大多数AI研究在追下一个更大的模型。南京有一个实验室，问的是一个更安静的问题：当模型预测出坏事要发生，它能不能同时告诉你怎么阻止它？
这个实验室叫LAMDA，全称Learning And Mining from Data，在南京大学。带头人周志华，是中国最有分量的机器学习学者之一。2025年，他的团队拿下了一个竞争极其惨烈的荣誉。
关键要点
- 周志华团队的论文《Efficient Rectification of Neuro-Symbolic Reasoning Inconsistencies by Abductive Reflection》获AAAI 2025杰出论文奖，方法核心是他原创提出的"反绎学习"。
- 同一实验室还在DATE 2025拿了最佳论文奖，一年之内在两个不同顶会拿两个最佳论文，十分罕见。
- 他近年的另一条线叫"避免不理想的未来"（AUF）：不只预测坏结果，还给出能改变它的动作，并给出数学上的保证。
- 他是首位当选ACM、AAAI、AAAS、IEEE、IAPR五大国际学会会士的中国大陆学者。
- 2025年11月21日，他当选中国科学院院士。
周志华是谁
1973年11月生于广州、籍贯江苏盐城。本科、硕士、博士全在南京大学计算机系，1996、1998、2000年毕业，2001年留校。2004年创办LAMDA。今天他是南京大学副校长、人工智能学院院长。
对中国学生来说，他更出名的身份是"西瓜书"作者——2016年那本《机器学习》，成了一代人的入门书，已被译成英文、日文、韩文。
2023年8月，他成为IJCAI理事会主席，是首位担任该职务的中国大陆学者。
LAMDA在中国AI圈子里近乎传说。它培养的博士生散在国内外高校与大厂，很多人第一次听到"集成学习""多示例学习"这些词，就是从这里的论文开始。
那个奖到底奖了什么
AAAI 2025的这篇论文，攻的是多数深度学习系统视而不见的问题：神经网络擅长预测，却说不清"为什么"；当一条逻辑规则和数据里的模式冲突时，它往往束手无策。
周志华团队的做法是把神经网络和一个符号推理引擎放在一起，让它们互相纠错：网络处理杂乱的现实信号，逻辑引擎执行规则，冲突通过"反绎反思"来消解。论文的第一作者是博士生胡文超，合作者还有戴望州、姜远。
代价换来的是一种既数据驱动、又懂规则的系统——在任何"错一次就有真实代价"的场合都有用，从分诊到工业控制。
这个数字值得记住：AAAI 2025主会收到12957篇有效投稿，录用3029篇，其中只有3篇拿到杰出论文奖。这是南京大学在AI顶会上的第一个最佳论文。值得一提的是，获奖论文的第一作者是博士生，通讯作者是导师——这个组合本身就是LAMDA的常态：把博士生的长期问题意识，接到一个已经磨了六七年的框架上。
更大的想法：不只是预测，而是预防
周志华另一条线的工作在NeurIPS 2025上发表，走得更远。团队把"避免不理想的未来"形式化：设想一个组合模型预测下季度会亏损。普通系统止步于报警；AUF系统还要回答——调整哪些配置，能把结果拉回安全区，并且用数学界证明这个建议真的有用。
这个转向很重要。今天部署的AI绝大多数是预言家，不是顾问。从"风险在这里"变成"这一步能降低风险"，是仪表盘和副驾驶的区别。
这也是他这些年一贯的立场：AI的价值不在于更像人，而在于在关键场合可以被信任。
诚实的局限
本文依据南京大学的官方简历、AAAI 2025的会议记录与LAMDA公开论文，没有独立复现反绎学习或AUF的数学证明；性能主张来自作者在同行评议场合的报告。关于"五大国际学会会士"的说法反映的是该奖颁出时的名录，学会每年增选，名单会变。我们没有找到周志华就2025年这篇论文的商业化时间表发表过的可核实公开表述，因此文中没有暗示任何时间表。反绎学习最早的系统表述见于2019年的论文，团队内部对"2018年提出"也有说法，本文采用论文年份。
普通人现在能做什么
- 你在学AI或教AI，可以去读那篇开放获取的AAAI 2025论文，看看逻辑与神经网络究竟怎么被拼在一起。
- 你在做"错一次代价很高"的系统，可以关注LAMDA关于AUF的后续论文。
- 对"中美AI对决"式的标题保持警惕：真正的进展大多是方法驱动的、跨国协作的，不是一场赛马。