关键词： 力学本科教学   人工智能  

摘要： 人工智能为力学高等教育带来了机会和挑战，敦促相关教育工作者不断去探索和应用新的教学方法和技术，以更好地满足受教育者和社会的需求。本文论述了作者们对人工智能时代力学本科教学的思考，包括基础理论、知识图谱及若干可行性措施等，以期赋能构筑力学“人在回路”、“建构双脑”、“具身智能”的全新教育生态。

关键词： 滑坡易发性制图   深度学习   机器学习   集成学习  

摘要： 基于AI技术的滑坡易发性制图具有高效、准确的优点，为推进其在滑坡灾害防治中的应用，本文在介绍和总结机器学习、深度学习以及集成学习模型的原理及特点的基础上，选择支持向量机、深度随机森林和随机森林等代表性模型在陕西省略阳县进行了应用分析；探讨了AI技术在滑坡易发性领域的应用及发展方向。研究结果表明：基于决策树的集成学习模型相比于逻辑回归、支持向量机等，表现出更高的效能，AUC值在0.90以上；LSM中常用的类不平衡采样策略下，基于Boosting的集成模型具有优势，并且其受采样比的影响相对较小；对抗生成网络可以提高在深度学习模型在数据限制情况下的性能，在本文中AUC值从0.77提升至0.82；滑坡理论模型与AI数据模型相结合，具有巨大的潜力；通过充分利用时序数据的AI模型可以提升模型的性能，并有助于揭示滑坡的链式灾害效应和时空演化特征；进行各种学习模型的系统性研究，对于AI技术在滑坡易发性制图中的应用具有重要的意义。

关键词： 大数据分析   人工智能   供应链整合   供应链敏捷性   数字供应链转型  

摘要： 基于组织信息处理理论，构建“大数据分析与人工智能-供应链整合-供应链敏捷性-数字供应链转型”的链式中介模型，运用偏最小二乘结构方程模型和重要性-绩效图对192份汽车企业样本进行实证分析。研究发现：大数据分析与人工智能对数字供应链转型具有显著正向影响；供应链内部整合、供应链外部整合和供应链敏捷性在大数据分析与人工智能和数字供应链转型之间起到同步和链式中介作用；大数据分析与人工智能和供应链外部整合在推进数字供应链转型实践方面具有相对较高的重要性和绩效改进空间。研究进一步夯实了数字化转型理论基础，揭示了供应链层面的数字化转型机制，为解决汽车行业利用大数据分析与人工智能实现供应链数字化转型提供参考。

关键词： 中药材   模式识别,自动   中药药材学   应用程序   人工智能   PyQt5   卷积神经网络  

摘要： 背景传统中药材检测手段依赖主观经验，难以满足中药材在准确分类与鉴别方面的需求。目的 基于卷积神经网络（CNN）开发一款能够自动识别163种中药材的人工智能模型及电脑端应用程序。方法 2020年1月—2024年6月，采集了两个中药材数据集进行深度学习模型的训练、验证和测试，共包含163种中药材。通过准确率、灵敏度、特异度、精确率、受试者工作特征（ROC）曲线下面积（AUC）、F1分数等指标来衡量CNN模型的性能。在模型训练完成后，基于PyQt5技术开发了一款应用程序，供临床便携使用。结果 本研究共纳入了276 767张图像，开发了EfficientNetB0、ResNet50、MobileNetV3、VGG19和ResNet18 5种模型，通过性能比较，EfficientNet＿B0模型在验证集上取得了最高的准确率（99.0%）和AUC(0.994 2)，被选为最佳模型。在测试集上，最佳模型对所有中药类别识别的准确率为99.0%、灵敏度为99.0%、特异度为100.0%、AUC为1.0，展现出良好的性能。结论 基于卷积神经网络开发的深度学习模型能够快速准确地识别163种中药材，借助其高灵敏度的识别能力，为医师对中药材的鉴别提供有力辅助。

关键词： 美国智库   人工智能   人才建设  

摘要： [目的/意义］人工智能作为一种颠覆性技术，正在从根本上变革国际社会发展进程，已成为中美科技博弈的焦点。厘清美国智库人工智能人才建设议题研究的特点和对该议题的认知，能够为研判美国人工智能人才政策提供参考，也为我国智库建设提供一定启示。［方法/过程］本文采用文献分析法考察7家智库的人工智能人才建设研究成果，重点梳理其研究背景、方法、问题以及结论。［结果/结论］美国智库人才建设议题研究具有数据和对华竞争双重驱动性。美国智库呼吁从自主培养以及完善和扩大国际人才蓄水池两个方面加强人工智能人才建设，以保持美国人工智能发展优势。

关键词： 人工智能   AIGC   智慧健康   知识服务   服务平台  

摘要： 传统的健康知识服务无法满足互联网时代的需求，AIGC赋能的智慧健康知识服务逐渐登上舞台。文章采用综合研究方法，探讨AIGC驱动的智慧健康知识服务模式，构建AIGC赋能的智慧健康知识服务智能体框架。研究发现：AIGC赋能的智慧健康知识服务模式是新型的知识服务模式，通过智能体来实现人机交互，它利用人工智能技术，为用户提供个性化、智能化的健康知识服务。

