关键词： 人工智能   精神卫生   健康促进   儿童   青少年  

摘要： 人工智能(AI)技术在心理健康领域的应用日益深入,儿童青少年作为数字原生代,其心理健康问题的预防、识别和干预正经历着由传统模式向智能化、数字化模式的重大转变。当前,中国儿童青少年心理健康状况不容乐观,抑郁、焦虑等情绪障碍呈现低龄化趋势,而传统的心理健康服务模式面临着专业人员不足、服务可及性低、早期识别困难等多重挑战。研究系统梳理了AI技术在儿童青少年心理健康服务中的应用现状,包括筛查评估、干预治疗等方面最新进展;深入分析当前面临的关键挑战;提出促进AI技术与儿童青少年心理健康服务深度融合的建议,为推动心理健康服务的智能化、精准化和普惠化发展提供理论支撑和实践指导。

关键词： 人工智能   传统产业   智能化转型  

摘要： 随着人工智能（AI）技术的快速发展，传统产业正经历深刻的智能化转型。本文从动力机制、多维效应与实践路径三方面系统探讨AI对传统产业的赋能逻辑。研究发现：技术驱动、市场需求拉动与政府引导构成AI赋能传统产业转型的三维动力机制，其中算法创新、算力提升等技术突破为转型提供核心支撑，个性化消费与绿色经济等市场变革形成外在拉力，政策支持与战略规划则构建制度保障。在“经济—社会—生态”效应层面，AI不仅提升生产效率、创造新经济增长点，还优化就业结构、提升生活品质，同时推动绿色生产与资源节约。在生产制造智能化、产品服务个性化与产业生态协同化构成AI赋能的主要路径的背景下，应通过智能工厂、定制化生产与产业链协同等模式，进一步推动传统产业向智能化、数字化与可持续方向转型。

关键词： 人工智能   磁共振成像   影像组学   一致性   鼻咽癌  

摘要： 目的 评估人工智能辅助压缩感知（ACS）加速技术与传统磁共振并行成像（PI）加速技术相比，对鼻咽癌MRI影像组学特征提取及分期诊断模型性能的影响。方法 纳入64例经3.0T MR扫描的初诊鼻咽癌患者。在关键成像参数保持一致的情况下，分别采用PI和ACS加速序列采集平扫T1加权、T2加权及增强T1加权图像。ACS组三种序列总扫描时间为227 s，较PI组（312 s）缩短约30%。使用开源工具Pyradiomics提取18个一阶特征和75个纹理特征，利用组内相关系数（ICC）评估ACS与PI图像组学特征的一致性。基于两组图像特征，分别采用最小绝对收缩与选择算子进行特征选择，并构建随机森林模型以区分鼻咽癌早期（T1-T2）与晚期（T3-T4）。通过受试者工作特征曲线下面积（AUC）评估模型的诊断性能，并使用DeLong检验比较两组模型性能的差异。结果 ACS与PI图像提取的组学特征总体一致性较高，86.0%(240/279)的特征ICC值大于0.75。其中平扫T1加权、T2加权及增强T1加权图像平均ICC值分别为0.91±0.09、0.89±0.13和0.88±0.11。在鼻咽癌分期预测方面，基于ACS与PI图像特征所构建模型的AUC分别为0.89和0.90,DeLong检验显示两组模型性能差异无统计学意义（P=0.991）。结论ACS与PI加速序列所获图像在提取组学特征上具有较高的一致性，基于ACS图像构建的鼻咽癌分期预测模型与基于PI图像的模型在诊断效能上表现相当。ACS加速可显著缩短扫描时间，为鼻咽癌影像组学研究提供了一种可靠的磁共振高效加速采集方案。

