软件缺陷因素挖掘

利用软件开发过程各个阶段中多方面的信息,构建了排序支持向量机(RankSVM)和支持向量回归(SVR)软件缺陷密度预测模型。实验结果表明,与支持向量回归软件缺陷密度预测模型相比,排序支持向量机软件缺陷密度预测模型能够更好地反映软件开发过程中多方面因素对软件缺陷密度的影响。通过对排序支持向量机软件缺陷密度预测模型的分析找出影响软件缺陷密度的重要因素,可以指导后续实践。

范式AI的赋能之路

当前,人工智能在各行各业有着非常广泛的应用,但对于中小企业来说,在人工智能的应用上往往面临着认知、人才、数据、工具、算力和规模挑战。对此,在"AI精准赋能中小企业对接活动年度总结会"上,第四范式副总裁、主任科学家涂威威分享了第四范式的AI赋能之路,以提供可供借鉴的方法与经验。

人工智能企业的风控框架

如果我们看到人机共处的必然性,希望获得人机共处的正面效益,那我们就必须同时关注人机共处的系统风险。利用人机共处效益的合适方式是同时提升识别和控制风险的能力。本文从战略、结构、运营和文化四个方面综合分析潜在的风险并提出应对方法。

高维智慧企业的认知协同策略

实现智慧企业的关键是认知协同。它与昆虫王国的群体智慧(Swarm Intelligence)有许多相通之处。日本文化为实践智慧企业提供制度条件,因为它契合群体智慧。在日本文化之外,我们可以利用人工智能的增强能力设计类似的赋能结构,实践智慧企业战略。本文的主要贡献在两个方面:1)阐述从专业化劳动分工到认知分工与协同的趋势。2)解释人工智能的增强能力是实现智慧企业认知协同的关键技术途径。