土壤湿度监测站土壤水分人工对比观测技术探讨

以各种土壤含水量指标计算公式的理论推导分析为切入点,探讨了自动土壤水分监测站建设中需要掌握的各种土壤含水量指标的人工测定计算和土壤水文常数测定中需要注意的技术问题。

扎兰屯土壤水分自动站与人工对比分析

以扎兰屯作物地段DZN3型土壤水分自动站与人工烘干称重法对比数据为基础,对数据进行折线图对比分析、误差及标准差分析、相关性分析。从多个维度分析数据,寻找误差组成及来源,制作自动站数据订正模式,使土壤水分自动站能更好地代替人工测量,解决人工取土连续性、时效性差等问题。

智慧医疗场景下人工智能应用伦理问题与治理路径探讨

随着人工智能在医疗健康领域的广泛应用,医学伦理学与科技伦理挑战也随之而来。作者归纳了人工智能在医疗健康领域的应用现状,探讨了目前人工智能技术应用于医疗领域导致的医生主体地位被削弱、数据或隐私安全风险增加、医患信任危机加剧、医疗资源分配不均加剧、事故责任界限模糊等伦理问题,剖析了上述伦理问题产生的原因,最后从强化医生主体地位、建立健全信息数据保护制度、增强患者对医务人员的信任感、提高医疗资源配置效率、完善事故责任界定体系等5个方面提出治理路径,以期为人工智能技术更好地助力医疗发展提供参考。

人工智能在土木工程领域的应用研究现状及展望

作为新一代产业变革的核心驱动力,人工智能是全面提高土木工程领域数字化、自动化、信息化和智能化的重要方法。为全面了解人工智能在土木工程中的发展及应用,定性分析了人工智能的基本研究领域,定量分析了人工智能在土木工程设计、制造、养维护阶段的研究现状,利用CiteSpace可视化工具深入挖掘人工智能在土木工程中存在的问题、发展瓶颈和研究趋势,并给出相应的解决办法及研究思路。通过文献综述发现,土木工程领域已展开了大量人工智能研究,但各阶段智能化发展不均衡,实际应用也存在一定局限性,需深入探索神经网络、大数据、深度学习等智能技术在土木工程全生命周期的交叉融合,促进土木工程领域人工智能研究的协同发展。

生成式人工智能的知识产权法律因应与制度创新

生成式人工智能的复合产品结构与自主运转功能造成了知识产权法律适用的难题与挑战。在复合产品结构下,知识产权法律难题源于生成式人工智能核心要素之算法与数据的知识产权保护问题;在自主运转功能下,知识产权法律挑战则呈现为生成式人工智能衍生内容的知识产权授权与确权问题。对此,应积极推进生成式人工智能场景下的知识产权法律变革,立足生成式人工智能核心要素与衍生内容,有针对性地展开知识产权制度创新,从而实现对生成式人工智能知识产权法律问题的合理回应。

人工智能创造力探究

目前,国内外大语言模型如雨后春笋般涌现,加速了通用人工智能时代的到来。人工智能在科学、艺术等领域展现出的卓越创造力,大大推动了人类科技进步,但也给人类传统创造力带来了巨大挑战,需要对人工智能创造力的本质特征进行审视,并预测其未来应用方向。基于此,文章聚焦于人工智能创造力,首先阐释了人工智能创造力的基本内涵;接着,文章从通用领域创造力表现和专业领域创造力表现两个维度,介绍了人工智能创造力的外在表现;然后,文章从产生机制和调控机制两个方面,深入剖析了人工智能创造力的内在机制,并结合人类创造力评价经验提出了人工智能创造力的评价原则和评价方法;最后,文章分析了人工智能创造力未来的应用模式、应用前景并给出应用建议。文章的研究既可促进人工智能创造力的发展和人工智能技术的进步,也能为人类创造力的培养和提升提供一定的借鉴。

