关键词： 化学品管理   大数据   机器学习   自然语言处理   数字孪生  

摘要： 化学品在促进发展和改善民生的同时,在其生命周期中也不可避免地释放到环境中,对人体健康造成危害.由于化学品数量庞大,传统管理方式难以应对.有必要发展“AI+大数据”的化学品管理策略,更好地保障人体健康,实现可持续发展.策略前端为大数据汇集,采用基于语料库和领域知识微调的大模型汇集化学品数据.策略中端为大数据分析,通过建立决策式和生成式AI模型、基于多模态大模型的AI智能体,提供智能化的化学品风险预测.策略末端为数字孪生系统,建立化学品管理中物理实体与数字虚体间的映射,对物理实体进行实时监测和优化调整.基于“AI+大数据”的化学品管理策略,有望实现管理数字化,推动化学品行业向高效和安全的可持续发展路径迈进.

关键词： 人工智能   智能劳动   价值辩证法   马克思劳动价值论  

摘要： AI技术的革命性发展不仅重塑了劳动方式,更在生产领域引发深刻的辩证效应:一方面,开拓了价值创新的可能空间;另一方面,也衍生了劳动主体消解与价值秩序重构的深层矛盾。AI深度介入生产流程并参与决策优化的这种辩证特性,致使工业革命时期形成的马克思劳动价值论遭遇双重挑战——人机协作模糊价值创造主体边界,技术迭代催生价值来源多元化认知冲突。在此背景下,马克思劳动价值论以“活劳动是价值创造唯一源泉”为理论基础展开了系统性回应:其一,坚守劳动者主体地位,即便智能系统分担脑力劳动,但价值创造的终极动能仍源于人的创造性实践;其二,通过重构“人机”协作的劳动价值阐释方式,强化活劳动在价值创造中的作用;其三,辩证审视资本逻辑与技术理性的互动机制,建立技术伦理与分配正义的双重约束。在社会主义制度框架下,人工智能可突破资本增殖的工具局限,转化为解放生产力、优化社会关系、促进人的全面发展的战略支点,为实现技术赋能与劳动解放的辩证统一提供制度保障。

关键词： 新闻记者   人工智能   挑战   应对措施  

摘要： 人工智能技术的出现改变了我国媒体行业的发展状态,创新了新闻媒体的生产方式、传播模式。与此同时,在提高新闻生产质量及传播效率的过程中,处在传统媒体环境下的新闻记者也迎来了新的发展挑战。为切实提升竞争力,应对挑战,新闻记者需主动接触人工智能技术,与之协同互补,驱动自身成长为全能型记者。文章从这一背景出发,深入探究人工智能浪潮下新闻记者所面临的挑战以及可采取的合理化措施,旨在为当代记者的发展转型提供有益参考。

关键词： 伦理   人工智能   开源   治理   共构  

摘要： 以DeepSeek为代表的开源人工智能正在打破技术垄断、推动智能平权,成为不可逆转的全球趋势。在开源人工智能的复合生态中,代码层与社区层相互嵌套、彼此作用,推动着治理逻辑从单向介入转向双向共构,从单一控制转向多元协作,从预设规则转向生成秩序。伦理成为由实践反馈不断生成、演化的价值体系,技术则成为反映社会期待、嵌入价值偏好的动态系统。开源人工智能的治理范式呈现出价值驱动、多元共构、伦理协商与技术共生的演进趋势。“伦理-技术共构”既是对人与技术共处方式的哲学阐释,也是对伦理秩序生成逻辑的预判,回应了开源时代“AI向善”的现实期待,也试图开启一个由人类意志参与塑造、由公共价值持续指引、由技术创新有效支撑的人与智能技术共生的未来。

关键词： 支持向量机   非天然地震   广东及周边区域   物理特征   机器学习  

摘要： 选取广东及周边区域天然和非天然地震事件作为研究对象,提取P波和S波在频率域的典型物理特征作为特征值,并采用特征组合最优解算法将最佳特征参数输入支持向量机模型用于样本训练,实现对广东及周边区域非天然地震的识别。测试结果表明,地震事件整体识别准确率为99.3%。另外,开发基于支持向量机的非天然地震识别模块,并将其对接广东台网日常编目系统,实现了地震事件类型准实时自动识别。应用结果显示,人工编目的130个地震事件识别准确率为96.9%。

