法律与人工智能的法哲学思考——以大数据深度学习为考察重点

大数据深度学习模式是近年人工智能获得飞速发展的重要模式,其在法律科技中也有相关的应用,并引发了部分法律人的担忧或欢迎。对这种模式在法律中的若干应用进行分析,发现其在现有应用中已经具有大数据的优势,获得不少认可;但也存在智能水平较低、事实认定方面的能力较弱等问题进行法哲学探讨,发现该模式存在对于社会信息收集不广、也不能符合司法能动主义创新要求的缺陷。同时,该模式不能够进行证据的充分质证、事实认定方面的认知能力不足;并在行为的正当性、决策中的潜意识或者非理性、综合性和未来发展、公法的社会性大问题等方面的考量不足。该模式能够协助法律人进行工作与研究,但不可能取代人类法律人。

犯罪大数据AI模型与犯罪趋势预测研究

因犯罪区域差异、主客体博弈、人为和外界、定性定量混杂、影响因素多杂、模型不适应、数据规模小等诸多原因导致犯罪趋势研究非常困难,经实验研究用大数据AI介入犯罪趋势研究是有效解决方案。可从宏观、中观以及微观三个层面研究犯罪趋势影响因素,宏观上人、自然及社会三方面,中微观上要特别关注社会心理。对数据量小、种类少、结构化数据多、存在模糊和灰色情况下采用模糊灰色小数据预测模型;而对大范围实证研究,半结构化与非结构化数据多,经算法比较研究采用三维卷积神经网络深度学习算法比较适合大数据动态实时跟踪犯罪趋势预测。

基于人工智能算法的智能视频识别燃煤火电厂跑冒滴漏

针对燃煤火力发电站,基于大数据学习和深度神经网络,采用人工智能算法开发基于视频数据的AI识别预警系统,分析和识别生产现场常见的设备跑冒滴漏现象,及时、精准、自动推送报警,提高电力生产过程的安全风险管控和应急处置能力。结果表明视频数据AI识别预警系统能够精准、快速地识别生产现场的跑冒滴漏,具有极强的推广和应用价值。系统采用的技术包括图像编码压缩技术、图像增强和复原技术、图像特征描述技术、深度学习网络框架和人工智能模型,采用两级处理方案。第一级采用快速预筛检处理算法,第二级采用大数据深度学习算法。视频数据AI识别预警系统的实施效果包括实现电厂和变电站等生产区域的全天候、全自主智能监控,精准有效地排查异常情况,减少人工排查可能的疏漏,有效降低劳动强度,降低电厂运维成本,提高安全巡检作业效率和管理自动化、智能化水平。

应用智能模型实现联合站原油脱水系统决策优化技术研究

原油含有大量溶解水、乳化水,脱水是成品油品质的关键。通过对联合站脱水系统运行优化问题的研究,基于标准规范、专家经验、数字化资源[1],总结专家经验和生产规律,通过物联网、大数据、人工智能和可视化信息技术,实现脱水系统运行优化决策功能,为现场技术管理人员提供精准的实时分析、评价优化、决策依据,保障系统运行平稳、生产达标,达到精细管理、提质增效、提高经济效益的目的[6]。通过探索,证实智能技术实现站场复杂系统优化辅助决策是可行的,并为数字化站场智能化奠定了基础,具有良好的推广应用前景。