关键词： 红外光谱   人工智能   有机化学实验   跨学科融合  

摘要： 随着人工智能技术的快速发展，其在化学教育中的应用已成为教育变革的核心驱动力。本文以卤代正丁烷合成实验为例，基于南开大学AI创新平台(NK-GeniOS)，构建了红外光谱智能识别与教学辅助系统。通过单调性抗锯齿优化法实现了对于图片形式的红外谱图中产品及杂质红外吸收峰的快速准确识别，通过设计分析Agent与评价Agent的多智能体协同机制，系统实现了对实验数据的精准解析与个性化反馈，解决了传统教学中谱图解读依赖教师经验、缺乏实时指导的痛点。此外，通过组建项目小组，以“研究-汇报-讨论”的模式实现了实验教学的分层赋能，不同层次的学生都能有所收获，并极大地激发了学生的科研兴趣，79%的同学开始愿意参与到类似的研究中，参与翻转课堂的意愿也从20%提高到71%。

关键词： 大数据挖掘   MOFid   高通量筛选   化学战剂   机器学习   分子模拟   金属有机框架  

摘要： 为高效捕获对人类健康与环境构成严重威胁的低浓度化学战剂及模拟物，本研究依托AI大数据驱动的高通量计算筛选策略，针对数万种金属有机框架（Metal Organic Framework，MOF）吸附材料数据库进行系统分析，精准评估低浓度化学战剂在空气中的分离捕获性能。引入选择性与吸附容量的权衡值（TSN）作为综合指标，结合六种算法(决策树、随机森林、梯度提升回归树、极端梯度提升（Extreme Gradient Boosting， XGB）、反向传播神经网络和轻梯度提升机)构建预测模型，结果表明XGB算法的预测效果最佳(R2可达0.923)。随后，将XGB算法与MOFid标准化标识符相结合，采用大数据筛选挖掘方法对TOP1%高性能MOFs进行结构共性解析，发现开放过渡金属位点与刚性有机配体的协同作用有助于增强化学战剂的吸附亲和力；同时，高频率的特定拓扑结构被证明可通过形成有效的孔隙结构来增益吸附作用。本研究通过MOFid赋能下的AI大数据挖掘技术为优化MOF吸附性能和筛选高效材料提供了关键指导，助力空气中痕量化学战剂的高效捕获。

关键词： 人工智能   传统教育   智能教育   高校教育   教育改革  

摘要： 人工智能技术的飞速进步为高等教育领域带来了转型的紧迫需求和巨大机遇。高等教育需要从传统范式向智能化模式迈进。面对这一挑战,探索其可行性、面临的挑战与应对策略显得尤为重要。通过对人工智能在教育领域的现有应用进行分析,并审视传统教育模式的限制因素,提出了一系列切实可行的建议,旨在推动高等教育的智能化发展。这些举措将为高校教育带来更广阔的发展空间,同时也将有助于应对未来社会对人才的新要求,为学生提供更具竞争力的学习体验。

关键词： 宏-微”结合   证候   非酒精性脂肪肝   机器学习   可解释性模型  

摘要： 随着现代研究方法的发展，机器学习（ML）算法在中医药诊疗等领域中的广泛应用，使中医辨证主观化进而转变为相对客观的诊断，为其中医辨证客观化、量化提供了一种可行的途径。但也出现了病-证诊断模型双重“黑箱”的不可解释性、时空动态数据缺失、临床表征模型与证候分子生物学研究“各自为政”等相关问题。本文通过聚焦非酒精性脂肪性肝病（NAFLD），基于生物学“多重打击”理论，以中医“病-证-症-期”诊疗为指导，提出以下研究思路：构建表型-细胞-分子多层次关键网络模块的“单纯性脂肪肝→脂肪性肝炎→肝纤维化→肝硬化”的数学模型框架；建立基于证候-影像表型组（宏）与代谢组学为代表的分子标志物群（微）特征融合的可解释性多维模型的方法学框架，以期实现NAFLD证候个体化的精准诊断。

