2026年7月13日，我院邀请英国爱丁堡大学计算认知科学讲师赵博囡博士，为师生们作题为“From Sparse Data to Rich Knowledge: Structured Mental Representations in Human Learning”的学术报告，系统介绍结构化心理表征如何支持人类从有限经验中获得丰富知识。报告由杨千里研究员主持。
报告中，赵博囡博士首先指出，人类常常能够从出乎意料地有限的数据中进行学习，并形成可迁移、可泛化的知识。理解这种高效学习背后的机制，是认知科学与人工智能领域共同关注的核心问题。围绕这一问题，赵博囡博士从计算认知科学视角出发，介绍了结构化心理表征在快速泛化、抽象推理和知识迁移中的关键作用。
随后，赵博囡博士以贝叶斯程序归纳为计算框架，展示学习者如何在因果推理、组合式概念学习以及复杂环境中的探索行为等多个领域中构建并修正结构化假设。相关研究表明，具备结构化表征的模型能够更准确地刻画人类学习过程，并且相比结构较弱的替代模型表现出更高的数据效率。这些发现不仅有助于深化我们对人类智能计算基础的理解，也为发展更具数据效率和适应能力的人工智能系统提供了重要启发。
在讲座的问答环节，赵博囡博士与现场师生围绕结构化表征的形式化建模、贝叶斯程序归纳在人类学习研究中的应用、复杂任务中探索行为的实验设计，以及认知科学与人工智能之间的相互促进关系等问题进行了深入讨论。现场交流气氛热烈，师生们结合自身研究兴趣提出了多个具有启发性的问题。
讲座结束后，赵博囡博士与学院师生进行了进一步交流，并围绕计算认知科学、表征学习、人类学习机制及未来合作方向展开了讨论。本次讲座为学院师生提供了与国际青年学者面对面交流的机会，也进一步拓展了学院在认知科学与人工智能交叉领域开展学术合作的可能性。
赵博囡博士现任爱丁堡大学计算认知科学讲师，此前曾任普林斯顿大学计算认知科学实验室博士后研究员。其研究聚焦于运用计算模型与人工智能方法探索人类学习、推理与知识获取机制，研究成果发表于 Nature Human Behaviour、Topics in Cognitive Science、Computational Brain & Behavior、NeurIPS 以及 Cognitive Science Society Annual Meeting 等国际期刊与会议，并担任认知科学学会年会程序委员会委员。