可解释人工智能在电力系统中的应用综述与展望

可解释人工智能(XAI)作为新型人工智能(AI)技术,具有呈现AI过程逻辑、揭示AI黑箱知识、提高AI结果可信程度的能力。XAI与电力系统的深度耦合将加速AI技术在电力系统的落地应用,在人机交互的过程中为电力系统的安全、稳定提供助力。文中梳理了电力系统XAI的历史脉络、发展需求及热点技术,总结了XAI在源荷预测、运行控制、故障诊断、电力市场等方面的电力应用,并围绕解释含义、迭代框架、数模融合等方面展望了电力系统XAI的应用前景,可为推动电力系统智能化转型与人机交互迭代提供理论参考与实践思路。

人工智能在医学教育领域的应用研究——基于CiteSpace的文献共词分析

人工智能及大数据已经成为包括医学教育在内的各研究领域的热点问题。为了阐明人工智能在医学教育中的发展趋势,利用CiteSpace软件分析2013-2022年Web of Science核心合集文献270篇。从发文量、国家和地区、研究机构、作者、发表杂志、引文情况、关键词及发展趋势等方面进行综合分析得出研究结论:从2018年开始相关论文呈明显增长趋势,Mayo Clinic(梅奥诊所)成为全球发文量最多的研究机构;Friedman等形成了较为完整的研究团体;JAMA成为最高被引杂志;近年医学教育的人工智能应用研究热点问题主要集中在医学影像及虚拟手术等方面。

“生成式人工智能”(AIGC)及其哲学意蕴

从“生成式的AI”或“生成式的人工智能”(AIGC)的角度看,需要关注“自然生成”“人工智能生成”“社会生成”或“伦理生成”之间的关联和区分。人工智能具有确定性与生成性,它从一个侧面体现了being与becoming的沟通和统一。从传统意义上的人禽之辨到人机之辨,体现了重要的转换,但二者在本质上都关乎何为人的追问。人工智能所体现的理性具有非原创的意义,人所具有的理性推论能力作为人的本质,则具有原创性。相对于人而言,AI作为一种机器,归根到底还是属于“器”,只具有工具意义,不具有独立的人格,也难以获得伦理主体的地位。此外,人工智能主要表现为人的创造的一种结果,真正的原创意义上的智能只有人才具有。从这一意义上说,只有人才是原始的创造者,把人工智能看作比人更高级的动物,并不合乎事实。人工智能发展可以取代很多人的工作,这在本质上如同在近代工业的发展过程中,机器不断取代手工操作,二者情形相近,原理也一致。从更深远的意义上说,这也是人不断地走向人性化的社会、达到真正自由存在形态的一个环节或前提。科技的发展可以使我们对世界的细节、对某些方面越来越深化,但是总体上对世界的把握离不开哲学。另一方面,科学发展具有自主之性或惯性,后者需要哲学为其提供价值引导。

基于供需理论的生成式人工智能赋能情报工作范式模型构建与应用研究

[目的/意义]当前生成式人工智能的发展对社会产生了强烈冲击。为响应国家创新发展的迫切需求,如何利用生成式人工智能更好地完成情报工作,以满足用户的情报需求,已成为当前情报学领域关注的热点问题。[方法/过程]基于供需理论提出从数据供给侧(Supply)、智慧情报分析中台(Analysis)、情报需求侧(Demand)三方构建生成式人工智能赋能情报工作范式模型——SAD范式模型,深入分析生成式人工智能赋能情报工作机理,并结合国际前沿项目案例探讨生成式人工智能与情报工作的前瞻性融合发展。[结果/结论]生成式人工智能赋能情报工作范式模型SAD,可以更好地促进生成式人工智能赋能情报工作的各个环节,提高情报工作效率,为情报工作范式研究提供了新思路。

人工环境中“舒适”的医学意义——关于舒适与健康的思考

当今社会,人工环境的营造日渐受到重视。室内环境不仅应满足舒适性的要求,更应考虑其动态变化对人体健康与免疫力的潜在影响。本文以人居环境营造为出发点,结合已有的文献研究与中西医观点,首先列举了外部环境对人体健康及体内环境的影响,其次介绍了“舒适”营造对提高机体健康水平的作用,最后从宏观上阐述了物理环境中“舒适”对人体健康的医学意义,为本专业同医学的交叉研究提供新思路。