关键词： 鼻咽癌   预测预后   磁共振成像   人工智能   生境成像  

摘要： 鼻咽癌是我国最常见的头颈部恶性肿瘤之一,早期患者预后良好,但局部晚期患者的预后相对较差。精准预测预后是实现个体化治疗、提高生存率的关键。常规MRI提供的语义特征(如肿瘤大小、形状、侵袭范围等)与肿瘤分期密切相关,可直观反映肿瘤负荷和浸润程度。人工智能方法(包括传统影像组学与深度学习)能够自动提取高维影像特征,进一步挖掘肿瘤内部的异质性信息。近年来,多组学方法将临床特征、MRI和病理等数据与深度学习相结合,实现了更高准确性的预测预后。此外,生境成像技术通过将肿瘤分割为不同亚区,捕捉亚区的微环境差异,也显示出辅助预测复发的潜力。本文系统综述了基于常规MRI(如T2WI、对比增强T1WI)的语义特征、影像组学、深度学习及生境成像在鼻咽癌预测预后中的最新研究进展,分析比较其价值与局限,并探讨未来潜在的发展方向,旨在优化鼻咽癌预后评估体系。

关键词： 劳动尊严   颠覆性技术   伦理审思   人工智能  

摘要： 进入人工智能时代,人工智能技术作为引领未来的颠覆性技术,已经主动融入生产的各个领域、各个环节,成为推动价值创造不可或缺的关键力量。然而,与前人工智能时代的单纯以机械化、自动化替代手工劳动的生产方式相比,人工智能抛弃了传统体力劳动与脑力劳动的对立,实现了无需直接劳动力介人的智能化生产,从而引领了物质资料生产方式的异质性发展路径。

关键词： 糖尿病视网膜病变   机器学习   疾病预测   比较研究  

摘要： 目的 分析比较逻辑回归(LR)、线性判别分析(LDA)、决策树(DT)、随机森林(RF)、CatBoost和LightGBM 6种机器学习模型对2型糖尿病患者视网膜病变风险的预测效能。方法 利用国家人口健康科学数据中心的糖尿病并发症预警数据集,基于不同算法构建2型糖尿病患者视网膜病变风险预测模型,清洗数据后按照7:3划分训练集和测试集,采用十折交叉验证法对6种模型的预测性能(准确度、召回率、精确度、F1-Score、AUC)进行比较。结果 在测试集上使用6种模型对2型糖尿病患者视网膜病变进行风险预测,LightGBM的准确度(0.773 8)、召回率(0.825 1)、精确度(0.762 0)、F1-Score(0.792 3)和AUC(0.843 4)均最高,CatBoost的准确度(0.744 1)、召回率(0.787 8)、精确度(0.729 1)、F1-Score(0.757 3)和AUC(0.828 0)均次之。结论 对于2型糖尿病患者视网膜病变风险预测,LightGBM在6种模型中综合表现最好,此外集成学习分类器(LightGBM、CatBoost、RF)的预测效能优于弱学习分类器(DT、LR、LDA),可为2型糖尿病患者视网膜并发症的临床辅助诊断及发病风险预测提供便捷可靠参考。

关键词： 科学突破   突破性论文   颠覆性指数   机器学习方法   早期识别  

摘要： [目的/意义]潜在突破性论文是基础研究中最具发展前途的“种子”,可能预示着科学、技术和创新体系的转变。尽早识别突破性论文有助于国家科研管理部门资助潜在的颠覆性基础研究,实现科技创新领域战略的前瞻性部署。[方法/过程]首先,从科学革命理论和突破性论文的内涵出发,指出突破性论文具有破坏性和影响力两个主要特征;然后,以早期识别为目标,兼顾显著性差异和指标稳定性遴选出衡量破坏性特征的测度指标,借助XGBoost模型进行论文未来影响力特征的预测,将同时满足高破坏性和高影响力特征阈值的论文视为潜在的突破性论文;最后,以脑科学领域为例进行验证。[结果/结论]研究提出的方法能够有效进行潜在突破性论文的早期识别,该方法是否具备领域迁移性有待进一步研究。

关键词： 机器学习   时间序列预测   移动网络   聚类  

摘要： 在移动网络中,移动设备需要持续监听控制信道来保证接收到基站发送的调度授权信息,这在基站没有发送授权信息的情况下会导致大量的能量浪费,预测授权信息的发送规律可有效减少这种浪费.现有的授权信息预测方法在特定的流量场景下可实现较高的准确率,但仍难以应对动态变化的通信环境.为解决上述问题,提出了一种基于流量场景感知的在线调度授权信息预测方法:首先,对历史授权信息序列进行特征提取并对所提取的特征值进行聚类,以划分不同的流量场景;然后,对每一类场景单独构建并离线训练预测模型.在线预测阶段,系统根据流量场景的感知结果选择合适的模型进行预测.实验结果表明,与基准方法相比,所提方法在预测错误率方面最多可降低81.52%,且在仿真和真实流量轨迹上均可有效节省能耗.同时,所提流量场景感知方法能够大幅降低计算复杂度,从而更适合对流量场景的实时感知.