关键词： 黄河下游   湿地   机器学习   生态环境质量   驱动力  

摘要： 【目的】近20年来,黄河下游湿地受气候变化、地下水超采及小浪底调水调沙等多重复杂因素影响。引入机器学习方法可提升复杂驱动因子的识别效率与解释能力,弥补传统方法在非线性耦合识别方面的局限。【方法】以位于水文调控与生态敏感交汇区的中牟段沿黄湿地为研究对象,构建融合遥感生态指数(RSEI)与机器学习驱动的驱动力识别框架,系统评估2002—2022年间湿地生态环境的演化过程与主控因素。【结果】(1)2002—2022年间,研究区湿地中生态质量指数(RSEI)处于较高水平的区域比例逐渐减少,由约9%下降至约2%,而处于较低水平的区域比例则不断增加,面积由约32%上升至约42%,总体生态环境面临退化趋势。(2)通过随机森林模型识别湿地生态变化的主要驱动因子发现,降水与生态质量呈正相关,贡献率为37.4%;土地利用中,水域面积增加对生态质量具有正向作用(5.7%),而建筑用地扩张则表现为负向影响(7.9%);地下水埋深变化与生态质量呈负相关,贡献率为13.4%。这些因子通过调节水分、土壤湿度、植被生长和径流过程,显著影响湿地生态系统的多尺度演化,体现其关键作用。【结论】结合RSEI的机器学习方法能有效识别湿地生态环境退化的驱动机制,并可通过调节土地利用和地下水开采强度,减轻人类活动对湿地生态环境的不利影响。

关键词： 人工智能   技术哲学   工程哲学   工程教育   和谐工程  

摘要： 在新一轮科技革命浪潮下，传统工程教育体系面临技术替代加速、认知方式变革与伦理责任重构等多重系统性挑战。“回归工程”与“和谐共生”理念正体现出一种本土化的哲学自觉与价值导向，为人工智能时代重构工程教育体系提供了重要的理论智慧。从AI时代技术的哲学背景出发，剖析技术的本质及其哲学局限，揭示工程哲学转向的必然性。通过对AI时代工程实践与教育的双重反思，分析从“人类智能”到“人工智能”的模拟数字化过程，并借助“洞穴隐喻”与“镜像思维”探讨AI时代工程实践与教育中的主客体关系重构。在此基础上，从数据训练所面临的“词元到意义”的断裂问题中，总结工程思维本质的根本性转变，进一步探讨AI时代工程教育哲学的演进路径，构建AI时代以“不确定性”为核心、“工程判断”为根基、“伦理责任”为旨归的工程教育哲学三角框架。基于AI技术对人类智能挑战的反思，工程教育亟须超越单纯技术传授的工具理性，实现以和谐工程哲学为导向的路径转型。在课程体系重构上，需从传授“确定性知识”转向培养“不确定性管理”能力；在校企协同机制上，应从“技术合作”升级为“价值共建”；在评价体系创新上，实现从侧重技能的“单向评估”转向敏感性、技术可行性与可持续性“多向评测”的转变。工程教育的路径转型旨在弥合技术哲学在人工智能时代的局限，推进工程哲学的转向与演进，最终构建“自然－技术－工程－社会”多维共生的“和谐工程”体系，为工程教育在人工智能时代的可持续发展奠定基础。

关键词： 大语言模型   心理理论   人工心理理论   人工智能  

摘要： 传统观点认为,心理理论是有意识的生物独有的社会认知能力。然而,近来迅速发展的大语言模型能够解决多种心理理论任务,这引发了关于其是否具有心理理论的激烈争议。大语言模型的人工心理理论在表现上与心理理论类似,但内部过程不同。本文首先从评估对象和任务特征两个方面系统梳理人工心理理论研究,通过综合分析GPT-4在心理理论任务中的较高通过率及使其表现受限的内外因素,指出当前模型的心理理论表现与人类相似。其次,通过深入对比支撑心理理论与人工心理理论的神经基础和发展因素,揭示二者的内部过程存在本质差异,进而补充了人工心理理论的定义。未来研究应关注制定并采用标准化的评估方案,在共同心理理论框架下探究人工心理理论机制,以及与人类心理理论对齐。