关键词： 自动驾驶   人工智能   包容审慎监管   个人信息   算法黑箱  

摘要： 基于人工智能技术的自动驾驶汽车,有利于减少传统的交通事故,解放“四肢”而使人类出行更自由,促进共享经济发展。但自动驾驶汽车有可能导致新型交通事故,用户个人信息也可能被智能系统滥用,“算法黑箱”会加大“电车难题”风险,损害赔偿责任可能无法得到有效承担。罔顾安全而求发展会导致多种风险,但过度追求安全则会扼杀智能科技创新而阻碍发展。在人工智能时代,应当统筹发展和安全,对自动驾驶实行包容审慎监管。应科学设定自动驾驶技术标准,完善用户个人信息保护措施,规范智能决策“算法”,扩大测试道路范围并探索智能道路建设,合理分配自动驾驶的赔偿责任,并不断完善自动驾驶汽车保险。

关键词： 有限元模型   弹簧隔振器   损伤识别   机器学习  

摘要： 准确、高效地识别浮置板弹簧隔振器损伤对保证地铁运行的平稳性和安全性意义重大。文章通过有限元模拟计算得到隧道壁在不同弹簧隔振器损伤工况下的振动响应数据,利用平行卷积神经网络(Parallel Convolutional Neural Network,P-CNN)和遗传-粒子群(Genetic Algorithm-Particle Swarm Optimization,GA-PSO)算法优化最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)建立弹簧隔振器损伤识别模型,并基于测试集样本数据的识别效果分析不同机器学习模型的性能。结果表明:对损伤数量、程度和位置的识别,P-CNN算法的准确率分别为60%、80%和75%,而GA-PSO优化LSSVM算法的准确率分别为80%、60%和75%;GA-PSO优化LSSVM算法对损伤数量识别的表现更佳,而P-CNN算法对损伤程度的识别效果更优,准确率均可达80%;两种算法对损伤位置识别的效果基本相同,准确率可达75%。

关键词： 学科美育   课程体系   教师发展   人工智能  

摘要： 美育不仅限于艺术教育,而应成为所有学科的育人任务,从“知识灌输”转向“以美育人”。美育应是将知识、美感、精神三维度与课堂、教师、课程、评价、资源五实践环节整合,以此构建起系统化育人机制。在此基础上,通过推动课堂变革、课程设计、教师发展、评价优化与资源建设等路径,构建全方位、全过程、全学科的美育体系。高校在学科美育推进中责无旁贷,要用“新艺科”成果赋能高校学科美育、加强不同类型高校间的合作、推动跨领城的学科美育研究和人才培养、赋能中小学学科美育。

关键词： 人工智能   职业院校   智能鸿沟   生成机理   潜在风险   弥合路径  

摘要： 人工智能技术的快速发展在推动职业院校人才培养创新的同时,也引发了因技术接入不均、资源分配失衡等问题所导致的智能鸿沟现象。在追溯智能鸿沟概念的基础上,从资源、能力、结构及认知等维度深入阐释了其内涵与特征;基于技术社会学、教育生态学、教育技术哲学及系统科学等多学科视角,系统剖析了智能鸿沟的生成机理;深入剖析了智能鸿沟对教育公平、技能结构、伦理治理以及系统韧性等方面可能产生的潜在风险,并提出了包括制度重构、资源重构、师资重构与模式重构的多维度弥合路径,为职业院校破解智能鸿沟困境、实现技术赋能人才培养与教育公平的协同发展提供学理依据与实践策略。

关键词： 智慧教育   人工智能   人才培养   教育改革  

摘要： 在全面推进教育数字化战略的背景下,智慧教育作为高校育人方式改革的有效手段成为推动高等教育高质量发展的关键举措。高校推进智慧教育改革需要系统把握教育追求智慧的价值本源,深刻洞察推进智慧教育的战略机遇,从优化教育理念、重构办学体系、重置教育要素、重构评价标准等方面积极探索数字化驱动的智慧教育的有效途径,为智慧教育的落地实践提供有效的改革方案借鉴和实践指导依据。