推动人工智能向善发展:教育与人工智能共同的责任

人工智能的迅速发展正深刻改变人类的生产方式、生活方式和学习方式,对教育产生深度影响,而现阶段生成式人工智能工具在教育领域广泛应用,给教育带来新的道德伦理问题。该文首先从人工智能快速发展引发更加复杂的道德伦理问题和人工智能道德伦理是人类道德伦理价值体系新组成两方面给出人工智能延展人类道德伦理范围。再从人工智能教育应用伦理风险、教育人工智能伦理治理现状、教育人工智能伦理需解决问题等三个层面阐述了教育人工智能应用伦理风险与治理。再次从核心素养培养、规范应用监管、道德伦理框架、技术规范研制等四个维度给出人工智能向善发展的建设路线。最后,给出五条发展建议:加强顶层设计,系统规划总体框架;重视育人为本,创新发展人工智能课程;遵循治理原则,促进技术向善赋能;明确价值准则,助力人机相融共进;加快标准制定,规范教育人工智能实践。以期推动人工智能向善发展,赋能、赋智教育,促进教育数字化转型,构筑智能时代的人类命运共同体。

有组织教研:人工智能环境下教师研修的有序进化

传统教师教研形式因客观性不强、持续性不够、衔接性不足,与时代所需要的高质量教研相悖,影响了教师的专业发展。基于生态进化理论,建构以人工智能技术为教师提供选题、过程支持、资源制度、工具辅助和协同机制的有组织教研模式,以提升教研与教师的个体适配,形成有组织的多主体行动网络,并在有序原理和整体原理的框架下,建构了智能技术支持的教师有组织教研运行模型。有组织教研的关键问题是教师动态需求的系统捕获、内容进化的智能控制、自适应路径的有效调节、研修空间的适应性调整、语义关联的建立,并形成面对理论与实践冲突、转化机制异化、主体与相关要素不适切等问题的处理机制。要实现人工智能支持的有组织教研,需要按照有组织教研的运行建立设计人工智能元平台,布局大数据采集平台,开发教育人工智能的算力,并在制度和理念的双向演进中通过实践进行优化,实现人工智能下教师研修模式的迭代。

机器学习在人工增雨效果统计检验中的应用

利用福建省古田人工增雨试验基地2014年1月—2023年1月小时自然降水数据,结合线性拟合、多项式回归和样条回归等多种数学统计方法,开展决策树、支持向量机(SVM)和卷积神经网络(CNN)3种机器学习方法在估测目标区自然降水中的应用研究。目标区和对比区自然雨量关系模型对比结果表明:以区域平均面雨量为统计变量时,CNN和四项式回归效果相对较好,其中CNN的确定系数为0.516,均方根误差为1.097 mm;对平均面雨量进行六次方根变换后,各模型的精准度大幅提升,CNN表现最优,确定系数为0.658,其次为SVM;为克服目标区和对比区雨量时间序列效应及空间分布不均等问题,以面雨量空间格点数据作为研究对象,采用CNN 3种优化器(自适应矩估计、均方根传递和梯度随机下降)算法进行对比,发现基于自适应矩估计优化器建立目标区和对比区雨量关系模型最优,其降水估测值与实测值更接近,均方根误差最小,为0.61 mm。因此,利用CNN方法能够进一步优化目标区和对比区雨量关系模型,可为定量评估人工增雨效果提供参考。

Sora、生成式人工智能与我国国际传播的新生态

以ChatGPT和Sora为代表的生成式人工智能技术正在引发国际传播领域的广泛讨论。关于此类技术的实践和应用成为国际传播知识生产的前沿领域。从内容生产力的提升到对社会文化领域的影响再到潜在的伦理和法律风险,生成式人工智能推动着国际传播的生态转型。以中国为方位,紧抓技术创新的机遇,建立审慎的规制体系,积极加入生成式人工智能的全球竞合场域,推动其成为国际传播能力建设的正向力量,成为亟需研讨的时代议题。

