关键词： 人工智能   社会治理   体制机制  

摘要： 人工智能（AI）的快速发展为社会治理带来了机遇与挑战。AI技术在公共安全、司法、医疗、教育等领域的应用显著提升了治理效率和服务质量，推动社会治理向数据驱动、协同化和精细化转型。然而，AI的广泛应用也引发了隐私保护、算法歧视、伦理风险等问题，亟需完善相关法律法规和伦理框架。构建中国特色人工智能社会治理体系，需要强化顶层设计，推动多元主体协同共治，并坚持以人为本的价值导向。通过健全法制保障、创新监管机制、拓宽应用场景，AI技术能够更好地服务于社会公平与公共利益。未来，应加强AI与智慧城市建设的融合，提升治理的智能化和可持续性，同时积极参与全球AI治理合作，推动技术与社会价值的协同发展，实现社会治理的现代化升级。

关键词： 飞行员   睡眠   失眠   磁共振成像   机器学习   功能连接  

摘要： 目的 使用睡眠量表研究飞行员日间嗜睡程度、失眠程度及导致其失眠的主要原因，进而借助功能磁共振成像（functional magnetic resonance imaging, fMRI）及基于连接组的预测模型（connectome-based predicting modeling, CPM）建立飞行员日间嗜睡程度的影像预测模型。材料与方法 2023年5月至2024年10月期间，从临潼康复疗养中心招募96名歼击机飞行员。使用Epworth嗜睡量表（Epworth Sleepiness Scale, ESS）评估飞行员的日间精神状态，并依据得分将飞行员分为嗜睡组与正常组。使用失眠严重程度指数（Insomnia Severity Index, ISI）评估飞行员的失眠严重程度，使用匹兹堡睡眠质量指数（Pittsburgh Sleep Quality Index, PSQI）评估飞行员的睡眠质量，使用自评焦虑量表（Self-rating Anxiety Scale, SAS）评估飞行员的焦虑程度，使用自评抑郁量表（Self-rating Depression Scale, SDS）评估飞行员的抑郁程度。采集飞行员的fMRI数据并构建全脑功能连接矩阵，结合CPM构建飞行员日间嗜睡程度的影像预测模型。结果 飞行员存在日间嗜睡情况的比例约为15.6%，嗜睡组飞行员ISI得分高于正常组飞行员（FDR校正后P=0.042）,PSQI得分低于正常组飞行员（FDR校正后P=0.047）。两组间焦虑与抑郁水平未见明显差异。飞行员的失眠程度（ISI得分）与焦虑（r=0.236,P=0.020）、抑郁（r=0.212,P=0.040）水平之间存在弱相关。飞行员的飞行时长与PSQI得分中的睡眠障碍亚项（r=0.216,P=0.035）、PSQI总分（r=0.202,P=0.048）水平之间存在弱相关。基于CPM模型的ESS得分预测值与其真实值之间存在相关关系（r=0.296），且置换检验表明该相关性具有统计学意义（P=0.004）。对模型预测效能具有主要贡献的功能连接存在于大脑边缘系统与默认模式网络、腹侧注意网络、额顶叶网络之间。结论 飞行员存在日间嗜睡情况的比例约为15.6%，与睡眠质量降低及失眠显著相关。CPM可以有效预测飞行员的日间嗜睡程度，对于预测具有显著贡献的功能连接存在于大脑边缘系统与默认模式网络、腹侧注意网络、额顶叶网络之间。

关键词： 人工智能   环境化学   数智技术   全过程混合式教学  

摘要： 本文聚焦数智技术赋能环境化学课程的全过程混合式教学模式创新，探讨了通过数智技术推动教学全过程深度融合的路径。研究表明，借助数智技术可实现课程内容的动态更新，使课堂及时跟进环境领域的最新科研与应用进展；通过虚拟仿真支持的案例与项目式教学，学生能够在接近真实的复杂情境中提升问题分析与解决能力；依托智能化平台构建全过程评价体系，可以对学生学习过程进行多维度监测与反馈，促进差异化学习和持续改进。本文总结了数智技术在环境化学课程中的具体应用，梳理了全过程混合式教学的主要要素与实践路径，为培养具备创新能力和实践能力的环境领域专业人才提供有力支持。

关键词： 人工智能   劳动力市场   技术变革   就业结构  

摘要： 本文基于技术变革理论，系统分析人工智能对劳动力市场的影响及应对策略。人工智能作为通用技术，通过岗位重组、技能迁移和就业关系重构重塑劳动力市场，既替代低技能、重复性岗位，也催生高附加值新兴职业，但引发结构性失业、技能错配等问题。现有法律、社保和教育体系难以适应非标准就业形态，导致权益保障不足、分配失衡等。为此，需构建多元化劳动关系法律体系、包容性社会保障体系、适应性教育技能生态及技术治理与再分配机制，以实现人机协同，让技术红利惠及社会，推动就业结构优化与可持续发展。

关键词： 旋成体航行器   表面压力   机器学习   点云   全域分布  

摘要： 表面压力是旋成体航行器姿态控制和运动参数设计与评估的重要指标。为了获取在作业过程中航行器表面压力的全域分布特性，本文设计了一套基于机器学习的表面压力重构算法。不同的航行工况条件会形成不同的航行器表面压力分布状态，通过在旋成体航行器表面布置压力观测点并利用其压力观测值的分布可以反过来表征不同的航行工况状态。本文将有限个航行器表面压力观测点的压力观测值及其三维点云坐标作为输入信息，训练得到了一个从有限个离散观测点压力到航行器表面全域压力分布的映射模型。为了探究模型的性能，在多个不同的测试数据上进行了表面压力的全域预测实验。结果表明，训练得到的机器学习模型能够给出高精度的全域压力分布预测，预测误差可以控制在10%以内，同时具备鲁棒性。