关键词： 脑电   脑龄预测   机器学习   深度学习   临床应用  

摘要： 脑龄预测作为评估大脑健康和早期诊断神经退行性疾病的重要方法,近年来受到广泛关注。脑电(electroencephalogram,EEG)作为一种无创、便捷且低成本的神经生理信号,与大脑功能状态联系紧密,时间分辨率极高,这些特性使EEG在脑龄预测领域具备无可比拟的独特优势。尽管基于EEG的脑龄预测模型在准确性和泛化能力方面取得了一定进展,但数据质量和模型可解释性等挑战依然存在。本文综述了基于EEG的脑龄预测研究进展,详细介绍了数据预处理、特征提取、模型构建和结果评价的关键环节,总结了机器学习和深度学习方法在该领域的应用现状,并分析了当前存在的问题和未来发展趋势,以推动基于EEG的脑龄预测技术在临床和研究中的广泛应用。

关键词： 人工智能   道德建设   显性赋能   隐性挑战  

摘要： 在人工智能面前,乐观主义者看到并放大了人工智能中“眼前”“好”的功效,即“看得见的”显性赋能,倾向于认为人工智能使得人类的道德建设迎来了“转机”;悲观主义者看到并放大了人工智能中“背后”“坏”的风险,即“看不见的”隐性挑战,倾向于认为人工智能使得人类的道德建设面临“危机”。从整体上看,人工智能对人类的道德建设既有显性赋能更有隐性挑战。只是人工智能对人类的道德建设的隐性挑战,容易被“看得见的”显性赋能遮蔽,往往“看不见”。从原则上看,作为技术的人工智能不可能成为道德建设的主体。道德建设既“不该”是技术性行为,也“不该”止步于技术化普及,更“不该”拥有多元化主体。

关键词： 心血管手术   术后呼吸衰竭   机器学习   预测模型  

摘要： 目的基于机器学习算法识别心血管手术患者术后呼吸衰竭(postoperative respiratory failure,PORF)的危险因素,并构建特异性的风险预测模型。方法回顾性的纳入INSPIRE数据库2011到2020年间行心血管手术的1623例患者,进行数据质量分析后,使用多重插补处理缺失数据,并采用Boruta筛选相关特征变量。基于筛选指标构建8种机器学习模型,包括GBM、GLM、XGBoost、KNN、NNET、NB、SVM及RF,以曲线下面积(area under the curve,AUC)、灵敏度、特异性等指标评估模型性能,并基于排列重要性算法识别对PORF有重要影响的变量。结果PORF总体发生率为27.05%(439/1623),PORF组患者院内死亡率显著高于非PORF组(12.98%vs.1.60%,P<0.001)。建立的预测模型中,SVM模型效果较好,在测试集中,该模型AUC达到0.705,其灵敏度、特异度、阳性和阴性预测值分别为0.481、0.825、0.504、0.812。根据特征重要性计算,对术后呼吸衰竭预测影响最大的前十个变量为麻醉时长、动脉血二氧化碳分压、钙、淋巴细胞百分比、体外循环时长、术中出血量、年龄、肌酐、天门冬氨基酸氨基转移酶和活化部分凝血活酶时间。结论本研究成功构建了预测心血管手术患者术后呼吸衰竭的模型,该模型可以识别出高危患者及其发生呼吸衰竭的概率,促进数据驱动的临床决策。

关键词： 人工智能   赋能教育   医学师资   师资重塑   数智泛在教学模式  

摘要： 当下中国教育数字化战略行动正在从“3C”走向“3I”,数智时代未来已来,高等医学教育变革面临机遇和挑战,其中医学院校师资建设是重中之重。目前,医学院校师资存在教育理念亟待更新、专业化发展不足、数字素养亟待提升和结构失衡等问题。人工智能赋能医学院校师资建设可以通过强化思政引领与数智教学融合、完善师资发展规划、提升数字素养形成数智思维和优化结构等措施,推动医学教育师资建设变革,以实现数智时代医学院校师资建设与时俱进,进而推动医学教育在变革中持续高质量发展。

关键词： 循道地理   人工智能   多元空间融合   实践育人   核心素养  

摘要： 人工智能时代,传统地理育人模式亟须变革。“循道地理”多元空间融合的实践育人模式以“遵循自然规律、实现人地和谐”为理念核心,将教室、校园、研学场域以及数字空间转化为实践的载体,构建了灵动课堂交互探究、校园工具观测、跨学科研学、线上线下融合等四大实践路径。通过人工智能技术的赋能,该模式促进了思维进阶、概念具象、学科实践以及评价体系的优化。经过多校实践验证,其在全面提升学生地理核心素养方面成效显著,是地理教育数字化转型的有效案例。