高中生物学教学中问题生成后的对策分析

能否引导学生自主生成问题,是课堂评价的标准之一。问题生成后教师必须知道如何应对。本文依据课堂案例,将高中生物学教学中的生成问题进行分类,对每一类型提出了教师的即时应对方案,并分析了每个应对方案的优缺点,旨在对教师提供教学借鉴。

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。

生成式人工智能大模型在设计领域的应用

近些年来,随着ChatGPT,Midjourney,Stable Diffusion,Gemini等大模型的横空出世,生成式人工智能大模型取得了飞速发展,各行各业迎来了新一轮的技术变革。旨在探讨这一前沿技术在设计领域的应用,特别是在设计创新和创意产出方面的影响。首先,我们介绍了生成式人工智能大模型的基本原理,着重阐述其在文本生成、图像生成等任务上的成功应用。其次,我们深入研究了生成式人工智能大模型在设计领域的具体应用,主要包括服装设计、平面设计、漫画设计、机器人设计、工艺品设计、游戏设计等方面。此外,还探讨了生成式人工智能大模型在设计领域可能面临的挑战以及相应的解决策略。最后,我们强调了在设计领域使用生成式人工智能大模型的潜在益处,以及在设计过程中应扮演的角色。

从知识困境到认知陷阱:生成式技术驱动型信息生态系统安全问题研究

生成式技术驱动型信息生态系统以生成式人工智能技术为核心,对整个信息环境中的知识传递与共享、认知流动与扩散过程发挥支撑和推动作用。然而,这种创新型的信息生态系统也伴随着知识安全和认知安全问题的出现。本文从知识环境和认知环境两个层面入手,对生成式技术驱动型信息生态系统的特点、优势与风险进行深入剖析,探索如何在符合人类价值观和社会伦理的前提下,充分发挥生成式人工智能的潜力,推动构建高效、安全、可持续发展的生成式技术驱动型信息生态系统。

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。

“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。

基于全局与序列混合变分Transformer的多样化图像描述生成方法

多样化图像描述生成已成为图像描述领域研究热点.然而,现有方法忽视了全局和序列隐向量之间的依赖关系,严重限制了图像描述性能的提升.针对该问题,本文提出了基于混合变分Transformer的多样化图像描述生成框架.具体地,首先构建全局与序列混合条件变分自编码模型,解决全局与序列隐向量之间依赖关系表示的问题.其次,通过最大化条件似然推导混合模型的变分证据下界,解决多样化图像描述目标函数设计问题.最后,无缝融合Transformer和混合变分自编码模型,通过联合优化提升多样化图像描述的泛化性能.在MSCOCO数据集上实验结果表明,与当前最优基准方法相比,在随机生成20和100个描述语句时,多样性指标m-BLEU(mutual overlap-BiLingual Evaluation Understudy)分别提升了4.2%和4.7%,同时准确性指标CIDEr(Consensus-based Image Description Evaluation)分别提升了4.4%和15.2%.

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。

用户知识问答转移行为研究:从问答社区到生成式AI

[研究目的]作为一类新兴应用,生成式AI在知识问答领域吸引了众多用户,这可能导致传统的知识问答社区用户流失,因此研究用户转移行为对提高知识问答社区用户粘性来说至关重要。[研究方法]基于PPM(推-拉-锚)模型,整合认知和情感体验因素,研究了用户的知识问答转移行为。对收集的483份有效数据采用混合方法包括结构方程模型(SEM)和模糊集定性比较分析(fsQCA)进行分析。[研究结论]研究结果发现,转移意愿受推力因素(信息过载、社区倦怠)、拉力因素(感知拟人度、感知准确度、感知可信度、沉浸体验)和锚定因素(社会影响)的综合影响。fsQCA识别出了三条导致转移意愿的主要路径。研究结果启示问答社区需降低信息过载,缓解用户的社区倦怠,从而实现用户保持和平台可持续发展。