关键词： 人工智能   自觉分工   脑力劳动   体力劳动  

摘要： 马克思分工理论揭示了人类脑力劳动与体力劳动的发展向度。分工进程中的自然分工、自发分工和自觉分工三种形式,分别对应于人类脑体劳动的天然统一、社会分离和高级融合三种形态。在这一历史进程中,劳动工具作为人类劳动力发展的测量器,因而是社会分工演进的指示器。人工智能时代,机器体系的智能化与劳动方式的脑力化同步发展,具备变革生产关系、扬弃自发分工的现实潜能。展望未来,须以智能劳动为发展基础、以劳动教育为发展条件、以劳动时空为发展维度,人类才能真正实现自觉分工的社会理想。

关键词： 机器学习   酱卤肉制品   质量   风味   预测   控制  

摘要： 随着食品行业的发展，酱卤肉制品市场规模不断扩大，但传统质量控制方法在原料筛选、加工工艺、风味分析等方面存在主观性强、效率低、难以精准预测等天然局限，严重制约酱卤肉制品产业高质量发展。机器学习作为先进的数据分析和建模技术，为解决这些难题提供了新的机遇。基于此，本文论述了机器学习技术在酱卤肉制品质量控制中的应用，重点聚焦原料肉新鲜度评估、加工适宜性分析、香辛料筛选复配、加工工艺优化、风味预测标准化、质量融合分级及货架期预测等方面，并探讨了当前面临的挑战及未来的发展趋势，旨在为酱卤肉制品质量控制提供技术参考。

关键词： 农业新质生产力   人工智能   场景应用   农业现代化   农业强国   乡村振兴  

摘要： 」把握新一轮科技革命和产业变革机遇,发展农业新质生产力,是面向2035年的农业农村现代化战略图景、加快实现农业农村现代化的核心路径。人工智能(AI)技术优势与农业丰富应用场景的深度耦合,能够有效提升农业生产效率,培育壮大农业新质生产力。论文批判性回顾AI在农业领域的应用现状与已有理论探讨,系统解构AI赋能农业新质生产力的理论逻辑与作用机制。研究表明,AI通过赋能农业生产要素升级、驱动农业技术创新跃迁、促进农业产业组织重构,进而加速农业新质生产力的涌现。深度解构其作用机理,揭示AI在农业场景的主要应用过程机理,即通过数据要素整合嵌入、多元场景价值挖掘、农业产业链智能重构,形成AI技术创新赋能农业新质生产力涌现的创新闭环。最后,提出AI赋能农业新质生产力的政策实施路径,为把握人工智能技术突破和全场景应用机遇,加快培育壮大农业新质生产力提供兼具理论创新性与实践指导性的决策参考。

关键词： 类风湿关节炎   人工智能   深度学习   磁共振成像   滑膜炎   元学习   多模态融合  

摘要： 目的 本研究整合MRI影像组学与深度学习技术构建分类模型，实现对存在滑膜炎的骨关节炎（osteoarthritis, OA）与类风湿关节炎（rheumatoid arthritis, RA）的精准预测。材料与方法 通过回顾性分析2018年1月至2024年12月在无锡市中医医院完成膝关节MRI检查并被诊断为OA或RA的患者数据，依据纳入与排除标准筛选出符合条件的MRI数据并建立数据集。针对医学影像小样本学习挑战，构建基于模型无关元学习（model-agnostic meta-learning, MAML）的改进ResNet3D-18模型，通过MAML实现小样本场景下的快速任务适应，提升分类性能。运用三维梯度加权类激活映射（gradient-weighted class activation mapping, Grad-CAM）热力图对预测结果进行进一步解释。隐去患者临床信息后，两名医师独立完成MRI人工分类，结果协商统一。使用五折交叉验证评估分类模型性能。结果 纳入56例RA患者（60个膝关节）、56例OA患者（61个膝关节）建立数据集。在有限样本条件下，模型在单模态分类中，T1WI（准确率86.2%、曲线下面积0.914）较T2WI（准确率82.8%、曲线下面积0.875）效果更优；在T1WI和T2WI融合后的多模态分类模型表现出最佳的分类效果（准确率97.5%、曲线下面积0.975），甚至要高于人工分类结果（准确率94.2%、曲线下面积0.932）。Grad-CAM热力图示模型的关注模式与两种疾病临床病理特点高度一致。结论 将MRI影像组学与深度学习相结合，构建的分类模型通过MAML策略有效克服了训练数据不足的限制，能够对膝关节存在滑膜炎的OA与RA进行准确且可靠的预测。为临床早期诊断、个性化治疗及预后评估提供了新的技术支持与理论依据。

关键词： 颠覆性技术   XGBoost   数据融合   技术识别   专利分析   人工智能  

摘要： 颠覆性技术是推动产业变革和科技进步的重要力量，准确和快速地识别出颠覆性技术，对于各国把握技术先机、持续提升国家竞争力具有关键性意义。首先通过专利计量指标构建量化特征，并基于规则抽取知识单元获得文本特征；随后采用多模态融合方法将异质性特征统一表征，运用XGBoost算法实现分类识别；最后应用BERTopic模型对识别结果进行颠覆性技术主题挖掘。以人工智能领域为例进行实证研究，结果证明提出的融合异质性特征的识别方法取得较高准确率，在该领域具有良好的实际应用效果。