讲座伊始，梁玉成教授通过对若干研究实例的讲解，指出部分研究的结论与经验事实不符的现象，从而引出本场讲座的第一个议题——社会科学应当从表象中找回真实。通过展示几个数据生产过程研究，梁教授生动地说明在寻找社会规律的过程中，既要正确使用理论和数据，也要深入探寻数据的建构过程。
接下来，梁教授通过辨析自然科学牛顿系统与社会科学默顿系统的差异，简单分析了社会规律的反身性和社会科学的复杂性，并介绍了社会科学中的三种研究范式——观察范式、实验范式和ABM（agent-based model）仿真模拟范式。其中，观察范式从横向视角出发，分析数据间的因果关系，进而求解变量间的关系；实验范式通过随机试验的干预，以期获得真实的因果机制；ABM则基于生成性的视角观察数据生产过程，通过纵向视角明晰微观个体互动涌现出的社会现象。
计算社会科学演绎范式：ABM
以谢林发现不同种族居住隔离缘由的过程为引，梁教授利用可视化软件生动地展示了不同种族人群居住隔离的产生过程，并指出微小的个体偏好累积起来完全可能导致极端的整体隔离——这一个体遵从某种秩序和规则最后导致宏观模式改变的过程被称为涌现。根据这一思路，社会秩序不是被设定的，而是通过微观结构的改变涌现出来的。当然，微观结构很难用来预测宏观结构，agents转圈步长改变实验、完全公平交换系统实验均能证明此结论。值得注意的是，这些模型的建立并非借助一个总体方程完成，而是通过为每一个行动者的行为设定规则，再将不同的行动者置于一个世界中进行互动而涌现出来的结果。至此，计算社会科学能够通过仿真模拟的方式在计算机上建立一个人工社会，帮助研究者通过人工社会的运行来理解人类社会的规律。
计算社会科学归纳范式：基于大数据
2010年以来，随着大数据技术的发展，计算科学家和数据科学家开始收集大量数据并通过计算的方式研究社会现象。
Pearl在The book of why中指出，人的智能应当用来发觉事物之间的因果联系，获取因果知识。研究者能利用贝叶斯因果网络对三个变量的关系进行计算，从而将三个变量之间的25种可能关系收敛到11种。如果加以理论支撑，则能够进一步得到变量间潜在的相关关系。在这里，我们也能够看出计算与理论之间的关系——计算本身就是一种智力，但它无法碾压理论。
辛普森悖论也是归纳范式关注的重点之一。在社会科学研究中，总体可能由异质性很强的不同子群体构成。将总体分解成不同的子群体，能够有效处理总体趋势和各个子群体趋势相反的问题。在目前数据十分充盈的情况下，将人群分解为不同的子群体，再探索不同子群体拥有的不同行事规则，能够得到很有意义的研究成果。
除了结构型数据，梁教授在处理非结构型多模数据方面也给出了计算社会科学的很多实例，包括对社会网络和文本网络的计算和应用等。
最后，梁教授指出，在科学研究中，应当理论和数据并重，实现二者的“双元驱动”，从而拓展社会科学研究的范围和空间，帮助研究者探索更为广阔的知识空间。
7月27日晚，百度特邀嘉宾为我们带来题为《产教融合培育人工智能创新人才》的课程。
百度飞桨作为我国首个自主研发、功能丰富、开源开放的产业级深度学习平台，提出的“大航海”计划中的“启航”计划专门面向高校，三年内飞桨将投入总价值5亿元的资金与资源，支持全国500所高校，重点培训5000位高校AI教师，联合培养50万AI未来人才。活动现场也对飞桨5月份新发布的《AI人才产教融合方案》进行了解析。飞桨将从内容、专项合作、服务层面展开产学研实践。内容层面，百度将联合高校出版套系教材、系列课程，同时开放百度及生态合作伙伴输出的产业级案例与数据集，夯实内容基础；服务层面，百度将提供多项服务，包含师资培训、AI Studio教学平台、算力支持等六大项体系化支持；此外，百度还与高校达成多类专项合作，以满足高校AI教学与实践中的多元化需求。
百度一直积极布局“人工智能+X”复合型人才培养生态，持续联合政府、企业、高校等社会各界力量加快“产教融合”脚步、推动AI人才培养，目前已培养100万AI技术和产业人才，计划未来五年还将培养500万AI人才。百度将继续开放赋能高校人才培养，共话AI产教融合，破解高校”AI师资荒”难题，联合各方共同开创人工智能人才教学培养新局面。