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。

对比罗沙司他与重组人促红细胞生成素对维持性血液透析患者冠状动脉钙化的影响

目的对比罗沙司他与重组人促红细胞生成素(rHuEPO)对维持性血液透析(MHD)患者冠状动脉钙化的影响。方法采用回顾性分析的方法,选取重庆医科大学附属第一医院血液净化中心2019年4月至2021年6月处方中含罗沙司他的56例MHD患者作为ROX组,同期处方中含rHuEPO的60例MHD患者作为EPO组,随访观察12个月,比较两组患者治疗前后实验室检查指标、冠状动脉钙化积分(CACS)、心脏超声参数的差异及随访期间心脑血管事件发生情况。结果治疗前及治疗后两组患者的CACS比较,差异均无统计学意义(P>0.05);但ROX组患者治疗前后的CACS差值明显低于EPO组患者(P<0.05)。两组患者治疗前后心脏超声参数及实验室检查指标比较,差异均无统计学意义(P>0.05)。随访期间,ROX组患者的脑卒中和心肌梗死发生率显著低于EPO组(P<0.05),但两组间因心衰住院的发生率差异无统计学意义(P>0.05)。结论与rHuEPO比较,罗沙司他可能对延缓MHD患者冠状动脉钙化有积极作用,且可能有利于减少MHD患者心肌梗死、脑卒中的发生。

生成式人工智能支持的教师评语研究:基于初中数学课堂的实践探索

教师评语是形成性评价分析的重要数据来源,但现有教师评语生成的质量在社会性、客观性和个性化方面存在一定的不足,生成式人工智能支持的教师评语为解决该问题提供了可能。生成式教师评语是指教师通过认知诊断技术得到的智能诊断数据与生成式人工智能平台进行交互,从而让生成式人工智能平台模拟教师社会性语言,生成数据驱动的个性化教师评语。在初中数学课堂中的实证研究发现:生成式教师评语有效地提高了学生的自我调节学习能力(Cohen's d=1.08,p=0.000)和学习动机(Cohen's d=0.59,p=0.003),对学生的深度访谈结果表明,生成式评语能作为考试的一种总结反思工具,体现了教师对学生个性化的关注和鼓励。研究结果为人工智能技术助力个性化、精准化教学提供了研究思路,为教育环境中持续评估和改进生成式人工智能技术的使用提供了建议。

生成式人工智能嵌入敏捷政府建设:影响、风险与应对

随着科学技术的不断发展,人工智能持续突破以传统算力和算法为基础的专门化人工智能“本体”,向着解决综合性复杂问题的通用型方向发展。技术变革催生政府创新,在新智能时代的社会背景下,传统政府利用最新科技工具向敏捷政府转型。以ChatGPT为代表的生成式人工智能所具有的大数据、大算法以及“类人化”等特征与敏捷政府的灵活响应、以人为本等特性相匹配,为其嵌入敏捷政府建设提供了可行性。然而,技术是一把双刃剑,政府在享受生成式人工智能技术带来便捷的同时,也要应对其超越性发展所带来的现实难题。总体来看,对生成式人工智能的广泛应用应该持包容态度,并将其作为技术工具赋能敏捷政府建设,推动生成式人工智能更好地落地实践。

人工智能生成内容的著作权客体性思考——兼论作品判定的独创性标准选择

以基于转换器的生成式预训练模型(GPT)为代表的高阶人工智能凭借其强大的智能型内容生成机制,使得内容产品生产中的技术占比不断上升,人的直接投入占比相对下降,传统著作权法作品的独创性要求、权利人本原则等基本理论受到冲击。面对人工智能生成内容(AIGC)可作品性问题,基于自然人智力投入的创造性本质理论和闭合性作品概念显得力不从心。在过程视角下(主观标准),人工智能内容生成过程符合人类创作的思维特征;在结果视角下(客观标准),人工智能生成内容具有著作权作品的外观形式和信息消费功能,符合著作权作品的本质属性。如果人为割裂人工智能生成内容与著作权作品在产生过程和实质作用上的同质关系,强行区分人工智能生成内容和自然人创作作品的法律性质,则有悖著作权法因应技术发展调整信息消费品利益的制度旨趣,最终将导致著作权法律秩序的混乱。

基于“技术道德化”理论的生成式人工智能教育应用潜能与风险研究

随着生成式人工智能的快速发展及其在教育领域的广泛应用,国内外研究者围绕它及其背后的大语言模型教育应用问题展开了热烈的讨论,但大部分研究因缺乏对生成式人工智能技术原理的了解而在问题探讨中存在伊莉莎效应。研究首先在对生成式人工智能技术学原理进行深入剖析的基础上,从维贝克“人—技杂合”视角对生成式人工智能的本质展开技术哲学分析;其次,基于“技术道德化”理论分析了生成式人工智能教育应用的四大潜能和面临的五大风险挑战;最后,提出基于“人—技杂合”的思想从“设计者”和“使用者”两种视角构建“双向奔赴”的全球人工智能治理体系,将成为未来探索的重要方向。

