4月28日，密爾瓦基成為資料科學與統計學研討會的中心，匯集了分析領域的最新突破。此次研討會是該領域頂尖學術研究人員的盛會，而JMP也成為了討論的核心。在第二天，Sarah Sylvestre ( @Sarah-Sylvestre ) 和 Sarah Gilyard ( @SarahGilyard ) 有幸代表JMP，向關注數據科學和統計學研究最新趨勢的與會者展示了海報。
統計學家在人工智慧時代的角色
SDSS大會以生物學研究員Lorin Crawford的精彩主題演講拉開序幕。 Lorin Crawford與微軟合作，探討了人工智慧和LLM在單細胞定序中的應用。他介紹了實驗室的研究方法和成果，並強調LLM模型的表現並非總是隨著資料量的增加而提升。對於某些生物學任務，模型效能在訓練資料量達到約1%時就已飽和。這意味著LLM通常需要更多樣化的訓練數據，而不是更多的數據量。
洛林認為，這正是統計學家發揮作用的地方。統計學家需要透過產生合成資料來幫助填補訓練資料的空白，這些資料能夠維持任務所需的變異性和不確定性結構。統計學家還需要幫助我們理解如何對訓練資料進行分層，以便更好地訓練邏輯學習模型（LLM）。洛林認為，統計學家在人工智慧/機器學習領域的新角色是「數據驅動系統的策略架構師」。
在第二天的全體會議小組討論中，統計學家在人工智慧時代扮演的關鍵角色這一主題得以延續。四位分別來自學術界、製藥界和理論物理學的專家接受了採訪，分享了他們對當前人工智慧發展現狀的看法。所有專家都強調，必須適應人工智慧，否則就有被時代拋棄的風險；必須警惕其中的風險。過度依賴人工智慧是有害的，平衡才是關鍵。在這方面，統計學家在評估人工智慧方面發揮著至關重要的作用，包括：建立可重複性容忍度；培訓人工智慧專家如何正確處理合成數據，避免將其與常規數據盲目混為一談；以及識別最具統計意義的數據，而不是簡單地收集大量數據。
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 年資料科學與統計學研討會上做了報告。
JMP處於討論的中心
在海報展示環節，我們概述了JMP的新功能，包括貝葉斯優化、FDE、動態過濾、資料表更新、Python整合以及LearnBot/Assistant。在25分鐘的海報展示時間內，我們與幾位潛在的JMP用戶進行了深入的交流。大多數與會者對JMP並不熟悉，但也有一些人還在猶豫是否要使用它。一位與會者的同事使用SPSS，而她自己使用R。她希望找到一款能夠簡化與同事協作的工具。在向她展示了JMP的幾項功能後，她確信她的同事會更傾向於使用JMP而不是SPSS。在與一位來自達特茅斯學院的教授的交流中，我們了解到她的學生不太喜歡用Python編程，他們更希望找到一款能夠讓他們透過點擊操作建立模型，並在必要時與Python整合的工具。在討論了JMP的模型建構和Python整合功能後，她確信她的學生會更喜歡使用JMP。
總體而言，這是一場引人入勝的會議，與會者就統計學界如何在人工智慧時代適應變化並堅守自身專業展開了熱烈的討論。儘管與會者和演講內容大多偏重學術性，但此次會議在推廣JMP品牌方面意義重大，與會者對JMP的新功能也展現了濃厚的興趣。
莎拉們做得太棒了！很高興看到 JMP 在這樣的活動中表現如此出色。我們希望繼續宣傳 JMP 如何提供值得信賴、功能強大且動態互動的整合方案，融合了最佳的統計、圖形和人工智慧方法。
太棒了，Sarah 和 Sarah！感謝你們在本次會議上的精彩演講，並出色地代表了 JMP！