信创背景下“人工智能+X”人才培养体系探索

针对当前国内高校人工智能人才培养方案缺少统一标准、对国产化重视不足等问题,提出面向信创人才的“人工智能+X”培养体系:设立人工智能信创课程,搭建实习实践平台,建立教学实验生态。介绍近3年在本专业的建设实践,说明所提培养方案的可行性。

人工智能背景下高职学生就业技能提升研究

人工智能是新型通用目的技术,改变了传统的职业分布、工作任务和就业技能构成。高职教育直面工作岗位,培养的人才大多数从事基础性工作,被人工智能替代的风险较大。人工智能的发展和应用,对人才的认知技能和非认知技能提出了新的要求,促使国家重视相关就业技能的提升。但是,当前高职教育存在对相关技能的认识不足、教师掌握的技能不高以及有效提升技能的平台缺乏等问题。对此,高职院校应顺应人工智能发展态势,重视培养适应人工智能发展的技能,尤其是注重认知技能和非认知技能的提升,从而保障学生就业,助力技能型社会建设。

人工智能、产品创新与制造业适应性转型

人工智能(AI)对产品开发、运营和营销等企业价值链的影响正在改变制造业转型升级的机制与路径。围绕AI如何通过影响产品创新推动制造业转型升级,本文依托相关研究成果提炼AI区别于其他数字技术的核心创新特征,剖析AI对产品创新的影响机制,并通过AI影响个体、企业、产业的跨层次分析框架,从产品创新视角提出AI影响制造业转型升级的适应性变革概念模型,探讨AI通过产品创新影响制造业适应性转型的机制与路径,形成三个主要结论:(1)新社会主体、生成性、知识积累方式突变性构成AI区别于其他数字技术的三个核心创新特征;(2)AI作为新社会主体角色介入产品企划、结构工艺等开发环节,改变或增强了人类智能的产品开发思维,拓展了产品开发的知识边界;(3)AI增强产品创新与运营过程、市场营销和销售的全价值链即时互动和调整,构建起平衡制造敏捷性与用户敏捷性冲突的自适应调节机制,推动制造业通过产业快速自适应调节涌现出自适应间断平衡的转型路径。

人工智能生成内容的著作权法之辩

根据输入指令与输出内容的比例关系,可将人工智能生成内容依次分为孪生内容、伴生内容和原生内容。人工智能生成内容主要涉及三个著作权法问题。一是机器阅读的法律性质问题,法定许可说能更好地兼顾著作权专有属性与公有属性,实现权利行使与限制的动态平衡。二是生成内容的可著作权性问题,需要结合内容类型并考虑输入指令的潜在影响。同比例复制的孪生内容不属于作品,差异化表达的伴生内容属于演绎作品,创造性表现的原生内容属于原创作品。三是生成内容的著作权归属问题,除另有协议外,需要结合内容类型并考虑所有者、使用者的贡献程度。孪生内容因不属于作品,无人享有著作权;所有者、使用者对伴生内容的形成均有重大贡献,基于概括合作行为与意识,所有者、使用者共同享有著作权;只有所有者对原生内容的形成具有重大贡献,所有者单独享有著作权。

论生成式人工智能的技术创新伦理周期——以ChatGPT为例

生成式人工智能在推动技术创新突破性应用的同时,也带来了许多社会伦理风险:隐私暴露与信息安全控制风险;虚假信息派生所带来的信息传播风险;算法偏见所带来的决策和政策风险以及责任界定模糊风险。运用“索洛悖论”理论,将伦理进步看作是科技创新投入的增函数,可以发现生成式人工智能对伦理推动的“技术创新索洛周期”。基于此,要跨越生成式人工智能“伦理风险鸿沟”可以采取以下对策:健全生成式人工智能法律规制,推动构建生成式人工智能治理体系;加强平台监管,完善流程标准化管理,规范保障生成式人工智能安全发展;落实优化生成式人工智能可持续发展环境,探索更多行业重塑的可能。