关键词： 认知框架转变   商业模式创新   对比性案例设计   人工智能  

摘要： 商业模式创新是影响企业能否从技术中获取利润的关键要素。围绕“认知框架如何影响商业模式创新”这一问题,通过双案例研究讨论AI企业商业模式创新过程及其涌现机制。研究发现:认知框架转变是驱动商业模式创新的关键因素,企业通常采用叠加、脱耦和融合策略对认知框架作出改变。当使用叠加和脱耦策略时,认知框架转变程度较低,只能通过企业转型促进商业模式内容创新和治理创新;当使用融合策略时,认知框架转变程度较高,在促进企业转型的同时还能增强能力,促进商业模式全方位创新,形成内容、治理和结构创新的闭环。从认知层面揭示技术类企业实现商业模式创新过程,验证认知框架的自我强化特征,阐释认知框架与环境之间的自适应性,可为商业模式创新提供微观解释。同时,强调商业模式结构创新的重要性,明晰商业模式创新细分要素,对管理实践具有一定启发。

关键词： 远景区预测   机器学习   铜成矿规律   地球化学填图   老挝  

摘要： 老挝处于特提斯成矿域南东段，具有丰富的矿产资源，但其地质工作基础薄弱，厘定矿产资源成矿规律并开展远景区预测是老挝在重点区实现找矿突破的有效途径。老挝1∶100 万国家尺度地球化学填图由中老双方合作完成，为其矿产资源和环境评价提供了高质量的地球化学基础数据和图件。本文主要利用国家尺度地球化学填图数据，结合老挝已发现矿产成矿规律，利用机器学习技术，开展铜资源远景区预测。研究结果表明，（1）老挝铜矿床的形成明显受到构造-岩浆-沉积作用控制，铜矿床主要类型有斑岩型、矽卡岩型、热液型以及砂岩型。（2）老挝全国水系沉积物中铜含量在1.20～459 μg/g之间，平均值为21.96 μg/g，中位值为16.50 μg/g，在7个三级大地构造单元中， 长山地块和哀牢山—马江等三个缝合带的平均值高于其他几个构造单元，地球化学图显示铜在老挝分布不均匀，存在多个大面积分布的高背景区和异常区。（3）构建了包括单元素异常、矿化元素组合异常、指示中酸性岩体元素组合、控矿构造分布、碳酸盐岩和碎屑岩分布等要素的老挝铜矿多源信息定量信息预测模型。（4）利用随机森林成矿预测方法，共圈定9个成矿远景区，具有寻找斑岩型、矽卡岩型等类型铜矿找矿前景。

关键词： 机器学习   肝硬化   食管静脉曲张   风险因素  

摘要： 目的：探讨肝硬化患者并发食管静脉曲张的风险因素，并建立预测模型，以便为预防肝硬化患者早期并发食管静脉曲张提供合理的指导。方法：回顾性纳入2006年12月至2021年5月在重庆市医院就诊的1 113例肝硬化患者。通过结合递归特征消除算法（Recursive Feature Elimination,RFE）和4种机器学习方法筛选特征，建立5种机器学习预测模型，包括逻辑回归、随机森林、支持向量机（Support Vector Machine,SVM）、决策树和极端梯度提升（eXtreme Gradient Boosting,XGBoost）模型。通过绘制受试者工作特征曲线（receiver operating characteristic curve,ROC）评估不同模型的性能，并根据表现最优的模型分析肝硬化患者并发食管静脉曲张的风险因素。SHAP图用于解释各风险因素对患者的影响。结果：XGBoost模型在预测肝硬化患者并发食管静脉曲张的风险方面表现最佳，ROC曲线下面积为0.872(95%CI=0.813～0.918)。SHAP图表明，影响肝硬化患者并发食管静脉曲张的风险因素包括血小板计数、门静脉内径、胆碱酯酶、白蛋白、谷丙转氨酶、血红蛋白、凝血酶原比值、凝血酶原时间和血清总蛋白等九项临床指标。结论：本研究得出的XGBoost预测模型具有较高的预测价值，其筛选出的风险因素对临床防治肝硬化患者早期并发食管静脉曲张具有一定的指导意义。

关键词： 喀斯特   土壤有机碳   土壤颜色   光谱反演   机器学习  

摘要： 有机碳作为土壤的重要组成部分之一，评估其质量和稳定性具有重要意义。在喀斯特区，研究土壤有机碳含量分布特征可以识别潜在的土壤侵蚀风险区域，为优化土地利用、制定有效的水土保持措施提供科学依据。本研究以桂南喀斯特石灰土为研究对象，采集不同土地利用类型下土壤样品，利用5款智能手机拍摄获取土壤颜色图像，提取土壤颜色参数，使用光谱仪获取土壤光谱信息；并结合机器学习方法和线性算法，即人工神经网络（BPNN）、支持向量机（SVM）、随机森林（RF），以及线性算法偏最小二乘回归（PLSR），建立有机碳含量反演预测模型，使用决定系数、均方根误差、相对分析误差作为模型精度评价指标，筛选并明确适用于该地区土壤有机碳含量的智能手机及对应的预测模型和光谱仪方法下的预测模型。结果表明：5款智能手机基于4种建模方法的建模结果呈现出不同效果，表现为：Redmi Note11T por+>IQOO Neo7 SE>华为nova 5Z>realme X7 pro>iPhone X；采用5款智能手机采集的多光谱数据与光谱仪采集的高光谱数据综合建模效果表现一致，其中，SVM精度评估系数最好，建模效果最佳，其次是BPNN、RF和PLSR，相较于PLSR，机器学习算法展现出更好的预测效果；结合模型估算散点图，当土壤有机碳含量低于10 g·kg-1，模型预测结果较为分散，当土壤有机碳含量高于10 g·kg-1时，模型预测结果更为集中。本研究为深入了解喀斯特地区土壤有机碳含量的空间特征提供了理论支持和实践基础，可为解决该地区水土流失问题和改善农业生产环境提供依据。