大模型时代:知识的生成式“涌现”

随着计算能力的提高和数据的爆炸性增长,生成式大模型逐渐成为知识生产的核心力量,并深刻改变了人类知识的生产方式。本文系统探讨了从古典学术到现代信息科技的知识生产历程,将传统知识生产方式归纳为个体的知识涌现。与之相对应的大模型时代,知识生产方式则可称为生成式的知识涌现,从而造就了新的知识高原。大模型时代生成式知识涌现的机理,表现为知识结构和生成逻辑两方面的转变。虽然生成式大模型在文本生成、数据分析等领域设立了一种难以超越的“基线”,但人类在创造、批判思考和情感判断上的独特能力仍然不可或缺。结合人机协同的哲学和技术探索,本文为未来知识生产的新时代提供了一个全面而深入的视角,并在此基础上勾画人机协同共创知识高峰的路径。

精彩总在生成后——利用各种因素促进动态生成

教学有时可以简化为预设与生成的艺术，通过动态促进生成，利用生成完成预设的目标。思维的激活，灵性的喷发源于对话的启迪、碰撞。只有深层次地对话，才有闪光的生成。然而灵感稍纵即逝，火花瞬间即灭，这就要求教师应具有捕捉焦点论题的意识和能力精心预设，为生导航交流互动，促进生成。

生成式人工智能虚假信息治理的新挑战及应对策略——基于敏捷治理的视角

生成式人工智能的基础数据来源复杂,数据的真实性与合法性存在极大不确定性,由此出现的虚假信息在技术逻辑上具有必然性和无限复制性;在传播规律上具有瞬时性和隐蔽性;在危害后果上具有复杂性和不可控性。现有多中心协同论、二元治理结构论和层级治理论分别从不同的视角提出治理策略,但过于关注协同合作本身却忽视了治理主体的协同能力和响应效率;过度依赖政府与市场的互补却遮蔽了二者面临新技术时容易懈怠的共性;盲目信任分层治理极易陷入技治主义的困境。对此,应转向敏捷治理下以政府主导强化多元主体间的协同效能、提升治理结构的适应性、破除层级障碍的治理新思路。以虚假信息治理的法治化和技术化为基本方向,保持制度的原则性要求和技术工具价值的协同,实施虚假信息等级评估制度,构建治理主体高效协作机制、快捷响应机制和容错纠错机制,搭建生成式人工智能虚假信息敏捷治理新模式的基本框架。

基于改进条件生成对抗网络的可控场景生成方法

可再生能源发电具有较强的随机性和波动性,为实现高效可靠的场景建模,提出一种基于改进条件生成对抗网络的可控场景生成方法。提出基于条件生成对抗网络的场景生成框架,结合Transformer的全局注意力机制以及常规卷积和深度可分离卷积的局部泛化机制,设计适用于提取可再生能源发电不同维度特征的网络结构;利用条件生成对抗网络模型建立低维气象特征隐空间和高维可再生能源发电数据之间的映射关系,提出一种可控场景生成方法,并建立随机场景生成、场景约减、极端场景生成和连续日场景生成4种生成策略。基于实际光伏、风电数据和气象数据的仿真结果表明,所提模型与方法能够有效学习可再生能源发电的随机性、时序性、波动性及空间相关性,实现对不同策略下场景的可控生成。

生成式AI视域下智慧图书馆建设的关键路径

[目的/意义]智慧图书馆已经成为当今图书馆学界和业界最热门的主题之一。智慧图书馆建设的理论研究与实践工作已经取得了初步成效,生成式AI也在蓬勃发展的同时参与到各行各业的建设中。因此有必要立足当下发展,放眼远景目标,确定生成式AI参与智慧图书馆建设的策略。[方法/过程]本文从智慧图书馆空间升级、服务打造、业务重组、人才培养、体系建设5个方面阐明了生成式AI视域下智慧图书馆建设的关键路径。[结果/结论]关键路径研究将为生成式AI引入智慧图书馆下一阶段的建设工作提供借鉴与依据。