确信她的学生会更喜欢使用JMP。
总体而言，这是一场引人入胜的会议，与会者就统计学界如何在人工智能时代适应变化并坚守自身专业领域展开了热烈的讨论。尽管与会者和演讲内容大多偏重学术性，但此次会议在推广JMP品牌方面意义重大，与会者对JMP的新功能也表现出了浓厚的兴趣。
莎拉们做得太棒了！很高兴看到 JMP 在这样的活动中表现如此出色。我们希望继续宣传 JMP 如何提供值得信赖、功能强大且动态交互的集成方案，融合了最佳的统计、图形和人工智能方法。
太棒了，Sarah 和 Sarah！感谢你们在本次会议上的精彩演讲，并出色地代表了 JMP！
