回应与超越:生成式人工智能法律规制——以《生成式人工智能服务管理暂行办法》为视角

生成式人工智能对于推进新型工业化体系建设、发展新质生产力具有重要作用,但其蕴含重大风险且风险呈现类型复杂多样、损害方式隐蔽、危害结果严重等特点,现有立法回应存在有限性与不适洽性,为此需要进行理论创新和制度创新。生成式人工智能治理应当以总体国家安全观为指引,采取积极的风险防范主义和包容审慎的监管思路,对技术创新给予更大的包容度。从法律规制角度看,可以采用双层多元化规制模式和全生命周期监管机制,解决生成式人工智能的法律地位、成果属性、可问责性等关键问题,进一步建立健全算法可解释规则、“安全港”规则、侵权判断规则、“投诉—针对性阻止”规则等基本准则。

基于置信规则库的永磁同步电机故障诊断方法

考虑到永磁同步电机高价值故障样本少并且难以建立准确的故障诊断机理模型,针对其电气故障,提出一种基于可解释置信规则库的故障诊断模型。首先分析永磁同步电机的故障机理,并利用Maxwell搭建永磁同步电机的仿真模型,设置故障、获得实验现象,作为建模依据。为建立完备的故障诊断模型,需要选取多个故障特征作为输入,由此会产生大量模型参数,由于专家处理信息的能力有限,将无法给出准确的模型参数值。对此,引入概率表将专家知识转换为置信规则库。为减少专家主观性带来的偏差,同时保留模型的可解释性,采用改进坐标上升法结合有限的故障样本对初始故障诊断模型参数进行微调。最后,以具体的永磁同步电机为例,并与其他方法进行对比,验证所提方法能够正确诊断有限样本中的故障,说明其有效性。

面向工业混杂系统故障检测的扩展数据逻辑分析方法

常规的数据驱动故障检测方法难以处理同时包含连续和离散变量的工业混杂系统,数据逻辑分析(logicalanalysisofdata,LAD)方法通过对历史数据中变量组合的逻辑分析,能够有效地挖掘离散和连续变量数据中存在的隐含规则。然而,常规的LAD在提取连续变量特征时存在对趋势变化信息丢失的问题,并且在处理具有高维度、多变量特征的工业数据时会导致提取的规则存在大量冗余。为此,本文提出一种基于扩展数据逻辑分析(extendedlogicalanalysisofdata,ELAD)的工业混杂系统故障检测方法,根据与关键变量的关联度选取相关变量,增加变量的趋势信息以进行过程状态变化的表征,生成可解释的故障检测模型。应用于工业煤气化汽包过程,有效地检测了关键混杂变量对汽包液位故障的影响,实验结果验证了所提方法的可行性和有效性。